|
|
├─第01章 课程导学' E) k$ h9 x3 C0 y+ x; E
│ 1-1 《想要入门AI的同学都应该看一看》课程导学.mp4+ }# I l$ o( L2 x
│ ; w5 H/ s5 Y' }1 N8 X9 A
├─第02章 机器学习与神经网络简介: \) d2 U. R7 h2 G9 G
│ 2-1 机器学习简介.mp4+ [4 C2 U; \) R$ Y8 @
│ 2-2 神经网络简介.mp4! P0 G1 z% B1 Y/ {" b5 S6 o1 b3 H' m
│ 2-3 神经网络的训练.mp4
│ , O% C" s1 d5 m8 N- v' Q
├─第03章 Tensorflow.js 简介' i8 S% Q+ {4 x1 V; }
│ 3-1 Tensorflow.js 简介.mp40 g; T5 G1 J. p2 l( e. F: P# t
│ 3-2 安装 Tensoflow.js.mp4
│ 3-3 为何要用 Tensor.mp4
│ - e/ G# U7 c* l3 z ^- d" r
├─第04章 线性回归5 F* o+ y( O* X' V
│ 4-1 线性回归任务简介.mp4
│ 4-2 准备、可视化训练数据.mp4
│ 4-3 定义模型结构：单层单个神经元组成的神经网络.mp4+ N+ M; I* d# V' r7 k4 d3 \: ^
│ 4-4 损失函数：均方误差.mp4! v F& w! h8 M' X
│ 4-5 优化器：随机梯度下降.mp4
│ 4-6 训练模型并可视化训练过程.mp4
│ 4-7 进行预测.mp4+ n' `5 `6 @2 e3 z
│
├─第05章 归一化
│ 5-1 归一化任务简介.mp40 s$ X9 G# g+ t; T/ }
│ 5-2 归一化训练数据.mp4+ D* R q _8 J* b5 Z
│ 5-3 训练、预测、反归一化.mp41 g0 z8 b' Z- E* G1 I
│ 1 L2 _# R: y- Q4 Y- Y
├─第06章 逻辑回归4 C" x- b' S* T$ A6 K) I. `' y) [
│ 6-1 逻辑回归任务简介.mp46 [8 O4 D! ], n& [5 k, M3 K* h
│ 6-2 加载二分类数据.mp48 t( U& f3 d. P8 d) o
│ 6-3 定义模型结构：带有激活函数的单个神经元.mp4
│ 6-4 损失函数：对数损失（log loss）.mp4
│ 6-5 训练模型并可视化训练过程.mp4% {+ H$ q8 z6 c! }
│ 6-6 进行预测.mp4
│ 6-7 （选修）二分类数据集生成函数源码剖析.mp42 I8 ]; a3 y! G7 W, k
│ ! ~; {8 m( W, c0 I
├─第07章 多层神经网络
│ 7-1 多层神经网络任务简介.mp4
│ 7-2 加载 XOR 数据集.mp47 S( y) H" m: ]( @2 Q1 s
│ 7-3 定义模型结构：多层神经网络.mp4
│ 7-4 训练模型并预测.mp4* |% {' f0 C- v. O% Y
│ % H c+ ]/ `/ K: I Y, i8 ^
├─第08章 多分类) l. ~7 Z3 x# Y2 D$ l' B5 |
│ 8-1 任务简介、主要步骤、前置条件.mp4
│ 8-2 加载iris数据集（训练集与验证集）.mp40 J# d# A4 ^$ C, z3 Q& ?
