最新公告
  • 优质资源共享持续更新,优质的服务和体验 如何充值SVIP/如何免费获取会员
  • 人工智能研究生课程库 0基础入门AI必修课 视频+资料(62G) 价值899

    人工智能研究生课程库 0基础入门AI必修课 视频+资料(62G) 价值899 最后编辑:2024-05-01
    资源介绍: mp4格式 超清画质 资料齐全 包更新一手资源网盘在线学习

    课程目录:人工智能研究生课程库

    01-软件安装及环境配置

    02-anaconda介绍及安装.mp4

    03-【python 3.6】 python安装及验证.mp4

    04-【python 3.6】 python配置环境变量.mp4

    05-【python 3.6】 python卸载及验证.mp4

    06-【pytorch 1.2】 pytorch简介与安装.mp4

    07-【pytorch1.2】 pytorch开发环境安装.mp4

    08-【tensorflow 2.1.0】环境安装-ubuntu.mp4

    09-【tensorflow 2.1.0】环境安装-windows.mp4

    10-【gpu驱动安装】gpu_driver_windows.mp4

    11-【gpu驱动安装】gpu_driver_linux.mp4

    12-linux 常用命令.mp4

    13-【数据分析工具】 mysql.mp4

    14-【数据分析工具】 navicate.mp4

    15-【数据分析工具】 tableau public.mp4

    02-人工智能数学基础

    05-【第一章 线性代数(上)】章节导读.mp4

    06-【第一章 线性代数(上)】-1 矩阵及其基本运算①.mp4

    07-【第一章 线性代数(上)】-2 矩阵及其基本运算②.mp4

    08-【第一章 线性代数(上)】-3 矩阵的行列式①.mp4

    09-【第一章 线性代数(上)】-4 矩阵的行列式②.mp4

    10-【第一章 线性代数(上)】-5 矩阵的行列式③.mp4

    11-【第一章 线性代数(上)】-6 矩阵的行列式④.mp4

    12-【第一章 线性代数(上)】-7 矩阵的逆①.mp4

    13-【第一章 线性代数(上)】-8 矩阵的逆②.mp4

    14-【第一章 线性代数(上)】-9 矩阵的逆③.mp4

    15-【第二章 线性代数(下)】章节导读.mp4

    16-【第二章 线性代数(下)】-1 矩阵的初等变换①.mp4

    17-【第二章 线性代数(下)】-2 矩阵的初等变换②.mp4

    18-【第二章 线性代数(下)】-3 矩阵的初等变换③.mp4

    19-【第二章 线性代数(下)】-4 矩阵的初等变换④.mp4

    20-【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①.mp4

    21-【第二章 线性代数(下)】-6 矩阵的特征值与特征向量②.mp4

    22-【第二章 线性代数(下)】-7 矩阵的特征值与特征向量③.mp4

    23-【第二章 线性代数(下)】-8 矩阵对角化以及二次型①.mp4

    24-【第二章 线性代数(下)】-9 矩阵对角化以及二次型②.mp4

    25-【第二章 线性代数(下)】-10 矩阵对角化以及二次型③.mp4

    26-【第二章 线性代数(下)】-11svd分解的应用.mp4

    27-【第三章 微积分】-01常用函数的导数以及到导数的常用公式.mp4

    28-【第三章 微积分】-02 中值定理&洛必达法则&泰勒公式及应用.mp4

    29-【第三章 微积分】-03 函数的凹凸性&函数的极值.mp4

    30-【第三章 微积分】-04 不定积分.mp4

    31-【第三章 微积分】-05 定积分.mp4

    32-【第三章 微积分】-06 偏导数&多元函数复合求导法则链式求导法则.mp4

    33-【第三章 微积分】-07 方向导数与梯度及其应用.mp4

    34-【第三章 微积分】-08 多元函数泰勒公式与海森矩阵&多元函数的极值.mp4

    35-【第三章 微积分】-09 矩阵的求导.mp4

    36-【第三章 微积分】-10 矩阵的求导在深度学习中的应用.mp4

    37-【第四章 概率论】-01随机实验样本空间随机事件&概率的定义.mp4

    38-【第四章 概率论】-02全概率公式与贝叶斯公式及应用&独立性.mp4

    39-【第四章 概率论】-03随机变量与多维随机变量.mp4

    40-【第四章 概率论】-04期望与方差part1.mp4

    41-【第四章 概率论】-05期望与方差part2.mp4

    42-【第四章 概率论】-06参数的估计.mp4

    43-【第五章 最优化】-1 无约束最优化梯度下降.mp4

    44-【第五章 最优化】-2 无约束最优化梯度下降.mp4

    45-【第五章 最优化】-3 约束最优化.mp4

    03-python基础+数据科学入门

    05-第一章 绪论和环境配置.mp4

    06-【作业讲解】第一章:助教实际演示配置环境过程.mp4

    07-第二章 python 基本语法元素.mp4

    08-【作业讲解】第二章:python基本语法元素.mp4

    09-第三章 基本数据类型.mp4

