最近搜索
暂无搜索记录
热搜
JAVA
大数据
分布式
Python
人工智能
爬虫
WEB
JavaScript
认证
课时01
AI学习曲线图
12分16秒
课时02
AI学习曲线图(二)
7分57秒
课时03
图像识别的一些需求
6分55秒
课时04
图像识别的一些需求(二)
11分9秒
课时05
年龄向量和分类
5分48秒
课时06
图像例子
7分23秒
课时07
汽车向量表示
5分46秒
课时08
组合特征
5分36秒
课时09
组合特征(二)
8分16秒
课时10
应用场景
7分37秒
课时11
应用场景(二)
7分4秒
课时12
总结
6分32秒
课时13
上节课特征的提取
6分30秒
课时14
线性回归
9分14秒
课时15
线性回归误差
8分22秒
课时16
有解析解,无解析解
8分9秒
课时17
机器学习在python中的应用
9分41秒
课时18
机器学习在python中的应用(二)
7分45秒
课时19
训练集测试集MSE
8分48秒
课时20
训练集测试集MSE(二)
4分30秒
课时21
训练集测试集MSE(三)
9分28秒
课时22
训练集测试集MSE(四)
10分39秒
课时23
全量数据
8分19秒
课时24
全量数据(二)
10分8秒
课时25
上节课线性回归
8分7秒
课时26
上节课线性回归(二)
9分9秒
课时27
线性回归例题
7分48秒
课时28
线性回归例题(四)
8分10秒
课时29
线性回归例题代码实现
10分57秒
课时30
线性回归例题(五)
9分8秒
课时31
线性回归例题(六)
8分37秒
课时32
线性回归例题(七)
8分23秒
课时33
MSE训练集
9分13秒
课时34
例题训练
7分42秒
课时35
例题训练(二)
5分45秒
课时36
学习书籍推荐
7分5秒
课时37
例题训练(三)
10分55秒
课时38
MSE平法问题
7分36秒
课时39
MSE平法问题(二)
9分35秒
课时40
多元线性回归
8分4秒
课时41
多元线性回归(二)
8分9秒
课时42
多元线性回归(三)
9分40秒
课时43
多元线性回归和泰勒公式
9分1秒
课时44
花式玩法
7分43秒
课时45
抗噪能力
6分58秒
课时46
抗噪能力(二)
7分26秒
课时47
代码实现
10分4秒
课时48
数据场景
8分18秒
课时49
问题答疑
12分5秒
课时50
线性回归回顾
4分21秒
课时51
多分类
2分13秒
课时52
多分类(二)
7分54秒
课时53
线性回归,字母识别
7分58秒
课时54
字母识别
9分58秒
课时55
线性回归训练
6分34秒
课时56
线性回归训练(二)
4分32秒
课时57
线性回归训练(三)
3分49秒
课时58
KL距离问题
8分10秒
课时59
KL距离问题(二)
6分28秒
课时60
KL距离问题(三)
6分43秒
课时61
KL距离问题(四)
6分6秒
课时62
KL距离问题(五)
7分21秒
课时63
KL距离问题(六)
7分16秒
课时64
KL距离问题(七)
8分45秒
课时65
KL距离问题代码实现
6分41秒
课时66
KL距离问题代码实现(二)
9分26秒
课时67
KL距离问题
8分52秒
课时68
为什么不用MSE
8分2秒
课时69
为什么不用MSE(二)
9分3秒
课时70
机器学习分级
8分12秒
课时71
分类
6分25秒
课时72
线性不可分
6分12秒
课时73
线性不可分(二)
9分54秒
课时74
计算逻辑回归模型
8分25秒
课时75
分类器
7分49秒
课时76
分类器(二)
7分41秒
课时77
分类器(三)
7分39秒
课时78
逻辑回归指标
8分22秒
课时79
准确率和召回率
9分25秒
课时80
准确率和召回率跟阈值相关
8分19秒
课时81
准确率和召回率跟阈值相关(二)
11分57秒
课时82
用模型预测样本
9分6秒
课时83
预测分值正样本比负样本大的情况数量
7分27秒
课时84
