【决胜AI系列】机器学习&深度学习系统实战！-唐宇迪-专题视频课程

【决胜AI系列】机器学习&深度学习系统实战！—34159人已学习
课程介绍    

    数学原理推导与案例实战紧密结合，由机器学习经典算法过度到深度学习的世界，结合深度学习两大主流框架Caffe与Tensorflow，选择经典项目实战人脸检测与验证码识别。原理推导，形象解读，案例实战缺一不可！ 专属会员卡优惠链接：http://edu.csdn.net/lecturer/1079 更多精彩课程紧张录制中~
课程收益
    掌握机器学习算法与应用。数据和代码在课程目录里面右侧有下载符号，得用电脑登录下载。
讲师介绍
    唐宇迪 更多讲师课程
    计算机博士，专注于机器学习与计算机视觉领域，深度学习领域一线实战讲师。在图像识别领域有着丰富经验，实现过包括人脸识别，物体识别，关键点检测等多种应用的新算法。 参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
课程大纲
  第1章:回归算法原理推导
    1. 系列课程概述 （PPT和代码在右侧有个下载箭头->）  5:34
    2. 系列课程Python环境配置  10:44
    3. 机器学习概述  10:39
    4. 回归算法原理推导  11:48
    5. 回归算法误差项分析  9:32
    6. 回归算法目标函数求解  13:02
    7. 数学推导能做什么  7:05
    8. 科学计算库Numpy简介  7:56
    9. 答疑与讨论  22:32
  第2章:决策树与随机森林
    1. 决策树概述  8:29
    2. 熵原理  10:59
    3. 决策树构造实例  10:28
    4. 信息增益率  6:51
    5. 决策树剪枝策略  10:07
    6. 随机森林模型  8:25
    7. 决策树剪枝参数  7:30
    8. 逻辑回归原理  12:15
    9. 答疑与讨论  12:40
  第3章:实战样本不均衡数据解决方法（上）
    1. Numpy基础操作（代码下载->）  7:21
    2. Numpy数组运算  12:13
    3. Numpy常用函数  10:33
    4. Pandas基础  17:02
    5. Pandas常用函数  9:49
    6. Pandas预处理实例  9:29
    7. 透视表与自定义函数  14:02
    8. 答疑与讨论  22:01
  第4章:实战样本不均衡数据解决方法（下）
    1. 欺诈检测数据背景（数据代码下载->）  11:41
    2. 下采样策略  8:17
    3. 交叉验证  9:17
    4. 梯度下降原理  9:30
    5. 梯度下降实例  4:58
    6. 模型评估方法  13:43
    7. 正则化惩罚项  7:44
    8. 使用scikit-learn进行建模  7:38
    9. 混淆矩阵  12:37
  第5章:支持向量机
    1. 下采样策略复习  8:01
    2. 阈值对模型结果的影响  8:40
    3. SMOTE算法完成过采样  10:07
    4. 支持向量机算法优化目标  13:34
    5. 拉格朗日乘子法求解  7:53
    6. 目标函数求解  9:22
    7. 支持向量机求解实例  13:34
    8. 软间隔支持向量机  5:27
  第6章:Xgboost集成算法
    1. 支持向量机核变换问题  12:28
    2. 支持向量机参数  5:00
    3. Xgboost基本思想  11:45
    4. Xgboost原理推导  11:47
    5. Xgboost求解  10:00
    6. Xgboost库安装  6:44
    7. Xgboost使用实例  12:10
  第7章:神经网络基础
    1. 深度学习概述（神经网络PPT下载-->）  15:02
    2. 计算机视觉挑战与常规套路  11:32
    3. 线性分类  11:49
    4. Softmax分类器  8:06
    5. 最优化问题  9:51
    6. 反向传播与参数更新  14:45
    7. 神经网络概述  4:49
  第8章:神经网络整体架构
    1. 神经网络整体架构  10:03
    2. 神经网络DEMO演示  11:44
    3. 正则化与激活函数  11:50
    4. dropOut  10:28
    5. 特征工程  6:02
    6. BenchMark  19:31
    7. 卷积神经网络应用  5:59
  第9章:卷积神经网络
    1. 卷积神经网络概述  11:14
    2. 卷积特征提取  7:37
    3. 卷积计算流程  12:24
    4. 边缘填充  9:06
    5. 卷积参数共享  7:12
    6. 池化层操作  13:22
    7. 经典网络架构  13:52
  第10章:深度学习框架-Tensorflow实战
    1. Tensorflow安装（数据代码-->下载）  10:05
    2. Tensorflow变量  10:45
    3. 基本使用方法  9:27
    4. 线性回归实例  12:14
    5. 神经网络结构与参数定义  10:30
    6. 神经网络迭代训练  9:26
    7. 卷积神经网络实战Mnist数据集  9:52
  第11章:案例实战-验证码识别
    1. 卷积参数设置  11:11
    2. 完成网络模型设计  10:30
    3. 网络迭代训练  10:37
    4. 验证码识别任务概述  8:15
    5. 训练验证码识别网络模型  15:17
    6. Kmeans聚类算法  8:02
    7. 聚类综述  13:04
  第12章:案例实战-人脸检测
    1. Caffe数据层配置文件  16:47
    2. Caffe计算层配置  7:17
    3. 超参数配置  14:33
    4. Caffe数据源制作  12:14
    5. 网络模型训练  15:38
    6. 代码概述与答疑讨论  24:00
大家可以点击【 查看详情】查看我的课程