    10-【作业讲解】第三章:基本数据类型.mp4

    11-第四章 组合数据类型.mp4

    12-【作业讲解】第四章:复杂数据类型.mp4

    13-第五章 程序控制结构.mp4

    14-【作业讲解】第五章:程序控制结构.mp4

    15-第六章 函数-面向过程的编程.mp4

    16-【作业讲解】第六章:函数.mp4

    17-第七章 类-面向对象的编程.mp4

    18-【作业讲解】第七章:类.mp4

    19-第八章 文件-异常和模块.mp4

    20-【作业讲解】第八章:文件-异常和模块.mp4

    21-第九章 有益的探索.mp4

    22-【作业讲解】第九章:有益的探索.mp4

    23-第十章 python标准库.mp4

    24-【作业讲解】第十章:python标准库.mp4

    25-第十一章 科学计算库—numpy应用.mp4

    26-【作业讲解】第十一章:numpy库.mp4

    27-第十二章 pandas库.mp4

    28-【作业讲解】第十二章:pandas库.mp4

    29-第十三章 matplotlib.mp4

    30-【作业讲解】第十三章:matplotlib.mp4

    31-第十四章 sklearn常规用法.mp4

    32-【作业讲解】第十四章:sklearn常规用法.mp4

    33-第十五章 再谈编程.mp4

    35-【比赛实战】大牛手把手指导如何打一场完整的二分类比赛.mp4

    36-【比赛实战】二分类算法比赛小测验—提供银行精准营销解决方案.mp4

    04-机器学习算法应用实战

    05-01-01-机器学习概述.mp4

    06-02-01线性回归简介-数学符号-假设函数-损失函数-代价函数.mp4

    07-02-02-梯度下降法..mp4

    08-02-03-梯度下降法代码实现.mp4

    09-02-04-使用梯度下降法求解线性回归问题.mp4

    100-08-02协方差矩阵的特征值分解算法.mp4

    10-02-05-线性回归代码实现.mp4

    101-08-03协方差矩阵的特征值分解算法代码实现.mp4

    102-08-04基于数据矩阵的奇异值分解算法.mp4

    103-08-05基于数据矩阵的奇异值分解算法代码实现.mp4

    104-08-【实战】-sklearn实现pca.mp4

    105-08-【案例】pca实现照片压缩.mp4

    106-09-01-集成学习介绍.mp4

    107-09-02-voting能够提高准确度的原因.mp4

    108-09-03-voting原理.mp4

    109-09-04-voting代码实现.mp4

    110-09-05-bagging与随机森林及其代码实现.mp4

    11-02-06-线性回归代码实现-做特征归一化.mp4

    111-09-06-boosting.mp4

    112-09-07-adaboost举例.mp4

    113-09-08-adaboost代码实现.mp4

    114-09-09-gbdt之提升和提升树概念.mp4

    115-09-10-gbdt梯度提升树.mp4

    116-09-11-xgboost介绍,目标函数,正则项.mp4

    117-09-12-xgboost求解.mp4

    118-09-13-xgboost树结构生成.mp4

    119-09-14-xgboost代码实现1.mp4

    120-09-15-xgboost代码实现2.mp4

    12-02-07-批量梯度下降,随机梯度下降,小批量梯度下降.mp4

    121-09-16-stacking.mp4

    122-09-17-stacking 代码实现.mp4

    123-10-【银行营销策略分析】-01 数据说明.mp4

    124-10-【银行营销策略分析】-02探索性分析.mp4

    125-10-【银行营销策略分析】-03数据预处理与特征工程.mp4

    126-10-【银行营销策略分析】-04模型训练.mp4

    127-10-【信用卡发欺诈模型】-01数据说明及不平衡数据的训练集及测试及分割方法.mp4

    128-10-【信用卡发欺诈模型】-02采样之上采样.mp4

    129-10-【信用卡发欺诈模型】-03采样之下采样.mp4

    130-10-【信用卡发欺诈模型】-04建模与调参.mp4

    13-02-08-模型评价 · 几种常见的模型评价指标.mp4

    14-02-09-欠拟合与过拟合.mp4

    15-02-10-ridge回归求解与代码实现.mp4

    16-02-11-lasso回归求解.mp4

    17-02-12-lasso回归求解举例说明.mp4

    18-02-13-lasso回归代码实现.mp4

    19-02-14-最小二乘法求线性回归.mp4

    20-02-15-最小二乘法代码实现.mp4

    21-02-【实战】使用sklearn实现ridge,lasso和elasticnet.mp4

    22-02-【案例】波士顿房价预测(上).mp4

    23-02-【案例】-波士顿房价预测(下).mp4

    24-03-01-逻辑回归简介-假设函数-损失函数-成本函数.mp4

    25-03-02-逻辑回归求解.mp4

