python神经网络算法全集
2016年
(Part One)深度学基础
1.1课程介绍机器学介绍上.mp4
1.1课程介绍机器学介绍下.mp4
1.2深度学介绍.mp4
2.1基本概念.mp4
3.1决策树算法.mp4
3.2决策树应用.mp4
4.1最邻近规则分类KNN算法.mp4
4.2最邻近规则KNN分类应用.mp4
5.1 支持向量机(SVM)算法（上）.html
5.1 支持向量机(SVM)算法（上）应用.html
5.1支持向量机SVM上.mp4
5.1支持向量机SVM上应用.mp4
6.2神经网络算法应用上.mp4
6.3神经网络算法应用下.mp4
7.1简单线性回归上.mp4
7.2简单线性回归下.mp4
7.3多元线性回归.mp4
7.4多元线性回归应用.mp4
7.5非线性回归 Logistic Regression.mp4
7.6非线性回归应用.mp4
7.7回归中的相关度和决定系数.mp4
7.8回归中的相关性和R平方值应用.mp4
8.1Kmeans算法.mp4
8.2Kmeans应用.mp4
8.3Hierarchical clustering 层次聚类.mp4
8.4Hierarchical clustering 层次聚类应用.mp4
总结.mp4
支持向量机(SVM)算法(下)应用.mp4
支持向量机(SVM)算法下.mp4
神经网络NN算法.mp4
(Part Two)深度学进阶
第1章 基本概念清晰版.mp4
第2章 软件包安装和环境配置总述.mp4
第3章 环境配置分部详解.mp4
第4章 环境配置分部详解下.mp4
第5章 手写数字识别.mp4
第6章 神经网络基本结构及梯度下降算法.mp4
第7章 随机梯度下降算法.mp4
第8章 梯度下降算法实现上.mp4
第9章 梯度下降算法实现下.mp4
第10章 神经网络手写数字演示.mp4
第11章 Backpropagation算法上.mp4
第12章 Backpropagation算法下.mp4
第13章 Backpropagation算法实现.mp4
第14章 cross-entropy函数.mp4
第15章 Softmax和Overfitting.mp4
第16章 Regulization.mp4
第17章 Regulazition和Dropout.mp4
第18章 正态分布和初始化(修正版).mp4
第19章 提高版本的手写数字识别实现.mp4
第20章 神经网络参数hyper-parameters选择.mp4
第21章 深度神经网络中的难点.mp4
第22章 用ReL解决VanishingGradient问题.mp4
第23章 ConvolutionNerualNetwork算法.mp4
第24章 ConvolutionNeuralNetwork实现上.mp4
第25章 ConvolutionNeuralNetwork实现下.mp4
第26章 Restricted Boltzmann Machine.mp4
第27章 Restricted Boltzmann Machine下.mp4
第28章 Deep Brief Network 和 Autoencoder.mp4
(Part Three)深度深入与强化
第1课 机器学中数学基础
第2课 高效计算基础与图像线性分类器
第3课 梯度下降法与反向传播
第4课 CNN与常用框架
第5课 CNN训练注意事项与框架使用
第6课 CNN推展案例
第7课 RNN介绍
第8课 RNN应用
第9课 更多的网络类型
第10课 更多框架
文件夹截图