预测分值正样本比负样本大的情况数量例子
7分50秒
课时85
正反样本的组合数量
7分30秒
课时86
AUC
9分3秒
课时87
正确率,准确率和召回率,ROC曲线和auc值
9分13秒
课时88
正确率,准确率和召回率,ROC曲线和auc值(二)
10分46秒
课时89
正确率,准确率和召回率,ROC曲线和auc值(三)
8分32秒
课时90
w预测硬币的正面概率
15分23秒
课时91
分类函数输出概率
6分56秒
课时92
分类函数输出概率(二)
5分58秒
课时93
信息冗余
8分12秒
课时94
训练集差异
7分38秒
课时95
逻辑回归损失函数
7分28秒
课时96
逻辑回归损失函数
7分28秒
课时97
L1和L2的区别
7分48秒
课时98
L1和L2的区别(二)
7分48秒
课时99
L1和L2的区别(三)
7分11秒
课时100
我们想要的测试集效果
6分44秒
课时101
等高线
6分37秒
课时102
等高线(二)
7分1秒
课时103
等高线(三)
7分30秒
课时104
等高线(四)
7分46秒
课时105
等高线(五)
7分30秒
课时106
KL距离问题
8分8秒
课时107
等高线问题
6分57秒
课时108
特征转换
7分34秒
课时109
连续值概率
6分20秒
课时110
概率密度,高斯分布
9分0秒
课时111
对于具体一个类别来说它的特征分布符合正态分布
6分56秒
课时112
贝叶斯公式
7分10秒
课时113
贝叶斯公式(二)
6分48秒
课时114
贝叶斯公式(三)
7分3秒
课时115
逻辑回归的两个实时
8分14秒
课时116
最大似然估计
8分38秒
课时117
最大似然估计(二)
7分32秒
课时118
最大似然估计(三)
7分54秒
课时119
问题答疑
8分3秒
课时120
朴素贝叶斯
7分26秒
课时121
耦合根本原因
8分8秒
课时122
耦合根本原因(二)
7分9秒
课时123
正态分布
7分44秒
课时124
朴素贝叶斯训练
9分0秒
课时125
问题答疑
8分29秒
课时126
先验
8分8秒
课时127
二项分布
7分35秒
课时128
二项分布,正态分布,多项分布
9分51秒
课时129
二项分布,正态分布,多项分布(二)
6分50秒
课时130
信息量
11分0秒
课时131
信号量(二)
9分11秒
课时132
问题答疑(二)
8分49秒
课时133
问题答疑(三)
1分10秒
课时134
支持向量机
8分2秒
课时135
支持向量机(二)
6分52秒
课时136
支持向量机(三)
6分30秒
课时137
泛化能力
9分46秒
课时138
泛化能力正则项
7分57秒
课时139
泛化能力正则项(二)
7分45秒
课时140
支持向量机SVM
7分56秒
课时141
抗噪声
9分38秒
课时142
多分类
7分18秒
课时143
KNN
9分20秒
课时144
权重
7分14秒
课时145
训练集代码实现
9分26秒
课时146
问题答疑
5分8秒
课时147
分类,线性可分
9分22秒
课时148
分类,线性可分(二)
8分17秒
课时149
网络搜索
7分40秒
课时150
线性不可分
9分0秒
课时151
线性不可分(二)
7分40秒
课时152
SVM
7分55秒
课时153
MSE,高斯
10分31秒
课时154
无穷方程
10分45秒
课时155
线性可分,线性不可分,核函数
10分34秒
课时156
线性可分,线性不可分,核函数(二)
12分8秒
课时157
分类器集成
12分21秒
课时158
维数灾难
7分0秒
课时159
维数灾难(二)
6分14秒
课时160
模型表达力
7分16秒
课时161
KNN,SVM,DT
8分47秒
课时162
表达能力,Vc维,二分类
7分37秒
课时163
表达能力,Vc维,二分类(二)
8分17秒
课时164
泛化能力,问题答疑
8分40秒
课时165
偏差
8分8秒
课时166
丑小鸭定律
7分18秒
