知驿📋 资源介绍
本课程为Python3入门人工智能的完整视频教程，共11章72个MP4视频，总大小6.5GB，按章节目录打包整理，可直接对照学习。内容分为三大板块：①基础与工具（第1章）：人工智能介绍、环境配置、Python语法及Pandas/Numpy/Matplotlib实操；②机器学习（第2-6章）：线性回归、逻辑回归、聚类（Kmeans/KNN/Meanshift）、决策树、异常检测、主成分分析、模型评价与优化，每章均含实战；③深度学习（第7-11章）：多层感知器MLP、卷积神经网络CNN、循环神经网络RNN/LSTM，并含迁移学习、在线学习、混合模型与少样本苹果分类等综合实战。适合零基础想转行AI的初学者、需补充机器学习与深度学习实战的在校生及职场开发者。学完可掌握从数据预处理、建模调参到CNN/RNN落地的完整流程，并具备独立完成分类、预测、文本生成等项目的能力。
不想注册？也可 邮箱快速下单（¥13.90）
📦 免费拷贝服务（U盘 / 移动硬盘）
资源费用（50%）归资源提供方；拷贝人工费 U盘 10 元/只、硬盘按容量计费；运费按地区计费，可选顺丰（+100%）；费用合计满 ¥99 普通快递包邮；付款后 48 小时内发货。
费用构成：资源费用的 50% 归资源提供方（创作者分成）；拷贝人工费 U盘 10 元/只、硬盘按容量计费； 设备费为 U盘/硬盘成本。请自行核实资源内容：本店只提供下载和拷贝服务，无法核实商品内容的完整性与内容的版权合法性。
🗂️ 完整文件清单（72 个文件 / 6.5GB）
📁 第10章 迁移混合模型 12 项
- 📄 10-3_在线学习.mp452.0MB
- 📄 10-7_实战准备（二）.mp473.7MB
- 📄 10-2_迁移学习（二）.mp422.5MB
- 📄 10-8_基于新数据的迁移学习实战.mp4137.9MB
- 📄 10-4_混合模型1.mp456.2MB
- 📄 10-5_混合模型2.mp435.4MB
- 📄 10-1_迁移学习（一）.mp453.5MB
- 📄 10-9_机器+深度学习实现少样本苹果分类（一）.mp4193.2MB
- 📄 10-11_机器+深度学习实现少样本苹果分类（三）.mp488.2MB
- 📄 10-6_实战准备（一）.mp487.0MB
- 📄 10-12_机器+深度学习实现少样本苹果分类（四）.mp4110.9MB
- 📄 10-10_机器+深度学习实现少样本苹果分类（二）.mp489.5MB
📁 第11章 课程总结 3 项
- 📄 11-3_课程总结（三）.mp4106.7MB
- 📄 11-1_课程总结（一）.mp456.3MB
- 📄 11-2_课程总结（二）.mp465.5MB
📁 第1章 人工智能时代，人人都应该学会利用AI这个工具 6 项
- 📄 1-2_内容快速概览.mp459.9MB
- 📄 1-6_Pandas、Numpy、Matplotlib实操.mp4113.0MB
- 📄 1-1_课程导学.mp455.7MB
- 📄 1-3_人工智能介绍.mp4146.4MB
- 📄 1-5_环境配置及Python语法实操.mp4167.7MB
- 📄 1-4_环境及工具包介绍.mp472.2MB
📁 第2章 机器学习之线性回归 5 项
- 📄 2-2_线性回归.mp487.1MB
- 📄 2-3_线性回归实战准备.mp486.6MB
- 📄 2-1_机器学习介绍.mp455.7MB
- 📄 2-4_单因子线性回归实战.mp470.5MB
- 📄 2-5_多因子线性回归实战.mp4191.5MB
📁 第3章 机器学习之逻辑回归 7 项
- 📄 3-1_分类问题介绍.mp486.5MB
- 📄 3-6_考试通过实战（二）.mp486.6MB
- 📄 3-7_芯片检测实战.mp4168.0MB
- 📄 3-3_逻辑回归（2）.mp455.4MB
- 📄 3-5_考试通过实战（一）.mp4137.9MB
- 📄 3-4_实战准备.mp437.3MB
- 📄 3-2_逻辑回归（1）.mp427.1MB
📁 第4章 机器学习之聚类 6 项
- 📄 4-5_Kmeans实战（2）.mp462.9MB
- 📄 4-4_Kmeans实战（1）.mp449.4MB
- 📄 4-6_KNN-Meanshift.mp4106.1MB
- 📄 4-3_实战准备.mp437.4MB
- 📄 4-2_Kmeans-KNN-Meanshift.mp472.8MB
- 📄 4-1_无监督学习.mp4101.5MB
📁 第5章 机器学习其他常用技术 8 项
- 📄 5-6_实战（1）.mp494.2MB
- 📄 5-5_实战准备.mp481.1MB
- 📄 5-8_实战（3）.mp4126.6MB
- 📄 5-4_主成分分析.mp450.6MB
- 📄 5-3_异常检测.mp435.3MB
- 📄 5-1_决策树（1）.mp441.0MB
- 📄 5-7_实战（2）.mp497.3MB
- 📄 5-2_决策树（2）.mp456.6MB
📁 第6章 模型评价与优化 7 项
- 📄 6-4_实战准备.mp449.3MB
- 📄 6-2_数据分离与混淆矩阵.mp479.6MB
- 📄 6-1_过拟合与欠拟合.mp442.8MB
- 📄 6-7_实战（三）.mp4136.3MB
- 📄 6-5_实战（一）.mp4139.4MB
- 📄 6-3_模型优化.mp468.6MB
- 📄 6-6_实战（二）.mp463.1MB
📁 第7章 深度学习之多层感知器 5 项
- 📄 7-1_多层感知器(MLP).mp472.1MB
- 📄 7-4_实战（一）.mp4122.0MB
- 📄 7-3_实战准备.mp4102.3MB
- 📄 7-2_MLP实现非线性分类.mp456.8MB
- 📄 7-5_实战（二）.mp473.0MB
📁 第8章 深度学习之卷积神经网络 5 项
- 📄 8-1_卷积神经网络（一）.mp493.3MB
- 📄 8-2_卷积神经网络（二）.mp468.6MB
- 📄 8-3_实战准备.mp481.8MB
- 📄 8-4_实战（一）.mp4166.1MB
- 📄 8-5_实战（二）.mp4179.7MB
📁 第9章 深度学习之循环神经网络 8 项
- 📄 9-7_实战（一）LSTM实现文本生成.mp4187.0MB
- 📄 9-5_实战（一）RNN股价预测.mp4103.5MB
- 📄 9-1_序列数据案例.mp431.4MB
- 📄 9-8_实战（二）LSTM实现文本生成.mp4102.2MB
- 📄 9-2_循环神经网络RNN.mp430.8MB
- 📄 9-6_实战（二）RNN股价预测.mp469.9MB
- 📄 9-4_实战准备.mp487.7MB
- 📄 9-3_不同类型的RNN模型.mp441.7MB