    26-03-03-一个示例解释逻辑回归的求解公式.mp4

    27-03-04-逻辑回归代码实现(上).mp4

    28-03-04-逻辑回归代码实现(下).mp4

    29-03-06-逻辑回归的正则化.mp4

    30-03-07-逻辑回归实现多分类方法.mp4

    31-03-08-【实战】使用sklearn实现逻辑回归.mp4

    32-03-【案例】鸢尾花分类.mp4

    33-03-【案例】手写数字识别.mp4

    34-04-01-决策树简介-熵.mp4

    35-04-02条件熵及计算举例.mp4

    36-04-03信息增益-id3算法.mp4

    37-04-04决策树代码实现(1-熵的计算).mp4

    38-04-05决策树代码实现(2-划分数据集-选择最好的特征).mp4

    39-04-06决策树代码实现(3-类别投票表决).mp4

    40-04-07决策树代码实现( 4-决策树递归生成,决策树对新数据进行预测).mp4

    41-04-08 c4.5算法.mp4

    42-04-09基尼指数(gini index)生成决策树.mp4

    43-04-10决策树剪枝.mp4

    44-04-11决策树处理连续值与缺失值.mp4

    45-04-12多变量决策树.mp4

    46-04-【实战】sklearn实现决策树.mp4

    47-04-【案例】:使用决策树进行个人信用风险评估(1.数据集介绍-数据预处理).mp4

    48-04-【案例】:使用决策树进行个人信用风险评估(2.模型评估指标).mp4

    49-04-【案例】:使用决策树进行个人信用风险评估(3.模型评估,优化).mp4

    50-05-01-贝叶斯决策简介.mp4

    51-05-02-贝叶斯决策模型.mp4

    52-05-03-朴素贝叶斯模型.mp4

    53-05-04-朴素贝叶斯代码实现(1.训练过程).mp4

    54-05-05-朴素贝叶斯代码实现(2.预测过程).mp4

    55-05-06-拉普拉斯修正及代码实现.mp4

    56-05-07-朴素贝叶斯如何处理连续型数据.mp4

    57-05-08-sklearn实现朴素贝叶斯.mp4

    58-05-【案例】垃圾邮件识别(1.实现原理).mp4

    59-05-【案例】垃圾邮件识别(2.代码实现).mp4

    60-06-01-支持向量机简介.mp4

    61-06-02-线性可分支持向量机(几何间隔,函数间隔,目标函数).mp4

    62-06-03-拉格朗日乘子法求带有等式约束的极值问题.mp4

    63-06-04-拉格朗日乘子法求带有不等式约束的极值问题-kkt条件.mp4

    64-06-05-目标函数求解(1.对偶问题-先对w-b求极小).mp4

    65-06-06-目标函数求解(2.对alpha求极大).mp4

    66-06-07-svm求解举例.mp4

    67-06-08-线性支持向量机的目标函数.mp4

    68-06-09-线性支持向量机目标函数优化.mp4

    69-06-10-非线性支持向量机简介.mp4

    70-06-11-非线性支持向量机的目标函数.mp4

    71-06-12-smo算法推导结果.mp4

    72-06-13-1svm代码实现之简易版(上).mp4

    73-06-14-1svm代码实现之简易版(下).mp4

    74-06-15-2svm代码实现之改进版.mp4

    75-06-16-3svm代码实现之引进核函数版.mp4

    76-06-17-smo算法推导过程1.mp4

    77-06-18-smo算法推导过程2.mp4

    78-06-19-smo算法推导过程3.mp4

    79-06-20-smo算法推导过程4.mp4

    80-06-21-svm总结.mp4

    81-06-【实战】-sklearn实现svm1.mp4

    82-06-【实战】-sklearn实现svm2-3,输出常用属性值,使用高斯核.mp4

    83-06-【实战】-sklearn实现svm4,调参.mp4

    84-06-【案例】使用svm完成人脸识别.mp4

    85-07-01-k-means基本原理及推导.mp4

    86-07-02-k-means中距离计算方法.mp4

    87-07-03-k-means代码实现(1原生代码实现).mp4

    88-07-04-k-means代码实现(2sklearn实现kmeans).mp4

    89-07-05-层次聚类原理及距离计算.mp4

    90-07-06层次聚类举例.mp4

    91-07-07sklearn实现层次聚类.mp4

    92-07-08密度聚类.mp4

    93-07-09sklearn实现密度聚类.mp4

    94-07-10-高斯混合模型介绍.mp4

    95-07-11-高斯混合模型参数估计.mp4

    96-07-12高斯混合模型原生代码实现.mp4

    97-07-13 sklearn实现高斯混合模型.mp4

    98-07-【案例】对亚洲足球队进行聚类分析.mp4

    99-08-01-主成分分析介绍.mp4

    05-李航《统计学习方法》训练营(含无监督学习部分)

    (未命名)