课时167
没有免费的午餐定律
8分34秒
课时168
奥卡姆剃刀
8分1秒
课时169
奥卡姆剃刀(二)
9分8秒
课时170
奥卡姆剃刀(三)
6分35秒
课时171
问题答疑
6分40秒
课时172
问题答疑(二)
2分26秒
课时173
集成学习
7分44秒
课时174
集成学习(二)
7分6秒
课时175
增强泛化能力
7分58秒
课时176
增强泛化能力(二)
9分42秒
课时177
随机森林
7分58秒
课时178
随机森林(二)
7分51秒
课时179
随机森林代码实现
11分7秒
课时180
问题答疑
9分11秒
课时181
问题答疑(二)
9分51秒
课时182
问题答疑(三)
6分1秒
课时183
初始化样本权重
9分3秒
课时184
分类器GM权重
12分9秒
课时185
分类器训练
6分33秒
课时186
随机森林
10分4秒
课时187
集成学习
10分28秒
课时188
GBDT
9分15秒
课时189
预测,分类
11分7秒
课时190
预测
9分8秒
课时191
GBDT
12分0秒
课时192
梯度下降法
8分32秒
课时193
梯度下降法(二)
7分58秒
课时194
GBDT的数学
10分2秒
课时195
GBDT的数学(二)
9分55秒
课时196
GBDT的数学(三)
6分6秒
课时197
垃圾分类
6分23秒
课时198
聚类
7分16秒
课时199
打标团队
8分49秒
课时200
寻找中心点
10分10秒
课时201
寻找中心点代码实现
10分38秒
课时202
kmeans
9分1秒
课时203
内聚
7分5秒
课时204
异常点的影响
8分7秒
课时205
数值问题,归一化
8分41秒
课时206
归一化
9分24秒
课时207
网络搜索
10分41秒
课时208
问题答疑
8分10秒
课时209
问题答疑(二)
9分20秒
课时210
问题答疑(三)
10秒
课时211
kmeans
10分16秒
课时212
annoy
10分27秒
课时213
annoy训练
8分35秒
课时214
annoy训练代码实现
8分20秒
课时215
DBscan
11分51秒
课时216
寻找核心点
9分43秒
课时217
聚类的点
10分4秒
课时218
聚类训练代码实现
12分10秒
课时219
反欺诈
6分50秒
课时220
自然语言处理
8分4秒
课时221
自然语言处理(二)
10分54秒
课时222
逻辑回归的高斯解释
10分35秒
课时223
LDA
9分47秒
课时224
怎么求每个词对应的主题
10分20秒
课时225
怎么求每个词对应的主题(二)
9分1秒
课时226
怎么求每个词对应的主题(三)
10分3秒
课时227
怎么求每个词对应的主题(四)
7分24秒
课时228
LDA数学八卦
8分46秒
课时229
怎么求每个词对应的主题代码实现
8分32秒
课时230
怎么求每个词对应的主题代码实现(二)
7分46秒
课时231
怎么求每个词对应的主题代码实现(三)
7分28秒
课时232
怎么求每个词对应的主题代码实现(四)
9分28秒
课时233
学习方法
7分20秒
课时234
线性变换
7分35秒
课时235
线性变换(二)
9分45秒
课时236
线性变换(三)
8分13秒
课时237
二分类
10分14秒
课时238
特征值和特征向量
8分6秒
课时239
特征值和特征向量(二)
7分14秒
课时240
多分类
10分33秒
课时241
二分类
8分26秒
课时242
CPU命令集
8分21秒
课时243
训练集代码实现
10分47秒
课时244
softmax
6分58秒
课时245
GPU
6分48秒
课时246
GPU(二)
7分9秒
课时247
keras惯序模型,函数模型
8分25秒
课时248
keras惯序模型,函数模型(二)
4分35秒
课时249
keras惯序模型,函数模型(三)
6分21秒
课时250
keras惯序模型,函数模型(四)
