人工智能ai | 227A0EA5ED350D3A6A818979E589F971C44E40F0

人工智能ai

Name	人工智能ai	DOWNLOAD Copy Link
Total Size	52.0 GB
Total Files	875
Last Seen	2024-07-23 00:59
Hash	227A0EA5ED350D3A6A818979E589F971C44E40F0

/第1章课程导学/
1-1 计算机视觉导学.mp4	41.6 MB
课程补充.mp4	4.0 MB
/第2章计算机视觉入门/
2-1 本章介绍.mp4	32.9 MB
2-10 案例4：像素读取写入.mp4	13.0 MB
2-11 tensorflow常量变量定义.mp4	30.2 MB
2-12 tensorflow运算原理.mp4	34.5 MB
2-13 常量变量四则运算.mp4	66.8 MB
2-14 矩阵基础1.mp4	66.1 MB
2-15 矩阵基础2.mp4	37.3 MB
2-16 矩阵基础3.mp4	30.4 MB
2-17 numpy模块使用.mp4	40.4 MB
2-18 matplotlib模块的使用.mp4	30.2 MB
2-19 小综合：人工神经网络逼近股票价格1.mp4	51.1 MB
2-2 Mac下一站式开发环境anaconda搭建.mp4	36.5 MB
2-20 小综合：人工神经网络逼近股票价格2.mp4	28.5 MB
2-21 小综合：人工神经网络逼近股票价格3.mp4	56.0 MB
2-22 小综合：人工神经网络逼近股票价格4.mp4	96.4 MB
2-3 Windows下一站式开发环境anaconda搭建.mp4	22.4 MB
2-4 测试案例helloWorld.mp4	19.7 MB
2-5 案例1：图片的读取和展示.mp4	23.8 MB
2-6 Opencv模块组织结构.mp4	39.8 MB
2-7 案例2：图片写入.mp4	21.9 MB
2-8 案例3：不同图片质量保存.mp4	32.0 MB
2-9 像素操作基础.mp4	26.2 MB
本课程必看学.jpg	110.8 KB
本资料下载地址.url	0.2 KB
本资料下载来源.png	20.0 KB
解压必看.txt	0.3 KB
课程补充.mp4	4.0 MB
/第3章计算机视觉加强之几何变换/
3-1 本章介绍.mp4	38.5 MB
3-10 图片缩放.mp4	22.7 MB
3-11 图片仿射变换.mp4	44.0 MB
3-12 图片旋转.mp4	22.9 MB
3-13 图片几何变换小结.mp4	21.8 MB
3-2 图片缩放1.mp4	22.9 MB
3-3 图片缩放2.mp4	46.1 MB
3-4 图片缩放3.mp4	37.9 MB
3-5 图片剪切.mp4	17.5 MB
3-6 图片位移1.mp4	21.3 MB
3-7 图片移位2.mp4	32.1 MB
3-8 图片移位3.mp4	13.6 MB
3-9 图片镜像.mp4	48.3 MB
/.../第4章计算机视觉加强之图像特效&线段文字绘制/
4-1 图像特效介绍.mp4	98.2 MB
4-10 边缘检测2.mp4	55.7 MB
4-11 浮雕效果.mp4	20.3 MB
4-12 颜色映射.mp4	22.0 MB
4-13 油画特效.mp4	59.1 MB
4-14 图像特效小结.mp4	25.9 MB
4-15 线段绘制.mp4	40.7 MB
4-16 矩形圆形任意多边形绘制.mp4	49.3 MB
4-17 文字图片绘制.mp4	30.0 MB
4-2 图像灰度处理1.mp4	21.3 MB
4-3 图像灰度处理2.mp4	31.3 MB
4-4 算法优化.mp4	35.5 MB
4-5 颜色反转.mp4	33.7 MB
4-6 马赛克.mp4	38.4 MB
4-7 毛玻璃.mp4	40.4 MB
4-8 图片融合.mp4	38.5 MB
4-9 边缘检测1.mp4	57.3 MB
/第5章计算机视觉加强之图像美化/
5-1 美化效果章节介绍.mp4	62.8 MB
5-10 磨皮美白.mp4	27.2 MB
5-11 高斯均值滤波.mp4	55.1 MB
