人工智能是未来的发展方向，掌握了人工智能，就掌握了钱图。。。
Python人工智能教学之掌握机器学习深度学习并提升实战能力（共72个视频教学+课程资料）
下载地址：
链接：https://pan.baidu.com/s/1ryJd5PNx1tLDDU-Q6JFXPQ?pwd=n6o8
提取码：n6o8
--来自百度网盘超级会员V2的分享
Python人工智能教学之掌握机器学习深度学习并提升实战能力（共72个视频教学+课程资料）
├─ 第10章 迁移混合模型
│ ├─ 10-1 迁移学习（一）.mp4
│ ├─ 10-10 机器深度学习实现少样本苹果分类（二）.mp4
│ ├─ 10-11 机器深度学习实现少样本苹果分类（三）.mp4
│ ├─ 10-12 机器深度学习实现少样本苹果分类（四）.mp4
│ ├─ 10-2 迁移学习（二）.mp4
│ ├─ 10-3 在线学习.mp4
│ ├─ 10-4 混合模型1.mp4
│ ├─ 10-5 混合模型2.mp4
│ ├─ 10-6 实战准备（一）.mp4
│ ├─ 10-7 实战准备（二）.mp4
│ ├─ 10-8 基于新数据的迁移学习实战.mp4
│ └─ 10-9 机器深度学习实现少样本苹果分类（一）.mp4
├─ 第11章 课程总结
│ ├─ 11-1 课程总结（一）.mp4
│ ├─ 11-2 课程总结（二）.mp4
│ └─ 11-3 课程总结（三）.mp4
├─ 第1章 人工智能时代，人人都应该学会利用AI这个工具
│ ├─ 1-1 课程导学.mp4
│ ├─ 1-2 内容快速概览.mp4
│ ├─ 1-3 人工智能介绍.mp4
│ ├─ 1-4 环境及工具包介绍.mp4
│ ├─ 1-5 环境配置及Python语法实操.mp4
│ └─ 1-6 Pandas、Numpy、Matplotlib实操.mp4
├─ 第2章 机器学习之线性回归
│ ├─ 2-1 机器学习介绍.mp4
│ ├─ 2-2 线性回归.mp4
│ ├─ 2-3 线性回归实战准备.mp4
│ ├─ 2-4 单因子线性回归实战.mp4
│ └─ 2-5 多因子线性回归实战.mp4
├─ 第3章 机器学习之逻辑回归
│ ├─ 3-1 分类问题介绍 (2).mp4
│ ├─ 3-2 逻辑回归（1） (2).mp4
│ ├─ 3-3 逻辑回归（2） (2).mp4
│ ├─ 3-4 实战准备 (2).mp4
│ ├─ 3-5 考试通过实战（一） (2).mp4
│ ├─ 3-6 考试通过实战（二） (2).mp4
│ └─ 3-7 芯片检测实战 (2).mp4
├─ 第4章 机器学习之聚类
│ ├─ 4-1 无监督学习.mp4
│ ├─ 4-2 Kmeans-KNN-Meanshift.mp4
│ ├─ 4-3 实战准备.mp4
│ ├─ 4-4 Kmeans实战（1）.mp4
│ ├─ 4-5 Kmeans实战（2）.mp4
│ └─ 4-6 KNN-Meanshift.mp4
├─ 第5章 机器学习其他常用技术
│ ├─ 5-1 决策树（1）.mp4
│ ├─ 5-2 决策树（2）.mp4
│ ├─ 5-3 异常检测.mp4
│ ├─ 5-4 主成分分析.mp4
│ ├─ 5-5 实战准备.mp4
│ ├─ 5-6 实战（1）.mp4
│ ├─ 5-7 实战（2）.mp4
│ └─ 5-8 实战（3）.mp4
├─ 第6章 模型评价与优化
│ ├─ 6-1 过拟合与欠拟合 (2).mp4
│ ├─ 6-2 数据分离与混淆矩阵 (2).mp4
│ ├─ 6-3 模型优化 (2).mp4
│ ├─ 6-4 实战准备 (2).mp4
│ ├─ 6-5 实战（一） (2).mp4
│ ├─ 6-6 实战（二） (2).mp4
│ └─ 6-7 实战（三） (2).mp4
├─ 第7章 深度学习之多层感知器
│ ├─ 7-1 多层感知器(MLP).mp4
│ ├─ 7-2 MLP实现非线性分类.mp4
│ ├─ 7-3 实战准备.mp4
│ ├─ 7-4 实战（一）.mp4
│ └─ 7-5 实战（二）.mp4
├─ 第8章 深度学习之卷积神经网络
│ ├─ 8-1 卷积神经网络（一）.mp4
│ ├─ 8-2 卷积神经网络（二）.mp4
│ ├─ 8-3 实战准备.mp4
│ ├─ 8-4 实战（一）.mp4
│ └─ 8-5 实战（二）.mp4
├─ 第9章 深度学习之循环神经网络
│ ├─ 9-1 序列数据案例 (2).mp4
