瞿炜AI编程实战入门课程

  • 夸克网盘 零基础AI编程:从开发到产品变现指南

    零基础AI编程:从开发到产品变现指南
    零基础AI编程:从开发到产品变现指南
  • 百度网盘 DeepSeek 全栈学习:从入门到精通的 AI 实战指南

    DeepSeek 全栈学习:从入门到精通的 AI 实战指南
    DeepSeek 全栈学习:从入门到精通的 AI 实战指南
  • 夸克网盘 60多门编程语言学习书籍超级大合集:700多本PDF实用宝典

    60多门编程语言学习书籍超级大合集:700多本PDF实用宝典
    60多门编程语言学习书籍超级大合集:700多本PDF实用宝典
  • 夸克网盘 大学计算机必修课新讲:编译原理、操作系统与图形学(17章完整版)

    大学计算机必修课新讲:编译原理、操作系统与图形学(17章完整版)
    大学计算机必修课新讲:编译原理、操作系统与图形学(17章完整版)
  • 百度网盘 Deepseek零基础AI编程教程

    Deepseek零基础AI编程教程
    Deepseek零基础AI编程教程
  • 百度网盘 智能体实战课程:助力无痛入门AI,掌握底层逻辑

    智能体实战课程:助力无痛入门AI,掌握底层逻辑
    智能体实战课程:助力无痛入门AI,掌握底层逻辑
  • 百度网盘 AI时代学霸养成:思维升级与高效学习法课程

    AI时代学霸养成:思维升级与高效学习法课程
    AI时代学霸养成:思维升级与高效学习法课程
  • 百度网盘 年轻人的AI商业变现课程:从入门到创业

    年轻人的AI商业变现课程:从入门到创业
    年轻人的AI商业变现课程:从入门到创业
  • 百度网盘 林粒粒:零基础AI大模型开发实战课程

    林粒粒:零基础AI大模型开发实战课程
    林粒粒:零基础AI大模型开发实战课程
  • 百度网盘 MIT少儿AI创新课程

    MIT少儿AI创新课程
    MIT少儿AI创新课程
  • 百度网盘 王队长AI实战课:从认知到应用全攻略

    王队长AI实战课:从认知到应用全攻略
    王队长AI实战课:从认知到应用全攻略
  • 夸克网盘 Go并发编程实战:从入门到精通课程

    Go并发编程实战:从入门到精通课程
    Go并发编程实战:从入门到精通课程
  • 夸克网盘 Coze扣子AI工作流搭建入门与实战课程

    Coze扣子AI工作流搭建入门与实战课程
    Coze扣子AI工作流搭建入门与实战课程
  • 夸克网盘 清华大学DeepSeek使用指南:全场景AI应用教学

    清华大学DeepSeek使用指南:全场景AI应用教学
    清华大学DeepSeek使用指南:全场景AI应用教学
  • 夸克网盘 AI大模型全栈工程师培养计划(第三期):全栈实战与就业护航

    AI大模型全栈工程师培养计划(第三期):全栈实战与就业护航
    AI大模型全栈工程师培养计划(第三期):全栈实战与就业护航

瞿炜AI编程实战入门课程本课程由瞿炜主讲,是专为编程爱好者与AI初学者打造的实用课程。课程全面覆盖机器学习基础至高级算法内容,从数据预处理、模型训练与评估,到使用Python进行实际项目开发,均有涉及。学习者通过本课程,不仅能掌握Numpy、Matplotlib等工具的运用,还能深入了解并实现KNN、决策树、神经网络等核心算法。课程内容丰富,包含了对多种机器学习算法如线性回归、逻辑回归、SVM、贝叶斯方法等的原理剖析与代码实现,同时还介绍了相关的模型评价指标、超参数调整、特征归一化等重要知识。无论是想提升编程技能,还是深入理解AI算法,本课程都是不错的选择,助力学习者开启AI编程之旅。