6分37秒
课时251
神经网络
8分6秒
课时252
图片识别
9分13秒
课时253
自动特征选择器
7分11秒
课时254
自动特征选择器(二)
6分56秒
课时255
需要考虑的情况
6分13秒
课时256
线性变换+激活
8分25秒
课时257
深度学习DNN
7分7秒
课时258
DNN
7分44秒
课时259
神经网络训练
9分1秒
课时260
神经网络训练(二)
9分15秒
课时261
神经网络训练(三)
5分3秒
课时262
神经网络训练(四)
6分54秒
课时263
Wm的更新
7分35秒
课时264
更新Wm1
8分49秒
课时265
更新Wm1(二)
9分29秒
课时266
更新Wm1(三)
9分8秒
课时267
多层神经网络
7分37秒
课时268
问题答疑
10分13秒
课时269
深度学习DNN
9分10秒
课时270
深度学习DNN(二)
10分31秒
课时271
relu
8分12秒
课时272
多层神经元网络
9分14秒
课时273
多层神经元网络(二)
8分59秒
课时274
多层神经元网络(三)
6分42秒
课时275
学习方法
8分12秒
课时276
多层神经元网络(四)
8分39秒
课时277
多层神经元网络(五)
10分38秒
课时278
真实类别
10分35秒
课时279
真实类别(二)
9分8秒
课时280
softmax
15分46秒
课时281
逻辑回归正态分布分类
6分43秒
课时282
逻辑回归正态分布分类(二)
9分37秒
课时283
激活函数导数连乘问题
7分51秒
课时284
梯度消失
9分21秒
课时285
梯度消失训练
10分1秒
课时286
梯度消失训练(二)
6分51秒
课时287
每一小段的线性
4分50秒
课时288
梯度问题
6分45秒
课时289
Relu函数分析
8分30秒
课时290
Relu神经元的真死和假死
8分12秒
课时291
特征选择
7分30秒
课时292
Relu神经元的真死和假死训练
10分37秒
课时293
Relu和Elu
7分40秒
课时294
Relu和Elu(二)
9分16秒
课时295
好的函数有哪些特点
8分17秒
课时296
零均值
7分30秒
课时297
激活函数和梯度爆炸
7分44秒
课时298
单调性
7分25秒
课时299
周期性
8分38秒
课时300
权重问题
9分16秒
课时301
权重问题(二)
7分37秒
课时302
数据冗余(一)
9分6秒
课时303
数据冗余(二)
4分43秒
课时304
Relu
9分14秒
课时305
上节课权重问题
6分59秒
课时306
随机差
9分59秒
课时307
均匀分布初始化
11分14秒
课时308
神经元权重
10分24秒
课时309
用集成的角度看神经元网络
1小时10分35秒
课时310
大神经网络
11分37秒
课时311
训练网络
13分24秒
课时312
dropout
9分47秒
课时313
dropout比例对效果的影响
10分21秒
课时314
子网络独立性
7分27秒
课时315
梯度下降法
7分22秒
课时316
鞍点
9分2秒
课时317
二阶导
8分6秒
课时318
SGD
8分24秒
课时319
悬崖问题
9分27秒
课时320
梯度的幅度
6分41秒
课时321
动量法
7分36秒
课时322
机器学习的难点
8分36秒
课时323
Ada Grad
8分7秒
课时324
Adam
8分0秒
课时325
梯度下降
9分18秒
课时326
Relu
12分41秒
课时327
课程目标
14分33秒
课时328
激活函数
11分5秒
课时329
DNN权重,学习方法
9分33秒
课时330
Dropout
8分21秒
课时331
图像分类的问题OCR
7分19秒
课时332
分析需求,用DNN模型进行分类输出函数
10分38秒
课时333
传统的图像领域中,分类问题处理彩色图片
9分3秒
课时334
图像归一化
10分1秒
课时335
