马士兵 - 做架构必知的人工智能
来自 网络整理·免费领取学习资源
6,032 领取 · 5,284 收藏更新于 2026年9月20日
这份资料来自网络整理2026年的付费VIP课，内容以视频为主，对应《马士兵 - 做架构必知的人工智能》。官网需要单独购买，有集上可以免费领取。
资源介绍：
人工智能是 计算机 科学的一个分支，它企图了解智能的实质，并生产出一种新的能以 人类智能 相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和 专家系统 等
课程目录
- 01-人工智能概述和特征提取
- 02-线性回归1-第一个模型，用来进行数值预测
- 03-线性回归2-从傻瓜到智能，梯度下降法学习法
- 04-线性回归3-突破瓶颈，模型效果的提升
- 05-逻辑回归1-猛将起于卒伍，工业环境下的分类模型
- 06-逻辑回归2-损失函数推到解析和特征选择优化
- 07-逻辑回归3-到底好不好_模型评价指标讲解
- 08-逻辑回归4-让模型看的更准更稳，正则优化
- 09-逻辑回归5-让学习更高效，数值优化和一只看不见的手
- 10-朴素贝叶斯模型-简单背后蕴含的有效
- 11-支持向量机SVM1-曾经的分类王者
- 12-SVM2-昔日辉煌，传统方法顶峰详解
- 13-分类器背后的秘密和机器学习三大定律
包含内容
- · 01-人工智能概述和特征提取
- · 02-线性回归1-第一个模型，用来进行数值预测
- · 03-线性回归2-从傻瓜到智能，梯度下降法学习法
- · 04-线性回归3-突破瓶颈，模型效果的提升
- · 05-逻辑回归1-猛将起于卒伍，工业环境下的分类模型
- · 06-逻辑回归2-损失函数推到解析和特征选择优化
- · 07-逻辑回归3-到底好不好_模型评价指标讲解
- · 08-逻辑回归4-让模型看的更准更稳，正则优化
贡献者
Jason
白银
学习社区
1 人正在学习
AI 工具与应用交流
交流 AI 提问、写作、绘图与应用开发，分享使用问题、实践方法和结果核对经验。