视频介绍

       本课作为深度学习系列课程的第一阶段，介绍机器学习的基本概念，原理，以及常用算法（如决策树，支持向量机，神经网络算法等）。以Python语言为工具对每种算法进行结合实例讲解。学生学完本课程后将会理解机器学习的常用算法原理，并会使用Python中相关的package来对实际问题进行数据预处理，分类和回归分析。为开发机器学习相关应用打下必要基础，同时也为学习深度学习进阶课程打下必要基础。课程版权归属麦子学院。课程共27课时，由讲师彭亮为大家讲解~

    目录如下：

   【1】 人工智能课程介绍机器学习介绍上

   【2】人工智能课程介绍机器学习介绍下

   【3】人工智能深度学习介绍

   【4】人工智能基本概念

   【5】人工智能决策树算法

   【6】人工智能决策树应用

   不定期更新，敬请关注ing

• 人工智能课程介绍机器学习介绍上--深度学习之人工智能 (23:09)
• 人工智能课程介绍机器学习介绍下--深度学习之人工智能 (04:32)
• 人工智能深度学习介绍 (26:47)
• 人工智能基本概念 (34:48)
• 人工智能决策树算法 (39:14)
• 人工智能决策树应用 (37:28)
• 人工智能最邻近规则分类KNN算法 (28:02)
• 人工智能最邻近规则KNN分类应用 (31:46)
• 人工智能 支持向量机SVM上 (35:39)
• 人工智能支持向量机SVM上应用 (26:27)
• 人工智能神经网络算法应用上 (49:50)
• 人工智能神经网络算法应用下 (21:20)
• 人工智能简单线性回归上 (29:48)
• 人工智能 简单线性回归下 (28:01)
• 人工智能多元线性回归 (33:53)
• 人工智能多元线性回归应用 (29:45)
• 人工智能非线性回归 Logistic Regression (32:33)
• 人工智能非线性回归应用 (29:24)
• 人工智能神经网络NN算法 (14:56:00)
• 人工智能支持向量机SVM算法下应用 (29:54)
• 人工智能 支持向量机SVM算法下 (25:08)
• 人工智能回归中的相关度和决定系数 (32:23)
• 人工智能 回归中的相关性和R平方值应用 (24:00)
• 人工智能 Kmeans算法 (33:20)
• 人工智能Kmeans应用 (36:05)
• 人工智能 Hierarchical clustering 层次聚类 (19:14)
• 人工智能 总结 (25:14)

• 人工智能问题中的相变现象研究
•  如何使用深度神经网络技术实现机器学习的全噪声自动编码器.part2
• 如何学习深度神经网络和目标检测详细笔记说明
• 人工智能导论.ppt
• 人工智能技术带给旅游业的五大发展趋势
• 人工智能(AI)在各种信息安全系统中的应用
• 如何理解和学习人工智能
• 人工智能技术的应用，实现IT自动化是许多企业的主要目标
• avg_-整理人工智能.ppt
• 人工神经网络的模型及其应用-复旦大学出版社-张立明.pdf