V
主页
【马蹄形先验与深度学习】
发布人
【马蹄形先验与深度学习】 @徐芝兰 @BuddyBG @AI深度学渣 @R与统计
打开封面
下载高清视频
观看高清视频
视频下载器
【我不敢相信贝叶斯深度学习没有更好】——塞巴斯蒂安-诺沃津(Sebastian Nowozin)
【针对小型、不平衡和异方差数据集的深度学习】——马腾宇(斯坦福大学)
【解密贝叶斯深度学习】
transformer+目标检测!2024最好出论文的方向!整整92集!学会直接发SCI !(人工智能丨机器学习丨深度学习丨计算机视觉丨自然语言处理丨神经网络)
【期望最大化算法(EM)背后的深层框架(1) Majorize-Minimization (MM) framework】——杨宇红
PyTorch零基础入门教程 |必看PyTorch深度学习教程!带你无脑通关PyTorch框架!-人工智能/PyTorch
【课件+代码】李沐大神《动手学深度学习》2024最新视频教程,比啃书高效!比刷剧还爽!(人工智能丨深度学习丨神经网络)
正则化Regularization I (一次带你打通关Lasso, Elastic Net, Adaptive Lasso, SCAD, MCP)
【后现代贝叶斯机器学习(Post-Bayesian Machine Learning)】
超强动画演示,一步一步深入浅出解释Transformer原理!这可能是我看到过最通俗易懂的Transformer教程了吧!——(人工智能、大模型、深度学习)
统计 | 曾是谷歌高级研究科学家,将于2024年1月加入华盛顿大学计算机系任助理教授【麻省理工MIT博士答辩】——Natasha Jaques
入门到进阶!一口气学完CNN、RNN、GAN、transformer、ResNet、BERT、GPT、YOLO等八大深度学习神经网络算法模型!
【统计最高奖得主访谈: 大数据时代的贝叶斯方法】——戴维·丹森 David Dunson(杜克大学)
从入门到精通一口气学完CNN、RNN、GAN、GNN、DQN、Transformer、LSTM等八大深度学习神经网络!丨零基础篇
【贝叶斯渐进理论】
什么是卷积?强推!这绝对是全网最通俗易懂的【卷积神经网络教程】!草履虫听了都点头!人工智能、深度学习、机器学习
【理解非参数统计】
学习卷积神经网络,硕士博士需要搞明白底层原理吗?还是只要会应用就可以了?(pytorch/深度学习/神经网络)
吹爆!这绝对是南京大学最出名的LLAMA3教程了没有之一,llama3原理代码精讲与微调量化部署实战,通俗易懂太适合小白了!人工智能|机器学习|深度学习
【假设检验的几何分析 Geometric analysis of hypothesis testing】——魏玉婷(宾夕法尼亚大学)
【全198集】CV入门到起飞!一口气学完Python、OpenCV、深度学习基础、Pytorch、卷积神经网络、物体检测、图像分割、等八大计算机视觉必备基础!
【支持向量机和核方法 SVM and Kernel】——张颢(清华大学)
【强推】这可能是B站最全的(Python+机器学习+深度学习)系列课程了!从入门到精通,通俗易懂,草履虫都能学会!(人工智能/机器学习/深度学习/python)
所有研究生找论文代码的神级插件!寄生虫般的携带在你每篇浏览的论文下面!-神经网络/深度学习/pytorch
【期望最大化算法(EM)背后的深层框架(2) Majorize-Minimization (MM) framework】——杨宇红
这才是科研该学!2024公认最通俗易懂的【深度学习】教程,从入门到精通一口气学完CNN、RNN、GAN、GNN、DQN、Transformer、LSTM
论文根基!实验室没卡,想买卡导师又不给报销怎么办?一步步教你如何租用云GPU来跑深度学习!-神经网络/pytorch/卷积神经网络
美国三院院士/机器学习超级大佬【共形预测Conformal Prediction】—加州大学伯克利分校教授Michael I. Jordan
【一次带你刷完随机变量的各种收敛、中心极限定理和大数定律】——张颢(清华大学)
【0零基础MATLAB入门】台湾大学郭彦甫教授!简单易懂,看完就能用!-深度学习/机器学习/算法
任何人都可用的自适应马可夫链蒙特卡洛算法 Adaptive MCMC For Everyone——Jeffrey S. Rosenthal
导师放养不教,那我来教!20分钟一步步带着你实操从零复现一篇机器学习深度学习论文!-神经网络/pytorch
统计最高奖得主【非参贝叶斯Nonparametric Bayes】——Larry Wasserman
【计量经济学入门】
【深度强化学习 CS285 2023】伯克利—中英字幕
【中心极限定理和大数定律(1) Central Limit Theorem】——约瑟夫·沃特金斯 Joseph C. Watkins(亚利桑那大学)
【图深度学习】——马克斯·韦林 Max Welling(阿姆斯特丹大学)
深度学习怎么入门?李沐说“动手学就是了”
【逻辑回归、层次模型和混合模型中的弱信息先验】——安德鲁·盖尔曼 Andrew Gelman(哥伦比亚大学)
【因果推理的必要概念: 非凡的历史】——唐纳德·布鲁斯·鲁宾 Donald Bruce Rubin (哈佛大学)