5-12 中值滤波.mp4	40.8 MB
5-13 图像美化章节小结.mp4	51.3 MB
5-2 彩色图片直方图.mp4	60.2 MB
5-3 直方图均衡化.mp4	56.9 MB
5-4 图片修补.mp4	47.3 MB
5-5 灰度直方图源码.mp4	27.2 MB
5-6 彩色直方图源码.mp4	35.4 MB
5-7 灰度直方图均衡化.mp4	80.4 MB
5-8 彩色直方图均衡化.mp4	52.8 MB
5-9 亮度增强.mp4	23.5 MB
/第6章计算机视觉加强之机器学习/
6-1 机器学习章节介绍.mp4	34.2 MB
6-10 SVM支持向量机1.mp4	43.5 MB
6-11 SVM支持向量机2.mp4	75.1 MB
6-12 SVM小结.mp4	38.8 MB
6-13 Hog特征1.mp4	62.2 MB
6-14 Hog特征2.mp4	110.6 MB
6-15 Hog特征3.mp4	57.5 MB
6-16 Hog特征4.mp4	60.7 MB
6-17 Hog小结.mp4	67.6 MB
6-18 Hog_SVM小狮子识别1.mp4	123.4 MB
6-19 Hog_SVM小狮子识别2.mp4	93.3 MB
6-2 视频分解图片.mp4	46.0 MB
6-20 Hog_SVM小狮子识别3.mp4	97.8 MB
6-21 Hog_SVM小狮子识别4.mp4	110.2 MB
6-22 Hog_SVM小狮子识别5.mp4	136.0 MB
6-23 机器学习小结.mp4	174.4 MB
6-3 图片合成视频.mp4	18.7 MB
6-4 Haar特征1.mp4	25.8 MB
6-5 Haar特征2.mp4	35.3 MB
6-6 Haar特征3.mp4	18.0 MB
6-7 adaboost分类器1.mp4	134.5 MB
6-8 adaboost分类器2.mp4	80.1 MB
6-9 Haar+adaboost人脸识别.mp4	129.6 MB
/第7章手写数字识别/
7-1 章节介绍.mp4	6.2 MB
7-10 knn数字识别8.mp4	92.9 MB
7-11 knn数字识别9.mp4	62.1 MB
7-12 knn数字识别10.mp4	122.1 MB
7-13 cnn实现手写数字识别1.mp4	55.7 MB
7-14 cnn实现手写数字识别2.mp4	112.7 MB
7-15 cnn实现手写数字识别3.mp4	93.9 MB
7-16 cnn实现手写数字识别4.mp4	118.2 MB
7-17 cnn实现手写数字识别5.mp4	95.5 MB
7-18 cnn实现手写数字识别6.mp4	120.7 MB
7-19 数字识别小结.mp4	138.3 MB
7-2 样本介绍.mp4	19.1 MB
7-3 knn数字识别1.mp4	25.1 MB
7-4 knn数字识别2.mp4	60.4 MB
7-5 knn数字识别3.mp4	116.1 MB
7-6 knn数字识别4.mp4	91.5 MB
7-7 knn数字识别5.mp4	130.3 MB
7-8 knn数字识别6.mp4	87.2 MB
7-9 knn数字识别7.mp4	107.1 MB
/.../第8章 “刷脸”识别/
8-1 章节介绍.mp4	23.2 MB
8-2 最简单的图片爬虫.mp4	128.0 MB
8-3 ffmpeg初识_音频.mp4.mp4	94.8 MB
8-4 OpenCV预处理.mp4	51.7 MB
8-5 神经网络训练识别1.mp4	22.8 MB
8-6 神经网络训练识别2.mp4	58.7 MB
8-7 神经网络训练识别3.mp4	67.0 MB
8-8 神经网络训练识别4.mp4	68.7 MB
8-9 本章小结.mp4	48.8 MB
/第9章课程总结/
9-1 课程总结.mp4	28.8 MB
/OpenCV+TensorFlow 入门人工智能图像处理（无密完整）/
源码.zip	41.4 MB
/Python3入门机器学习经典算法与应用/第10章评价分类结果/
10-1准确度的陷阱和混淆矩阵.mp4	33.7 MB
10-2 准确率和召回率.mp4	28.6 MB
10-3 现实混淆矩阵.mp4	91.9 MB
