GZG-三部曲全——机器学习,强化学习,深度学习
GZG-三部曲全——机器学习,强化学习,深度学习├──梗直哥-【机器学习必修课:经典算法与Python实战】
| ├──01-1课程内容和理念.mp460.86M
| ├──01-2初识机器学习.mp436.89M
| ├──01-3课程使用的技术栈.mp437.01M
| ├──02-1本章总览.mp47.86M
| ├──02-2数据长什么样:常见数据集、典型实例、如何使用.mp435.28M
| ├──02-3研究哪些问题:分类、回归等.mp439.98M
| ├──02-4如何分门别类:监督、无监督、强化学习等.mp429.27M
| ├──02-5机器学习的七大常见误区和局限.mp435.12M
| ├──03-10Numpy数组矩阵运算:一元运算、二元运算与矩阵运算.mp432.97M
| ├──03-11Numpy数组统计运算:常用的都在这儿了.mp416.03M
| ├──03-12Numpy数组arg运算和排序.mp418.39M
| ├──03-13Numpy数组神奇索引和布尔索引.mp423.67M
| ├──03-14Matplotlib数据可视化:基础绘制与设置.mp422.99M
| ├──03-1本章总览:相互关系与学习路线.mp49.16M
| ├──03-2Anaconda图形化操作.mp415.87M
| ├──03-3Anaconda命令行操作.mp418.94M
| ├──03-4JupyterNotebook基础使用.mp419.82M
| ├──03-5JupyterNotebook高级使用:常用魔法命令.mp414.99M
| ├──03-6Numpy基础:安装与性能对比.mp415.47M
| ├──03-7Numpy数组创建:特定数组、等差数组、随机数组.mp436.91M
| ├──03-8Numpy数组基础索引:索引和切片.mp416.82M
| ├──03-9Numpy非常重要的数组合并与拆分操作.mp418.71M
| ├──04-1本章总览.mp412.11M
| ├──04-2KNN算法核心思想和原理.mp439.42M
| ├──04-3KNN分类任务代码实现.mp432.76M
| ├──04-4数据集划分:训练集与预测集.mp431.74M
| ├──04-5模型评价.mp433.82M
| ├──04-6超参数.mp430.33M
| ├──04-7特征归一化.mp427.78M
| ├──04-8KNN回归任务代码实现.mp429.45M
| ├──04-9KNN优缺点和适用条件.mp420.86M
| ├──05-10复杂逻辑回归及代码实现.mp418.03M
| ├──05-11线性算法优缺点和适用条件.mp421.56M
| ├──05-1本章总览.mp414.52M
| ├──05-2线性回归核心思想和原理.mp440.35M
| ├──05-3逻辑回归核心思想和原理.mp425.37M
| ├──05-4线性回归代码实现.mp427.96M
| ├──05-5模型评价:MSE、RMSE、MAE和R方.mp429.13M
| ├──05-6多项式回归代码实现.mp419.65M
| ├──05-7逻辑回归算法.mp421.81M
| ├──05-8线性逻辑回归代码实现.mp428.49M
| ├──05-9多分类策略.mp48.68M
| ├──06-10LASSO和岭回归代码实现.mp423.94M
| ├──06-11模型泛化.mp424.56M
| ├──06-12评价指标:混淆矩阵、精准率和召回率.mp436.52M
| ├──06-13评价指标:ROC曲线.mp433.80M
| ├──06-1本章总览.mp430.55M
| ├──06-2损失函数.mp439.35M
| ├──06-3梯度下降.mp435.66M
| ├──06-4决策边界.mp425.28M
| ├──06-5过拟合与欠拟合.mp425.13M
| ├──06-6学习曲线.mp426.73M
| ├──06-7交叉验证.mp423.90M
| ├──06-8模型误差.mp442.80M
| ├──06-9正则化.mp445.01M
| ├──07-1本章总览.mp414.39M
| ├──07-2决策树核心思想和原理.mp422.73M
| ├──07-3信息熵.mp439.70M
| ├──07-4决策树分类任务代码实现.mp438.72M
| ├──07-5基尼系数.mp419.63M
| ├──07-6决策树剪枝.mp425.97M
| ├──07-7决策树回归任务代码实现.mp412.60M
| ├──07-8决策树优缺点和适用条件.mp416.52M
| ├──08-1本章总览.mp426.78M
| ├──08-2神经网络核心思想和原理.mp456.43M
| ├──08-3激活函数.mp436.11M
| ├──08-4正向传播与反向传播.mp423.42M
| ├──08-5梯度下降优化算法.mp436.83M
| ├──08-6神经网络简单代码实现.mp428.88M
| ├──08-7梯度消失和梯度爆炸.mp428.50M
| ├──08-8模型选择.mp439.68M
| ├──08-9神经网络优缺点和适用条件.mp420.20M
