[黑马程序员]智能机器人软件开发 无基础小白也能学会的人工智能课 - 带源码课件 夸克网盘资源

• group(1).png
• 05_knn算法入门.mp4
• 17_代码增加一个维度.mp4
• 24_数据的归一化和标准化.mp4
• 12_调参选取最优的k.mp4
• 20_向量和向量的运算.mp4
• 04_数据采集方式.mp4
• 21_概念总结.mp4
• 16_二维空间距离的计算.mp4
• 19_knn的feature的选择.mp4
• 00_为什么要学习数学(1).mp4
• 11_生成测试和训练数据集.mp4
• 09_实验演示验证结论.mp4
• 10_评估模型好坏的方法,训练集和测试集.mp4
• 02_feature和label.mp4
• 14_numpy加载特殊数据.mp4
• 23_ 房价预测简单框架.mp4
• 22_使用矩阵和向量实现knn.mp4
• 附:问题1.mp4
• 12_Python代码实现梯度下降_ev.mp4
• 07_求导简单入门_ev.mp4
• 03_Excel进行线性回归_ev.mp4
• 05_excle来简单理解梯度下降_ev.mp4
• 01_线性回归和Knn.mp4
• 13_代码测试生成m和b_ev.mp4
• 04_损失函数和最小均方差_ev.mp4
• 06_梯度下降的问题分析_ev.mp4
• 02_线性回归解决什么问题_ev.mp4
• 01_自然底数和sigmod函数.mp4
• 11_手写数字bug处理_ev.mp4
• 17_线性模型和非线性模型_ev.mp4
• 06_多分类问题softmax公式_ev.mp4
• 18_交叉熵cross-entropy_ev.mp4
• 14_多层神经网络演示_ev.mp4
• 17_位图和svg图的区别_ev.mp4
• 03_简单理解矩阵运算的现实含义_ev.mp4
• 24_逻辑回归的步骤.mp4
• 09_矩阵运算计算m和b的偏导数_ev.mp4
• 16_bmp是如何描述图片的_ev.mp4
• 14_函数模型的评估和错误率的计算_ev.mp4
• 08_用numpy进行矩阵的乘法运算_ev.mp4
• 23_sigmod函数引入_ev.mp4
• 21_图形变换综合案例_ev.mp4
• 15_矩阵可以理解为一个变化函数_ev.mp4
• 07_矩阵的乘法不满足交换律_ev.mp4
• 12_对比程序执行的时间_ev.mp4
• [黑马程序员]智能机器人软件开发 无基础小白也能学会的人工智能课 - 带源码课件
• day1

分享时间

2026-08-04

入库时间

2026-08-04

资源类型

夸克网盘

分享用户

大橘*

扫码获取资源