10-4 F1 Score.mp4	64.7 MB
10-5 准确率和召回率的平衡.mp4	82.9 MB
10-6 准确率召回率曲线.mp4	96.4 MB
10-7 ROC曲线.mp4	61.1 MB
10-8 多分类问题中的混淆矩阵.mp4	82.4 MB
/Python3入门机器学习经典算法与应用/第11章支撑向量机SVM/
11-1 什么是SVM.mp4	32.9 MB
11-2 svm背后的最优化问题.mp4	46.5 MB
11-3 Soft Margin SVM.mp4	37.1 MB
11-4 Scikit-learn 中的SVM.mp4	93.9 MB
11-5 SVM中使用多项式特征和核函数.mp4	64.5 MB
11-6 什么是核函数.mp4	38.4 MB
11-7RBF核函数.mp4	49.0 MB
11-8 RBF核函数中的gamma.mp4	60.5 MB
11-9 SVM思想解决回归问题.mp4	37.8 MB
/Python3入门机器学习经典算法与应用/第12章决策树/
12-1 什么是决策树.mp4	40.2 MB
12-2 信息熵.mp4	41.8 MB
12-3 - 12-5.mp4	265.0 MB
12-6 - 12-7 .mp4	54.2 MB
/Python3入门机器学习经典算法与应用/第13章集成学习和随机森林/
13章.mp4	439.5 MB
/Python3入门机器学习经典算法与应用/第14章更多机器学习算法/
14章学习scikit-learn文档，大家加油！.mp4	168.2 MB
/Python3入门机器学习经典算法与应用/第1章欢迎来到Python3玩转机器学习/
1-1 什么是机器学习.mp4	68.8 MB
1-2课程涵盖的内容和理念.mp4	44.7 MB
1-3课程所使用的技术栈.mp4	59.7 MB
课程补充.mp4	4.0 MB
/Python3入门机器学习经典算法与应用/第2章机器学习基础/
2-1 机器学习的数据.mp4	51.3 MB
2-2 机器学习的主要任务.mp4	61.8 MB
2-3 监督学习、非监督学习....mp4	49.7 MB
2-4 批量、在线学习、参数、非参数学习.mp4	26.0 MB
2-5 哲学思考.mp4	26.2 MB
2-6 课程使用环境搭建.mp4	96.2 MB
/.../第3章 Jupyter Notebook ,numpy/
3-1 Jupyter Notebook基础.mp4	86.0 MB
3-10 Numpy中的比较和Fancy lindexing.mp4	108.4 MB
3-11 Matplotlib数据可视化基础.mp4	106.2 MB
3-12 数据加载和简单的数据搜索.mp4	76.7 MB
3-2Jupter Notebook 中的魔法命令.mp4	108.5 MB
3-3 Numpy 数据基础.mp4	40.9 MB
3-4 创建Numpy 数据和矩阵.mp4	108.1 MB
3-5 Numpy数组和矩阵的基本操作.mp4	69.5 MB
3-6 Numpy 数据和矩阵的合并与分割.mp4	85.2 MB
3-7 Numpy中的矩阵运算.mp4	126.2 MB
3-8 Numpy 中的聚合运算.mp4	75.9 MB
3-9 Numpy中的arg运算.mp4	53.3 MB
/Python3入门机器学习经典算法与应用/第4章最基础的分类算法/
4-1 K近邻算法.mp4	78.1 MB
4-2 scikit-learn机器学习算法封装.mp4	152.2 MB
4-3 训练数据集.mp4	128.4 MB
4-4 分类准确度.mp4	136.9 MB
4-5 超参数.mp4	96.8 MB
4-6 网络搜索与K邻近算法中更多超参数.mp4	137.4 MB
4-7 数据归一化.mp4	59.6 MB
4-8 Scikit-learn中的Scaler.mp4	121.4 MB
4-9 更多有关K近邻算法的思考.mp4	23.8 MB
/Python3入门机器学习经典算法与应用/第5章线性回归法/
5-1 简单线性回归.mp4	45.9 MB
5-10 线性回归的可解释性.mp4	64.9 MB