| ├──09-10SVM优缺点和适用条件.mp411.32M
| ├──09-1本章总览.mp435.65M
| ├──09-2SVM核心思想和原理.mp415.71M
| ├──09-3硬间隔SVM.mp433.05M
| ├──09-4SVM软间隔.mp425.49M
| ├──09-5线性SVM分类任务代码实现.mp417.88M
| ├──09-6非线性SVM:核技巧.mp435.30M
| ├──09-7SVM核函数.mp421.91M
| ├──09-8非线性SVM代码实现.mp422.93M
| ├──09-9SVM回归任务代码实现.mp414.35M
| ├──10-1本章总览.mp422.39M
| ├──10-2贝叶斯方法核心思想和原理.mp431.95M
| ├──10-3朴素贝叶斯分类.mp420.30M
| ├──10-4朴素贝叶斯的代码实现.mp427.24M
| ├──10-5多项式朴素贝叶斯代码实现.mp423.65M
| ├──10-6贝叶斯方法优缺点和适用条件.mp425.46M
| ├──11-1本章总览.mp414.58M
| ├──11-2集成学习核心思想和原理.mp419.98M
| ├──11-3集成学习代码实现.mp424.36M
| ├──11-4并行策略:Bagging、OOB等方法.mp438.79M
| ├──11-5并行策略:随机森林.mp417.55M
| ├──11-6串行策略:Boosting.mp427.39M
| ├──11-7结合策略:Stacking方法.mp413.32M
| ├──11-8集成学习优缺点和适用条件.mp424.86M
| ├──12-1本章总览.mp49.93M
| ├──12-2聚类算法核心思想和原理.mp416.26M
| ├──12-3k-means和分层聚类.mp422.78M
| ├──12-4聚类算法代码实现.mp421.93M
| ├──12-5聚类评估代码实现.mp420.30M
| ├──12-6聚类算法优缺点和适用条件.mp419.69M
| ├──13-1本章总览.mp417.31M
| ├──13-2PCA核心思想和原理.mp425.38M
| ├──13-3PCA求解算法.mp421.56M
| ├──13-4PCA算法代码实现.mp415.17M
| ├──13-5降维任务代码实现.mp423.61M
| ├──13-6PCA在数据降噪中的应用.mp413.79M
| ├──13-7PCA在人脸识别中的应用.mp428.39M
| ├──13-8主成分分析优缺点和适用条件.mp49.45M
| ├──14-1本章总览.mp413.97M
| ├──14-2概率图模型核心思想和原理.mp452.82M
| ├──14-3EM算法参数估计.mp420.45M
| ├──14-4隐马尔可夫模型代码实现.mp443.03M
| ├──14-5概率图模型优缺点和适用条件.mp411.60M
| ├──15-1本章总览.mp48.53M
| ├──15-2泰坦尼克生还预测.mp461.96M
| ├──15-3房价预测.mp467.17M
| ├──15-4交易反欺诈代码实现.mp435.90M
| └──15-5如何深入研究机器学习.mp411.51M
├──梗直哥–强化学习必修课:引领智能新时代
| ├──1_1-1-课程内容和理念.mp459.03M
| ├──1_10-1-基于模型的强化学习核心思想和原理.mp447.96M
| ├──1_11-1模仿学习.mp448.35M
| ├──1_12-1-项目实战:Gym游戏.mp451.39M
| ├──1_2-1-线性代数.mp426.89M
| ├──1_3-1-CUDA+Anaconda深度学习环境配置.mp418.73M
| ├──1_4-1-序列建模与概率图模型.mp438.12M
| ├──1_5-1-动态回归核心思想和原理.mp430.86M
| ├──1_6-1-蒙特卡洛方法.mp432.50M
| ├──1_7-1-深度Q网络核心思想和原理.mp444.71M
| ├──1_8-1-策略梯度核心思想和原理.mp444.18M
| ├──1_9-1-演员评论家算法核心思想和原理.mp420.12M
| ├──2_1-2-认识强化学习.mp453.78M
| ├──2_10-2-Dyna-Q算法.mp444.61M
| ├──2_11-2-博弈论与强化学习.mp464.74M
| ├──2_12-2-项目实战:大模型RLHF.mp431.35M
| ├──2_2-2-微积分.mp430.04M
| ├──2_3-2-conda使用命令.mp411.87M
| ├──2_4-2-马尔可夫观测过程:学会“看”.mp440.93M
| ├──2_5-2-策略迭代.mp440.01M
| ├──2_6-2-时序差分方法.mp434.17M
| ├──2_7-2-DQN-代码实现.mp435.82M
| ├──2_8-2-蒙特卡洛策略梯度.mp424.23M
| ├──2_9-2-改进型演员评论家算法.mp423.04M
| ├──3_1-3-课程使用的技术栈.mp412.01M
| ├──3_10-3-Dyna-Q算法代码实现.mp417.74M
