课程介绍：
BZ-人工智能训练营是一门专门针对人工智能领域的培训课程。该训练营旨在帮助学习者掌握人工智能的基础知识和技能，包括机器学习、深度学习、自然语言处理等方面的内容。通过系统的学习和实践项目，学员可以在人工智能领域获得扎实的技术能力和应用能力。该训练营通常由专业的导师和教学团队组成，提供在线或线下的学习方式，帮助学员快速入门和深入学习人工智能技术。
课程目录：
├──人工智能5天入门训练营
| └──视频
| | ├──01_人工智能就业前景与薪资.mp4 49.38M
| | ├──02_人工智能适合人群与必备技能.mkv 47.37M
| | ├──03_人工智能时代是发展的必然.mp4 25.61M
| | ├──04_人工智能在各领域的应用.mp4 61.77M
| | ├──05_人工智能常见流程.mkv 83.88M
| | ├──06_机器学习不同的学习方式.mkv 72.54M
| | ├──07_深度学习比传统机器学习有优势.mkv 75.32M
| | ├──08_有监督机器学习任务与本质.mp4 37.24M
| | ├──09_无监督机器学习任务与本质.mp4 48.91M
| | ├──10_理解简单线性回归.mp4 27.98M
| | ├──11_最优解_损失函数_MSE.mp4 34.83M
| | ├──12_扩展到多元线性回归.mp4 26.65M
| | ├──13_理解多元线性回归表达式几种写法的原因.mp4 37.58M
| | ├──14_理解维度这个概念.mp4 37.11M
| | ├──15_理解回归一词_中心极限定理_正太分布和做预测.mp4 61.53M
| | ├──16_假设误差服从正太分布_最大似然估计MLE.mp4 42.35M
| | ├──17_引入正太分布的概率密度函数.mp4 26.36M
| | ├──18_明确目标通过最大总似然求解θ.mp4 25.88M
| | ├──19_对数似然函数_推导出损失函数MSE.mp4 39.75M
| | ├──20_把目标函数按照线性代数的方式去表达.mp4 22.09M
| | ├──21_推导出目标函数的导函数形式.mp4 39.83M
| | ├──22_θ解析解的公式_是否要考虑损失函数是凸函数.mp4 58.01M
| | ├──23_Python开发环境版本的选择及下载.mp4 46.00M
| | ├──24_Anaconda环境安装_Pycharm环境安装.mp4 64.55M
| | ├──25_Pycharm创建脚本并测试python开发环境.mp4 26.27M
| | ├──26_解析解的方式求解多元线性回归_数据Xy.mp4 30.66M
| | ├──27_解析解的方式求解多元线性回归_求解模型_使用模型_绘制图形.mp4 39.16M
| | ├──28_解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换.mp4 30.05M
| | ├──29_Scikit-learn模块的介绍.mp4 29.99M
| | ├──30_调用Scikit-learn中的多元线性回归求解模型(上).mp4 24.35M
| | ├──31_调用Scikit-learn中的多元线性回归求解模型(下).mp4 34.52M
| | ├──32_梯度下降法产生的目的和原因以及思想.mp4 53.73M
| | ├──33_梯度下降法公式.mp4 50.85M
| | ├──34_学习率设置的学问_全局最优解.mp4 47.99M
| | ├──35_梯度下降法迭代流程总结.mp4 24.60M
| | ├──36_多元线性回归下的梯度下降法.mp4 38.45M
| | ├──37_全量梯度下降.mp4 59.04M
| | ├──38_随机梯度下降_小批量梯度下降.mp4 43.98M
| | ├──39_对应梯度下降法的问题和挑战.mp4 42.22M
| | ├──40_轮次和批次.mp4 50.90M
| | ├──41_代码实现全量梯度下降第1步和第2步.mp4 20.15M
| | ├──42_代码实现全量梯度下降第3步和第4步.mp4 26.11M
| | ├──43_代码实现随机梯度下降.mp4 21.62M
| | ├──44_代码实现小批量梯度下降.mp4 22.83M
| | ├──45_代码改进保证训练数据全都能被随机取到.mp4 23.94M
