人工智能学习路线、学习流程（深度学习、机器学习）
人工智能——机器学习、深度学习（18大章节，详细学习路线、学习资料、视频获取）
章节一：机器学习的本质到底做什么
章节二：线性回归算法知识铺垫
章节三：线性回归算法深入剖析
章节四：环境安装配置以及线性回归算法实现
章节五：IDE的使用及利用sklearn模块使用线性回归算法
章节六：优化算法梯度下降法深入剖析
章节七：代码实战梯度下降法
章节八：提高模型的推广能力以及代码实战
章节九：人工智能中的归一化
章节十：多项式回归算法
章节十一：逻辑回归算法详解
章节十二：代码实战逻辑回归
章节十三：代码实战水泥强度预测案例
章节十四：代码实战保险医疗花费预测案例
章节十五：代码实战音乐分类器案例
章节十六：详解逻辑回归多分类与Softmax多分类区别
章节十七：模型的评估指标详解
章节十八：模型评估代码实战—————————————————————————————分割线以下是详细章节内容
章节1:机器学习本质到底做什么
课时1机器学习算法有四类不同的学习方法09:57
课时2理解回归的概念08:25
课时3平方均值损失函数07:34
课时4机器学习本质找到模型最优解04:07
章节2:线性回归算法知识铺垫
课时5最大似然估计概念06:38
课时6中心极限定理之于机器学习的应用07:43
课时7机器学习把求最大似然转变为求最小平方均值损失03:46
课时8为什么要用概率密度函数06:10
课时9把多元线性回归公式代入概率密度函数04:46
课时10最大总似然中多元线性回归的线性代数表达06:37
章节3:线性回归算法深入剖析
课时11利用对数似然简化目标函数05:17
课时12最终推导出最小二乘平方损失函数05:14
课时13最小二乘线性代数形式展开表达09:09
课时14推导出模型得解析解公式12:05
课时15凸函数问题_全局最优解问题08:40
章节4:环境安装配置以及线性回归算法实现
课时16anaconda介绍_下载_安装_配置10:05
课时17numpy均匀分布和正太分布随机数据API详解08:40
课时18代码实现解析解公式08:44
课时19代码运算出最优解_画图展示08:38
课时20案例代码分析流程总结04:49
章节5:IDE的使用及利用sklearn模块使用线性回归算法
课时21sklearn调用LinearRegression类来完成案例04:31
课时22实现解析解公式求最优解的弊端05:37
课时23sklearn的官网说明16:20
课时24sklearn官网多元线性回归讲解10:11
课时25设置截距参数说明07:15
课时26jupyter_notebook的开发回归任务实战13:48
章节6:优化算法梯度下降法深入剖析
课时27最优化算法_梯度下降法_详解12:49
课时28梯度下降法迭代分解4步记忆法09:38
课时29推导多元线性回归损失函数的导函数08:04
课时30将导函数应用到梯度下降法中06:36
章节7:代码实战梯度下降法
课时31随机梯度下降_批量梯度下降本质区别11:15
课时32批量梯度下降代码实战_随机初始化与循环迭代07:16
课时33批量梯度下降代码实战_梯度求解公式的实现08:11
课时34批量梯度下降代码实战_运行结果与调参04:30
课时35批量梯度下降代码基础上实战随机梯度下降09:37
课时36代码实战学习率随着迭代而调整的随机梯度下降11:08
章节8:提高模型的推广能力以及代码实战
课时37岭回归_L2惩罚项06:05
课时38L2惩罚项提高模型的泛化能力12:03
课时39岭回归sklearn的代码实战_以及超参数调优12:22
课时40Lasso回归以及代码实战11:44
课时41ElasticNet回归以及代码实战08:35
章节9:人工智能中的归一化
课时42什么是归一化06:00
课时43归一化与梯度下降联系起来图例讲解11:01
课时44做归一化的必要性11:13
课时45最大值最小值归一化方法07:38
课时46StandardScaler标准归一化06:17
课时47解释归一化和没有归一化图示本质区别03:23
课时48归一化的影响07:00
章节10:多项式回归算法
课时49一个故事讲解模型的效果受训练集数据的影响09:23
课时50为了使用线性模型调整数据的必要性08:34
