首页

投稿

72小时快速入门！小白也能学会！【浙江大学人工智能基础课】内容涵盖：基础算法学习、机器学习、支持向量机、深度学习、人工神经网络、神经网络等重点内容

2.7万

55

2025-09-09 16:07:45

未经作者授权，禁止转载

up还给大家整理了60G人工智能入门学习资源，一并发送！！！ 1、AI必读经典电子书（西瓜书、花书、鱼书等） 2、CVPR2024+2025论文库、视觉方向顶会论文仓库（可论文指导、SCI、EI、中文核心、论文答辩） 3、人工智能学习路线及大纲 4、机器学习十大算法经典视频教程（附带课件代码） 5、深度学习神经网络基础视频教程 6、六大计算机视觉实战项目视频教程（附带源码）

支持向量机

人工智能算法

董哥讲AI 发消息

视频内容均可分享，点击置顶评论蓝色字体免费领取资料！

1. 1. [1.1.1]--机器学习定义

09:39

2. 2. [1.2.1]--机器学习的分类

10:53

3. 3. [1.3.1]--机器学习算法的过程

12:40

4. 4. [1.4.1]--没有免费午餐定理

09:38

5. 5. [1.5.1]--总结

05:37

6. 6. [2.1.1]--支持向量机（线性可分定义）

09:50

7. 7. [2.2.1]--支持向量机（问题描述）

08:08

8. 8. [2.3.1]--支持向量机（优化问题）

13:34

9. 9. [2.4.1]--支持向量机（线性不可分情况）

09:33

10. 10. [2.5.1]--支持向量机（低维到高维的映射）

07:26

11. 11. [2.6.1]--支持向量机（核函数的定义）

09:47

12. 12. [2.7.1]--支持向量机（原问题和对偶问题）

08:13

13. 13. [2.8.1]--支持向量机（转化为对偶问题）

08:39

14. 14. [2.9.1]--支持向量机（算法流程）

08:27

15. 15. [2.10.1]--支持向量机（兵王问题描述）

08:01

16. 16. [2.11.1]--支持向量机（兵王问题程序设计）

08:40

17. 17. [2.12.1]--支持向量机（兵王问题MATLAB程序）

16:27

18. 18. [2.13.1]--支持向量机（识别系统的性能度量）

15:31

19. 19. [2.14.1]--支持向量机（多类情况）

09:38

20. 20. [3.1.1]--人工神经网络（神经元的数学模型）

10:14

21. 21. [3.2.1]--人工神经网络（感知器算法）

18:51

22. 22. [3.3.1]--人工神经网络（感知器算法的意义）

10:45

23. 23. [3.4.1]--人工神经网络（第一次寒冬）

09:55

24. 24. [3.5.1]--人工神经网络（多层神经网络）

14:36

25. 25. [3.6.1]--人工神经网络（梯度下降算法）

15:28

26. 26. [3.7.1]--人工神经网络（后向传播算法上）

14:03

27. 27. [3.8.1]--人工神经网络（后向传播算法下）

11:03

28. 28. [3.9.1]--人工神经网络（后向传播算法的应用）

18:23

29. 29. [3.10.1]--人工神经网络（兵王问题MATLAB程序）

10:01

30. 30. [3.11.1]--人工神经网络（参数设置）

11:45

31. 31. [4.1.1]--深度学习（历史发展）

12:21

32. 32. [4.2.1]--深度学习（自编码器）

07:20

33. 33. [4.3.1]--深度学习（卷积神经网络LENET）

16:23

34. 34. [4.4.1]--深度学习（卷积神经网络ALEXNET）

12:05

35. 35. [4.5.1]--深度学习的编程工具PYTORCH

06:21

36. 36. [4.6.1]--深度学习的编程工具Tensorflow

09:38

37. 37. [4.7.1]--深度学习的编程工具CAFFE

13:11

38. 38. [4.8.1]--深度学习（近年来流行的卷积神经网络）

11:25

39. 39. [4.9.1]--人脸识别介绍

13:58

40. 40. [4.10.1]--目标检测与分割上

12:53

41. 41. [4.11.1]--目标检测与分割下

12:01