图像归一化(二)
11分25秒
课时336
深度学习
7分32秒
课时337
深度学习(二)
7分42秒
课时338
上节课遗留问题
13分16秒
课时339
数据反馈系统
10分27秒
课时340
定期收集badcase进行二次学习
9分43秒
课时341
以图搜图
10分8秒
课时342
以图搜图(二)
8分17秒
课时343
hash
7分54秒
课时344
图像压缩
8分31秒
课时345
图像压缩(二)
9分3秒
课时346
Encode
10分19秒
课时347
Encode(二)
7分55秒
课时348
计算图像之间的相似度
6分26秒
课时349
图库
10分28秒
课时350
图库(二)
12分59秒
课时351
深度特征自动学习
11分52秒
课时352
编码
6分39秒
课时353
Kmeans
8分39秒
课时354
扩展
8分19秒
课时355
编码怎么做
11分50秒
课时356
图片特征排索引
7分46秒
课时357
倒排索引
9分55秒
课时358
扩展:手机话费
6分40秒
课时359
自然语言处理
7分49秒
课时360
语言模型
11分2秒
课时361
模型简化,语料库小的问题
9分59秒
课时362
语料库
10分48秒
课时363
概率估计
1小时5分39秒
课时364
语料库和神经网络
7分34秒
课时365
语料库和神经网络(二)
9分26秒
课时366
向量相加
9分47秒
课时367
向量相加(二)
8分51秒
课时368
训练输入
7分56秒
课时369
语义型模型
10分16秒
课时370
语言模型
9分1秒
课时371
简化语言模型
10分50秒
课时372
语言模型,二叉树改造
13分51秒
课时373
Huffman树
12分6秒
课时374
用word2vec,做寻找近义词
12分49秒
课时375
用word2vec,做寻找近义词(二)
12分9秒
课时376
召回和准确
8分12秒
课时377
召回和准确,负采样
10分44秒
课时378
Word2vec
10分10秒
课时379
语义训练
10分10秒
课时380
孤岛效应
9分29秒
课时381
Word2vec问题无法解决一词多义
9分1秒
课时382
多义词,特殊场景
11分3秒
课时383
用相加后的向量对目标词进行预测
11分24秒
课时384
互联网信息
7分54秒
课时385
推荐系统
15分40秒
课时386
推荐系统(二)
9分16秒
课时387
推荐系统(三)
11分4秒
课时388
推荐系统,机器学习
9分29秒
课时389
多路召回
12分8秒
课时390
多路召回(二)
10分35秒
课时391
深度学习,信息日志
14分11秒
课时392
简历
11分28秒
课时393
推荐系统,机器学习
6分56秒
课时394
推荐系统
8分42秒
课时395
什么是好的推荐系统
8分55秒
课时396
什么是好的推荐系统(二)
10分39秒
课时397
产品形态,人均时长
9分0秒
课时398
桶bucket
6分48秒
课时399
桶bucket(二)
6分58秒
课时400
桶bucket(三)
6分18秒
课时401
AAB实验
9分33秒
课时402
AAB实验(二)
7分10秒
课时403
策略
5分52秒
课时404
提取关键词
14分39秒
课时405
提取关键词,Tf-idf
11分59秒
课时406
提取关键词,Tf-idf(二)
15分8秒
课时407
每个词的权重
15分12秒
课时408
关键词的提取方法
12分54秒
课时409
关键词两种
16分21秒
课时410
用户画像和文章召回
13分26秒
课时411
内容池,全量池
6分35秒
课时412
基于内容的推荐,基于行为的召回
10分17秒
课时413
隐式数据表达
8分51秒
课时414
相似度构建损失函数
8分44秒
课时415
随机采样
11分0秒
课时416
DNN,梯度下降
6分39秒
课时417
更加优化
