梗直哥3套课程合集

📂 主文件夹：梗直哥3套课程合集

• 📁 包含文件：梗直哥-【机器学习必修课：经典算法与Python实战】
• 📁 梗直哥–强化学习必修课：引领智能新时代
• 📁 梗直哥–深度学习必修课：进击算法工程师
• 🎬 01-1课程内容和理念.mp4
• 🎬 01-2初识机器学习.mp4
• 🎬 01-3课程使用的技术栈.mp4
• 🎬 02-1本章总览.mp4
• 📁 02-2数据长什么样：常见数据集
• 📁 典型实例
• 🎬 如何使用.mp4
• 📁 02-3研究哪些问题：分类
• 🎬 回归等.mp4
• 📁 02-4如何分门别类：监督
• 📁 无监督
• 🎬 强化学习等.mp4
• 🎬 02-5机器学习的七大常见误区和局限.mp4
• 🎬 03-1本章总览：相互关系与学习路线.mp4
• 🎬 03-2Anaconda图形化操作.mp4
• 🎬 03-3Anaconda命令行操作.mp4
• 🎬 03-4JupyterNotebook基础使用.mp4
• 🎬 03-5JupyterNotebook高级使用：常用魔法命令.mp4
• 🎬 03-6Numpy基础：安装与性能对比.mp4
• 📁 03-7Numpy数组创建：特定数组
• 📁 等差数组
• 🎬 随机数组.mp4
• 🎬 03-8Numpy数组基础索引：索引和切片.mp4
• 🎬 03-9Numpy非常重要的数组合并与拆分操作.mp4
• 📁 03-10Numpy数组矩阵运算：一元运算
• 🎬 二元运算与矩阵运算.mp4
• 🎬 03-11Numpy数组统计运算：常用的都在这儿了.mp4
• 🎬 03-12Numpy数组arg运算和排序.mp4
• 🎬 03-13Numpy数组神奇索引和布尔索引.mp4
• 🎬 03-14Matplotlib数据可视化：基础绘制与设置.mp4
• 🎬 04-1本章总览.mp4
• 🎬 04-2KNN算法核心思想和原理.mp4
• 🎬 04-3KNN分类任务代码实现.mp4
• 🎬 04-4数据集划分：训练集与预测集.mp4
• 🎬 04-5模型评价.mp4
• 🎬 04-6超参数.mp4
• 🎬 04-7特征归一化.mp4
• 🎬 04-8KNN回归任务代码实现.mp4
• 🎬 04-9KNN优缺点和适用条件.mp4
• 🎬 05-1本章总览.mp4
• 🎬 05-2线性回归核心思想和原理.mp4
• 🎬 05-3逻辑回归核心思想和原理.mp4
• 🎬 05-4线性回归代码实现.mp4
• 📁 05-5模型评价：MSE
• 📁 RMSE
• 🎬 MAE和R方.mp4
• 🎬 05-6多项式回归代码实现.mp4
• 🎬 05-7逻辑回归算法.mp4
• 🎬 05-8线性逻辑回归代码实现.mp4
• 🎬 05-9多分类策略.mp4
• 🎬 05-10复杂逻辑回归及代码实现.mp4
• 🎬 05-11线性算法优缺点和适用条件.mp4
• 🎬 06-1本章总览.mp4
• 🎬 06-2损失函数.mp4
• 🎬 06-3梯度下降.mp4
• 🎬 06-4决策边界.mp4
• 🎬 06-5过拟合与欠拟合.mp4
• 🎬 06-6学习曲线.mp4
• 🎬 06-7交叉验证.mp4
• 🎬 06-8模型误差.mp4
• 🎬 1_1-1-课程内容和理念.mp4
• 🎬 1_2-1-线性代数.mp4
• 🎬 1_3-1-CUDA+Anaconda深度学习环境配置.mp4
• 🎬 1_4-1-序列建模与概率图模型.mp4
• 🎬 1_5-1-动态回归核心思想和原理.mp4
• 🎬 1_6-1-蒙特卡洛方法.mp4
• 🎬 1_7-1-深度Q网络核心思想和原理.mp4
• 🎬 1_8-1-策略梯度核心思想和原理.mp4
• 🎬 1_9-1-演员评论家算法核心思想和原理.mp4
• 🎬 1_10-1-基于模型的强化学习核心思想和原理.mp4
• 🎬 1_11-1模仿学习.mp4
• 🎬 1_12-1-项目实战：Gym游戏.mp4
• 🎬 2_1-2-认识强化学习.mp4
• 🎬 2_2-2-微积分.mp4
• 🎬 2_3-2-conda使用命令.mp4
• 🎬 2_4-2-马尔可夫观测过程：学会“看”.mp4
• 🎬 2_5-2-策略迭代.mp4
• 🎬 2_6-2-时序差分方法.mp4
• 🎬 2_7-2-DQN-代码实现.mp4
• 🎬 2_8-2-蒙特卡洛策略梯度.mp4
• 🎬 2_9-2-改进型演员评论家算法.mp4
• 🎬 2_10-2-Dyna-Q算法.mp4
• 🎬 2_11-2-博弈论与强化学习.mp4
• 🎬 2_12-2-项目实战：大模型RLHF.mp4
• 🎬 3_1-3-课程使用的技术栈.mp4
• 🎬 3_2-3-概率.mp4
• 🎬 3_3-3-Jupyter-Notebook快速上手.mp4
• 🎬 3_4-3-马尔可夫决策过程：试着-“干”.mp4
• 🎬 3_5-3-价值迭代.mp4
• 🎬 3_6-3-蒙特卡洛方法和时序差分代码实现.mp4
• 🎬 3_7-3-常见问题改进和扩展.mp4
• 🎬 3_8-3-策略梯度方法代码实现.mp4
• 🎬 3_9-3-演员评论家算法代码实现.mp4
• 🎬 3_10-3-Dyna-Q算法代码实现.mp4
• 🎬 3_11-3-多智能体强化学习.mp4
• 🎬 3_12-3-强化学习最新发展趋势.mp4
• 🎬 4_3-4-仿真环境Gym安装.mp4
• 🎬 4_4-4-马尔可夫奖励过程：懂得“想”.mp4
• 🎬 4_5-4-动态规划代码实现.mp4
• 🎬 4_6-4-广义策略迭代.mp4
• 🎬 4_7-4-DQN改进算法代码实现.mp4
• 🎬 4_8-4-近端策略优化算法.mp4
• 🎬 4_9-4-深度确定性策略梯度.mp4
• 🎬 4_10-4-基于模型的策略优化.mp4
• 🎬 4_11-4-MADDP的代码实现.mp4
• 🎬 4_12-4-下一步的学习建议.mp4
• 🎬 5_3-5-深度学习库PyTorch的安装.mp4
• 🎬 5_4-5-贝尔曼方程：迭代求解价值函数.mp4
• 🎬 5_6-5-Q-Learning算法.mp4
• 🎬 5_8-5-近端策略优化（PPO）代码实现.mp4