│ ├─ 9-2 循环神经网络RNN (2).mp4
│ ├─ 9-3 不同类型的RNN模型 (2).mp4
│ ├─ 9-4 实战准备 (2).mp4
│ ├─ 9-5 实战（一）RNN股价预测 (2).mp4
│ ├─ 9-6 实战（二）RNN股价预测 (2).mp4
│ ├─ 9-7 实战（一）LSTM实现文本生成 (2).mp4
│ └─ 9-8 实战（二）LSTM实现文本生成 (2).mp4
└─ 课程资料
├─ week1
│ ├─ .ipynb_checkpoints
│ ├─ basic_coding.ipynb
│ ├─ data.csv
│ └─ data_new.csv
├─ week10
│ ├─ .ipynb_checkpoints
│ ├─ 1.jpg
│ ├─ gen_data
│ ├─ model1.m
│ ├─ original_data
│ ├─ task1-transferlearning.ipynb
│ ├─ task2-vgg16-ms-apples.ipynb
│ ├─ test_data
│ ├─ train_data
│ ├─ transfer_data.csv
│ └─ transfer_data2.csv
├─ week2
│ ├─ .ipynb_checkpoints
│ ├─ generated_data.csv
│ ├─ images
│ ├─ lr_generated_data.ipynb
│ ├─ lr_house_price.ipynb
│ └─ usa_housing_price.csv
├─ week3
│ ├─ .ipynb_checkpoints
│ ├─ chip_test.csv
│ ├─ examdata.csv
│ ├─ images
│ ├─ week3_logistic_task1_exam.ipynb
│ └─ week3_logistic_task2_chip.ipynb
├─ week4
│ ├─ .ipynb_checkpoints
│ ├─ data.csv
│ └─ week4-task.ipynb
├─ week5
│ ├─ .ipynb_checkpoints
│ ├─ 1.png
│ ├─ Anomaly Detection.ipynb
│ ├─ PCA.ipynb
│ ├─ anomaly_data.csv
│ ├─ decision_tree.ipynb
│ ├─ iris_data.csv
│ └─ test.png
├─ week6
│ ├─ .ipynb_checkpoints
│ ├─ T-R-test.csv
│ ├─ T-R-train.csv
│ ├─ data_class_processed.csv
│ ├─ data_class_raw.csv
│ ├─ good_bad_classification.ipynb
│ ├─ images
│ └─ temperature_rate_regression.ipynb
├─ week7
│ ├─ .ipynb_checkpoints
│ ├─ chip_test.csv
│ ├─ data.csv
│ ├─ images
│ ├─ task-0-keras.ipynb
│ ├─ task1.ipynb
│ └─ task2-mlp-mnist.ipynb
├─ week8
│ ├─ .ipynb_checkpoints
│ ├─ 1.jpg
│ ├─ 2.jpg
│ ├─ 3.jpg
│ ├─ 4.jpg
│ ├─ 5.jpg
│ ├─ 6.jpg
│ ├─ 7.jpg
│ ├─ 8.jpg
│ ├─ 9.jpg
│ ├─ VGG16批量图片预处理.ipynb
│ ├─ cat1.jpg
│ ├─ dataset
│ ├─ dog.jpg
│ ├─ structure.JPG
│ ├─ task1-cnn-cat-dog.ipynb
│ ├─ task2-vgg-mlp.ipynb
│ └─ 多张图片预测.ipynb
└─ week9
├─ .ipynb_checkpoints
├─ flare
├─ task1-new-stock-price.ipynb
├─ task2-new-generateletter.ipynb
├─ zgpa_predict_test.csv
├─ zgpa_test.csv
├─ zgpa_train.csv
└─ 批量字符数据预处理.ipynb