6分13秒
课时418
用Love空间所对应的向量
10分44秒
课时419
用Love空间所对应的向量代码实现
9分11秒
课时420
用Love空间所对应的向量代码实现(二)
7分32秒
课时421
产品定位推荐
8分30秒
课时422
召回粗排序
8分38秒
课时423
召回粗排序
7分47秒
课时424
推荐系统session
9分11秒
课时425
推荐系统session(二)
8分55秒
课时426
相似列表
8分27秒
课时427
例子电商APP
6分57秒
课时428
电商APP(二)
9分33秒
课时429
对预定序列进行word2vec
9分11秒
课时430
对预定序列进行word2vec(二)
7分47秒
课时431
embedding计算相似度,社交友好推荐
10分17秒
课时432
社交友好推荐(一)
9分24秒
课时433
社交友好推荐(二)
9分32秒
课时434
项目分析
7分43秒
课时435
项目之公司类型
7分22秒
课时436
网页分类
8分43秒
课时437
Fasttext Facebook
7分13秒
课时438
Fattext文本分类word2vec
10分43秒
课时439
Keras和Fasttext
16分57秒
课时440
CNN
8分51秒
课时441
CNN(二)
8分36秒
课时442
设计模板
6分47秒
课时443
设计模板:圆
8分41秒
课时444
模板:基本形状
8分37秒
课时445
模板:基本形状(二)
8分23秒
课时446
模板:基本形状(三)
11分32秒
课时447
识别图像
6分54秒
课时448
池化pool,基本形状的强度
6分35秒
课时449
卷积-池化层
7分14秒
课时450
卷积
7分46秒
课时451
卷积和激活函数
8分51秒
课时452
神经网络识别输入图片
7分25秒
课时453
神经网络识别输入图片(二)
8分12秒
课时454
神经网络识别输入图片(三)
5分10秒
课时455
神经网络识别输入图片(四)
6分53秒
课时456
卷积的本质
11分13秒
课时457
CNN本质
9分11秒
课时458
卷积概述
6分57秒
课时459
数字识别和图像识别
5分8秒
课时460
问题答疑
5分10秒
课时461
训练样本总结
10分6秒
课时462
CNN卷积神经网络
9分45秒
课时463
卷积,池化
4分56秒
课时464
超参数选定原则
7分1秒
课时465
机器学习测评
3分55秒
课时466
CNN再文本方面的应用
8分35秒
课时467
CNN再文本方面的应用(二)
12分7秒
课时468
CNN再文本方面的应用(三)
3分45秒
课时469
CNN再文本方面的应用(四)
9分36秒
课时470
CNN再文本方面的应用(五)
9分7秒
课时471
CNN再文本方面的应用(六)
8分29秒
课时472
CNN再文本方面的应用(七)
8分56秒
课时473
CNN再文本方面的应用(八)
7分30秒
课时474
文本分类中CNN能取代fasttext
8分36秒
课时475
文本分类中CNN能取代fasttext(二)
7分2秒
课时476
文本分类中CNN能取代fasttext(三)
6分32秒
课时477
word2vec是否支持新词增量
6分49秒
课时478
word2vec是否支持新词增量(二)
11分37秒
课时479
线性回归
11分3秒
课时480
逻辑回归
9分18秒
课时481
三评价指标和模型能万
12分11秒
课时482
支持向量机SVM
2分29秒
课时483
朴素贝叶斯
1分23秒
课时484
集成学习
5分38秒
课时485
无监督学习
5分36秒
课时486
深度学习DNN
8分47秒
课时487
word2vec fasttext和CNN
5分5秒
课时488
项目,推荐系统
3分49秒
课时489
以图搜图
1分35秒
课时490
文本分类和CNN图像分类,RNN LSTM bi-LSTM