课时51举例子非线性数据集变成线性数据集05:50
课时52代码实战多项式回归案例14:12
课时53多项式回归剖析08:00
章节11:逻辑回归算法详解
课时54逻辑回归分类器公式详解09:21
课时55逻辑回归正负例_默认阈值05:44
课时56熵和概率与对数函数关系13:01
课时57理解逻辑回归二分类损失函数06:15
课时58逻辑回归损失函数和导函数08:13
课时59逻辑回归sklearn官网说明07:53
章节12:代码实战逻辑回归
课时60鸢尾花数据集详解11:14
课时61代码实战对鸢尾花数据集使用逻辑回归做二分类07:54
课时62代码分析逻辑回归做二分类08:18
课时63代码实战画图分析逻辑回归分类结果10:34
课时64逻辑回归把多分类问题转成多个二分类问题07:29
课时65逻辑回归代码超参数ovr的含义05:27
课时66代码实战逻辑回归多分类15:44
章节13:代码实战水泥强度预测案例
课时67水泥强度数据集详解07:23
课时68代码实战水泥强度使用神经网络算法预测05:54
课时69代码实战水泥强度案例_增加隐藏层到5隐藏节点预测07:04
课时70代码实战水泥强度案例_利用测试集防止模型过拟合04:56
课时71代码实战sklearn如何使用神经网络算法08:48
课时72代码实战详解神经网络层与层之间的矩阵模型14:56
课时73逻辑回归梯度下降对比多元线性回归05:01
课时74用神经网络解释逻辑回归二分类06:45
课时75用神经网络解释逻辑回归多分类_Softmax回归04:53
课时76jupyter_notebook代码实战水泥回归案例_读取数据及标准归一化13:25
课时77jupyter_notebook代码实战水泥回归案例_算法调用及测试效果画图13:05
章节14:代码实战保险医疗花费预测案例
课时78jupyter代码实战numpy读取txt文本数据15:00
课时79jupyter代码实战numpy数组转化pandas数据框10:57
课时80jupyter代码实战保险回归案例_分析数据及特征工程08:16
课时81jupyter代码实战保险回归案例_算法调用及效果评估08:43
章节15:代码实战音乐分类器案例
课时82jupyter代码实战音乐分类器_数据讲解14:49
课时83jupyter代码实战音乐分类器_分析音乐数据绘制频谱图16:15
课时84jupyter代码实战音乐分类器_对比分析不同风格音乐频谱图13:53
课时85jupyter代码实战音乐分类器_傅里叶变化06:49
课时86jupyter代码实战音乐分类器_音乐数据全进行傅里叶变化并保存12:11
课时87jupyter代码实战音乐分类器_读取变化结果构建音乐数据训练集08:45
课时88jupyter代码实战音乐分类器_训练模型并且使用测试集进行评估07:13
章节16:详解逻辑回归多分类与Softmax多分类区别
课时89详解Softmax回归对模型求最优解时的本质09:48
课时90对比逻辑回归详解Softmax回归模型求解本质区别10:15
课时91Softmax回归损失函数剖析10:01
章节17:模型的评估指标详解
课时92分类评估指标详解_混淆矩阵08:22
课时93分类评估指标详解_准确率_召回率_F1分数08:16
课时94分类评估指标详解_准确率召回率之间的权衡10:29
课时95分类评估指标_引入ROC曲线24:04
课时96分类评估指标_详尽剖析ROC曲线11:13
课时97分类评估指标_AUC指标13:47
章节18:模型评估代码实战
课时98代码实战评估指标_读取MNIST数据集09:59
课时99代码实战评估指标_绘制手写图片数据05:48
课时100代码实战评估指标_对于MNIST数据集训练分类器10:54
课时101代码实战评估指标_混淆矩阵_准确率_召回率_F1分数06:18
课时102分类评估_K折交叉验证10:35
课时103代码实战_K折交叉验证13:11
课时104代码实战_使用sklearn封装好的函数来做K折交叉验证08:13
课时105代码实战_自己来实现一个分类器07:31
课时106代码实战_准确率和召回率互相抑制绘图展示16:00
课时107代码实战_ROC曲线绘图_AUC计算_网格搜索实现14:40
