人工智能实战与应用课程

📂 主文件夹：人工智能实战与应用课程

• 📁 包含文件：1.高等数学—元素和极限
• 📁 2.高等数学—两个重要的极限定理
• 📁 3.高等数学—导数
• 📁 4.高等数学—泰勒展开
• 📁 5.高等数学—偏导数
• 📁 6.高等数学—积分
• 📁 7.高等数学—正态分布
• 📁 8.线性代数—线性空间和线性变换
• 📁 9.线性代数—矩阵
• 📁 等价类和行列式
• 📁 10.线性代数—特征值与特征向量
• 📁 11.Python基础课程（上）
• 📁 12.Python基础课程（下）
• 📁 13.Python操作数据库
• 📁 Python爬虫
• 📁 14.Python进阶（上）
• 📁 15.Python进阶（下）
• 📁 16.人工智能如何改变我们的未来生活
• 📁 17.人工智能简史
• 📁 18.让神经网络看懂图象
• 📁 19.模拟人类大脑：神经网络的故事
• 📁 20.预测简史
• 📁 21.模拟人类思维的机器学习工具
• 📁 22.让神经网络听懂故事
• 📁 23让机器来思考之强化学习简介
• 📁 24.贝叶斯理论
• 📁 25.朴素贝叶斯和最大似然估计
• 📁 26.机器学习引入
• 📁 27.分类问题
• 📁 28.KNN算法
• 📁 29.机器学习背后的数学（上）
• 📁 30.机器学习背后的数学（下）
• 📁 31.加入概率更健康之逻辑斯蒂回归
• 📁 32.模拟人类理性的决策树
• 📁 33.集群模型
• 📁 34.PCA
• 📁 35.升维大法之神经网络
• 📁 36.升维大法之SVM
• 📁 37.多层感知机DNN
• 📁 38.梯度下降法
• 📁 39.BP算法
• 📁 40.卷积神经网络
• 📁 41.PyTorch（上）
• 📁 42.PyTorch（下）
• 📁 43.CNN进化
• 📁 44.BatchNormalization
• 📁 45.Resnet残差网络
• 📁 46.图像识别综述
• 📁 47.迁移学习
• 📁 48.对抗网络
• 📁 49.时间序列分析
• 📁 50.RNN