- 猜你喜欢
- 视频介绍
- 分集列表
- 视频下载
云计算
云计算
云计算
云计算
云计算
云计算
云计算
云计算
云计算
云计算
云计算
云计算
云计算
云计算
云计算
传智播客精心录制的机器人开发教程0基础就能学会的人工智能课
教程列表：
04_数据采集方式
机器人开发教程0基础就能学会的人工智能课00_为什么要学习数学
机器人开发教程0基础就能学会的人工智能课01_引言和学习方法
机器人开发教程0基础就能学会的人工智能课02_feature和label
机器人开发教程0基础就能学会的人工智能课03_什么是机器学习
机器人开发教程0基础就能学会的人工智能课05_knn算法入门
机器人开发教程0基础就能学会的人工智能课06_knn算法python实现
机器人开发教程0基础就能学会的人工智能课07_代码流程回顾
机器人开发教程0基础就能学会的人工智能课08_抽取knn函数
机器人开发教程0基础就能学会的人工智能课09_实验演示验证结论
机器人开发教程0基础就能学会的人工智能课10_评估模型好坏的方法，训练集和测试集
机器人开发教程0基础就能学会的人工智能课11_生成测试和训练数据集
机器人开发教程0基础就能学会的人工智能课12_调参选取最优的k
机器人开发教程0基础就能学会的人工智能课13_增加数据的维度
机器人开发教程0基础就能学会的人工智能课14_numpy加载特殊数据
机器人开发教程0基础就能学会的人工智能课15_欧式距离
机器人开发教程0基础就能学会的人工智能课16_二维空间距离的计算
机器人开发教程0基础就能学会的人工智能课17_代码增加一个维度
机器人开发教程0基础就能学会的人工智能课18_数据归一化
机器人开发教程0基础就能学会的人工智能课19_knn的feature的选择
机器人开发教程0基础就能学会的人工智能课day2-09_Excel演示梯度下降&学习速率
机器人开发教程0基础就能学会的人工智能课day2-10_偏导数分别求解m和b的导数
机器人开发教程0基础就能学会的人工智能课day2-11_对m和b分别进行梯度下降
机器人开发教程0基础就能学会的人工智能课day2-12_Python代码实现梯度下降
机器人开发教程0基础就能学会的人工智能课day2-13_代码测试生成m和b
机器人开发教程0基础就能学会的人工智能课day2-14_作业演示
机器人开发教程0基础就能学会的人工智能课day2-机器人开发教程0基础就能学会的人工智能课day2-附_作业讲解
机器人开发教程0基础就能学会的人工智能课day2-01_线性回归和Knn
机器人开发教程0基础就能学会的人工智能课day2-02_线性回归解决什么问题
机器人开发教程0基础就能学会的人工智能课day2-03_Excel进行线性回归
机器人开发教程0基础就能学会的人工智能课day2-04_损失函数和最小均方差
机器人开发教程0基础就能学会的人工智能课day2-05_excle来简单理解梯度下降
机器人开发教程0基础就能学会的人工智能课day2-06_梯度下降的问题分析
机器人开发教程0基础就能学会的人工智能课day2-07_求导简单入门
机器人开发教程0基础就能学会的人工智能课day2-08_mse对b进行求导
机器人开发教程0基础就能学会的人工智能课day1-21_概念总结
机器人开发教程0基础就能学会的人工智能课day1-22_使用矩阵和向量实现knn
机器人开发教程0基础就能学会的人工智能课day1-23_ 房价预测简单框架
机器人开发教程0基础就能学会的人工智能课day1-24_数据的归一化和标准化
机器人开发教程0基础就能学会的人工智能课day1-附：问题1
机器人开发教程0基础就能学会的人工智能课day3-01_高等数学入门
机器人开发教程0基础就能学会的人工智能课day3-02_问题描述
机器人开发教程0基础就能学会的人工智能课day3-03_简单理解矩阵运算的现实含义
机器人开发教程0基础就能学会的人工智能课day3-04_矩阵的形状
机器人开发教程0基础就能学会的人工智能课day3-05_矩阵的加法
机器人开发教程0基础就能学会的人工智能课day3-06_手动计算矩阵的乘法
机器人开发教程0基础就能学会的人工智能课day3-07_矩阵的乘法不满足交换律
机器人开发教程0基础就能学会的人工智能课day3-08_用numpy进行矩阵的乘法运算
机器人开发教程0基础就能学会的人工智能课day3-09_矩阵运算计算m和b的偏导数
机器人开发教程0基础就能学会的人工智能课day3-10_numpy矩阵运算演示获取m和b的偏导
机器人开发教程0基础就能学会的人工智能课day3-11_用矩阵运算重构线性回归代码
机器人开发教程0基础就能学会的人工智能课day3-12_对比程序执行的时间
机器人开发教程0基础就能学会的人工智能课day3-13_增加数据的维度
机器人开发教程0基础就能学会的人工智能课day3-14_函数模型的评估和错误率的计算