    06-第一章 1.1 导论.mp4

    07-第一章 1.2 极大似然估计.mp4

    08-第一章 1.3 梯度下降法.mp4

    09-第一章作业讲解-极大似然估计.mp4

    100-第十九章19.4metropolis-hastings算法与吉布斯抽样算法.mp4

    101-第十九章 作业讲解.mp4

    102-第二十章20.1lda分布-模型与gibbs抽样算法.mp4

    103-第二十章20.2lda的变分em算法.mp4

    104-第二十章 作业讲解.mp4

    105-第二十一章21.1pagerank算法的定义与幂法计算.mp4

    106-第二十一章 作业讲解.mp4

    107-第二十二章 22无监督学习方法总结.mp4

    10-第二章 2.1 导论.mp4

    11-第二章 2.2 对偶形式.mp4

    12-第二章 2.3 收敛性.mp4

    13-code——感知机.mp4

    14-第二章作业讲解-感知机自编程实现.mp4

    15-第二章作业讲解-感知机sklearn实现.mp4

    16-第三章 3.1 导论.mp4

    17-第三章 3.2 kd树.mp4

    18-code——k近邻.mp4

    19-第三章作业讲解-knn 自编程.mp4

    20-第三章作业讲解-knn-sklearn.mp4

    21-第四章 4.1 导论.mp4

    22-第四章 4.2 贝叶斯估计.mp4

    23-第四章 4.3 期望风险最小化.mp4

    24-code——朴素贝叶斯.mp4

    25-第四章作业讲解-贝叶斯估计.mp4

    26-第四章作业讲解-朴素贝叶斯.mp4

    27-第五章 5.1 导论.mp4

    28-第五章 5.2 剪枝.mp4

    29-code——决策树.mp4

    30-第五章作业讲解-决策树.mp4

    31-第六章 6.1 逻辑斯蒂回归与最大熵.mp4

    32-第六章 6.2 改进的迭代尺度法.mp4

    33-第六章作业讲解-逻辑斯谛回归.mp4

    34-code——逻辑斯蒂回归与最大熵.mp4

    35-第七章 7.1 导论.mp4

    36-第七章 7.2 存在唯一性.mp4

    37-第七章作业讲解-支持向量机习题7.1.mp4

    38-第七章作业讲解-支持向量机 sklearn习题7.2.mp4

    39-第七章作业讲解-支持向量机习题7.3.mp4

    40-code——支持向量机.mp4

    41-第八章 8.1 导论.mp4

    42-第八章 8.2 前向分步算法.mp4

    43-第八章8.3adaboost的训练误差.mp4

    44-第八章作业讲解-提升方法.mp4

    45-code——提升方法.mp4

    46-第九章 9.1 导论.mp4

    47-第九章 9.2 高斯混合模型.mp4

    48-第九章作业讲解-em算法.mp4

    49-code——em算法及推广.mp4

    50-第十章 10.1 导论.mp4

    51-第十章 10.2 前向算法.mp4

    52-第十章 10.3 维特比算法.mp4

    53-第十章作业讲解-隐马尔可夫模型.mp4

    54-code——隐马尔可夫.mp4

    55-第十一章 11.1 导论.mp4

    56-第十一章 11.2 拟牛顿法.mp4

    57-第十一章 11.3 条件随机场的矩阵形式.mp4

    58-第十一章作业讲解-条件随机场.mp4

    59-第十三章无监督学习导论.mp4

    60-第十四章14.1聚类的基本概念.mp4

    61-第十四章14.2.1距离与相似度.mp4

    62-第十四章14.2.2聚合聚类 距离公式介绍.mp4

    63-第十四章14.2.3距离公式证明.mp4

    64-第十四章14.2.4确定最佳聚类数.mp4

    65-第十四章14.2.5有序样本分类法.mp4

    66-第十四章14.3k均值聚类.mp4

    67-第十四章14.1作业讲解- k-means算法和高斯混合模型的比较.mp4

    68-第十四章14.2作业讲解- 14.2 有关类的定义推导.mp4

    69-第十四章14.3作业讲解- 离差平方和距离推导公式证明.mp4

    70-第十四章14.3作业讲解-重心距离推导公式证明.mp4

    71-第十五章15.1矩阵奇异值分解步骤.mp4

    72-第十五章15.2矩阵奇异值分解基本定理.mp4

    73-第十五章15.3矩阵奇异值分解性质与计算.mp4

    74-第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4

    75-第十五章15.5矩阵奇异值分解的应用.mp4

    76-第十五章作业讲解- 奇异值分解01.mp4

    77-第十五章作业讲解- 奇异值分解02.mp4

    78-第十六章16.1主成分分析介绍.mp4

    79-第十六章16.2主成分分析基本定理.mp4

    80-第十六章16.3主成分的性质与选择.mp4

    81-第十六章16.4主成分的特征.mp4

    82-第十六章16.5牛顿迭代与梯度下降法.mp4

    83-第十六章16.6拟牛顿迭代法.mp4

    84-第十六章16.1作业讲解- 样本主成分分析.mp4

    85-第十六章16.2 作业讲解-样本方差无偏估计的理解.mp4

    86-第十六章16.3作业讲解- 求第一主成分.mp4

    87-第十七章17.1lsa导入.mp4

    88-第十七章17.2lsa算法实现.mp4

    89-第十七章17.3非负矩阵分解算法.mp4

    90-第十七章17.4lsa案例分析与编程实现.mp4

    91-第十七章 作业讲解.mp4

    92-第十八章18.1plsa生成模型.mp4

    93-第十八章18.2plsa共现模型.mp4

    94-第十八章18.3plsa模型算法实现.mp4

    95-第十八章18.4plsa模型em算法详解[瑞克 ].mp4

    96-第十八章 作业讲解.mp4

    97-第十九章19.1蒙特卡罗法引入.mp4

    98-第十九章19.2马尔科夫链的定义与性质.mp4

    99-第十九章19.3连续状态马尔科夫链.mp4

    06-《机器学习》西瓜书训练营

    06-【第一周】机器学习绪论.mp4

    08-【第二周】西瓜书公式推导学习指南.mp4

    09-【第二周】一元线性回归公式.mp4

    10-【第二周】多元线性回归公式.mp4

    11-【第二周】对数几率回归公式.mp4

    14-【第二周】【作业讲解】逻辑回归.mp4

    15-【第三周】决策树的分裂准则.mp4

    19-【第三周】【作业讲解】决策树.mp4

    20-【第四周】支持向量机原始模型的建立和求解.mp4

    21-【第四周】核函数和软间隔支持向量机.mp4

    24-【第四周】【作业讲解】svm.mp4

    25-【第五周】极大似然估计与朴素贝叶斯.mp4

    26-【第五周】em算法1.mp4

    27-【第五周】em算法2.mp4

    28-【第五周】em算法3.mp4

    31-【第五周】【作业讲解】贝叶斯和em算法.mp4

    32-【第六周】神经网络结构.mp4

    35-【第六周】【作业讲解】神经网络.mp4