| | └──46_代码改进实现随着迭代增加动态调整学习率.mp4 34.35M
├──人工智能之快速入门与线性回归
| └──视频
| | ├──01_五天实训的内容_人工智能应用.mp4 181.00M
| | ├──02_AI的流程_ML和DL关系_回归、分类、聚类、降维的本质.mp4 164.27M
| | ├──03_线性回归的表达式_损失函数MSE.mp4 127.19M
| | ├──04_推导出多元线性回归的损失函数.mp4 203.15M
| | ├──05_从MSE到θ的解析解形式.mp4 83.50M
| | ├──06_安装Anaconda和PyCharm运行和开发软件.mp4 70.53M
| | ├──07_python代码实现多元线性回归解析解的求解方法.mp4 77.19M
| | ├──08_梯度下降法的步骤_公式.mp4 119.11M
| | └──09_根据损失函数MSE推导梯度的公式.mp4 70.57M
├──人工智能之人脸识别与目标检测、语义分割
| └──视频
| | ├──01_作业的讲解_知识的回顾.mp4 65.84M
| | ├──02_人脸识别的架构流程分析.mp4 120.48M
| | ├──03_FaceNet论文_架构_三元组损失.mp4 258.24M
| | ├──04_MTCNN论文_架构_损失函数.mp4 130.11M
| | ├──05_facenet-master项目的下载和导入.mp4 76.42M
| | ├──06_人脸识别项目代码_实操作业要求.mp4 372.07M
| | ├──07_FasterRCNN目标检测口罩项目展示_图片标注工具labelimg的使用.mp4 178.23M
| | ├──08_FasterRCNN论文_架构_思想.mp4 353.63M
| | └──09_MaskRCNN的架构_思想_蒙版弹幕项目效果.mp4 163.40M
├──人工智能之神经网络与TensorFlow
| └──视频
| | ├──01_作业讲解_回顾昨日知识.mp4 88.83M
| | ├──02_打鸡血_聊一下图像算法工程师就业薪资水平.mp4 154.82M
| | ├──03_NN神经元_常用的3种激活函数_NN理解LR做多分类.mp4 103.06M
| | ├──04_讲解Softmax回归算法.mp4 111.03M
| | ├──05_多层神经网络的好处_隐藏层的激活函数必须是非线性的原因.mp4 90.54M
| | ├──06_TensorFlow对于CPU版本的安装.mp4 62.85M
| | ├──07_TensorFlow对于GPU版本的安装.mp4 109.37M
| | ├──08_TensorFlow实现多元线性回归预测房价.mp4 198.36M
| | └──09_TensorFlow实现Softmax回归分类MNIST手写数字识别.mp4 123.55M
├──人工智能之图像识别与图像分割
| └──视频
| | ├──01_TensorFlow实现DNN分类MNIST手写数字识别.mp4 223.46M
| | ├──02_卷积神经网络卷积层_卷积的计算.mp4 112.61M
| | ├──03_池化的计算_SAME和VALID模式_经典CNN结构.mp4 78.50M
| | ├──04_TensorFlow实训CNN分类MNIST手写数字识别.mp4 179.12M
| | ├──05_VGG16网络模型_数据增强_COVID19医疗图片的识别.mp4 224.21M
| | ├──06_U-Net网络模型_细胞核数据的读取.mp4 206.51M
| | └──07_U-Net网络进行细胞核切分的训练代码.mp4 97.14M
└──人工智能之线性回归优化与逻辑回归
| └──视频
| | ├──01_利用GD来求解多元线性回归的最优解.mp4 106.63M
| | ├──02_归一化.mp4 219.45M
| | ├──03_正则化.mp4 137.35M
| | ├──04_ScikitLearn介绍_岭回归的本质_Lasso回归的本质.mp4 104.90M
| | ├──05_多项式回归_保险花销预测案例.mp4 250.14M
| | ├──06_基于保险案例进行更多的数据的EDA.mp4 80.69M
| | ├──07_逻辑回归表达式的推导_逻辑回归损失函数的推导.mp4 116.54M
| | └──08_逻辑回归代码实战Iris二分类和多分类任务.mp4 92.65M
