mksz408 - JavaScript玩转机器学习 打造你人生中的第一个AI项目

课程目录

第10章 使用卷积神经网络（CNN）识别手写数字/
10-1 使用卷积神经网络识别手写数字任务简介(微信-rmshou-收集整理).mp4
10-2 加载 MNIST 数据集(微信-rmshou-收集整理).mp4
10-3 定义模型结构：卷积神经网络(微信-rmshou-收集整理).mp4
10-4 训练模型(微信-rmshou-收集整理).mp4
10-5 进行预测(微信-rmshou-收集整理).mp4
第11章 使用预训练模型进行图片分类/
11-1 使用预训练模型进行图片分类任务简介(微信-rmshou-收集整理).mp4
11-2 加载 MobileNet 模型(微信-rmshou-收集整理).mp4
11-3 进行预测(微信-rmshou-收集整理).mp4
第12章 基于迁移学习的图像分类器：商标识别/
12-1 基于迁移学习的图像分类器：商标识别任务简介(微信-rmshou-收集整理).mp4
12-2 加载商标训练数据并可视化(微信-rmshou-收集整理).mp4
12-3 定义模型结构：截断模型+双层神经网络(微信-rmshou-收集整理).mp4
12-4 迁移学习下的模型训练(微信-rmshou-收集整理).mp4
12-5 迁移学习下的模型预测(微信-rmshou-收集整理).mp4
第13章 使用预训练模型进行语音识别/
13-1 使用预训练模型进行语音识别任务简介(微信-rmshou-收集整理).mp4
13-2 加载预训练语音识别模型(微信-rmshou-收集整理).mp4
13-3 进行语音识别(微信-rmshou-收集整理).mp4
第14章 基于迁移学习的语音识别器：声控轮播图/
14-1 基于迁移学习的语音识别器：声控轮播图(微信-rmshou-收集整理).mp4
14-2 在浏览器中收集中文语音训练数据(微信-rmshou-收集整理).mp4
14-3 语音识别迁移学习的训练和预测(微信-rmshou-收集整理).mp4
14-4 语音训练数据的保存和加载(微信-rmshou-收集整理).mp4
14-5 声控轮播图(微信-rmshou-收集整理).mp4
第15章 Python 与 JavaScript 模型互转/
15-1 Python 与 JavaScript 模型互转任务简介(微信-rmshou-收集整理).mp4
15-2 安装 Tensorflow.js Converter(微信-rmshou-收集整理).mp4
15-3 Python 与 JavaScript 模型互转(微信-rmshou-收集整理).mp4
15-4 JavaScript 模型的互转：分片、量化、加速(微信-rmshou-收集整理).mp4
第16章 课程总结/
16-1 -回顾与总结(微信-rmshou-收集整理).mp4
第1章 课程导学/
1-1 《想要入门AI的同学都应该看一看》课程导学(微信-rmshou-收集整理).mp4
第2章 机器学习与神经网络简介/
2-1 机器学习简介(微信-rmshou-收集整理).mp4
2-2 神经网络简介(微信-rmshou-收集整理).mp4
2-3 神经网络的训练(微信-rmshou-收集整理).mp4
第3章 Tensorflow.js 简介/
3-1 Tensorflow.js 简介(微信-rmshou-收集整理).mp4
3-2 安装 Tensoflow.js(微信-rmshou-收集整理).mp4
3-3 为何要用 Tensor(微信-rmshou-收集整理).mp4
第4章 线性回归/
4-1 线性回归任务简介(微信-rmshou-收集整理).mp4
4-2 准备、可视化训练数据(微信-rmshou-收集整理).mp4
4-3 定义模型结构：单层单个神经元组成的神经网络(微信-rmshou-收集整理).mp4
4-4 损失函数：均方误差(微信-rmshou-收集整理).mp4
4-5 优化器：随机梯度下降(微信-rmshou-收集整理).mp4
4-6 训练模型并可视化训练过程(微信-rmshou-收集整理).mp4
4-7 进行预测(微信-rmshou-收集整理).mp4
第5章 归一化/
5-1 归一化任务简介(微信-rmshou-收集整理).mp4
5-2 归一化训练数据(微信-rmshou-收集整理).mp4
5-3 训练、预测、反归一化(微信-rmshou-收集整理).mp4
第6章 逻辑回归/
6-1 逻辑回归任务简介(微信-rmshou-收集整理).mp4
6-2 加载二分类数据(微信-rmshou-收集整理).mp4
6-3 定义模型结构：带有激活函数的单个神经元(微信-rmshou-收集整理).mp4
6-4 损失函数：对数损失（log loss）(微信-rmshou-收集整理).mp4
6-5 训练模型并可视化训练过程(微信-rmshou-收集整理).mp4
6-6 进行预测(微信-rmshou-收集整理).mp4
6-7 （选修）二分类数据集生成函数源码剖析(微信-rmshou-收集整理).mp4
第7章 多层神经网络/
7-1 多层神经网络任务简介(微信-rmshou-收集整理).mp4
7-2 加载 XOR 数据集(微信-rmshou-收集整理).mp4
7-3 定义模型结构：多层神经网络(微信-rmshou-收集整理).mp4
7-4 训练模型并预测(微信-rmshou-收集整理).mp4
第8章 多分类/
8-1 任务简介、主要步骤、前置条件(微信-rmshou-收集整理).mp4
8-2 加载iris数据集（训练集与验证集）(微信-rmshou-收集整理).mp4
8-3 定义模型结构：带有softmax的多层神经网络(微信-rmshou-收集整理).mp4
8-4 训练模型：交叉熵损失函数与准确度度量(微信-rmshou-收集整理).mp4
8-5 多分类预测方法(微信-rmshou-收集整理).mp4
8-6 （选修）IRIS数据集生成函数源码剖析(微信-rmshou-收集整理).mp4
8-7 （选修）IRIS 数据集生成函数源码剖析(微信-rmshou-收集整理).mp4
同类型课程.jpg
第9章 欠拟合与过拟合/
9-1 欠拟合与过拟合任务简介(微信-rmshou-收集整理).mp4
9-2 加载带有噪音的二分类数据集(微信-rmshou-收集整理).mp4
9-3 使用简单神经网络演示欠拟合(微信-rmshou-收集整理).mp4
9-4 使用复杂神经网络演示过拟合(微信-rmshou-收集整理).mp4
9-5 过拟合应对法：早停法、权重衰减、丢弃法(微信-rmshou-收集整理).mp4
课程资料/
代码资料.zip
核对章节.txt