42. 42. [4.12.1]--时间序列的深度学习模型（RNN和LSTM）

14:51

43. 43. [4.13.1]--生成对抗网络

11:49

44. 44. [5.1.1]--强化学习（Q-Learning和epsilon-greedy算法

16:52

45. 45. [5.2.1]--强化学习（深度强化学习）

09:39

46. 46. [5.3.1]--强化学习(policygradient和actor-critic

10:49

47. 47. [5.4.1]--强化学习(AlphaGo上）

13:55

48. 48. [5.5.1]--强化学习(AlphaGo下）

10:29

49. 49. [6.1.1]--ADABOOST

15:34

50. 50. [6.2.1]--人工智能中的哲学

12:40

51. 51. [6.3.1]--主成分分析

17:24

52. 52. [6.4.1]--K-均值聚类

12:21

53. 53. [6.5.1]--高斯混合模型

13:02

54. 54. 往年现场版-教科书介绍

06:32

55. 55. 成绩安排

17:45

56. 56. 概念介绍

10:21

57. 57. 这门课程的内容概述

17:37

58. 58. 没有免费午餐定理

20:42

59. 59. 支持向量机（线性模型）问题

20:06

60. 60. 支持向量机（线性模型）数学描述

38:29

61. 61. 支持向量机（线性模型）的图像展示

01:34

62. 62. 支持向量机(非线性模型)优化目标函数和限制条件

11:30

63. 63. 支持向量机（非线性模型）低维到高维映射

28:29

64. 64. 支持向量机（非线性模型）原问题和对偶问题

30:52

65. 65. 支持向量机-将支持向量机原问题转化为对偶问

57:34

66. 66. 支持向量机 – 核函数介绍

07:37

67. 67. 支持向量机的应用 -- 兵王问题（规则介绍）

10:45

68. 68. 支持向量机的应用 – 兵王问题（参数设置）

31:52

69. 69. 支持向量机的应用 – 兵王问题（测试结果）

04:24

70. 70. ROC曲线

18:20

71. 71. 支持向量机 – 处理多类问题

11:59

72. 72. 人工神经网络 – 神经元的数学模型

17:28

73. 73. 人工神经网络 – 感知器算法

38:59

74. 74. 人工神经网络 – 人工智能的第一次寒冬

15:08

75. 75. 人工神经网络 – 多层神经网络

11:45

76. 76. 人工神经网络—三层神经网络可以模拟任意决策面

15:55

77. 77. 人工神经网络—后向传播算法

01:29:56

78. 78. 人工神经网络 – 参数设置

01:22:16

79. 79. 深度学习数据库准备

18:01

80. 80. 深度学习自编码器

23:43

81. 81. 深度学习卷积神经网络LeNet

01:18:46

82. 82. 深度学习 – 卷积神经网络（AlexNet）

39:23

83. 83. 深度学习 – 编程工具（Caffe和Tensorflow）

29:33

84. 84. 深度学习 – 近年来流行的网络结构

19:07

85. 85. 深度学习 – 卷积神经网络的应用

18:41

86. 86. AlphaGo (围棋有必胜策略的证明)

08:59

87. 87. 强化学习Q-learning

01:18:09

88. 88. 强化学习(policy gradience)

19:24

89. 89. 增强学习_(AlphaGo)

23:26

90. 90. 特征提取 – 主成分分析（PCA）

01:13:05

91. 91. 特征选择 – 自适应提升（AdaBoost）

01:11:16

92. 92. 目标检测（RCNN和FCN）

57:26

93. 93. 概率分类法概述

19:55

94. 94. 概率密度估计 – 朴素贝叶斯分类器

16:42

95. 95. 概率密度估计 – 高斯密度函数

31:07

96. 96. 概率密度估计 – 高斯混合模型

03:48

97. 97. EM算法（高斯混合模型和K-均值算法）

48:45

98. 98. K-均值算法在图像压缩方面的应用

05:17

顶部