4分59秒
课时491
学习建议,问题答疑
4分20秒
课时492
答疑
11分53秒
课时493
投递简历
6分18秒
课时494
面试邀请
2分0秒
课时495
面试流程
7分28秒
课时496
技术面试的时候注意要点
3分14秒
课时497
技术面试的时候注意要点
18分49秒
课时498
一面面试要领
11分12秒
课时499
一面要领
12分49秒
课时500
常见的面试方向
6分45秒
课时501
HR面
17分52秒
课时502
常见面试题解析
12分3秒
课时503
常见面试题解析
12分9秒
课时504
常见逻辑回归怎么做
9分21秒
课时505
朴素贝叶斯的优缺点
10分11秒
课时506
说下kmeans的聚类过程以及存在问题和阐述准确率,召回率, AUC值
10分20秒
课时507
阐述准确率,召回率, AUC值
2分43秒
课时508
阐述机器学习整个流程,如何解决样本不平衡问题,深度学习网络常用激活函数是哪些
7分0秒
课时509
简述梯度消失和梯度爆炸,深度学习中常见损失函数有哪些
6分12秒
课时510
Relu函数存在的问题,简述dropout,深度学习中常见损失函数有哪些
5分34秒
课时511
简述多分类ЖА的方法
10分30秒
课时512
Word2vec和CNN和fasttext相关问题
8分12秒
课时513
卷积,CNN在文本分类下如何作用和fasttext有啥区别
4分13秒
课时514
深入解读Airbnb推荐算法
13分37秒
课时515
深入解读Airbnb推荐算法(二)
5分8秒
课时516
导数
2分20秒
课时517
导数(二)
6分47秒
课时518
导数一定存在吗?
3分47秒
课时519
relu
2分30秒
课时520
函数的最大值和最小值
3分21秒
课时521
函数的最大值和最小值(二)
3分1秒
课时522
极大值和极小值
4分5秒
课时523
导数极大值和极小值
2分0秒
课时524
最大值,最小值,极大值,极小值
5分10秒
课时525
在机器学习的损失函数中Loss
5分55秒
课时526
在机器学习的损失函数中Loss(二)
4分19秒
课时527
局部极小
5分55秒
课时528
神经网络的函数曲线
1分19秒
课时529
二阶导数
5分17秒
课时530
二阶导数(二)
4分1秒
课时531
二阶导数(三)
5分39秒
课时532
凸函数
5分8秒
课时533
凸函数(二)
4分46秒
课时534
线性可分的逻辑回归
4分37秒
课时535
凸函数相加也为凸函数
3分58秒
课时536
当逻辑回归使用KL距离作为损失函数的时候,是凸函数
6分0秒
课时537
当线性可分的时候逻辑回归损失函数没有最小值
4分16秒
课时538
凸函数
3分47秒
课时539
问题答疑
8分7秒
课时540
如果是线性不可分的情况下,逻辑回归的损失函数
8分39秒
课时541
Lerror
5分39秒
课时542
凸函数
5分8秒
课时543
如果逻辑回归使用mse做损失函数,还是凸函数吗
2分17秒
课时544
如果逻辑回归使用mse做损失函数,还是凸函数吗
3分5秒
课时545
是否是凸函数
3分12秒
课时546
泰勒公式
4分17秒
课时547
泰勒公式(二)
4分39秒
课时548
单层神经网络
4分43秒
课时549
通过神经网络的一层输出是一组序列
2分27秒
课时550
神经网络输出
4分5秒
课时551
一层神经网络神经元足够多可以拟合任意函数
3分11秒
课时552
函数展开成泰勒公式,越高阶的项,系数越小
6分3秒
课时553
神经网络越深,高阶项系数出现的数值越大
4分30秒
课时554
神经网络越深,高阶项系数出现的数值越大(二)
4分14秒
课时555
阶数越高,函数形状越复杂,弯曲越灵活
6分28秒
课时556
问题答疑
8分11秒
课时557
模型复杂和模型简单
11分47秒
课时558
机器学习都搞不定的问题
9分56秒
课时559