机器人开发教程0基础就能学会的人工智能课day3-15_矩阵可以理解为一个变化函数
机器人开发教程0基础就能学会的人工智能课day3-16_bmp是如何描述图片的
机器人开发教程0基础就能学会的人工智能课day3-17_位图和svg图的区别
机器人开发教程0基础就能学会的人工智能课day3-18_矩阵运算变化图片的位置
机器人开发教程0基础就能学会的人工智能课day3-19_矩阵运算旋转图形
机器人开发教程0基础就能学会的人工智能课day3-20_矩阵的缩放处理
机器人开发教程0基础就能学会的人工智能课day4-16_感知机数学原理
机器人开发教程0基础就能学会的人工智能课day4-17_线性模型和非线性模型
机器人开发教程0基础就能学会的人工智能课day4-18_交叉熵cross-entropy
机器人开发教程0基础就能学会的人工智能课day4-19_概率简介
机器人开发教程0基础就能学会的人工智能课day4-01_自然底数和sigmod函数
机器人开发教程0基础就能学会的人工智能课day4-02_矩阵运算计算逻辑回归
机器人开发教程0基础就能学会的人工智能课day4-03_逻辑回归简单实现
机器人开发教程0基础就能学会的人工智能课day4-04_多分类问题
机器人开发教程0基础就能学会的人工智能课day4-05_多分类的概率问题思考
机器人开发教程0基础就能学会的人工智能课day4-06_多分类问题softmax公式
机器人开发教程0基础就能学会的人工智能课day4-07_手写数字数据集
机器人开发教程0基础就能学会的人工智能课day4-08_手写数字的识别原理
机器人开发教程0基础就能学会的人工智能课day4-09_手写数字数据集的处理
机器人开发教程0基础就能学会的人工智能课day4-10_手写数字的识别
机器人开发教程0基础就能学会的人工智能课day4-11_手写数字bug处理
机器人开发教程0基础就能学会的人工智能课day4-12_ai自动驾驶
机器人开发教程0基础就能学会的人工智能课day4-13_神经网络的作用
机器人开发教程0基础就能学会的人工智能课day4-14_多层神经网络演示
机器人开发教程0基础就能学会的人工智能课day4-15_感知机
- day1-00_为什么要学习数学
- day1-01_引言和学习方法
- day1-02_feature和label
- day1-03_什么是机器学习
- day1-04_数据采集方式
- day1-05_knn算法入门
- day1-06_knn算法python实现
- day1-07_代码流程回顾
- day1-08_抽取knn函数
- day1-09_实验演示验证结论
- day1-10_评估模型好坏的方法，训练集和测试集
- day1-11_生成测试和训练数据集
- day1-12_调参选取最优的k
- day1-13_增加数据的维度
- day1-14_numpy加载特殊数据
- day1-15_欧式距离
- day1-16_二维空间距离的计算
- day1-17_代码增加一个维度
- day1-18_数据归一化
- day1-19_knn的feature的选择
- day1-21_概念总结
- day1-22_使用矩阵和向量实现knn
- day1-23_ 房价预测简单框架
- day1-24_数据的归一化和标准化
- day1-附：问题1
- day2-01_线性回归和Knn
- day2-02_线性回归解决什么问题
- day2-03_Excel进行线性回归
- day2-04_损失函数和最小均方差
- day2-05_excle来简单理解梯度下降
- day2-06_梯度下降的问题分析
- day2-07_求导简单入门
- day2-08_mse对b进行求导
- day2-09_Excel演示梯度下降&学习速率
- day2-10_偏导数分别求解m和b的导数
- day2-11_对m和b分别进行梯度下降
- day2-12_Python代码实现梯度下降
- day2-13_代码测试生成m和b
- day2-14_作业演示
- day2-附_作业讲解
- day3-01_高等数学入门
- day3-02_问题描述
- day3-03_简单理解矩阵运算的现实含义
- day3-04_矩阵的形状
- day3-05_矩阵的加法
- day3-06_手动计算矩阵的乘法
- day3-07_矩阵的乘法不满足交换律
- day3-08_用numpy进行矩阵的乘法运算
- day3-09_矩阵运算计算m和b的偏导数
- day3-10_numpy矩阵运算演示获取m和b的偏导
- day3-11_用矩阵运算重构线性回归代码
- day3-12_对比程序执行的时间
- day3-13_增加数据的维度
- day3-14_函数模型的评估和错误率的计算
- day3-15_矩阵可以理解为一个变化函数
