V
主页
259.第八章 8.1 导论
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
225.第一章 1.2 极大似然估计
239.第四章 4.1 导论
273.第十一章 11.1 导论
376.【第十周】HMM-1
050.【第三章 微积分】-09 矩阵的求导
030.【第二章 线性代数(下)】章节导读
065.第二章 Python 基本语法元素
096.01-01-机器学习概述
277.第十三章无监督学习导论
035.【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①
229.第二章 2.2 对偶形式
252.code——逻辑斯蒂回归与最大熵
320.第二十章20.1LDA分布、模型与Gibbs抽样算法
059.【第五章 最优化】-2 无约束最优化梯度下降
057.【第四章 概率论】-06参数的估计
114.02-【案例】-波士顿房价预测(下)
262.第八章作业讲解-提升方法
572.第七周【任务2】lstm
962.【学习支持向量机】P6smo算法
053.【第四章 概率论】-02全概率公式与贝叶斯公式及应用&独立性
377.【第十周】HMM-2
245.第五章 5.1 导论
654.Future of NLP + Deep Learning
012.Linux 常用命令
105.02-09-欠拟合与过拟合
248.第五章作业讲解-决策树
107.02-11-LASSO回归求解
197.09-01-集成学习介绍
075.第七章 类-面向对象的编程
070.【作业讲解】第四章:复杂数据类型
185.07-10-高斯混合模型介绍
020.【第一章 线性代数(上)】章节导读
462.Week5【任务1】cnn介绍
024.【第一章 线性代数(上)】-4 矩阵的行列式②
199.09-03-Voting原理
Low-rank Methods for Bayesian Inverse Problems
332.【第二周】多元线性回归公式
959.【学习支持向量机】P3硬间隔SVM最优化问题的推导
103.02-07-批量梯度下降,随机梯度下降,小批量梯度下降
725.【推荐系统项目】2.3Wide&Deep