│ 8-3 定义模型结构：带有softmax的多层神经网络.mp4. J; M1 I! z9 w( V6 d# D, n
│ 8-4 训练模型：交叉熵损失函数与准确度度量.mp4
│ 8-5 多分类预测方法.mp45 x; j! O/ Q0 W, S" e+ n8 Z
│ 8-6 （选修）IRIS数据集生成函数源码剖析.mp4
│ 8-7 （选修）IRIS 数据集生成函数源码剖析.mp4
│ 5 U6 ]* \3 Q" R2 j
├─第09章 欠拟合与过拟合: v3 v$ j0 A9 D& |6 U/ ?# H
│ 9-1 欠拟合与过拟合任务简介.mp4
│ 9-2 加载带有噪音的二分类数据集.mp44 D% [6 E( `# }& ~) j" g
│ 9-3 使用简单神经网络演示欠拟合.mp4
│ 9-4 使用复杂神经网络演示过拟合.mp43 ^1 _% F2 j1 b, y1 B. O9 T! O
│ 9-5 过拟合应对法：早停法、权重衰减、丢弃法.mp4
│
├─第10章 使用卷积神经网络（CNN）识别手写数字6 ]# E% i5 F# r; T3 J
│ 10-1 使用卷积神经网络识别手写数字任务简介.mp4
│ 10-2 加载 MNIST 数据集.mp4
│ 10-3 定义模型结构：卷积神经网络.mp43 Z/ J1 t" t; u5 p5 q( {- d4 ^
│ 10-4 训练模型.mp4. L- S [) W3 p, \; }# H, e/ d
│ 10-5 进行预测.mp4
│ + ^4 Z" O0 K: r. l! S3 E# b/ q6 H
├─第11章 使用预训练模型进行图片分类& T$ B! X+ W$ \, L
│ 11-1 使用预训练模型进行图片分类任务简介.mp42 |; X0 \9 d$ r
│ 11-2 加载 MobileNet 模型.mp41 r& f9 A* W% T
│ 11-3 进行预测.mp4
│ & p/ _4 ?! R) i( b
├─第12章 基于迁移学习的图像分类器：商标识别( C$ d' V2 r; H$ g7 a- ^
│ 12-1 基于迁移学习的图像分类器：商标识别任务简介.mp4
│ 12-2 加载商标训练数据并可视化.mp4% u+ p% G5 r4 K* ~2 S
│ 12-3 定义模型结构：截断模型+双层神经网络.mp4% X/ z6 r8 Q- E
│ 12-4 迁移学习下的模型训练.mp4) u2 K& C, u1 t9 c4 W
│ 12-5 迁移学习下的模型预测.mp44 F9 X8 c/ z( ^$ }" E
│ 12-6 模型的保存和加载【缺】
│ * |- F* x) W; D/ x: F
├─第13章 使用预训练模型进行语音识别
│ 13-1 使用预训练模型进行语音识别任务简介.mp4
│ 13-2 加载预训练语音识别模型.mp4+ \- T% W; ]" X- R) d2 I4 I
│ 13-3 进行语音识别.mp4
│
├─第14章 基于迁移学习的语音识别器：声控轮播图; x) N1 T* w& X. R0 s Z) A
│ 14-1 基于迁移学习的语音识别器：声控轮播图.mp4) Y1 W7 S. e& n/ F8 W) C: G
│ 14-2 在浏览器中收集中文语音训练数据.mp4
│ 14-3 语音识别迁移学习的训练和预测.mp4
│ 14-4 语音训练数据的保存和加载.mp4
│ 14-5 声控轮播图.mp4" W5 k2 R- \; o- R- ?$ o t' R8 y
│ # y* B5 W$ X* v2 s! n
├─第15章 Python 与 JavaScript 模型互转
│ 15-1 Python 与 JavaScript 模型互转任务简介.mp4
│ 15-2 安装 Tensorflow.js Converter.mp45 m6 g$ T0 Y, S
│ 15-3 Python 与 JavaScript 模型互转.mp42 u: U' N2 O5 [0 U$ x+ s
│ 15-4 JavaScript 模型的互转：分片、量化、加速.mp4
│ ) l" o- M+ m- o. p, s
└─第16章 课程总结
16-1 -回顾与总结.mp4
+ ]* w" z @/ D
* S, ^0 z+ ], {2 \
下载地址vip会员回复可见:
|
|
发表于 2023-11-22 15:11:49
发表于 2023-11-25 22:18:20