5-2 最小乘法.mp4	25.8 MB
5-3 简单线性回归的实现.mp4	79.4 MB
5-4 衡量线性回归的指标.mp4	59.3 MB
5-5 R Squared.mp4	94.7 MB
5-6 最好的衡量线性回归法的指标.mp4	58.9 MB
5-7多元线性回归和正规方程解.mp4	34.9 MB
5-8 实现多元线性回归.mp4	82.4 MB
5-9 使用Scilit-learn解决回归问题.mp4	86.3 MB
/Python3入门机器学习经典算法与应用/第6章梯度下降法/
6-1 什么是梯度下降法.mp4	35.1 MB
6-2线性回归中的梯度下降法.mp4	114.6 MB
6-3实现线性回归中的梯度下降法.mp4	37.0 MB
6-4 实现线性回归中的梯度下降法.mp4	88.3 MB
6-5 梯度下降法的向量化.mp4	113.9 MB
6-6 随机梯度下降法.mp4	81.2 MB
6-7 scikit-learn中的梯度下降法.mp4	137.0 MB
6-8有关梯度下降法的更多深入讨论.mp4	62.0 MB
6-9 有关梯度下降法的更多讨论.mp4	19.0 MB
/Python3入门机器学习经典算法与应用/第7章 PCA与梯度上升法/
7-1 什么是PCA.mp4	39.6 MB
7-2 求数据的主成分PCA问题.mp4	21.2 MB
7-3 求数据的主成分.mp4	101.6 MB
7-4 高维数据映射为低维数据（）.mp4	76.8 MB
7-5 高纬数据映射为低纬数据.mp4	96.7 MB
7-6 scikit-learn中的PCA.mp4	116.6 MB
7-7 试手MNIST数据集.mp4	64.9 MB
7-8 使用PCA对数据进行降噪.mp4	71.0 MB
7-9 人脸识别与特征脸.mp4	72.5 MB
/Python3入门机器学习经典算法与应用/第8章多项式回归与模型泛化/
8-1 什么是多项式回归.mp4	56.0 MB
8-10 L1，L2弹性网络.mp4	27.8 MB
8-2 scikit-learn 中的多项式回归.mp4	84.4 MB
8-3 过拟合与欠拟合.mp4	115.3 MB
8-4 为什么要训练数据集与测试数据集.mp4	108.8 MB
8-5 学习曲线.mp4	83.4 MB
8-6 验证数据集与交叉验证.mp4	139.4 MB
8-7 偏差方差平衡.mp4	37.2 MB
8-8 模型泛化与岭回归.mp4	111.2 MB
8-9 LASSO.mp4	73.3 MB
/Python3入门机器学习经典算法与应用/第9章逻辑回归/
9-1 什么是逻辑回归.mp4	39.1 MB
9-2 逻辑回归的损失函数.mp4	38.7 MB
9-3 逻辑回归损失函数的梯度.mp4	51.3 MB
9-4 实现逻辑回归算法.mp4	148.4 MB
9-5 决策边界.mp4	103.6 MB
9-6 在逻辑回归中使用多项式特征.mp4	75.9 MB
9-7 scikt-learn中的逻辑回归.mp4	89.2 MB
9-8 OvR与OvO.mp4	69.1 MB
/Python3入门机器学习经典算法与应用/
ISLR Seventh Printing.pdf	11.2 MB
Mastering Feature Engineering Principles and Techniques for Data Scientists (Early Release)-O’reilly (2016).pdf	3.7 MB
github地址.txt	0.1 KB
project.zip	127.8 KB
/北风人工智能3期/人工智能之机器学习/
[www.javaxxz.com]第一章：Numpy前导介绍1-10.mp4	748.1 MB
[www.javaxxz.com]第一章：Numpy前导介绍11.mp4	19.9 MB
[www.javaxxz.com]第一章：Numpy前导介绍12.mp4	117.0 MB
[www.javaxxz.com]第一章：Numpy前导介绍13-15.mp4	220.1 MB
[www.javaxxz.com]第七章机器学习五-聚类分析+贝叶斯11.mp4	216.7 MB
