rk0405-深度神经网络算法全套【VIP专享】
——/深度神经网络算法全套/├──(Part One)深度学习基础
| ├──课件
| | ├──1.2 深度学习(Deep Learning)介绍_files
| | ├──3.1 决策树(decision tree)算法_files
| | ├──3.2 决策树(decision tree)应用_files
| | ├──4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法_files
| | ├──4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用_files
| | ├──5.1 支持向量机(SVM)算法（上）_files
| | ├──5.2 支持向量机(SVM)算法（下）_files
| | ├──6.1 神经网络算法(Nerual Networks)（上）_files
| | ├──6.2神经网络算法应用上
| | ├──6.3神经网络算法应用下
| | ├──7.1 简单线性回归 (Simple Linear Regression)上_files
| | ├──7.1 简单线性回归 (Simple Linear Regression)下_files
| | ├──7.3 多元回归分析(multiple regression)_files
| | ├──7.5 非线性回归 logistic regression_files
| | ├──7.7 回归中的相关度和R平方值_files
| | ├──8.1 聚类(Clustering) K-means算法_files
| | ├──8.3 聚类(Clustering) hierarchical clustering 层次聚类_files
| | ├──1.1 课程介绍 & 机器学习介绍.html2.86kb
| | ├──1.2 深度学习(Deep Learning)介绍.html9.06kb
| | ├──2 基本概念 (Basic Concepts).html6.15kb
| | ├──3.1 决策树(decision tree)算法.html9.00kb
| | ├──3.2 决策树(decision tree)应用.html2.66kb
| | ├──4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法.html4.32kb
| | ├──4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用.html6.05kb
| | ├──5.1 支持向量机(SVM)算法（上）.html11.63kb
| | ├──5.1 支持向量机(SVM)算法（上）应用.html3.58kb
| | ├──5.2 支持向量机(SVM)算法（下）.html10.92kb
| | ├──5.3 支持向量机(SVM)算法（下）应用.html6.69kb
| | ├──6.1 神经网络算法(Nerual Networks)（上）.html8.59kb
| | ├──6.2 神经网络算法(Nerual Networks)应用(上）.html4.92kb
| | ├──6.3 神经网络算法(Nerual Networks)应用(下）.html2.70kb
| | ├──7.1 简单线性回归 (Simple Linear Regression)上.html13.11kb
| | ├──7.1 简单线性回归 (Simple Linear Regression)下.html3.81kb
| | ├──7.3 多元回归分析(multiple regression).html29.12kb
| | ├──7.4 多元回归分析(multiple regression)应用.html17.44kb
| | ├──7.5 非线性回归 logistic regression.html8.66kb
| | ├──7.6 非线性回归应用：losgistic regression application.html2.30kb
| | ├──7.7 回归中的相关度和R平方值.html5.43kb
| | ├──7.8 回归中的相关度和R平方值应用.html1.46kb
| | ├──8.1 聚类(Clustering) K-means算法.html5.89kb
| | ├──8.2 聚类(Clustering) K-means算法应用.html4.99kb
| | ├──8.3 聚类(Clustering) hierarchical clustering 层次聚类.html3.27kb
| | ├──8.4 聚类(Clustering) hierarchical clustering 层次聚类应用.html6.53kb
| | ├──810a19d8bc3eb1351e89fd05a41ea8d3fc1f44c5.jpg4.47kb
| | └──HierachecalClustering.png9.03kb
| ├──视频
| | ├──1.1课程介绍机器学习介绍上.mp450.56M
| | ├──1.1课程介绍机器学习介绍下.mp49.95M
| | ├──1.2深度学习介绍.mp452.68M
| | ├──2基本概念.mp456.92M
| | ├──3.1决策树算法.mp454.25M
| | ├──3.2决策树应用.mp472.42M
| | ├──4.1最邻近规则分类KNN算法.mp438.85M
| | ├──4.2最邻近规则KNN分类应用.mp457.47M
| | ├──5.1 支持向量机(SVM)算法（上）.html11.63kb
| | ├──5.1 支持向量机(SVM)算法（上）应用.html3.58kb
| | ├──5.1支持向量机SVM上.mp435.56M
| | ├──5.1支持向量机SVM上应用.mp434.97M
| | ├──6.2神经网络算法应用上.mp495.96M
| | ├──6.3神经网络算法应用下.mp434.25M
| | ├──7.1简单线性回归上.mp440.76M
| | ├──7.2简单线性回归下.mp452.49M
| | ├──7.3多元线性回归.mp442.22M
| | ├──7.4多元线性回归应用.mp451.17M
