一句话版的机器学习与深度学习

『课程目录』:   
1.一句话版机器学习:为什么说regularization是阻止overfitt
2.一句话版机器学习:如何直观理解PCA的目的和原理
0 Q# S: m' B4 b! a# U
3.一句话版机器学习:PCA的维数K应该怎么选?
% H! a7 K# ^# F# i! R9 b+ O. X$ G  m
4.一句话版机器学习:为什么说PCA不应该被用来规避overfitting
5.一句话版机器学习:如何理解anomaly detection的实质和工作原理
6.一句话版机器学习:实际操作中的anomaly detection一个简单工作
% J" z' F* |  M# A8 m/ A6 n
7.一句话版机器学习:如何理解Anomaly detection的阈值的寻找过程
8.一句话版bayes theorem:尝试直观理解条件概率和Bayes rul
( u2 j6 {5 a' [! m4 I# T  c+ |
9.一句话版条件概率:如何套用公式计算良品与合格的条件概率问题
10.一句话版CNN:机器视觉的主要任务和困难挑战是什么
0 M9 {8 W& o) w
11.一句话版CNN:如何直观理解CNN与普通神经网络的算法上的本质区别
  E, q' O3 n7 `  b( T. d& W1 v
12.一句话版CNN:如何直观理解CNN与普通神经网络的算法上的本质区别(细节理
13.一句话版CNN:如何理解padding的意义和算法
14.一句话版CNN:如何理解stride的意义和算法注意事项
15.一句话CNN:从单色图片到彩色图片,input,filter与featur
16.一句话的CNN:为什么处理图片CNN比DNN高效的多?
17.一句话的CNN:如何理解pooling layer的意义和工作原理?
18.一句话的CNN: 如何理解feature map在逐步缩小,feature
19.一句话CNN:如何理解convolutional layer的设计优势
20.一分钟的CNN:如何理解IoU(Intersection over Uni
21.10分钟版图解读深度学习论文的策略梳理
4 e# c" X/ D* `) L8 _: }
22.16分钟版RCNN:图解RCNN物体识别全流程
23.8分钟 如何理解maximum likelihood estimation
: d8 |9 n6 P5 z( z3 ^% I5 C% ~+ M$ s
24.4分钟概率机器学习 如何理解maximum posterior param
25.7分钟 bayesian DL 如何从Bayes角度理解深度学习
– d: g- ^8 y: l. O& }- N1 h
26.5分钟bayesian 如何理解prior分布到posterior分布的变
27.10分钟 如何直观理解bayes rule建模公式
28.3分钟ML 如何理解数据的稀疏行sparsity
29.1分钟版GoogleNet inception
30.1分钟版Transfer learning
: O0 |- j5 x/ z7 A/ c& x$ e
31.1分钟版机器视觉的现状
) T9 b# m; j7 x) F
32.3分钟 如何理解一个模型完成多任务的物体识别
33.2分钟CNN 如何用landmark detection 来完成人脸识别
34.7分钟如何用CNN模型与sliding window完成对大图片中小物体的
/ g# r/ D7 s. F) z( H9 i: I" v/ @
35.5分钟YOLO模型是如何识别物体类别和计算方框的
& |8 m, X' `) [9 B$ {* d& W0 u
36.4分钟为什么将数据映射到新维度上能产生新知识新发现
37.2分钟如何理解one shot learning解决人脸辨识
38.1分钟Siamese network
39.9分钟triplet loss的意义和构造
– d% _' y0 b& \3 ], M" w
40.4分钟如何用siamese network 和logistic regre
$ ]2 l# ~- }: ^3 w; Y# e2 N
41.8分钟如何理解neural style transfer的模型和损失函数

抱歉,此资源仅限VIP下载,请先
本资源为虚拟可复制性产品,购买后不允许退款,谢谢您的支持!如遇链接失效,请添加客服QQ:3197428804 索取新的链接
此资源仅对VIP开放下载
下载说明:本资源为虚拟可复制性产品,购买后不允许退款,谢谢您的支持!如遇链接失效,请添加客服QQ:3197428804 索取新的链接
0

评论0

请先

没有账号? 忘记密码?