視頻介紹

       本課作為深度學習系列課程的第一階段，介紹機器學習的基本概念，原理，以及常用算法（如決策樹，支持向量機，神經網絡算法等）。以Python語言為工具對每種算法進行結合實例講解。學生學完本課程后將會理解機器學習的常用算法原理，并會使用Python中相關的package來對實際問題進行數據預處理，分類和回歸分析。為開發機器學習相關應用打下必要基礎，同時也為學習深度學習進階課程打下必要基礎。課程版權歸屬麥子學院。課程共27課時，由講師彭亮為大家講解~

    目錄如下：

   【1】 人工智能課程介紹機器學習介紹上

   【2】人工智能課程介紹機器學習介紹下

   【3】人工智能深度學習介紹

   【4】人工智能基本概念

   【5】人工智能決策樹算法

   【6】人工智能決策樹應用

   不定期更新，敬請關注ing

• 人工智能課程介紹機器學習介紹上--深度學習之人工智能 (23:09)
• 人工智能課程介紹機器學習介紹下--深度學習之人工智能 (04:32)
• 人工智能深度學習介紹 (26:47)
• 人工智能基本概念 (34:48)
• 人工智能決策樹算法 (39:14)
• 人工智能決策樹應用 (37:28)
• 人工智能最鄰近規則分類KNN算法 (28:02)
• 人工智能最鄰近規則KNN分類應用 (31:46)
• 人工智能 支持向量機SVM上 (35:39)
• 人工智能支持向量機SVM上應用 (26:27)
• 人工智能神經網絡算法應用上 (49:50)
• 人工智能神經網絡算法應用下 (21:20)
• 人工智能簡單線性回歸上 (29:48)
• 人工智能 簡單線性回歸下 (28:01)
• 人工智能多元線性回歸 (33:53)
• 人工智能多元線性回歸應用 (29:45)
• 人工智能非線性回歸 Logistic Regression (32:33)
• 人工智能非線性回歸應用 (29:24)
• 人工智能神經網絡NN算法 (14:56:00)
• 人工智能支持向量機SVM算法下應用 (29:54)
• 人工智能 支持向量機SVM算法下 (25:08)
• 人工智能回歸中的相關度和決定系數 (32:23)
• 人工智能 回歸中的相關性和R平方值應用 (24:00)
• 人工智能 Kmeans算法 (33:20)
• 人工智能Kmeans應用 (36:05)
• 人工智能 Hierarchical clustering 層次聚類 (19:14)
• 人工智能 總結 (25:14)

• 模煳系統、模煳神經網絡及應用程序設計-上科.pdf
• 人工智能2.ppt
• BP神經網絡圖像壓縮算法乘累加單元的FPGA設計.pdf
• 神經網絡圖像壓縮算法的FPGA實現技術研究.pdf
• ? 如何使用深度神經網絡技術實現機器學習的全噪聲自動編碼器.part1
• 神經網絡控制理論（西北工業大學出版社+1997）.zip
• 人工智能與機器人創新
• 人工智能技術發展概述
• 基于BP神經網絡的仿真線設計及其FPGA實現.pdf
• 人工智能產業分析及未來發展預測