| ├──3_11-3-多智能体强化学习.mp444.45M
| ├──3_12-3-强化学习最新发展趋势.mp465.61M
| ├──3_2-3-概率.mp446.60M
| ├──3_3-3-Jupyter-Notebook快速上手.mp414.13M
| ├──3_4-3-马尔可夫决策过程:试着-“干”.mp429.63M
| ├──3_5-3-价值迭代.mp419.17M
| ├──3_6-3-蒙特卡洛方法和时序差分代码实现.mp422.84M
| ├──3_7-3-常见问题改进和扩展.mp427.54M
| ├──3_8-3-策略梯度方法代码实现.mp419.41M
| ├──3_9-3-演员评论家算法代码实现.mp419.74M
| ├──4_10-4-基于模型的策略优化.mp419.66M
| ├──4_11-4-MADDP的代码实现.mp445.07M
| ├──4_12-4-下一步的学习建议.mp433.28M
| ├──4_3-4-仿真环境Gym安装.mp418.95M
| ├──4_4-4-马尔可夫奖励过程:懂得“想”.mp449.39M
| ├──4_5-4-动态规划代码实现.mp443.48M
| ├──4_6-4-广义策略迭代.mp419.56M
| ├──4_7-4-DQN改进算法代码实现.mp431.02M
| ├──4_8-4-近端策略优化算法.mp436.16M
| ├──4_9-4-深度确定性策略梯度.mp430.35M
| ├──5_10-5-MBPO的代码实现.mp453.79M
| ├──5_11-5-AlphaStar系统.mp482.38M
| ├──5_3-5-深度学习库PyTorch的安装.mp49.24M
| ├──5_4-5-贝尔曼方程:迭代求解价值函数.mp430.56M
| ├──5_6-5-Q-Learning算法.mp432.26M
| ├──5_8-5-近端策略优化(PPO)代码实现.mp434.58M
| ├──5_9-5-DDPG算法代码实现.mp422.50M
| ├──6_11-6-基于人类反馈大强化学习.mp447.15M
| ├──6_4-6-模型分类与选择.mp430.84M
| ├──6_6-6-SARSA算法.mp420.84M
| ├──6_9-6-软性演员评论家算法.mp438.57M
| ├──7_4-7-常见问题解析.mp421.65M
| ├──7_6-7-Q-Learning&SARSA代码实现.mp423.78M
| ├──7_9-7-SAC代码实现.mp435.08M
| └──8_4-8-马尔可夫过程代码实现.mp440.23M
└──梗直哥–深度学习必修课:进击算法工程师
| ├──001.1-1 课程内容和理念.mp452.23M
| ├──002.1-2 初识深度学习.mp452.86M
| ├──003.1-3 课程使用的技术栈.mp412.65M
| ├──004.2-1 线性代数.mp456.44M
| ├──005.2-2 微积分.mp449.04M
| ├──006.2-3 概率.mp459.21M
| ├──007.3-1 CUDA+Anaconda深度学习环境搭建.mp420.94M
| ├──008.3-2 conda实用命令.mp413.03M
| ├──009.3-3 Jupyter Notebook快速上手.mp415.54M
| ├──010.3-4 深度学习库PyTorch安装.mp49.01M
| ├──011.4-1 神经网络原理.mp444.83M
| ├──012.4-2 多层感知机.mp447.25M
| ├──013.4-3 前向传播和反向传播.mp439.52M
| ├──014.4-4 多层感知机代码实现.mp429.34M
| ├──015.4-5 回归问题.mp435.59M
| ├──016.4-6 线性回归代码实现.mp423.14M
| ├──017.4-7 分类问题.mp423.05M
| ├──018.4-8 多分类问题代码实现.mp442.84M
| ├──019.5-1 训练的常见问题.mp433.80M
| ├──020.5-2 过拟合欠拟合应对策略.mp441.17M
| ├──021.5-3 过拟合和欠拟合示例.mp422.37M
| ├──022.5-4 正则化.mp442.24M
| ├──023.5-5 Dropout.mp432.08M
| ├──024.5-6 Dropout代码实现.mp417.32M
| ├──025.5-7 梯度消失和梯度爆炸.mp447.20M
| ├──026.5-8 模型文件的读写.mp416.50M
| ├──027.6-1 最优化与深度学习.mp448.05M
| ├──028.6-2 损失函数.mp442.80M
| ├──029.6-3 损失函数性质.mp429.22M
| ├──030.6-4 梯度下降.mp431.56M
| ├──031.6-5 随机梯度下降法.mp420.63M
| ├──032.6-6 小批量梯度下降法.mp432.04M
| ├──033.6-7 动量法.mp425.04M
| ├──034.6-8 AdaGrad算法.mp424.77M
| ├──035.6-9 RMSProp_Adadelta算法.mp415.89M
