深度学习与机器学习实战课程推荐

课程

资源简介

本课程包含机器学习从基础到高级的实战内容,涵盖逻辑回归、决策树、神经网络、TensorFlow等多个热门主题,适合对人工智能领域感兴趣的学习者。

已有 5 人浏览发布 2026-04-30更新 2026-05-05

网盘直链在单次购买成功后展示;若已开通会员且在有效期内,可在右侧用每日取链次数免费获取(不另扣单篇费)。

课程简介

这是一套全面且深入的机器学习与深度学习实战课程,由九章算法团队精心打造。课程内容丰富,从基础的线性回归、逻辑回归,到高级的神经网络、TensorFlow应用,以及图像分割、NLP等前沿技术,都有详细的讲解和实践。

课程亮点

  • 系统性强:从基础到高级,循序渐进,适合不同水平的学习者。
  • 实战性强:课程包含大量实战案例,帮助学习者快速掌握技能。
  • 更新及时:紧跟人工智能领域最新发展,课程内容不断更新。

适用场景

本课程适合以下人群:

  • 对人工智能、机器学习感兴趣的学习者。
  • 希望提升自己在数据分析和机器学习领域技能的专业人士。
  • 希望从事人工智能相关工作的求职者。

📂 资源目录

📁 九章算法 - 人工智能集训营 二
    9. 线性回归 Linear Regression.mp4  [51.8 MB]
    8. Python面向对象、第三方库等介绍 Python - OOD_19307_1073.mp4  [58.8 MB]
    50. R-CNN_19307_7797.mp4  [52.8 MB]
    5. 机器学习KNN 算法实战 Machine Learning - KNN algorithm II.mp4  [49.2 MB]
    49. Face-recognition2_19307_3515.mp4  [57.2 MB]
    48. Face-recognition1_19307_8665.mp4  [52.9 MB]
    45. NLP 3 - 文本分类及机器翻译简介.mp4  [46.9 MB]
    44. 图像分割预测、结果提交及课程总结.mp4  [59.0 MB]
    41. 图像分割.mp4  [53.5 MB]
    4.机器学习KNN算法入门( Machine Learning - KNN algorithm).mp4  [39.0 MB]
    39. 强化学习4 - Deep Q Network.mp4  [57.6 MB]
    37. CNN经典网络、迁移学习及图像分割初探.mp4  [54.6 MB]
    36. 可训练参数、过拟合与正则化、数据扩充_19307_7536.mp4  [56.9 MB]
    28. 神经网络Neural Network 1_19307_7018.mp4  [54.0 MB]
    26. Tensorflow 基础 上_19307_6248.mp4  [55.6 MB]
    25. 机器学习竞赛入门 Introduction To Machine Learning Contest.mp4  [54.9 MB]
    24. Week9.Session4补录内容_19307_6389.mp4  [36.3 MB]
    21. 广告点击率预估II (Introduction to Online Advertisement System II_19307_4264.mp4  [58.3 MB]
    九章算法 - 人工智能集训营 二资料.png  [493.5 KB]
    72. 本周重难点答疑串讲_19307_7311.mp4
    69. CV项目4_19307_4199.mp4
    70. CV项目5.mp4
    68. CV项目3_19307_3164.mp4
    20. 广告系统 I-Introduction to Online Advertisement System I.mp4  [52.7 MB]
    67. CV项目2.mp4
    18. 机器学习常用算法 ML algorithms_19307_1272.mp4  [53.5 MB]
    17. 梯度提升决策树GBDT.mp4  [54.5 MB]
    66. CV项目1.mp4
    65. 本周重难点答疑串讲.mp4
    64. 人工智能集训营-课程环境配置_19307_2722.mp4
    16. 逻辑斯蒂回归III-Logistic RegressionIII.mp4  [52.9 MB]
    15. 决策树算法II-Decision Tree 2.mp4  [54.7 MB]
    14. 决策树算法I-Decision Tree 1.mp4  [63.2 MB]
    13. 逻辑斯蒂回归II-Logistic Regression II.mp4  [57.4 MB]
    1.机器学习从0到1 Introduction to Machine Learning.mp4  [60.1 MB]
    12. 逻辑斯蒂回归I-Logistic Regression I_19307_3066.mp4  [54.2 MB]
📁 九章算法 - 人工智能集训营 一
    9. 线性回归 Linear Regression_19307_3805.mp4  [51.8 MB]
    8. Python面向对象、第三方库等介绍 Python - OOD.mp4  [58.8 MB]
    50. R-CNN_19307_9637.mp4  [52.8 MB]
    5. 机器学习KNN 算法实战 Machine Learning - KNN algorithm II_19307_3161.mp4  [49.2 MB]
    5. Linear_Regression_推导.mp4  [11.3 MB]
    49. Face-recognition2_19307_5066.mp4  [57.2 MB]
    48. Face-recognition1_19307_4393.mp4  [52.9 MB]
    45. NLP 3 - 文本分类及机器翻译简介.mp4  [46.9 MB]
    44. 图像分割预测、结果提交及课程总结_19307_9206.mp4  [59.0 MB]
    41. 图像分割.mp4  [53.5 MB]
    4.机器学习KNN算法入门( Machine Learning - KNN algorithm_19307_3753.mp4  [39.0 MB]
    39. 强化学习4 - Deep Q Network_19307_2627.mp4  [57.6 MB]
    37. CNN经典网络、迁移学习及图像分割初探_19307_9277.mp4  [54.6 MB]
    36. 可训练参数、过拟合与正则化、数据扩充_19307_2181.mp4  [56.9 MB]
    28. 神经网络Neural Network 1_19307_9344.mp4  [54.0 MB]
    九章算法 - 人工智能集训营 一文档.zip  [1.8 MB]
    25. 机器学习竞赛入门 Introduction To Machine Learning Contest.mp4  [54.9 MB]
    26. Tensorflow 基础 上_19307_9883.mp4  [55.6 MB]
    72. 本周重难点答疑串讲_19307_7535.mp4
    69. CV项目4.mp4
    68. CV项目3_19307_9576.mp4
    70. CV项目5.mp4
    24. Week9.Session4补录内容.mp4  [36.3 MB]
    66. CV项目1_19307_7050.mp4
    67. CV项目2.mp4
    65. 本周重难点答疑串讲.mp4
    20. 广告系统 I-Introduction to Online Advertisement System I_19307_2097.mp4  [52.7 MB]
    21. 广告点击率预估II (Introduction to Online Advertisement System II).mp4  [58.3 MB]
    65. 本周重难点答疑串讲 - 副本_19307_4626.mp4
    64. 人工智能集训营-课程环境配置.mp4
    18. 机器学习常用算法 ML algorithms_19307_9265.mp4  [53.5 MB]
    17. 梯度提升决策树GBDT.mp4  [54.5 MB]
    16. 逻辑斯蒂回归III-Logistic RegressionIII_19307_3212.mp4  [52.9 MB]
    15. 决策树算法II-Decision Tree 2.mp4  [54.7 MB]
    14. 决策树算法I-Decision Tree 1.mp4  [63.2 MB]
    1.机器学习从0到1 Introduction to Machine Learning_19307_7109.mp4  [60.1 MB]
    13. 逻辑斯蒂回归II-Logistic Regression II.mp4  [57.4 MB]
    12. 逻辑斯蒂回归I-Logistic Regression I.mp4  [54.2 MB]