CSCI3230 / 65 份笔记
人工智能
阅读与复习1
课程伴读50
- L01-P1-课程安排
- L01-P2-什么是AI
- L01-P3-AI应用
- L01-P4-学习与评价
- L01-P5-小结
- L02-P1-回归建模
- L02-P2-最小二乘
- L02-P3-收缩方法
- L02-P4-小结
- L02-P5-矩阵与投影
- L03-P1-分类问题
- L03-P2-逻辑回归模型
- L03-P3-交叉熵与梯度下降
- L03-P4-小结
- L03-P5-凸性证明
- L04-P1-线性分类器
- L04-P2-最大间隔SVM
- L04-P3-核方法
- L04-P4-软间隔
- L04-P5-小结
- L04-P6-对偶与KKT
- L05-P1-聚类基础
- L05-P2-K均值
- L05-P3-密度聚类
- L05-P4-层次聚类
- L05-P5-小结
- L06-P1-网络结构
- L06-P2-反向传播
- L06-P3-训练与验证
- L06-P4-小结
- L06-P5-迁移学习
- L07-P1-卷积基础
- L07-P2-分类网络
- L07-P3-训练技巧
- L07-P4-小结
- L08-P1-注意力基础
- L08-P2-视觉Transformer
- L08-P3-变体与多模态
- L08-P4-小结
- L09-P1-搜索建模
- L09-P2-广度优先
- L09-P3-一致代价
- L09-P4-深度优先
- L09-P5-深度限制
- L09-P6-迭代加深
- L09-P7-小结
- L10-P1-启发函数
- L10-P2-贪心搜索
- L10-P3-A星搜索
- L10-P4-小结