- day3-16_bmp是如何描述图片的
- day3-17_位图和svg图的区别
- day3-18_矩阵运算变化图片的位置
- day3-19_矩阵运算旋转图形
- day3-20_矩阵的缩放处理
- day4-01_自然底数和sigmod函数
- day4-02_矩阵运算计算逻辑回归
- day4-03_逻辑回归简单实现
- day4-04_多分类问题
- day4-05_多分类的概率问题思考
- day4-06_多分类问题softmax公式
- day4-07_手写数字数据集
- day4-08_手写数字的识别原理
- day4-09_手写数字数据集的处理
- day4-10_手写数字的识别
- day4-11_手写数字bug处理
- day4-12_ai自动驾驶
- day4-13_神经网络的作用
- day4-14_多层神经网络演示
- day4-15_感知机
- day4-16_感知机数学原理
- day4-17_线性模型和非线性模型
- day4-18_交叉熵cross-entropy
- day4-19_概率简介
- day1-00_为什么要学习数学
- day1-01_引言和学习方法
- day1-02_feature和label
- day1-03_什么是机器学习
- day1-04_数据采集方式
- day1-05_knn算法入门
- day1-06_knn算法python实现
- day1-07_代码流程回顾
- day1-08_抽取knn函数
- day1-09_实验演示验证结论
- day1-10_评估模型好坏的方法，训练集和测试集
- day1-11_生成测试和训练数据集
- day1-12_调参选取最优的k
- day1-13_增加数据的维度
- day1-14_numpy加载特殊数据
- day1-15_欧式距离
- day1-16_二维空间距离的计算
- day1-17_代码增加一个维度
- day1-18_数据归一化
- day1-19_knn的feature的选择
- day1-21_概念总结
- day1-22_使用矩阵和向量实现knn
- day1-23_ 房价预测简单框架
- day1-24_数据的归一化和标准化
- day1-附：问题1
- day2-01_线性回归和Knn
- day2-02_线性回归解决什么问题
- day2-03_Excel进行线性回归
- day2-04_损失函数和最小均方差
- day2-05_excle来简单理解梯度下降
- day2-06_梯度下降的问题分析
- day2-07_求导简单入门
- day2-08_mse对b进行求导
- day2-09_Excel演示梯度下降&学习速率
- day2-10_偏导数分别求解m和b的导数
- day2-11_对m和b分别进行梯度下降
- day2-12_Python代码实现梯度下降
- day2-13_代码测试生成m和b
- day2-14_作业演示
- day2-附_作业讲解
- day3-01_高等数学入门
- day3-02_问题描述
- day3-03_简单理解矩阵运算的现实含义
- day3-04_矩阵的形状
- day3-05_矩阵的加法
- day3-06_手动计算矩阵的乘法
- day3-07_矩阵的乘法不满足交换律
- day3-08_用numpy进行矩阵的乘法运算
- day3-09_矩阵运算计算m和b的偏导数
- day3-10_numpy矩阵运算演示获取m和b的偏导
- day3-11_用矩阵运算重构线性回归代码
- day3-12_对比程序执行的时间
- day3-13_增加数据的维度
- day3-14_函数模型的评估和错误率的计算
- day3-15_矩阵可以理解为一个变化函数
- day3-16_bmp是如何描述图片的
- day3-17_位图和svg图的区别
- day3-18_矩阵运算变化图片的位置
- day3-19_矩阵运算旋转图形
- day3-20_矩阵的缩放处理
- day4-01_自然底数和sigmod函数
- day4-02_矩阵运算计算逻辑回归
- day4-03_逻辑回归简单实现
- day4-04_多分类问题
- day4-05_多分类的概率问题思考
- day4-06_多分类问题softmax公式
- day4-07_手写数字数据集
- day4-08_手写数字的识别原理
- day4-09_手写数字数据集的处理
- day4-10_手写数字的识别
- day4-11_手写数字bug处理
- day4-12_ai自动驾驶
- day4-13_神经网络的作用
- day4-14_多层神经网络演示
- day4-15_感知机
- day4-16_感知机数学原理
- day4-17_线性模型和非线性模型
- day4-18_交叉熵cross-entropy
- day4-19_概率简介