- 01. 讲师
- 02. 简介
- 03. 分类问题
- 04. 分类问题 2
- 05. 线性界线
- 06. 更高维度的界线
- 07. 感知器
- 08. 为何称为“神经网络”？
- 09. 用感知器实现简单逻辑运算
- 10. 感知器技巧 - 计算机如何“学习”分类？
- 11. 感知器算法
- 12. 非线性界线
- 13. 误差函数
- 14. 误差函数与梯度下降
- 15. 离散型与连续型 - 为什么使用sigmoid函数
- 16. 多类别分类与Softmax 函数
- 17. One-Hot 编码
- 18. 最大似然率
- 19. 最大化概率
- 20. 交叉熵 1-损失函数
- 21. 交叉熵 2-损失函数
- 22. 多类别交叉熵
- 23. Logistic 回归
- 24. 梯度下降
- 25. 梯度下降算法推导与实现
- 26. Notebook 注意事项：梯度下降法
- 27. [Lab] 梯度下降
- 28. 感知器和梯度下降
- 29. 连续型感知器
- 30. 非线性数据
- 31. 非线性模型
- 32. 神经网络结构
- 33. 前向反馈
- 34. 反向传播
- 35. Notebook 注意事项：分析学生数据
- 36. [Lab] 分析学生数据
- 37. 小结