📢 以下文件由夸克网盘用户[夸父*088]于2024-10-24分享(只展示部分的文件和文件夹)
【技术课程分享】编程实战AI算法与编程,瞿炜B站课程2.55GB
01-1课程内容和理念.mp460.86MB
01-2初识机器学习.mp436.89MB
01-3课程使用的技术栈.mp437.01MB
02-1本章总览.mp47.86MB
02-2数据长什么样:常见数据集、典型实例、如何使用.mp435.28MB
02-3研究哪些问题:分类、回归等.mp439.98MB
02-4如何分门别类:监督、无监督、强化学习等.mp429.27MB
02-5机器学习的七大常见误区和局限.mp435.12MB
03-1本章总览:相互关系与学习路线.mp49.16MB
03-2Anaconda图形化操作.mp415.87MB
03-3Anaconda命令行操作.mp418.94MB
03-4JupyterNotebook基础使用.mp419.82MB
03-5JupyterNotebook高级使用:常用魔法命令.mp414.99MB
03-6Numpy基础:安装与性能对比.mp415.47MB
03-7Numpy数组创建:特定数组、等差数组、随机数组.mp436.91MB
03-8Numpy数组基础索引:索引和切片.mp416.82MB
03-9Numpy非常重要的数组合并与拆分操作.mp418.71MB
03-10Numpy数组矩阵运算:一元运算、二元运算与矩阵运算.mp432.97MB
03-11Numpy数组统计运算:常用的都在这儿了.mp416.03MB
03-12Numpy数组arg运算和排序.mp418.39MB
03-13Numpy数组神奇索引和布尔索引.mp423.67MB
03-14Matplotlib数据可视化:基础绘制与设置.mp422.99MB
04-1本章总览.mp412.11MB
04-2KNN算法核心思想和原理.mp439.42MB
04-3KNN分类任务代码实现.mp432.76MB
04-4数据集划分:训练集与预测集.mp431.74MB
04-5模型评价.mp433.82MB
04-6超参数.mp430.33MB
04-7特征归一化.mp427.78MB
04-8KNN回归任务代码实现.mp429.45MB
04-9KNN优缺点和适用条件.mp420.86MB
05-1本章总览.mp414.52MB
05-2线性回归核心思想和原理.mp440.35MB
05-3逻辑回归核心思想和原理.mp425.37MB
05-4线性回归代码实现.mp427.96MB
05-5模型评价:MSE、RMSE、MAE和R方.mp429.13MB
05-6多项式回归代码实现.mp419.65MB
05-7逻辑回归算法.mp421.81MB
05-8线性逻辑回归代码实现.mp428.49MB
05-9多分类策略.mp48.68MB
05-10复杂逻辑回归及代码实现.mp418.03MB
05-11线性算法优缺点和适用条件.mp421.56MB
06-1本章总览.mp430.55MB
06-2损失函数.mp439.35MB
06-3梯度下降.mp435.66MB
06-4决策边界.mp425.28MB
06-5过拟合与欠拟合.mp425.13MB
06-6学习曲线.mp426.73MB
06-7交叉验证.mp423.9MB
06-8模型误差.mp442.8MB
06-9正则化.mp445.01MB
06-10LASSO和岭回归代码实现.mp423.94MB
06-11模型泛化.mp424.56MB
06-12评价指标:混淆矩阵、精准率和召回率.mp436.52MB
06-13评价指标:ROC曲线.mp433.8MB
07-1本章总览.mp414.39MB
07-2决策树核心思想和原理.mp422.73MB
07-3信息熵.mp439.7MB
07-4决策树分类任务代码实现.mp438.72MB
07-5基尼系数.mp419.63MB
07-6决策树剪枝.mp425.97MB
07-7决策树回归任务代码实现.mp412.6MB
07-8决策树优缺点和适用条件.mp416.52MB
08-1本章总览.mp426.78MB
08-2神经网络核心思想和原理.mp456.43MB
08-3激活函数.mp436.11MB
08-4正向传播与反向传播.mp423.42MB
08-5梯度下降优化算法.mp436.83MB
08-6神经网络简单代码实现.mp428.88MB
08-7梯度消失和梯度爆炸.mp428.5MB
08-8模型选择.mp439.68MB
08-9神经网络优缺点和适用条件.mp420.2MB
09-1本章总览.mp435.65MB
09-2SVM核心思想和原理.mp415.71MB
09-3硬间隔SVM.mp433.05MB
09-4SVM软间隔.mp425.49MB
09-5线性SVM分类任务代码实现.mp417.88MB
09-6非线性SVM:核技巧.mp435.3MB
09-7SVM核函数.mp421.91MB
09-8非线性SVM代码实现.mp422.93MB
09-9SVM回归任务代码实现.mp414.35MB
09-10SVM优缺点和适用条件.mp411.32MB
10-1本章总览.mp422.39MB
10-2贝叶斯方法核心思想和原理.mp431.95MB
10-3朴素贝叶斯分类.mp420.3MB
10-4朴素贝叶斯的代码实现.mp427.24MB
10-5多项式朴素贝叶斯代码实现.mp423.65MB
10-6贝叶斯方法优缺点和适用条件.mp425.46MB
11-1本章总览.mp414.58MB
11-2集成学习核心思想和原理.mp419.98MB
11-3集成学习代码实现.mp424.36MB
11-4并行策略:Bagging、OOB等方法.mp438.79MB
11-5并行策略:随机森林.mp417.55MB
11-6串行策略:Boosting.mp427.39MB
11-7结合策略:Stacking方法.mp413.32MB
11-8集成学习优缺点和适用条件.mp424.86MB
12-1本章总览.mp49.93MB
12-2聚类算法核心思想和原理.mp416.26MB
12-3k-means和分层聚类.mp422.78MB
12-4聚类算法代码实现.mp421.93MB
共100个文件,合计:2.55GB
夸克网盘