    41-【第七周】【作业讲解】模型评估与选择.mp4

    47-【第八周】【作业讲解】特征选择.mp4

    52-【第九周】【作业讲解】k-means.mp4

    53-【第十周】聚类.mp4

    54-【第十周】hmm-1.mp4

    55-【第十周】hmm-2.mp4

    56-【第十周】hmm-3.mp4

    61-【达观杯nlp比赛】第一节课 了解nlp任务和熟悉比赛题目-赛前介绍和准备.mp4

    62-【达观杯nlp比赛】第二节课 了解nlp任务和熟悉比赛题目-赛题介绍和思路分析.mp4

    63-【达观杯nlp比赛】第三节课 数据分析及处理.mp4

    64-【达观杯nlp比赛】第四节课——baseline实现.mp4

    65-【达观杯nlp比赛】第五节课 验证集构建和交叉验证.mp4

    07-吴恩达《机器学习》作业班

    06-【先修】学习绪论视频,了解预备知识.mp4

    07-【学前准备】开营仪式回放-老师部分.mp4

    08-【学前准备】开营仪式回放-班主任部分.mp4

    14-week2 day2【作业讲解】对照作业讲解视频查漏补缺.mp4

    19-week3-day2 【作业讲解】完成编程作业2 (1).mp4

    20-week3-day2 【作业讲解】完成编程作业2 (2).mp4

    21-week3-day4 【达观杯文本智能处理挑战赛】(入门指导).mp4

    25-week4-day2【作业讲解】编程作业3:神经网络(上).mp4

    26-week4-day2【作业讲解】编程作业3:神经网络(下).mp4

    27-week4-day4【达观杯文本智能处理挑战赛】(进阶指导).mp4

    30-week5-day2【作业讲解】编程作业4(上).mp4

    31-week5-day2【作业讲解】编程作业5.mp4

    32-week5-day2【作业讲解】编程作业4(下).mp4

    36-week6-day2【作业讲解】编程作业5.mp4

    40-week7-day2【作业讲解】编程作业6(上).mp4

    41-week7-day2【作业讲解】编程作业6(下).mp4

    47-week8-day4【作业讲解】编程作业7(上).mp4

    48-week8-day4【作业讲解】编程作业7(下).mp4

    52-week9-day4【作业实操】编程作业编程作业8:异常检测与推荐系统p1.mp4

    53-week9-day4【作业实操】编程作业编程作业8:异常检测与推荐系统p2.mp4

    54-week9-day4【作业实操】编程作业编程作业8:异常检测与推荐系统p3.mp4

    56-week10-day1【kaggle大赛】进阶指导.mp4

    08-深度学习tensorflow2.0框架班

    05-week1【任务1】tensorflow 2.0简介.mp4

    06-week1【任务2】tensorflow2.0环境安装-ubuntu.mp4

    07-week1【任务2】tensorflow2.0环境安装-windows.mp4

    09-week2【任务1】张量与操作 & 三种自定义模型.mp4

    10-week2【任务2】keras模型训练.mp4

    11-week2【任务3】tensorflow2.0模型训练.mp4

    12-week2【任务4】计算图机制详解.mp4

    13-week2【任务5】计算图机制详解.mp4

    15-week3【任务1】自定义层详解.mp4

    16-week3【任务2】常用损失函数和自定义损失函数.mp4

    17-week3【任务3】常用评估函数和自定义评估函数.mp4

    18-week3【任务4】tensorboard小试牛刀.mp4

    19-week4【任务1】tf.data简介.mp4

    20-week4【任务2】tf.data简介.mp4

    21-week4【任务3】tfrecord详解.mp4

    23-week5【任务1】cnn介绍.mp4

    24-week5【任务2】实战项目上.mp4

    25-week5【任务3】实战项目下.mp4

    26-week6 【任务1】循环神经网络讲解.mp4

    27-week6【任务2】word2vec简介.mp4

    28-week6【任务3】实战四.mp4

    29-week7【任务1】ransformer简介.mp4

    30-week7【任务2】实战5.mp4

    31-week8【任务1】gpu分布式训练.mp4

    32-week 8【任务2】tpu训练.mp4

    33-week 9【任务1】tf.hub使用.mp4

    34-week 9【任务2】bert实战.mp4

    35-week9【任务3】模型部署.mp4

    09-深度学习pytorch框架班

    05-【必看】深入浅出pytorch.mp4

    06-【第一周】pytorch简介与安装.mp4

    07-【第一周】补充-pytorch开发环境安装.mp4

    08-【第一周】张量简介与创建.mp4

    09-【第一周】张量操作与线性回归.mp4

    10-【第一周】计算图与动态图机制.mp4

    11-【第一周】autograd与逻辑回归.mp4

    12-【第一周】作业讲解1.mp4

    13-【第一周】作业讲解2.mp4

    14-【第一周】作业讲解3.mp4

    15-【第二周】数据读取机制dataloader与dataset.mp4

    16-【第二周】数据预处理transforms模块机制.mp4

    17-【第二周】二十二种transforms数据预处理方法.mp4

    18-【第二周】学会自定义transforms方法.mp4

    19-【第二周】作业讲解.mp4

    20-【第三周】模型创建步骤与nn.module.mp4

    21-【第三周】模型容器与alexnet构建.mp4

    22-【第三周】nn网络层-卷积层.mp4

    23-【第三周】nn网络层-池化-线性-激活函数层.mp4

    24-【第三周】作业讲解.mp4

    25-【第四周】权值初始化.mp4

    26-【第四周】损失函数(一).mp4

    27-【第四周】损失函数(二).mp4

    28-【第四周】优化器optimizer的概念.mp4

    29-【第四周】torch.optim.sgd.mp4

    30-【第四周】作业讲解.mp4

    31-【第五周】学习率调整策略.mp4

    32-【第五周】tensorboard简介与安装.mp4

    33-【第五周】tensorboard使用(一).mp4

    34-【第五周】tensorboard使用(二).mp4

    35-【第五周】hook函数与cam可视化.mp4

    36-【第五周】作业讲解.mp4

    37-【第六周】正则化之weight_decay.mp4

    38-【第六周】正则化之dropout.mp4

    39-【第六周】batch normalization.mp4

    40-【第六周】normalizaiton_layers.mp4

    41-【第六周】作业讲解.mp4

    42-【第七周】模型保存与加载.mp4

    43-【第七周】模型finetune.mp4

    44-【第七周】gpu的使用.mp4

    45-【第七周】pytorch常见报错.mp4