[www.javaxxz.com]第七章：机器学习五-聚类分析+贝叶斯1.mp4	228.1 MB
[www.javaxxz.com]第七章：机器学习五-聚类分析+贝叶斯2-4.mp4	430.6 MB
[www.javaxxz.com]第七章：机器学习五-聚类分析+贝叶斯5-7.mp4	430.0 MB
[www.javaxxz.com]第七章：机器学习五-聚类分析+贝叶斯8.mp4	209.1 MB
[www.javaxxz.com]第三章机器学习（一）1-7.mp4	1.0 GB
[www.javaxxz.com]第二章：Pandas前导课程1-4.mp4	280.0 MB
[www.javaxxz.com]第二章：Pandas前导课程5-7.mp4	378.7 MB
[www.javaxxz.com]第二章：Pandas前导课程8-11.mp4	514.2 MB
[www.javaxxz.com]第五章机器学习三-决策树1-7.mp4	1.8 GB
[www.javaxxz.com]第八章机器学习六-EM-HMM-LDA-ML4-6.mp4	725.6 MB
[www.javaxxz.com]第八章：机器学习六-EM-HMM-LDA-ML1.mp4	179.6 MB
[www.javaxxz.com]第八章：机器学习六-EM-HMM-LDA-ML2-4.mp4	722.4 MB
[www.javaxxz.com]第六章机器学习四-SVM支持向量机1-6.mp4	1.3 GB
[www.javaxxz.com]第四章：机器学习（二）1.mp4	435.9 MB
[www.javaxxz.com]第四章：机器学习（二）2.mp4	117.7 MB
[www.javaxxz.com]第四章：机器学习（二）3-5.mp4	375.5 MB
[www.javaxxz.com]第四章：机器学习（二）5-6.mp4	188.6 MB
[www.javaxxz.com]第四章：机器学习（二）7.mp4	156.6 MB
本课程必看学.jpg	110.8 KB
本资料下载地址.url	0.2 KB
本资料下载来源.png	20.0 KB
解压必看.txt	0.3 KB
课程补充.mp4	4.0 MB
/北风人工智能3期/人工智能之深度学习+推荐系统/
[www.javaxxz.com] 第三章 RNN循环神经网络1-3.mp4	361.9 MB
[www.javaxxz.com]第一章：深度学习概述1-2.mp4	394.2 MB
[www.javaxxz.com]第一章：深度学习概述3-4.mp4	538.7 MB
[www.javaxxz.com]第一章：深度学习概述5-6.mp4	259.9 MB
[www.javaxxz.com]第二章 CNN 卷积神经网络1-4.mp4	772.5 MB
[www.javaxxz.com]第五章推荐系统1-6.mp4	449.7 MB
[www.javaxxz.com]第五章推荐系统7-8.mp4	228.1 MB
[www.javaxxz.com]第五章推荐系统9-15.mp4	882.6 MB
[www.javaxxz.com]第六章推荐系统&数据挖掘&人工智能1-2.mp4	417.6 MB
[www.javaxxz.com]第六章：推荐系统&数据挖掘&人工智能3-8.mp4	990.5 MB
[www.javaxxz.com]第六章：推荐系统&数据挖掘&人工智能9-14.mp4	745.9 MB
[www.javaxxz.com]第四章总结.mp4	140.4 MB
本课程必看学.jpg	110.8 KB
本资料下载地址.url	0.2 KB
本资料下载来源.png	20.0 KB
解压必看.txt	0.3 KB
课程补充.mp4	4.0 MB
/北风人工智能3期/人工智能资料和作业/人工智能之机器学习/作业/
iris.rar	0.9 KB
第五章机器学习（二）.docx	12.3 KB
第八章机器学习五-聚类分析+贝叶斯.docx	37.1 KB
/北风人工智能3期/人工智能资料和作业/人工智能之机器学习/资料/
资料.zip	283.2 MB
/北风人工智能3期/人工智能资料和作业/人工智能之深度学习+推荐系统/作业/
