打开深度学习的大门：机器学习深度神经网络学习基础课程 深度学习基础必备，资源教程下载

课程名称

打开深度学习的大门：机器学习深度神经网络学习基础课程 深度学习基础必备，资源教程下载

课程目录

(1) 视频；目录中文件数:30个

├─(1) 1.1课程介绍机器学习介绍上.mp4

├─(2) 1.1课程介绍机器学习介绍下.mp4

├─(3) 1.2深度学习介绍.mp4

├─(4) 2基本概念.mp4

├─(5) 3.1决策树算法.mp4

├─(6) 3.2决策树应用.mp4

├─(7) 4.1最邻近规则分类KNN算法.mp4

├─(8) 4.2最邻近规则KNN分类应用.mp4

├─(9) 5.1 支持向量机(SVM)算法（上）.html

├─(10) 5.1 支持向量机(SVM)算法（上）应用.html

├─(11) 5.1支持向量机SVM上.mp4

├─(12) 5.1支持向量机SVM上应用.mp4

├─(13) 6.2神经网络算法应用上.mp4

├─(14) 6.3神经网络算法应用下.mp4

├─(15) 7.1简单线性回归上.mp4

├─(16) 7.2简单线性回归下.mp4

├─(17) 7.3多元线性回归.mp4

├─(18) 7.4多元线性回归应用.mp4

├─(19) 7.5非线性回归 Logistic Regression.mp4

├─(20) 7.6非线性回归应用.mp4

├─(21) 7.7回归中的相关度和决定系数.mp4

├─(22) 7.8回归中的相关性和R平方值应用.mp4

├─(23) 8.1Kmeans算法.mp4

├─(24) 8.2Kmeans应用.mp4

├─(25) 8.3Hierarchical clustering 层次聚类.mp4

├─(26) 8.4Hierarchical clustering 层次聚类应用.mp4

├─(27) 总结.mp4

├─(28) 支持向量机(SVM)算法(下)应用.mp4

├─(29) 支持向量机(SVM)算法下.mp4

├─(30) 神经网络NN算法.mp4

(2) 课件；目录中文件数:29个

├─(31) 1.1 课程介绍 & 机器学习介绍.html

├─(32) 1.2 深度学习(Deep Learning)介绍.html

├─(33) 2 基本概念 (Basic Concepts).html

├─(34) 3.1 决策树(decision tree)算法.html

├─(35) 3.2 决策树(decision tree)应用.html

├─(36) 4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法.html

├─(37) 4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用.html

├─(38) 5.1 支持向量机(SVM)算法（上）.html

├─(39) 5.1 支持向量机(SVM)算法（上）应用.html

├─(40) 5.2 支持向量机(SVM)算法（下）.html

├─(41) 5.3 支持向量机(SVM)算法（下）应用.html

├─(42) 6.1 神经网络算法(Nerual Networks)（上）.html

├─(43) 6.2 神经网络算法(Nerual Networks)应用(上）.html

├─(44) 6.3 神经网络算法(Nerual Networks)应用(下）.html

├─(45) 7.1 简单线性回归 (Simple Linear Regression)上.html

├─(46) 7.1 简单线性回归 (Simple Linear Regression)下.html

├─(47) 7.3 u3000多元回归分析(multiple regression).html

├─(48) 7.4 u3000多元回归分析(multiple regression)应用.html

├─(49) 7.5 非线性回归 logistic regression.html

├─(50) 7.6 非线性回归应用：losgistic regression application.html

├─(51) 7.7 回归中的相关度和R平方值.html

├─(52) 7.8 回归中的相关度和R平方值应用.html

├─(53) 8.1 聚类(Clustering) K-means算法.html

├─(54) 8.2 聚类(Clustering) K-means算法应用.html

├─(55) 8.3 聚类(Clustering) hierarchical clustering 层次聚类.html

├─(56) 8.4 聚类(Clustering) hierarchical clustering 层次聚类应用.html

├─(59) 代码与素材.rar

(3) 课件 1.2 深度学习(Deep Learning)介绍_files；目录中文件数:14个

(4) 课件 3.1 决策树(decision tree)算法_files；目录中文件数:10个

(5) 课件 3.2 决策树(decision tree)应用_files；目录中文件数:1个

(6) 课件 4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法_files；目录中文件数:7个

(7) 课件 4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用_files；目录中文件数:2个

(8) 课件 5.1 支持向量机(SVM)算法（上）_files；目录中文件数:19个

(9) 课件 5.2 支持向量机(SVM)算法（下）_files；目录中文件数:16个

(10) 课件 6.1 神经网络算法(Nerual Networks)（上）_files；目录中文件数:16个

(11) 课件 6.2神经网络算法应用上；目录中文件数:1个

├─(145) 6.2神经网络算法应用上.mp4

(12) 课件 6.3神经网络算法应用下；目录中文件数:1个

├─(146) 6.3神经网络算法应用下.mp4

(13) 课件 7.1 简单线性回归 (Simple Linear Regression)上_files；目录中文件数:8个

(14) 课件 7.1 简单线性回归 (Simple Linear Regression)下_files；目录中文件数:7个

(15) 课件 7.3 u3000多元回归分析(multiple regression)_files；目录中文件数:2个

(16) 课件 7.5 非线性回归 logistic regression_files；目录中文件数:18个

(17) 课件 7.7 回归中的相关度和R平方值_files；目录中文件数:7个

(18) 课件 8.1 聚类(Clustering) K-means算法_files；目录中文件数:16个

(19) 课件 8.3 聚类(Clustering) hierarchical clustering 层次聚类_files；目录中文件数:1个  

资源下载

此资源下载价格为10学分，VIP免费，请先登录

充值比例 1元=1学分
资源失效，请咨询客服
客服QQ 980264305