    46-【第七周】作业讲解.mp4

    47-【第八周】图像分类一瞥.mp4

    48-【第八周】图像分割一瞥.mp4

    49-【第八周】图像目标检测一瞥(上).mp4

    50-【第八周】图像目标检测一瞥(下).mp4

    51-【第九周】生成对抗网络一瞥.mp4

    52-【第九周】循环神经网络一瞥.mp4

    10-《深度学习》花书训练营

    05-第一周【任务1】矩阵对角化以及svd分解.mp4

    06-第一周【任务1】逆矩阵-最小二乘及pca原理推导.mp4

    07-第一周【任务2】:极大似然估计.mp4

    08-第一周【任务2】:无约束最优化.mp4

    09-第一周【任务2】:有约束最优化.mp4

    10-【第一周作业讲解】为什么要用最小二乘.mp4

    11-【第一周作业讲解】矩阵的分解及其应用.mp4

    12-【第一周作业讲解】极大似然估计以及优化理论.mp4

    13-【第一周作业讲解】熟悉svd分解算法的流程.mp4

    14-第二周【任务1】:机器学习算法基本概念.mp4

    15-第二周【任务1】:过拟合欠拟合超参数验证集.mp4

    16-第二周【任务2】:估计-偏差和方差.mp4

    17-第二周【任务2】:贝叶斯估计.mp4

    18-第二周【任务2】:逻辑回归.mp4

    19-第二周作业讲解.mp4

    20-第三周【任务1】学习支持向量机lda.mp4

    21-第三周【任务1】其他监督学习算法svm.mp4

    22-第三周【任务2】决策树-kmeans算法.mp4

    23-第三周作业讲解.mp4

    24-第四周【任务1】:前馈神经网络结构表达能力.mp4

    25-第四周【任务1】:激活函数损失函数.mp4

    26-第四周【任务2】前馈神经网络技巧.mp4

    27-第四周【任务2】前向后向算法.mp4

    28-第四周作业讲解.mp4

    29-第五周【任务1】范数惩罚正则化.mp4

    30-第五周【任务1】:数据增强bagging&dropout.mp4

    31-第五周【任务2】深度模型中的优化.mp4

    32-第五周作业讲解.mp4

    33-第六周【任务1】cnn前向后向.mp4

    34-第六周【任务1】局部感知权值共享.mp4

    35-第六周【任务2】lenet&alexnet.mp4

    36-第六周【任务2】vggnet googlenet.mp4

    37-第六周【任务3】cnn应用——rcnn目标检测.mp4

    38-第六周【任务3】cnn应用——bounding_box regression.mp4

    39-第六周【任务3】cnn应用——fastrcnn.mp4

    40-第六周【任务3】cnn应用——cnn人脸特征点定位.mp4

    41-第六周作业讲解.mp4

    42-【论文精读(选修)】mobilenet-01-背景介绍.mp4

    43-【论文精读(选修)】mobilenet-02-论文结构&摘要精读.mp4

    44-【论文精读(选修)】mobilenet-03-主体架构&深度可分离卷积.mp4

    45-【论文精读(选修)】mobilenet-04-超参数.mp4

    46-【论文精读(选修)】mobilenet-05-后续创新及改进.mp4

    47-【论文精读(选修)】mobilenet-06-代码结构.mp4

    48-【论文精读(选修)】mobilenet-07-模型设计.mp4

    49-【论文精读(选修)】mobilenet-08-模型评估.mp4

    50-第七周【任务1】rnn概念&前向传播.mp4

    51-第七周【任务1】rnn反向传播与并行计算.mp4

    52-第七周【任务2】lstm.mp4

    53-第七周【任务2】gru.mp4

    54-第七周【任务3】plstm&lstm在ocr的应用.mp4

    55-第七周作业讲解.mp4

    56-第八周【任务1】推理加速.mp4

    57-第八周【任务1】训练加速.mp4

    58-第八周【任务2】自适应技术.mp4

    59-第8周作业讲解.mp4

    11-李飞飞斯坦福cs231n计算机视觉课

    05-计算机视觉发展历史及一些计算机视觉任务概念.mp4

    08-knn与线性分类器知识点提点.mp4

    10-学习内容总结+观看作业解答视频.mp4

    11-损失函数和优化导读.mp4

    12-svm多分类损失函数与softmax.mp4

    15-学习反向传播.mp4

    16-作业讲解视频.mp4

    17-作业讲解视频.mp4

    19-学习卷积神经网络历史.mp4

    20-学习卷积和池化.mp4

    21-学习激活函数-数据处理-权重初始化.mp4

    22-作业讲解视频.mp4

    25-学习优化策略.mp4

    27-作业讲解视频.mp4

    30-学习比较流行的cnn网络结构.mp4

    31-学习rnn,lstm,gru.mp4

    33-学习图像分割学习任务,分类和定位.mp4

    35-学习特征可视化方法.mp4

    37-学习pixel rnn,pixel cnn与变分自编码.mp4

    45-【kaggle猫狗分类比赛】比赛简介.mp4

    46-【学习kaggle猫狗分类比赛】详细操作.mp4

    12-斯坦福cs224n自然语言处理课训练营

    05-学习cs224n第一课和课程导学.mp4

    06-【作业讲解】:assignment1讲解.mp4

    07-打达观杯nlp比赛(报名指导和入门指导).mp4

    08-学习cs224n第二课和重难点讲解视频.mp4

    09-学习cs224n第三课和课程导学.mp4

    10-python numpy pytorch学习及编程作业解析.mp4

    11-学习cs224n第四课和课程导学.mp4

    12-观看看作业解答视频.mp4

    13-学习cs224n lecture 05及导学.mp4

    15-assignment 3作业讲解.mp4

    16-学习cs224n lecture 06及导学.mp4

    18-观看作业解答视频.mp4

    19-观看作业解答视频2.mp4

    20-观看作业解答视频3.mp4

    21-神经机器翻译及attention.mp4

    23-neural machine translation with rnn.mp4

    24-基于卷积神经网络的nlp.mp4

    26-观看作业解答视频.mp4

    27-观看a5作业讲解视频2.mp4

    28-transformers and bert.mp4

    29-lecture 14.mp4

    30-natural language generation.mp4

    33-lecture 18.mp4

    35-future of nlp + deep learning.mp4

    36-kaggle文本分类比赛-比赛介绍.mp4

    37-kaggle文本分类比赛-数据分析.mp4

    38-kaggle文本分类比赛-baseline模型(1).mp4

    39-kaggle文本分类比赛-baseline模型(2).mp4

    40-kaggle文本分类比赛-提交数据+提分策略.mp4

    13-人工智能项目实战班

    (未命名)