xiaoshuo.zip	6.0 MB
第四章总结.docx	33.8 KB
/北风人工智能3期/人工智能资料和作业/人工智能之深度学习+推荐系统/资料/
01_随堂课件 (1).zip	6.4 MB
01_随堂课件.zip	1.2 MB
04_深度学习总结.zip	1.5 MB
04_软件工具01.zip	212.8 MB
04_软件工具02.zip	235.4 MB
04_软件工具03.zip	141.9 MB
04_软件工具04.zip	191.7 MB
05_随堂代码 (1).zip	6.4 MB
05_随堂代码.zip	8.0 MB
06_参考资料 (1).zip	206.1 MB
06_参考资料.zip	206.1 MB
CNN.zip	3.1 MB
RNN.zip	5.5 MB
pdf资料.zip	71.2 MB
本课程必看学.jpg	110.8 KB
本资料下载地址.url	0.2 KB
本资料下载来源.png	20.0 KB
深度学习概述.zip	15.2 MB
解压必看.txt	0.3 KB
课程补充.mp4	4.0 MB
/基于Python玩转人工智能最火框架 TensorFlow应用实践/第1章课程整体介绍/
1-1 课程整体介绍及导学.mp4	66.9 MB
/基于Python玩转人工智能最火框架 TensorFlow应用实践/第2章人工智能基础知识/
2-1 什么是人工智能.mp4	13.7 MB
2-2 人工智能前景.mp4	10.2 MB
2-3 人工智能需要的基本数学知识.mp4	5.2 MB
2-4 人工智能简史.mp4	24.2 MB
2-5 AI、机器学习和深度学习的关联.mp4	8.3 MB
2-6 什么是机器学习.mp4	67.5 MB
2-7 面对AI，我们应有的态度.mp4	17.6 MB
2-8 什么是过拟合.mp4	35.8 MB
2-9 什么是深度学习.mp4	36.8 MB
课程补充.mp4	4.0 MB
/基于Python玩转人工智能最火框架 TensorFlow应用实践/第3章 TensorFlow简介和开发环境搭建/
3-1 什么是TensorFlow.mp4	33.2 MB
3-10 安装TensorFlow（上）.mp4	132.0 MB
3-11 安装TensorFLow（下）.mp4	102.1 MB
3-12 安装Python类库.mp4	21.3 MB
3-2 TensorFlow和其他机器学习库的对比1.mp4	332.4 MB
3-3 如何学习TensorFlow.mp4	161.2 MB
3-4 TensorFlow前景.mp4	8.3 MB
3-5 如何使用课程提供的虚拟机文件.mp4	60.1 MB
3-6 安装VirtualBox.mp4	36.0 MB
3-7 安装Ubuntu.mp4	116.1 MB
3-8 配置Ubuntu系统.mp4	90.1 MB
3-9 安装Python.mp4	34.0 MB
课程补充.mp4	4.0 MB
/.../第4章 TensorFlow原理与进阶（代码实践）/
4-1 从HelloWorld开始.mp4	14.5 MB
4-10 可视化利器TensorBoard（上）.mp4	133.9 MB
4-11 可视化利器TensorBoard（下）.mp4	116.8 MB
4-12 酷炫模拟游乐园PlayGround.mp4	152.6 MB
4-13 常用Python库Matplotlib.mp4	205.6 MB
4-14 综合小练习：梯度下降解决线性回归（上）.mp4	94.9 MB
4-15 综合小练习：梯度下降解决线性回归（中）.mp4	116.6 MB
4-16 综合小练习：梯度下降解决线性回归（下）.mp4	159.7 MB
4-17 激活函数（上）.mp4	68.7 MB
4-18 激活函数（下）.mp4	35.2 MB
4-19 动手实现CNN卷积神经网络（一）.mp4	138.6 MB
4-2 TensorFlow的编程模式.mp4	8.4 MB
4-20 动手实现CNN卷积神经网络（二）.mp4	155.2 MB
4-21 动手实现CNN卷积神经网络（三）.mp4	172.2 MB
4-22 动手实现CNN卷积神经网络（四）.mp4	124.3 MB
