V
主页
1-4-好好学习(损失函数),天天向上(梯度上升算法)
发布人
ML = Lambda。损失函数:好好学习;算法:天天向上。
打开封面
下载高清视频
观看高清视频
视频下载器
1-14-正则化与过拟合
1-7 机器学习的分类
1-8-机器学习三要素-模型-损失-算法
1-5 y = kx + b, 从小学到博士的解法
1-15-TPR-FPR曲线如何画
课程2-使用概率建模LS(MLE MAP Baysian)
1-11-最小二乘法的应用:相机标定
2-2-LR的决策面和损失函数
1-1-什么是机器?机器=函数
课程14 GAN
1-13-泛化能力及其上界
1-3 函数y = f(x). x是什么?特征提取, Just vector it.
1-23-什么是贝叶斯估计?
1-16-配方法求解最小二乘法
1-6-机器学习的应用
0-0-课程基本信息
0-1-0-人工智能的缘起-达特茅斯会议
1-12-Revisit-Least-Square
课程6-MLE求解出现的朴素贝叶斯估计出现的两个问题
课程9-evidence of lowerbound 视角看EM算法
课程6-产生式 判别式模型区别
课程2-最小二乘法的几何解释
1-19-什么是MLE?
课程14 PCA
1-17-最小二乘法-凸函数优化的视角-计算图
1-9-用矩阵或向量来重写你的表达式
1.1 - Example: Polynomial Curve Fitting - 2 - Vector/Matrix Notation
课程2-人工智能流派
1-26-线性回归模型的贝叶斯估计-part2-预测分布
课程8-带有隐变量的模型介绍
0-1-5-人工智能的五大流派
1-18-核函数的视角看最小二乘法-类比思维
课程3 曲线拟合
课程3 概率角度解释线性回归
【整整200集】不愧是李飞飞,一口把深度学习、计算机视觉、神经网络、图像处理、图像分割、目标检测、物体识别给讲透了,新手小白秒上手!-人工智能/计算机视觉
1-24-单变量-高斯分布-均值-的贝叶斯估计
课程2-核函数
课程13 01_12_54-01_28_39 随机梯度下降变分推断技术.mp4
课程5-内容梗概
课程9-EM + naive bayes 视角