    05-【试听cv项目】1.1-背景介绍.mp4

    06-【试听cv项目】1.2.1-图像初步-可视化.mp4

    07-【试听】算法工作分享——1面试准备.mp4

    08-【nlp项目一人工智能辅助信息抽取】第三周第一节ⅰ课程导读.mp4

    09-【nlp项目一人工智能辅助信息抽取】第三周第一节ⅱ知识图谱的概念与应用.mp4

    10-【nlp项目一人工智能辅助信息抽取】第三周第一节ⅲ信息抽取构建知识图谱实例.mp4

    11-【nlp项目一人工智能辅助信息抽取】第三周第二节-正则表达式与ac自动机算法讲解与应用.mp4

    12-【nlp项目一人工智能辅助信息抽取】第三周第三节ⅰ中文自然语言处理基础.mp4

    13-【nlp项目一人工智能辅助信息抽取】第三周第三节ⅱ命名实体识别详解.mp4

    14-【nlp项目一人工智能辅助信息抽取】第三周第三节ⅲ隐马尔可夫模型与维特比算法.mp4

    15-【nlp项目一人工智能辅助信息抽取】第三周第四节:条件随机场.mp4

    16-【nlp项目一人工智能辅助信息抽取】第四周-2.1深度学习nlp问题.mp4

    17-【nlp项目一人工智能辅助信息抽取】第四周-2.2文本表示.mp4

    18-【nlp项目一人工智能辅助信息抽取】第四周-2.3文本特征抽取.mp4

    19-【nlp项目一人工智能辅助信息抽取】第四周-2.4常见nlp任务模型结构.mp4

    20-【nlp项目一人工智能辅助信息抽取】第四周-2.5 bilstm-crf模型介绍.mp4

    21-【nlp项目一人工智能辅助信息抽取】第四周-2.6 bilstm-crf实战.mp4

    22-【nlp项目一人工智能辅助信息抽取】第四周-2.7 关系抽取介绍.mp4

    23-【nlp项目一人工智能辅助信息抽取】第四周-2.8 pcnn介绍.mp4

    24-【nlp项目一人工智能辅助信息抽取】第四周-2.9 pcnn实战.mp4

    25-【nlp项目一人工智能辅助信息抽取】3.1 图像预训练模型.mp4

    26-【nlp项目一人工智能辅助信息抽取】3.2 nlp预训练模型.mp4

    27-【nlp项目一人工智能辅助信息抽取】3.3 信息抽取深度学习综述.mp4

    28-【nlp项目一人工智能辅助信息抽取】3.4 bert ner实战.mp4

    29-【nlp项目一人工智能辅助信息抽取】3.5 总结与展望.mp4

    30-【cv项目一图像分割深度学习实战】第一周-1.1-背景介绍.mp4

    31-【cv项目一图像分割深度学习实战】第一周1.2.1-图像初步-可视化.mp4

    32-【cv项目一图像分割深度学习实战】第一周1.2.2-图像初步-图像运算.mp4

    33-【cv项目一图像分割深度学习实战】第一周1.3-训练数据准备.mp4

    34-【cv项目一图像分割深度学习实战】第一周-1.4-1-深度学习代码框架.mp4

    35-【cv项目一图像分割深度学习实战】第一周-1.4-2-pytorch基础知识.mp4

    36-【cv项目一图像分割深度学习实战】第二周2.1-模版代码概述-a.mp4

    37-【cv项目一图像分割深度学习实战】第二周2.1-模版代码概述-b.mp4

    38-【cv项目一图像分割深度学习实战】第二周2.2-调参基础篇.mp4

    39-【cv项目一图像分割深度学习实战】第二周2.3-选择损失函数.mp4

    41-【cv项目一图像分割深度学习实战】第二周-2.5-调参-总结.mp4

    42-【cv项目一图像分割深度学习实战】第二周2.6-u-net理论课.mp4

    43-【cv项目一图像分割深度学习实战】第二周2.7-deeplabv3+理论课.mp4

    49-【cv项目一图像分割深度学习实战】第三周-3.3-梯度累积法.mp4

    50-【cv项目一图像分割深度学习实战】第三周-3.4-选择模型权重.mp4

    51-【cv项目一图像分割深度学习实战】第三周-u-net理论课进阶-迁移学习.mp4

    53-【cv项目一图像分割深度学习实战】第四周-4.1-数据标注-a.mp4

    54-【cv项目一图像分割深度学习实战】第四周-4.1-数据标注-b.mp4

    58-【cv项目一图像分割深度学习实战】第四周-4.3-bad.mp4

    59-【cv项目一图像分割深度学习实战】第四周-算法工作分享——1面试准备.mp4

    60-【cv项目一图像分割深度学习实战】第四周-算法工作分享——2工作日常.mp4

    61-【cv项目一图像分割深度学习实战】第四周-算法工作分享——3职业前景.mp4

    62-【推荐系统项目一电影推荐项目】1.1:推荐系统简介.mp4

    63-【推荐系统项目一电影推荐项目】1.2: 简单的电影推荐.mp4

    64-【推荐系统项目一电影推荐项目】1.3: imdb评分.mp4

    65-【推荐系统项目一电影推荐项目】1.4:基于内容推荐.mp4

    66-【推荐系统项目一电影推荐项目】1.5:协同过滤算法.mp4

    67-【推荐系统项目】2.1criteo ctr.mp4

    68-【推荐系统项目】2.2fm&ffm.mp4

    69-【推荐系统项目】2.3wide&deep.mp4

    70-【推荐系统项目】2.4deepfm.mp4

    71-【医疗知识图谱构建及图表征学习实践项目】课时0:项目先导课.mp4

    72-【医疗知识图谱构建及图表征学习实践项目】课时1:数据获取—爬虫.mp4

    73-【医疗知识图谱构建及图表征学习实践项目】课时2:数据处理.mp4

    74-【医疗知识图谱构建及图表征学习实践项目】课时3:bilstm+crf.mp4

    75-【医疗知识图谱构建及图表征学习实践项目】课时4:nlp前沿技术讲解.mp4

    76-【医疗知识图谱构建及图表征学习实践项目】课时5:neo4j.mp4

    77-【医疗知识图谱构建及图表征学习实践项目】课时6:图表征学习.mp4

    78-【医疗知识图谱构建及图表征学习实践项目】课时7:图表征算法代码学习.mp4

    79-【医疗知识图谱构建及图表征学习实践项目】课时8:项目总结.mp4

    80-【医疗知识图谱构建及图表征学习实践项目】补充内容:额外的lstm.mp4

    81-【医疗知识图谱构建及图表征学习实践项目】补充内容:额外的python编码.mp4

    14-04 神经网络基础知识

    02-01-神经网络基础与多层感知机-0.mp4

    03-01-神经网络基础与多层感知机-1.mp4

    04-01-神经网络基础与多层感知机-2.mp4

    05-01-神经网络基础与多层感知机-3.mp4

    06-01-神经网络基础与多层感知机-4.mp4

    07-02-卷积神经网络-0.mp4

    08-02-卷积神经网络-1.mp4

    09-02-卷积神经网络-2.mp4

    10-03-循环神经网络-0.mp4

    11-03-循环神经网络-1.mp4

    12-03-循环神经网络-2.mp4

    15-06 opencv 图像基础

    02-1-1图像基础知识.mp4

    03-1-2图像基础知识.mp4

    04-1-3图像基础知识.mp4

    05-1-4图像基础知识.mp4

    06-2-1图像基本处理.mp4

    07-2_2图像基本处理.mp4

    08-2_3图像基本处理.mp4

    09-2_4图像基本处理.mp4

