Optimization on Convex and Non-Convex - VideoAndMovie

使用python自动求导求积分解方程！安利一个库sympy

18:09

使用python自动求导求积分解方程！安利一个库sympy

机器学习中的一阶算法 1 Acelerated First Order Optimization Methods

58:48

机器学习中的一阶算法 1 Acelerated First Order Optimization Methods

P26 课时60 Early stopping, dropout等

14:21

P26 课时60 Early stopping, dropout等

P25 课时59 动量与学习率衰减

13:59

P25 课时59 动量与学习率衰减

P24 课时58 Regularization

11:22

P24 课时58 Regularization

P23 课时57 交叉验证 2

7:40

P23 课时57 交叉验证 2

P22 课时56 交叉验证 1

11:47

P22 课时56 交叉验证 1

P21 课时55 过拟合与欠拟合

14:25

P21 课时55 过拟合与欠拟合

P20 课时54 Visdom可视化

13:09

P20 课时54 Visdom可视化

P19 课时53 MNIST测试实战

12:02

P19 课时53 MNIST测试实战

P18 课时52 激活函数与GPU加速

11:39

P18 课时52 激活函数与GPU加速

P17 课时50 多分类问题实战

8:27

P17 课时50 多分类问题实战

P16 课时49 交叉熵 2

9:28

P16 课时49 交叉熵 2

P15 课时48 交叉熵 1

9:07

P15 课时48 交叉熵 1

P14 课时47 Logistic Regression

14:14

P14 课时47 Logistic Regression

P13 课时46 优化问题实战

8:56

P13 课时46 优化问题实战

P12 课时45 反向传播算法 2

7:02

P12 课时45 反向传播算法 2

P11 课时44 反向传播算法 1

12:45

P11 课时44 反向传播算法 1

P10 课时43 链式法则

11:32

P10 课时43 链式法则

P9 课时42 感知机的梯度推导 2

13:17

P9 课时42 感知机的梯度推导 2

P8 课时41 感知机的梯度推导 1

13:36

P8 课时41 感知机的梯度推导 1

P7 课时40 激活函数与Loss的梯度 4

11:58

P7 课时40 激活函数与Loss的梯度 4

P6 课时39 激活函数与Loss的梯度 3

6:47

P6 课时39 激活函数与Loss的梯度 3

P5 课时38 激活函数与Loss的梯度 2

8:54

P5 课时38 激活函数与Loss的梯度 2

P4 课时37 激活函数与Loss的梯度 1

13:54

P4 课时37 激活函数与Loss的梯度 1

P3 课时36 常见函数的梯度

7:19

P3 课时36 常见函数的梯度

P2 课时35 什么是梯度 2

14:17

P2 课时35 什么是梯度 2

P1 课时34 什么是梯度 1

10:20

P1 课时34 什么是梯度 1

使用原生 Python 实现 RAG with Ollama

37:58

使用原生 Python 实现 RAG with Ollama

第11章排队论3

41:24

第11章排队论3