3.1.1.1 机器学习简介

3.1.1.2 机器学习的类型

3.1.2.1 线性回归

3.1.2.2 多项式回归

3.1.2.3 K最临近分类

3.1.3.1 数据的表示

3.1.3.2 决策树

3.1.3.3 过拟合

3.1.3.4 决策树模型实例演示

3.1.4.1 神经网络简介与神经元

3.1.4.2 感知器

3.1.4.3 神经网络模型

3.1.4.4 激活函数和代价函数

3.1.4.5 梯度下降法和反向传播算法

3.1.5.1 深度神经网络

3.1.5.2 卷积神经网络

3.1.6.1 无监督学习原理

3.1.6.2 K均值聚类算法

3.1.6.3 K均值算法的问题

3.1.6.4 基于混合模型的聚类

3.1.6.5 EM算法理论

3.3.1.1 信息检索的概念

3.3.1.2 信息检索原理

3.3.2.1 推荐系统的意义与价值

3.3.2.2 推荐系统的历史与框架

3.3.2.3 推荐系统算法分类

3.4.4.1 图像的表示

3.4.4.2 色彩模型

3.4.4.3 图像处理

3.4.4.4 NumPy数组运算

3.4.5.1 归一化和标准化

3.4.5.2 Pillow图像读取

3.4.5.3 Pillow图像转换

3.4.5.4 Pillow色彩分离与合并

3.6.2.1 机器人的运动描述

3.6.2.2 机器人感知系统

3.6.2.3 机器人操作系统

3.6.3.1 机器人视觉系统

3.6.3.2 R-CNN理论

3.6.3.3 Fast R-CNN理论

3.6.3.4 Faster R-CNN理论

3.6.3.5 深度学习在机器人视觉中的应用

3.7.2.1 技术上的定义及含义

3.7.2.2 商业角度的定义

4.8.4.1 矩阵稀疏性问题分析

4.8.4.2 冷启动问题分析

6.4.3.1 Deepseek大模型生成PPT

6.4.3.2 Deepseek大模型生成文档

6.4.3.3 Deepseek大模型生成图像

6.4.3.4 Deepseek大模型生成代码

6.5.2.1 使用Kimi生成PPT

6.5.2.2 使用Kimi快速阅读论文

6.5.2.3 使用Kimi撰写长篇文章

6.5.2.4 使用Kimi绘制思维导图

6.5.2.5 使用Kimi处理Excel数据

6.6.1.1 豆包大模型简介

6.6.1.2 豆包大模型发布历程

6.6.1.3 豆包大模型家族

6.6.2.1 豆包Marscode编程助手

6.6.2.2 豆包多功能生成内容

6.8.1.1 产品概述

6.8.1.2 产品优势

6.8.1.3 产品能力

6.8.2.1 文档场景

6.8.2.2 会议场景

6.8.2.3 广告场景

6.8.2.4 营销场景

6.8.2.5 创作场景

6.9.2.1 智能眼镜

6.9.2.2 遥感检测

6.9.2.3 AI识药

6.9.2.4 垃圾分类