4-23 动手实现CNN卷积神经网络（五）.mp4	170.5 MB
4-24 动手实现RNN-LSTM循环神经网络（一）：背景和知识点.mp4	186.1 MB
4-25 动手实现RNN-LSTM循环神经网络（二）：编写实用方法(上).mp4	177.9 MB
4-26 动手实现RNN-LSTM循环神经网络（三）：编写实用方法(中).mp4	206.3 MB
4-27 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)1.mp4	150.2 MB
4-28 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)2.mp4	143.1 MB
4-29 动手实现RNN-LSTM循环神经网络（五）：编写神经网络模型(上).mp4	221.3 MB
4-3 TensorFlow的基础结构.mp4	7.3 MB
4-30 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)1.mp4	189.4 MB
4-31 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)2.mp4	188.8 MB
4-32 动手实现RNN-LSTM循环神经网络（七）：编写神经网络模型(下).mp4	166.3 MB
4-33 动手实现RNN-LSTM循环神经网络（八）：编写训练方法(上).mp4	183.0 MB
4-34 动手实现RNN-LSTM循环神经网络（九）：编写训练方法(下).mp4	150.6 MB
4-35 动手实现RNN-LSTM循环神经网络（十）：编写测试方法.mp4	184.4 MB
4-36 动手实现RNN-LSTM循环神经网络（十一）：实际训练和测试.mp4	127.1 MB
4-4 图和会话.mp4	16.5 MB
4-5 Python常用库Numpy的使用.mp4	124.3 MB
4-6 什么是Tensor（上）.mp4	126.6 MB
4-7 什么是Tensor（下）.mp4	84.4 MB
4-8 图和会话原理及案例（上）.mp4	130.2 MB
4-9 图和会话原理及案例（下）.mp4	133.2 MB
/.../第5章案例一会作曲的人工智能/
5-1 背景和知识点简介.mp4	111.1 MB
5-10 编写训练神经网络的方法（一）.mp4	134.9 MB
5-11 编写训练神经网络的方法（二）.mp4	176.9 MB
5-12 编写训练神经网络的方法（三）.mp4	214.8 MB
5-13 编写神经网络生成音乐的方法（一）.mp4	187.9 MB
5-14 编写神经网络生成音乐的方法（二）.mp4	246.6 MB
5-15 纯TensorFlow版的预告.mp4	8.3 MB
5-2 音乐和数学的联系.mp4	51.0 MB
5-3 什么是MIDI文件.mp4	85.5 MB
5-4 配置开发环境.mp4	52.8 MB
5-5 编写转换MIDI到MP3的方法.mp4	47.6 MB
5-6 Python音乐库Music21的使用和测试方法.mp4	100.5 MB
5-7 编写整个神经网络模型.mp4	277.1 MB
5-8 编写从训练文件获取音符的方法.mp4	145.9 MB
5-9 编写从预测数据来生成音乐的方法.mp4	134.5 MB
/.../第6章案例二会Photoshop的人工智能/
6-1 背景和知识点简介.mp4	69.0 MB
6-10 编写神经网络生成图片的方法.mp4	120.8 MB
6-11 代码完成和测试模型.mp4	75.9 MB
6-11 代码完成和测试模型.mp4.baiduyun.p.downloading	75.9 MB
6-12 纯TensorFlow版的预告.mp4	4.9 MB
6-2 配置开发环境.mp4	82.9 MB
6-3 什么是GAN(生成对抗网络).mp4	21.8 MB
6-4 什么是DCGAN.mp4	31.7 MB
6-5 编写DCGAN中的判别器模型（上）.mp4	85.0 MB
6-6 编写DCGAN中的判别器模型（下）.mp4	168.7 MB
