咕泡学院-机器学习入门训练营

📁 咕泡学院-机器学习入门训练营
📁 7-往期直播课程回放
📁 5-综合实训项目与模型优化
📁 6-人工智能-必备数学课程（选修部分）
📁 4-机器学习基础理论与算法
📁 3-机器学习基础知识
📁 1-直播回放（加密暂无）
📁 2-python编程基础
📁 2-NumPy高效数据处理：让数据操作快人一步
📁 3-数据可视化实战：用Python绘制专业图表
📁 4-机器学习基础：从零构建你的“机器学习框架”
📁 5-集成学习：从单一模型到“超级模型”的进化之路
📁 6-集成学习实战：使用集成学习解决各行业问题
📄 5-综合实训项目与模型优化.exe
📄 4-机器学习基础理论与算法.exe
📁 10-10.熵与激活函数
📁 16-16.贝叶斯分析
📁 14-14.方差分析
📁 7-7.概率论基础
📁 12-12.假设检验
📁 4-4.线性代数基础
📁 5-5.特征值与矩阵分解
📁 8-8.数据科学你得知道的几种分布
📁 2-2.微积分
📁 6-6.随机变量
📁 15-15.聚类分析
📁 13-13.相关分析
📁 9-9.核函数变换
📁 3-3.泰勒公式与拉格朗日
📁 11-11.回归分析
📁 1-1.高等数学基础
📄 1-NumPy高效数据处理：让数据操作快人一步.mp4
📁 5-Python列表
📁 1-Python、PyCharm安装与配置（Python和anaconda二者选一即可）
📁 2-anaconda环境安装和搭建
📁 3-Python简介
📁 6-Python元组
📁 4-Python数据类型
📄 7-20.exe
📁 1-机器学习概述
📄 2-4.exe
📄 1-集成学习实战：使用集成学习解决各行业问题.mp4
📄 1-集成学习：从单一模型到“超级模型”的进化之路.mp4
📄 1-机器学习基础：从零构建你的“机器学习框架”.mp4
📄 1-数据可视化实战：用Python绘制专业图表.mp4
📄 3-3-激活函数.mp4
📄 2-2-熵的大小意味着什么.mp4
📄 1-1-熵的概念.mp4
📄 4-4-激活函数的问题.mp4
📄 11-11-马尔科夫不等式.mp4
📄 14-14-贝叶斯拼写纠错实例.mp4
📄 6-6-二维离散型随机变量.mp4
📄 1-1-概率与频率.mp4
📄 5-5-独立性.mp4
📄 12-12-切比雪夫不等式.mp4
📄 7-7-二维连续型随机变量.mp4
📄 8-8-边缘分布.mp4
📄 2-2-古典概型.mp4
📄 3-3-条件概率.mp4
📄 13-13-后验概率估计.mp4
📄 15-15-垃圾邮件过滤实例.mp4
📄 4-4-条件概率小例子.mp4
📄 9-9-期望.mp4
📄 10-10-期望求解.mp4
📄 1-1-方差分析概述.mp4
📄 5-5-多因素方差分析.mp4
📄 4-4-方差分析中的多重比较.mp4
📄 6-6-Python方差分析实例.mp4
📄 2-2-方差的比较.mp4
📄 3-3-方差分析计算方法.mp4
📄 8-8-贝叶斯解释.mp4
📄 7-7-垃圾邮件过滤实例.mp4
📄 12-12-模型诊断.mp4
📄 4-4-贝叶斯算法概述.mp4
📄 2-2-概率的解释.mp4
📄 9-9-经典求解思路.mp4
📄 1-1-贝叶斯分析概述.mp4
📄 10-10-MCMC概述.mp4
📄 3-3-贝叶斯学派与经典统计学派的争论.mp4
📄 5-5-贝叶斯推导实例.mp4
📄 6-6-贝叶斯拼写纠错实例.mp4
📄 11-11-PYMC3概述.mp4
📄 13-13-模型决策.mp4
📄 2-2-特征空间与应用.mp4
📄 4-4-特征值分解.mp4
📄 3-1-SVD要解决的问题.mp4
📄 5-5-SVD矩阵分解.mp4
📄 1-1-特征值与特征向量.mp4
📄 3-3-泊松分布.mp4
📄 2-2-二项式分布.mp4
📄 5-5-卡方分布.mp4
📄 1-1-正态分布.mp4
