种子简介

种子名称： Machine.Learning
文件类型： 视频
文件数目： 68个文件
文件大小： 1.49 GB
收录时间： 2023-6-14 12:30
已经下载： 3次
资源热度： 38
最近下载： 2024-6-28 21:55

下载BT种子文件

下载Torrent文件(.torrent) 立即下载

磁力链接下载

magnet:?xt=urn:btih:4b26b816c0e3d9330568d7250c3121e713922157&dn=Machine.Learning 复制链接到迅雷、QQ旋风进行下载，或者使用百度云离线下载。

喜欢这个种子的人也喜欢

种子包含的文件

Machine.Learning.torrent

10. Árvores de decisão revisitada/1. Revisão sobre árvores de decisão.mp416.67MB

10. Árvores de decisão revisitada/2. Gini e entropia.mp416.32MB

10. Árvores de decisão revisitada/3. Árvores de decisão para regressão.mp413.75MB

10. Árvores de decisão revisitada/4. Decision Tree Documentação do sklearn.mp425.87MB

1. Introdução ao Machine Learning/1. O que é o Machine Learning.mp411.5MB

1. Introdução ao Machine Learning/2. Aplicações do Machine Learning.mp415.88MB

1. Introdução ao Machine Learning/3. Modelando aprendizado supervisionado.mp416.15MB

1. Introdução ao Machine Learning/4. Modelando aprendizado supervisionado exemplo.mp420.34MB

1. Introdução ao Machine Learning/5. Perspectiva do aprendizado de máquina.mp432.3MB

1. Introdução ao Machine Learning/6. Tipos de aprendizado.mp436.49MB

2. Machine Learning Tour/10. Support Vector Machine - Prós e contras.mp416.96MB

2. Machine Learning Tour/11. Machine Learning - hands on.mp448.22MB

2. Machine Learning Tour/1. kNN - Introdução.mp413.22MB

2. Machine Learning Tour/2. kNN - Prós e contras.mp418.92MB

2. Machine Learning Tour/3. Decision Tree - Introdução.mp419.03MB

2. Machine Learning Tour/4. Decision Tree - Prós e contras.mp428.95MB

2. Machine Learning Tour/5. Random Forest - Prós e contras.mp419.84MB

2. Machine Learning Tour/6. Random Forest - Introdução.mp430.15MB

2. Machine Learning Tour/7. Regressão Logística - Introdução.mp433.17MB

2. Machine Learning Tour/8. Regressão Logística - Prós e Contras.mp416.43MB

2. Machine Learning Tour/9. Support Vector Machine - Introdução.mp420.53MB

3. Projeto de ML preparando-se para jornada/1. Introdução ao pandas - pandas series.mp438.71MB

3. Projeto de ML preparando-se para jornada/2. Dataframes no pandas.mp447.44MB

3. Projeto de ML preparando-se para jornada/3. Subajuste e Sobreajuste.mp421.29MB

3. Projeto de ML preparando-se para jornada/4. Etapas projeto Machine Learning.mp444.56MB

3. Projeto de ML preparando-se para jornada/5. No Free Lunch Theorem.mp418.89MB

3. Projeto de ML preparando-se para jornada/6. Introdução à regressão.mp413.93MB

3. Projeto de ML preparando-se para jornada/7. Métricas para regressão.mp414.49MB

3. Projeto de ML preparando-se para jornada/8. Introdução ao escalonamento.mp416.18MB

3. Projeto de ML preparando-se para jornada/9. Escalonamento de atributos.mp421.43MB

4. Projeto offline de ML/10. Validação de modelos.mp432.13MB

4. Projeto offline de ML/11. Outras técnicas de validação.mp419.68MB

4. Projeto offline de ML/12. Validação de modelos no Califórnia housing.mp425.26MB

4. Projeto offline de ML/13. Teste final e características relevante no Califórnia Housing.mp416.15MB

4. Projeto offline de ML/1. Iniciando projeto.mp434.85MB

4. Projeto offline de ML/2. Obtendo e conhecendo os dados.mp426.18MB

4. Projeto offline de ML/3. Separando dados.mp438.99MB

4. Projeto offline de ML/4. Visualizando dados.mp426.49MB

4. Projeto offline de ML/5. Feature Engineering.mp49.91MB

4. Projeto offline de ML/6. Preparando dados.mp430.05MB

4. Projeto offline de ML/7. Codificando dados.mp434.4MB

4. Projeto offline de ML/8. Treinando um modelo de regressão no califórnia housing.mp425.29MB

4. Projeto offline de ML/9. Viés v.s. Variância.mp441.55MB

5. Classificação/1. Matriz de confusão, acurácia, precisão e revocação.mp430.21MB

5. Classificação/2. F1 e Fbeta score.mp422.21MB

5. Classificação/3. Log loss.mp416.56MB

5. Classificação/4. Tópicos em Multiclasse.mp416.11MB

6. Probabilidades e filtro de spam [Intermediário]/1. Axiomas de probabilidade.mp442.4MB

6. Probabilidades e filtro de spam [Intermediário]/2. Probabilidade condicional.mp48.1MB

6. Probabilidades e filtro de spam [Intermediário]/3. Probabilidade condicional exemplo 1.mp414.75MB

6. Probabilidades e filtro de spam [Intermediário]/4. Probabilidade condicional exemplo 2.mp412.39MB

6. Probabilidades e filtro de spam [Intermediário]/5. Fórmula de Bayes.mp419.5MB

6. Probabilidades e filtro de spam [Intermediário]/6. Como usar probabilidades para construir um filtro de spam.mp427.37MB

7. Formulação probabilística da regressão linear [Intermediário]/1. Regressão Linear formulação probabilística, parte I.mp426.08MB

7. Formulação probabilística da regressão linear [Intermediário]/2. Regressão Linear formulação probabilística, parte II.mp426.6MB

7. Formulação probabilística da regressão linear [Intermediário]/3. Regressão Linear formulação probabilística, parte III.mp430.34MB

7. Formulação probabilística da regressão linear [Intermediário]/4. Regressão linear & Dummy variable trap.mp422.97MB

7. Formulação probabilística da regressão linear [Intermediário]/5. Regressão linear e pseudo-inversa.mp416.41MB

7. Formulação probabilística da regressão linear [Intermediário]/6. Aproximação polinomial via regressão linear.mp421.5MB

8. Método do Gradiente/1. Gradiente Descendente em lote.mp423.72MB

8. Método do Gradiente/2. Gradiente Descendente Estocástico.mp422.41MB

8. Método do Gradiente/3. Gradiente Descendente em mini lote.mp47.82MB

8. Método do Gradiente/4. Métodos de gradiente e regressão linear tabela Comparativa.mp49.8MB

9. Técnicas de Regularização/1. Introdução a regularização.mp48.53MB

9. Técnicas de Regularização/2. Regressão Ridge.mp410.52MB

9. Técnicas de Regularização/3. Regressão Lasso.mp48.19MB

9. Técnicas de Regularização/4. Elastic Net.mp43MB

9. Técnicas de Regularização/5. Early Stop.mp44.69MB