| | ├──7.5非线性回归 Logistic Regression.mp430.34M
| | ├──7.6非线性回归应用.mp456.58M
| | ├──7.7回归中的相关度和决定系数.mp438.05M
| | ├──7.8回归中的相关性和R平方值应用.mp443.12M
| | ├──8.1Kmeans算法.mp435.43M
| | ├──8.2Kmeans应用.mp461.00M
| | ├──8.3Hierarchical clustering 层次聚类.mp429.82M
| | ├──8.4Hierarchical clustering 层次聚类应用.mp462.52M
| | ├──神经网络NN算法.mp477.51M
| | ├──支持向量机(SVM)算法(下)应用.mp455.15M
| | ├──支持向量机(SVM)算法下.mp436.10M
| | └──总结.mp455.39M
| └──代码与素材.rar97.49M
├──(Part Three)深度学习深入与强化
| ├──第10课 更多框架
| | ├──5月班第10课_framework.pdf22.02M
| | └──第10课 更多框架.avi429.37M
| ├──第1课 机器学习中数学基础
| | ├──第1课 机器学习中数学基础.avi609.35M
| | └──五月班第一次课件：机器学习中数学基础 (1).pdf1.29M
| ├──第2课 高效计算基础与图像线性分类器
| | ├──5月班第2课课件：高效计算基础与图像线性分类器.pdf32.88M
| | ├──image linear classification.zip163.57M
| | ├──numpy_operations.ipynb207.42kb
| | └──第2课 高效计算基础与图像线性分类器.avi677.91M
| ├──第3课 梯度下降法与反向传播
| | ├──5月班第3课课件：梯度下降法与反向传播 (1).pdf1.13M
| | └──第3课 梯度下降法与反向传播.avi438.73M
| ├──第4课 CNN与常用框架
| | ├──5月深度学习班第4课--CNN，典型网络结构与常用框架.pdf6.97M
| | └──第4课 CNN与常用框架.avi650.80M
| ├──第5课 CNN训练注意事项与框架使用
| | ├──5月班第5次课 - caffe TensorFlow使用与CNN训练注意事项.pdf17.48M
| | └──第5课 CNN训练注意事项与框架使用.avi743.32M
| ├──第6课 CNN推展案例
| | ├──5月班第6次课 - CNN扩展 图像识别与定位 物体检测 NeuralStyle.pdf48.34M
| | └──第6课 CNN推展案例.avi662.57M
| ├──第7课 RNN介绍
| | ├──5月班第7课课件_rnn_intrduction.pdf8.48M
| | └──第7课 RNN介绍.avi362.89M
| ├──第8课 RNN应用
| | ├──5月班第8课_rnn_appliacation.pdf22.52M
| | └──第8课 RNN应用.avi531.08M
| └──第9课 更多的网络类型
| | ├──5月班第9次课课件_more_about_nn.pdf4.18M
| | └──第9课 更多的网络类型.avi483.73M
└──(Part Two)深度学习进阶
| ├──课件
| | └──深度学习进阶课件.rar3.27M
| └──视频
| | ├──第10章 神经网络手写数字演示.mp4107.29M
| | ├──第11章 Backpropagation算法上.mp465.96M
| | ├──第12章 Backpropagation算法下.mp461.54M
| | ├──第13章 Backpropagation算法实现.mp464.12M
| | ├──第14章 cross-entropy函数.mp449.72M
| | ├──第15章 Softmax和Overfitting.mp475.90M
| | ├──第16章 Regulization.mp437.48M
| | ├──第17章 Regulazition和Dropout.mp450.49M
| | ├──第18章 正态分布和初始化(修正版).mp428.78M
| | ├──第19章 提高版本的手写数字识别实现.mp472.83M
| | ├──第1章 基本概念清晰版.mp442.58M
| | ├──第20章 神经网络参数hyper-parameters选择.mp454.96M
| | ├──第21章 深度神经网络中的难点.mp476.06M
| | ├──第22章 用ReL解决VanishingGradient问题.mp437.01M
| | ├──第23章 ConvolutionNerualNetwork算法.mp464.74M
| | ├──第24章 ConvolutionNeuralNetwork实现上.mp451.73M
| | ├──第25章 ConvolutionNeuralNetwork实现下.mp478.28M
| | ├──第26章 Restricted Boltzmann Machine.mp463.15M
| | ├──第27章 Restricted Boltzmann Machine下.mp449.49M
| | ├──第28章 Deep Brief Network 和 Autoencoder.mp447.36M
| | ├──第2章 软件包安装和环境配置总述.mp480.20M
| | ├──第3章 环境配置分部详解.mp477.09M
| | ├──第4章 环境配置分部详解下.mp4111.05M
| | ├──第5章 手写数字识别.mp446.17M
| | ├──第6章 神经网络基本结构及梯度下降算法.mp482.79M
| | ├──第7章 随机梯度下降算法.mp420.57M
| | ├──第8章 梯度下降算法实现上.mp450.19M
| | └──第9章 梯度下降算法实现下.mp469.03M
楼主太厉害了！楼主，I*老*虎*U！ :victory: 神经网络算法 商品详情页面ID是商品的主键ID还是sku表的主键ID :) 深度神经网络算法全套 :) 深度神经网络算法全套 goooood