📄 6-6-beta分布.mp4
📄 4-4-均匀分布.mp4
📄 6-6-内积与正交.mp4
📄 1-1-行列式概述.mp4
📄 5-5-矩阵的秩.mp4
📄 3-3-矩阵基本操作.mp4
📄 2-2-矩阵与数据的关系.mp4
📄 4-4-矩阵的几种变换.mp4
📄 7-7-T检验应用条件.mp4
📄 11-11-Python卡方检验实例.mp4
📄 10-10-Python假设检验实例.mp4
📄 3-3-Z检验基本原理.mp4
📄 6-6-T检验实例.mp4
📄 4-4-Z检验实例.mp4
📄 1-1-假设检验基本思想.mp4
📄 5-5-T检验基本原理.mp4
📄 2-2-左右侧检验与双侧检验.mp4
📄 9-9-假设检验中的两类错误.mp4
📄 8-8-卡方检验.mp4
📄 7-7-偏相关与复相关.mp4
📄 1-1-相关分析概述.mp4
📄 5-5-肯德尔系数.mp4
📄 4-4-斯皮尔曼等级相关.mp4
📄 3-3-计算与检验.mp4
📄 2-2-皮尔森相关系数.mp4
📄 6-6-质量相关分析.mp4
📄 5-5-极大似然估计.mp4
📄 3-3-简单随机抽样.mp4
📄 2-2-连续型随机变量.mp4
📄 4-4-似然函数.mp4
📄 1-1-离散型随机变量.mp4
📄 3-3-定积分.mp4
📄 5-5-牛顿-莱布尼茨公式.mp4
📄 1-1-微积分基本想法.mp4
📄 2-2-微积分的解释.mp4
📄 4-4-定积分性质.mp4
📄 1-1-层次聚类概述.mp4
📄 9-5-3-DBSCAN可视化展示.mp4
📄 4-4-1-KMEANS算法概述.mp4
📄 11-6-2-聚类案例实战.mp4
📄 10-6-1-多种聚类算法概述.mp4
📄 8-5-2-DBSCAN工作流程.mp4
📄 3-3-层次聚类实例.mp4
📄 7-5-1-DBSCAN聚类算法.mp4
📄 2-2-层次聚类流程.mp4
📄 6-4-3-KMEANS迭代可视化展示.mp4
📄 5-4-2-KMEANS工作流程.mp4
📄 6-6-参数的影响.mp4
📄 5-5-高斯核函数.mp4
📄 3-3-多项式核函数.mp4
📄 4-4-核函数实例.mp4
📄 1-1-核函数的目的.mp4
📄 2-2-线性核函数.mp4
📄 6-6-求解拉格朗日乘子法.mp4
📄 1-1-泰勒公式出发点.mp4
📄 5-5-拉格朗日乘子法.mp4
📄 4-4-阶乘的作用.mp4
📄 3-3-阶数的作用.mp4
📄 2-2-一点一世界.mp4
📄 6-5-偏导数.mp4
📄 7-6-方向导数.mp4
📄 5-4-连续性与导数.mp4
📄 4-3-无穷小与无穷大.mp4
📄 1-0-课程简介.mp4
📄 8-7-梯度.mp4
📄 2-1-函数.mp4
📄 3-2-极限.mp4
📄 3-3-误差项的定义.mp4
📄 8-8-Python工具包介绍.mp4
📄 9-9-statsmodels回归分析.mp4
📄 14-14-案例：预处理问题.mp4
📄 7-7-多元与曲线回归问题.mp4
📄 13-13-案例：特征相关性.mp4
📄 4-4-最小二乘法推导与求解.mp4
📄 1-1-回归分析概述.mp4
📄 5-5-回归方程求解小例子.mp4
📄 6-6-回归直线拟合优度.mp4
📄 15-15-案例：回归求解.mp4
📄 12-12-案例：缺失值填充.mp4
📄 2-2-回归方程定义.mp4
📄 10-10-高阶与分类变量实例.mp4
📄 11-11-案例：汽车价格预测任务概述.mp4
📄 1-Python简介.mp4
📄 1-anaconda环境安装和搭建.mp4
📄 1-Python列表.mp4
📄 1-1-Python环境配置.mp4
📄 2-什么是机器学习？.mp4
📄 3-机器学习开发流程.mp4
📄 1-人工智能概述.mp4
📄 1-Python元组.mp4
📄 1-Python数据类型.mp4