人工智能-机器学习实战视频课程（ 上篇+下篇）全套

人工智能-机器学习实战视频课程（ 上篇+下篇）全套

课程推荐

《人工智能-机器学习实战视频课程（ 上篇+下篇）全套》人工智能-机器学习实战视频课程（ 上篇+下篇）全套【技能收获】学完可掌握：Embedding 向量检索。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（116 节）

*   1-1 系列课程环境配置.mp4

*   1-2 人工智能入门指南与学习路线.mp4

*   2-1 回归问题概述.mp4

*   2-2 误差项定义.mp4

*   2-3 似然函数的作用.mp4

*   2-4 独立同分布的意义.mp4

*   2-5 参数求解.mp4

*   3-1 梯度下降通俗解释.mp4

*   3-2 参数更新方法.mp4

*   3-3 优化参数设置.mp4

*   4-1 逻辑回归算法原理.mp4

*   4-2 化简与求解.mp4

*   5-1 任务目标解读.mp4

*   5-2 项目挑战与解决方案制定.mp4

*   5-3 数据标准化处理.mp4

*   5-4 下采样数据集制作.mp4

*   5-5 交叉验证.mp4

*   5-6 数据集切分.mp4

*   5-7 模型评估方法与召回率.mp4

*   6-1 正则化惩罚项.mp4

*   6-2 训练逻辑回归模型.mp4

*   6-3 混淆矩阵评估分析.mp4

*   6-4 测试集遇到的问题.mp4

*   6-5 阈值对结果的影响.mp4

*   6-6 SMOTE样本生成策略.mp4

*   6-7 过采样效果与项目总结.mp4

*   6-8 决策树算法概述.mp4

*   6-9 熵的作用.mp4

*   6-10 信息增益原理.mp4

*   6-11 决策树构造实例.mp4

*   6-12 信息增益率与gini系数.mp4

*   6-13 预剪枝方法.mp4

*   6-14 后剪枝方法.mp4

*   6-15 回归问题解决.mp4

*   7-1 随机森林算法原理.mp4

*   7-2 随机森林优势与特征重要性指标.mp4

*   7-3 提升算法概述.mp4

*   7-4 stacking堆叠模型.mp4

*   8-1 基于随机森林的气温预测任务概述.mp4

*   8-2 基本随机森林模型建立.mp4

*   8-3 可视化展示与特征重要性.mp4

*   8-4 加入新的数据与特征.mp4

*   8-5 数据与特征对结果的影响.mp4

*   8-6 效率对比分析.mp4

*   8-7 网格与随机参数选择.mp4

*   8-8 随机参数选择方法实践.mp4

*   8-9 调参优化细节.mp4

*   9-1 贝叶斯要解决的问题.mp4

*   9-2 贝叶斯公式推导.mp4

*   9-3 拼写纠错实例.mp4

*   9-4 垃圾邮件过滤实例.mp4

*   9-5 贝叶斯实现拼写检查器.mp4

*   10-1 新闻数据与任务概述.mp4

*   10-2 中文分词与停用词过滤.mp4

*   10-3 文本关键词提取.mp4

*   10-4 词袋模型.mp4

*   10-5 贝叶斯建模结果.mp4

*   10-6 TF-IDF特征分析对比.mp4

*   11-1 集成算法实例概述.mp4

*   11-2 ROC与AUC指标.mp4

*   11-3 基础模型.mp4

*   11-4 集成实例.mp4

*   11-5 Stacking实例.mp4

*   11-6 效果改进.mp4

*   12-1 HTTP检测任务与数据挖掘的核心.mp4

*   12-2 论文的重要程度.mp4

*   12-3 BenchMark概述.mp4

*   12-4 BenchMark的作用.mp4

*   13-1 K近邻算法概述.mp4

*   13-2 模型的评估.mp4

*   13-3 数据预处理.mp4

*   13-4 sklearn库与功能介绍.mp4

*   13-5 多变量KNN模型.mp4

*   14-1 基本数值特征.mp4

*   14-2 常用特征构造手段.mp4

*   14-3 时间特征处理.mp4

*   14-4 文本特征处理.mp4

*   14-5 构造文本向量.mp4

*   14-6 词向量特征.mp4

*   14-7 计算机眼中的图像.mp4

*   15-1 线性判别分析要解决的问题.mp4

*   15-2 线性判别分析要优化的目标.mp4

*   15-3 线性判别分析求解.mp4

*   16-1 实现线性判别分析进行降维任务.mp4

*   16-2 求解得出降维结果.mp4

*   17-1 PCA降维概述.mp4

*   17-2 PCA要优化的目标.mp4

*   17-3 PCA求解.mp4

*   17-4 PCA降维实例.mp4

*   18-1 Bias与Variance曲线.mp4

*   18-2 数据集中的结果.mp4

*   18-3 曲线实验结果.mp4

*   1-1 卷积神经网络应用领域.mp4

*   1-2 卷积的作用.mp4

*   1-3 卷积特征值计算方法.mp4

*   1-4 得到特征图表示.mp4

*   1-5 步长与卷积核大小对结果的影响.mp4

*   1-6 边缘填充方法.mp4

*   1-7 特征图尺寸计算与参数共享.mp4

*   1-8 池化层的作用.mp4

*   1-9 整体网络架构.mp4

*   1-10 VGG网络架构.mp4

*   1-11 1残差网络Resnet.mp4

*   1-12 RNN网络细节.mp4

*   1-13 感受野的作用.mp4

*   2-1 NLP应用领域与任务简介.mp4

*   2-2 情感分析-项目流程解读.mp4

*   2-3 加载词向量特征.mp4

*   2-4 正负样本数据读取.mp4

*   2-5 构建LSTM网络模型.mp4

*   2-6 训练与测试效果.mp4

*   3-1 词向量模型通俗解释.mp4

*   3-2 模型整体框架.mp4

*   3-3 训练数据构建.mp4

*   3-4 CBOW与Skip-gram模型.mp4

*   3-5 负采样方案.mp4