| ├──036.6-10 Adam算法.mp447.07M
| ├──037.6-11 梯度下降代码实现.mp430.92M
| ├──038.6-12 学习率调节器.mp427.91M
| ├──039.7-1 全连接层问题.mp438.55M
| ├──040.7-2 图像卷积.mp434.77M
| ├──041.7-3 卷积层.mp444.83M
| ├──042.7-4 卷积层常见操作.mp435.21M
| ├──043.7-5 池化层Pooling.mp433.64M
| ├──044.7-6 卷积神经网络代码实现(LeNet).mp427.22M
| ├──045.8-1 AlexNet.mp449.57M
| ├──046.8-2 VGGNet.mp447.71M
| ├──047.8-3 批量规范化.mp423.62M
| ├──048.8-4 GoogLeNet.mp440.98M
| ├──049.8-5 ResNet.mp465.01M
| ├──050.8-6 DenseNet.mp458.47M
| ├──051.9-1 序列建模.mp430.32M
| ├──052.9-2 文本数据预处理.mp460.04M
| ├──053.9-3 循环神经网络.mp448.25M
| ├──054.9-4 随时间反向传播算法.mp443.86M
| ├──055.9-5 循环神经网络代码实现.mp427.84M
| ├──056.9-6 RNN的长期依赖问题.mp437.66M
| ├──057.10-1 深度循环神经网络.mp424.18M
| ├──058.10-2 双向循环神经网络.mp425.84M
| ├──059.10-3 门控循环单元.mp428.59M
| ├──060.10-4 长短期记忆网络.mp443.06M
| ├──061.10-5 复杂循环神经网络代码实现.mp435.82M
| ├──062.10-6 编码器-解码器网络.mp441.10M
| ├──063.10-7 序列到序列模型代码实现.mp432.96M
| ├──064.10-8 束搜索算法.mp425.71M
| ├──065.10-9 机器翻译简单代码实现.mp439.34M
| ├──066.11-1 什么是注意力机制.mp443.37M
| ├──067.11-2 注意力的计算.mp457.52M
| ├──068.11-3 键值对注意力和多头注意力.mp424.14M
| ├──069.11-4 自注意力机制.mp430.16M
| ├──070.11-5 注意力池化及代码实现.mp429.63M
| ├──071.11-6 Transformer模型.mp443.91M
| ├──072.11-7 Transformer代码实现.mp438.00M
| ├──073.12-1BERT模型.mp450.18M
| ├──074.12-2 GPT系列模型.mp479.60M
| ├──075.12-3 T5模型.mp437.76M
| ├──076.12-4 ViT模型.mp431.02M
| ├──077.12-5 Swin Transformer模型.mp454.91M
| ├──078.12-6 GPT模型代码实现.mp437.95M
| ├──079.13-1 蒙特卡洛方法.mp428.52M
| ├──080.13-2 变分推断.mp440.75M
| ├──081.13-3 变分自编码器.mp456.20M
| ├──082.13-4 生成对抗网络.mp439.85M
| ├──083.13-5 Diffusion扩散模型.mp477.56M
| ├──084.13-6 图像生成.mp456.13M
| ├──085.14-1 自定义数据加载.mp448.72M
| ├──086.14-2 图像数据增强.mp433.44M
| ├──087.14-3 迁移学习.mp431.80M
| ├──088.14-4 经典视觉数据集.mp437.27M
| ├──089.14-5 项目实战:猫狗大战.mp464.10M
| ├──090.15-1 词嵌入和word2vec.mp433.25M
| ├──091.15-2 词义搜索和句意表示.mp444.83M
| ├──092.15-3 预训练模型.mp455.01M
| ├──093.15-4 Hugging Face库介绍.mp436.40M
| ├──094.15-5 经典NLP数据集.mp436.42M
| ├──095.15-6 项目实战:电影评论情感分析.mp435.74M
| ├──096.16-1 InstructGPT模型.mp476.99M
| ├──097.16-2 CLIP模型.mp437.65M
| ├──098.16-3 DALL-E模型.mp454.33M
| ├──099.16-4 深度学习最新发展趋势分析.mp437.03M
| └──100.16-5 下一步学习的建议.mp418.52M
**** Hidden Message *****
强烈支持楼主ing…… 强烈支持楼主ing…… 6666 来看看这个教程 GZG-三部曲全——机器学习,强化学习,深度学习 强烈支持楼主ing…… 看到这帖子真是高兴! 强烈支持楼主ing…… 666