6-7 编写DCGAN中的生成器模型.mp4	135.0 MB
6-8 编写训练神经网络的方法（上）.mp4	112.4 MB
6-9 编写训练神经网络的方法（下）.mp4	124.1 MB
/.../第7章案例三会开3D赛车的人工智能/
7-1 背景和知识点简介.mp4	114.0 MB
7-10 Q-Learning 实现机器人走迷宫：游戏主程序.mp4	107.6 MB
7-11 Deep Q Learning 实现迷宫游戏：决策算法（1）.mp4	133.6 MB
7-12 Deep Q Learning 实现迷宫游戏：决策算法（2）.mp4	212.6 MB
7-13 Deep Q Learning 实现迷宫游戏：决策算法（3）.mp4	237.1 MB
7-14 Deep Q Learning 实现迷宫游戏：决策算法(4)和主程序.mp4	166.9 MB
7-15 Policy Gradient 实现 Gym 游戏.mp4	210.9 MB
7-16 A3C 实现 3D 赛车游戏：成果演示.mp4	132.1 MB
7-17 A3C实现3D赛车游戏：讲解A3C和编写环境.mp4	197.3 MB
7-18 A3C实现3D赛车游戏：编写A3C算法和主程序.mp4	272.2 MB
7-2 强化学习的经典实验环境.mp4	239.6 MB
7-3 配置开发环境（1）.mp4	290.7 MB
7-4 配置开发环境（2）.mp4	324.1 MB
7-5 什么是强化学习.mp4	168.0 MB
7-6 什么是Q Learning.mp4	19.0 MB
7-7 Q-Learning 实现机器人走迷宫：创建环境.mp4	124.1 MB
7-8 Q-Learning 实现机器人走迷宫：决策算法（1）.mp4	170.8 MB
7-9 Q-Learning 实现机器人走迷宫：决策算法（2）.mp4	126.3 MB
/基于Python玩转人工智能最火框架 TensorFlow应用实践/第8章知识点总结和课程延展/
8-1 总结陈词和补充.mp4	38.7 MB
8-2 如何学好英语.mp4	59.7 MB
8-3 如何学好数学.mp4	92.5 MB
8-4 如何学习一门技术及课程知识点总结.mp4	126.8 MB
8-5 深入AI和TensorFlow.mp4	95.4 MB
/基于Python玩转人工智能最火框架 TensorFlow应用实践/
IMOOC.vdi.zip	3.1 GB
project.zip	196.7 KB
本课程必看学.jpg	110.8 KB
本资料下载地址.url	0.2 KB
本资料下载来源.png	20.0 KB
解压必看.txt	0.3 KB
课程代码和素材（包含训练好的参数文件）.zip	97.6 MB
/深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程/RNN手写字体识别/
1.wmv	42.1 MB
2.wmv	52.4 MB
3.wmv	65.1 MB
/深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程/TensorFlow打造唐诗生成网络/
1.mp4	35.0 MB
2.wmv	44.0 MB
3.wmv	67.6 MB
4.wmv	55.9 MB
5.wmv	27.7 MB
6.wmv	58.4 MB
7.wmv	18.0 MB
8.wmv	42.1 MB
/深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程/递归神经网络原理/
1.mp4	40.8 MB
2.wmv	23.9 MB
3.wmv	19.9 MB
4.wmv	19.3 MB
/深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程/
本课程必看学.jpg	110.8 KB
本资料下载地址.url	0.2 KB
本资料下载来源.png	20.0 KB
解压必看.txt	0.3 KB
课程补充.mp4	4.0 MB
Showing first 438 files of 875 total files