×
switch account
教學資源暨發展中心
知識庫
Log in
English
繁體
简体
Regular
Medium
Large
×
Search
Search
教學資源暨發展中心
Log in
知識庫
English
繁體
简体
興學堂
Media:
18
Create:
2019/09/27
Manager:
系統管理者, 科教中心
Search
Media
(18)
Forum
(0)
FAQ
(0)
Media Center
...
興理學堂
人工智慧與深度學習
1.數學基礎理論與簡易實作
1.數學基礎理論與簡易實作
1.數學基礎理論與簡易實作
Manager：系統管理者, 科教中心
1.
微積分~演算法
1.1
12:14
課堂1-1-1-數學的本質
1.2
10:25
課堂1-1-2-微分學
1.3
10:22
課堂1-1-3-偏微分極值應用
1.4
10:26
課堂1-1-4-最小均方差
1.5
11:02
課堂1-1-5-梯度
1.6
13:53
課堂1-1-6-梯度下降法
2.
統計~線性回歸與邏輯回歸 與Bayes定理
2.1
10:22
課堂1-2-1-機率密度函數
2.2
16:48
課堂1-2-2-線性迴歸~最小二平方法
2.3
16:07
課堂1-2-3-線性回歸~最大概似估計法
2.4
17:32
課堂1-2-4-相關分析
2.5
11:54
課堂1-2-5-條件機率
2.6
09:15
課堂1-2-6-貝氏定理
3.
Python實作
3.1
22:23
課堂1-3-1-Python安裝與入門指令
3.2
12:18
課堂1-3-2-Python之微積分指令
3.3
06:10
課堂1-3-3-Python之最小均方差與梯度下降演算法實作
3.4
08:18
課堂1-3-4-Python 之機率密度函數計算
3.5
08:14
課堂1-3-5-Python 之線性迴歸
3.6
06:47
課堂1-3-6-Python 之條件機率計算與Bayes 定理
