• 00:00 1.
    110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－4-1 Artificial Intelligence AI
  • 索引
  • 筆記
  • 討論
110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－4-1 Artificial Intelligence AI
長度: 05:41, 瀏覽: 527, 最近修訂: 2021-08-12
來源 : https://youtu.be/FuGzQUzTvM4
    上一篇 下一篇
    1. 知識庫
    2. ...
    3. 資科系－張家銘、彭彥璁－資料科學與深度學習
    1. 1.
      110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－宣傳影片
    2. 2.
      第一單元：線性回歸模型
      1. 2.1
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－1-1 線性回歸模型介紹
      2. 2.2
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－1-2-1 線性回歸模型利用 R 語言-1
      3. 2.3
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－1-2-2 線性回歸模型利用 R 語言-2
      4. 2.4
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－1-3 計算線性回歸模型參數
      5. 2.5
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－1-4 評估參數的正確性
      6. 2.6
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－1-5 計算參數統計顯著
    3. 3.
      第二單元：羅吉斯回歸模型
      1. 3.1
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－2-1 羅吉斯回歸與線性回歸連結
      2. 3.2
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－2-2 羅吉斯轉換
      3. 3.3
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－2-3 如何解讀回歸參數
      4. 3.4
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－2-4 羅吉斯回歸進階應用
      5. 3.5
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－2-5 多重回歸與多個單一回歸的差別
    4. 4.
      第三單元：回歸模型進階應用
      1. 4.1
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－3-1 回歸模型進階課題
      2. 4.2
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－3-2 非線性課題
      3. 4.3
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－3-3 不尋常值偵測
      4. 4.4
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－3-4 特徵相依性
      5. 4.5
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－3-5-1 回答商業需求-1
      6. 4.6
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－3-5-2 回答商業需求-2
    5. 5.
      第四單元：何謂人工智慧
      1. 5.1
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－4-1 Artificial Intelligence AI
      2. 5.2
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－4-2 人工智慧與機器學習及深度學習關係
      3. 5.3
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－4-3-1 General Deep Learning Framework 常見的深度學習架構
      4. 5.4
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－4-3-2 Regularization 正則化
      5. 5.5
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－4-3-3 Different Type of Learning 不同的學習方式
      6. 5.6
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－4-3-4 Regression vs Classification 回歸 vs 分類
      7. 5.7
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－4-3-5-1 Optimization and Loss Function 優化器與損失函數-1
      8. 5.8
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－4-3-5-2 Optimization and Loss Function 優化器與損失函數-2
    6. 6.
      第五單元：卷積神經網路
      1. 6.1
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－5-1 Convolutional Network 卷積網路
      2. 6.2
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－5-2 Fully Connected Layer 全連接層
      3. 6.3
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－5-3-1 Convolutional Layer 卷積層-1
      4. 6.4
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－5-3-2 Convolutional Layer 卷積層-2
      5. 6.5
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－5-4 Pooling Layer and Flatten 池化層與攤平
      6. 6.6
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－5-5 Neural Networks 類神經網路
      7. 6.7
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－5-6 Feature Extraction 特徵抽取
      8. 6.8
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－5-7-1深度學習架構介紹-1
      9. 6.9
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－5-7-2 深度學習架構介紹-2
    7. 7.
      第六單元：深度學習訓練
      1. 7.1
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－6-1-1 常用深度學習訓練技巧-1
      2. 7.2
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－6-1-2 常用深度學習訓練技巧-2
      3. 7.3
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－6-1-3 常用深度學習訓練技巧-3
      4. 7.4
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－6-2-1 進階深度學習技術介紹-1
      5. 7.5
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－6-2-2 進階深度學習技術介紹-2
      6. 7.6
        110 - 磨課師課程－張家銘、彭彥璁－資料科學與深度學習－6-2-3 進階深度學習技術介紹-3
    © Copyright since 2003 by NCCU CTLD.
    All rights reserved.