第一天
1. 人工智能和机器学习和深度学习.wmv
2. 机器学习的感知.wmv
3. 监督和半监督和无监督学习.wmv
4. 后续学习内容.wmv
5. 线性回归问题.wmv
6. 线性回归的感觉.wmv
7. 线性回归总结.wmv
8. 损失函数.wmv
9. 等值线.wmv
10. 评价标准.wmv
11. 编程实现最小二乘法.wmv
12. 使用sklearn执行最小二乘法.wmv
13. 打印模型中的参数和结局.wmv
14. 引入交叉验证.wmv
15. 引入泰勒展开.wmv
16. 总结.wmv
第二天
1. 泰勒展开.wmv
2. 线性回归.wmv
3. 多项式你和.wmv
4. 演示多项式拟合内容.wmv
5. 过拟合和欠拟合.wmv
6. 过拟合和欠拟合.wmv
7. 另一种方式解释偏差和方差.wmv
8. 方差偏差的图像.wmv
9. 解决问题.wmv
10. 总结.wmv
11. 梯度的引入.wmv
12. 梯度下降法的引入.wmv
13. 梯度下降的图像.wmv
14. 解答问题.wmv
15. 梯度下降的公式.wmv
16. 梯度下降法可能落在极值点.wmv
17. 梯度下降法的编程.wmv
第三天
1. 回顾.wmv
2. 程序演示.wmv
3. Adagrad 自适应学习率.wmv
4. 没讲明白.wmv
5. 没讲明白2.wmv
6. Adagrad 的内容.wmv
7. 随机梯度下降.wmv
8. 随机梯度下降的收敛情况.wmv
9. 小批量梯度下降.wmv
10. 随机梯度下降的代码.wmv
11.下午的 岭回归正则化的内容.wmv
12. 岭回归.wmv
13. 总结岭回归.wmv
14. L1 和 L2 正则化.wmv
15. L1 和 L2 的对比.wmv
16. 代码讲解视频.wmv
第四天
1. Adagrad的内容.wmv
2. 第一部分总结.wmv
3. Lasso 和 岭回归 无偏估计.wmv
4. 伯努利分布.wmv
5. 二项分布.wmv
6. 泊松分布.wmv
7. 正态分布.wmv
8. 正态分布2.wmv
9. 为什么正太分布.wmv
10. 中心极限定理.wmv
11. 假定检验.wmv
12.假定检验2 .wmv
13. 贝叶斯分类器.wmv
14. 高斯判别分析.wmv
第五天
1. 回顾.wmv
2. 后续的重点说明.wmv
3. 多维高斯分布.wmv
4. 高斯判别的引入.wmv
5.又解释一遍高斯分布 .wmv
6. 多元高斯分布.wmv
7. 高斯判别第二次说明.wmv
8. 最大似然函数.wmv
9. 高斯判别的思想内容.wmv
10. 协方差矩阵.wmv
11. 实做上的高斯判别分析.wmv
12. 高斯判别分析推导.wmv
13. 高斯分布是线性的.wmv
14. 朴素贝叶斯.wmv
15. 朴素贝叶斯2.wmv
16. 代码.wmv
第六天
1. 回顾.wmv
2. Sigmoid 函数和高斯判别.wmv
3. 回归可以处理分类问题.wmv
4. 逻辑回归.wmv
5. argmax 和 sigmoid.wmv
6. 逻辑回归的损失函数.wmv
7. 逻辑回归梯度下降的公式.wmv
8.逻辑回归的函数图像 .wmv
9. 等概率线和逻辑回归与高斯判别之间的关系.wmv
10. 代码.wmv
第七天
1. 回顾昨天的内容.wmv
2. 多分类的情况.wmv
3. 核函数或者映射.wmv
4. 特征转换和神经网络.wmv
5. 确定哪个神经网络更好.wmv
6. 神经网络.wmv
7. 神经网络的演示.wmv
8. 代码情况.wmv
9. 神经网络的结构-下午.wmv
10. 链式法则.wmv
11. 反向传播算法.wmv
第八天
1. 回顾之前内容.wmv
2. 过拟合和欠拟合的引入.wmv
3. 如何解决过拟合和欠拟合.wmv
4. RelU内容.wmv
5. 用RELU替代Sigmoid函数.wmv
6. Maxout 函数.wmv
7. 总结激活函数.wmv
8. 早停发.wmv
9. 简单说明集成学习.wmv
10. DROPOUT 内容.wmv
11. 交叉验证.wmv
12. 准确率_精确率_召回率.wmv
13. ROC曲线.wmv
14. AUC内容求解.wmv
第九天
1.内容说明.wmv
2. 本周内容回顾.wmv
3. 卷积神经网络.wmv
4. 卷积和池化.wmv
5. 卷积神经网络的内容.wmv
6. 案例.wmv
第十天
1. 回顾加引出决策树.wmv
2. 决策树的本质内容.wmv
3. 引入信息熵.wmv
4. 决策树的生成.wmv
5. 决策树的生成和结束.wmv
6. 信息增益率情况.wmv
7. 基尼指数.wmv
8. 决策树的手算.wmv
9. 预剪枝.wmv
10. 预剪枝和后剪枝.wmv
11. 解答问题.wmv
第十一天
1. 连续值的处理方法.wmv
2. 判别模型和生成模型加先验概率和后验概率.wmv
3. 先验概率和后验概率.wmv
4. 信息熵.wmv
5. 交叉熵.wmv
6. 昨天的学员访谈.wmv
7. 机器学习三个步骤表述决策树.wmv
8. 决策树的正则以及剪枝.wmv
9. 缺失值的处理方法-上午.wmv
第十二天
1. 回顾.wmv
2. 答疑.wmv
3. 回归树.wmv
4. 一元回归树的展示.wmv
5. 回归树处理过拟合1.wmv
6. 树模型的总结.wmv
7. 集成学习加随机森林.wmv
8. 随机森林选择特征的方法.wmv
9. boosting的引入.wmv
10. Boosting 和 Bagging的区别.wmv
11. 提升树.wmv
12. 梯度提升树.wmv
13. 不知道说了啥.wmv
第十三天
1. 回顾.wmv
2. GBDT回顾.wmv
3. xgboost的推导.wmv
4. 数据结构与算法.wmv
5. 兔子过河.wmv
6. 栈的概念.wmv
7. 标准化和归一化.wmv
8. 队列.wmv
工作上的图片.jpg
第十四天
1. 总结树模型.wmv
2. 问题.wmv
3. XGboost过拟合问题.wmv
4. 回顾内容.wmv
5. 链表介绍.wmv
6. 链表的好处.wmv
7. 链表的习题.wmv
8. 树和树的遍历.wmv
9. 冒泡和插入排序.wmv
10. 归并排序.wmv
11. 快速排序.wmv
12. 问题.wmv
第十五天
1. 本周内容.wmv
2. SVM 引入.wmv
3. SVM理解.wmv
4. 拉格朗日乘子法.wmv
5. 拉格朗日乘子法的KKT条件.wmv
6. SVM推导1.wmv
7. SVM推导2.wmv
8. SMO.wmv
9. SMO2.wmv
10. 核函数和多项式核.wmv
11. 高斯核.wmv
12. hinge loss合叶.wmv
第十六天
1. 回顾.wmv
2. 几何的方式进行理解.wmv
3. 软间隔的几何理解.wmv
4. 通过李宏毅老师的说SVM.wmv
5. 梯度下降求解SVM.wmv
6. 李宏毅老师的对偶问题.wmv
7. SVM的程序.wmv
受页面展示内容限制，更多内容请下载后查看。。。