    10-2_5图像基本操作_图像滤波.mp4

    11-2_6图像基本操作_图像增强.mp4

    12-2-7形态学操作_腐蚀..mp4

    13-2_8形态学操作_膨胀开运算与闭运算.mp4

    14-3_1固定阈值分割.mp4

    15-3_2自动阈值分割.mp4

    16-3_3边缘检测算子.mp4

    17-3_4连通区域_区域生长算法.mp4

    18-3_5分水岭算法图像分割.mp4

    19-4_1特征描述_hog.mp4

    20-4_2特征描述harris和sift算法.mp4

    21-4_3纹理特征lbp算法.mp4

    22-4_4模板匹配算法.mp4

    23-4_5人脸检测算法.mp4

    24-5_1摄像头调用和视频的读取保存.mp4

    25-5_2帧差法视频目标识别.mp4

    26-5_3光流法和背景减除法..mp4

    16-【论文】baseline基础篇目——nlp

    02-1.1 joint-bert.mp4

    03-1.2 joint-bert.mp4

    04-1.3 joint-bert.mp4

    05-1.4 joint-bert.mp4

    06-1.5 joint-bert.mp4

    07-1.6 joint-bert.mp4

    08-1.7 joint-bert.mp4

    09-1.8 joint-bert-代码.mp4

    10-1.9 joint-bert-代码.mp4

    11-01 cnn_for-re-01(新版).mp4

    12-01 cnn_for-re-02(新版).mp4

    13-01 cnn_for-re-03(新版).mp4

    14-01 cnn_for-re-04(新版).mp4

    15-01 cnn_for-re-05(新版).mp4

    16-01 code_cnn_for_re-06(新版).mp4

    17-01 code_cnn_for_re-07(新版).mp4

    18-01 code_cnn_for_re-08(新版).mp4

    19-01 code_cnn_for_re-09(新版).mp4

    20-01 code_cnn_for_re-10(新版).mp4

    21-03elmo-01-elmo的下游任务介绍..mp4

    22-03elmo-02-feature_based和fine_tuning.mp4

    23-03elmo-03-word2vec和charcnn回顾.mp4

    24-03elmo-04-bidirectional_language_models.mp4

    25-03elmo-05-how to use emol..mp4

    26-03elmo-06-论文回顾..mp4

    27-03elmo-07-代码预处理部分.mp4

    28-03elmo-08-代码模型结构部分.mp4

    29-03elmo-09-代码crf流程..mp4

    30-03elmo-10-代码crf实现..mp4

    31-01nodevec-01-研究背景.mp4.mp4

    32-01nodevec-02-研究成果.mp4.mp4

    33-01nodevec-03-图的应用.mp4.mp4

    34-01nodevec-04-模型结构&bfs&dfs.mp4.mp4

    35-01nodevec-05-模型算法&alias算法.mp4.mp4

    36-01nodevec-06-实验分析.mp4.mp4

    37-01nodevec-07-论文总结.mp4.mp4

    38-01nodevec-08-代码整体介绍.mp4

    39-01nodevec-09-代码节点和边的alias实现.mp4.mp4

    40-01nodevec-10-代码有偏随机游走和模型训练.mp4.mp4

    41-01nodevec-11-代码结果展示和总结.mp4.mp4

    42-01transformer-01-论文背景&研究成果.mp4

    43-01transformer-02-attention回顾.mp4

    44-01transformer-03-模型框架和self_attention.mp4

    45-01transformer-04-模型小trick..mp4

    46-01transformer-05-代码框架部分和encoder.mp4

    47-01transformer-06-代码decoder和self_attention.mp4

    48-01transformer-07-代码训练部分和预测部分.mp4

    49-1.1 word2vec1-1背景知识.mp4

    50-1.2 word2vec1-2论文泛读.mp4

    51-1.3 word2vec2-1对比模型.mp4

    52-1.4 word2vec2-2原理.mp4

    53-1.5 word2vec2-3word2vec关键技术.mp4

    54-1.6 word2vec2-4模型复杂度.mp4

    55-1.7 word2vec2-5实验结果.mp4

    56-1.8 word2vec3-1代码部分上.mp4

    57-1.9 word2vec3-2代码部分下.mp4

    58-1.1- bilstm-crf-论文研究背景.mp4

    59-1.2- bilstm-crf-论文算法总览.mp4

    60-1.3-bilstm-crf模型结构.mp4

    61-1.4-bilstm-crf损失函数与维特比解码.mp4

    62-1.5- bilstm-crf-实验结果与论文总结.mp4

    63-1.6- bilstm-crf代码讲解.mp4

    64-1.7- bilstm-crf-ncr-fpp代码详解.mp4

    65-01dssm-00专题引言.mp4

    66-01dssm-01-学习目标..mp4

    67-01dssm-02-论文背景-贡献及意义.mp4

    68-01dssm-03摘要精读-总结.mp4

    69-01dssm-04-上节回顾.mp4

    70-01dssm-05-词哈希.mp4

    71-01dssm-06-dssm整体结构.mp4

    72-01dssm-07-优化函数-实验与总结.mp4

    73-01dssm-08-代码总览.mp4

    74-01dssm-09-词哈希表的建立与数据载入.mp4

    75-01dssm-10-模型的搭建与训练-测试.mp4

    17-【论文】baseline基础篇目——cv

    02-1.1 crnn-泛读-背景论文.mp4

    03-1.2 crnn-泛读-研究成果及意义.mp4

    04-1.3 crnn-泛读-lstm-ctc-beam search-论文泛读.mp4

    05-1.4 crnn-精读-原有模型.mp4

    07-1.6 crnn-精读-论文细节二三四.mp4

    08-1.7 crnn-精读-实验结果及总结.mp4

    09-1.8 crnn-code1.mp4

    10-1.9 crnn-code2.mp4

    11-1.10 crnn-code3.mp4

    12-1.11 crnn-code4.mp4

    13-1.12 crnn-code5.mp4

    14-yolo-01-发展历史和yolo v1.mp4

    15-yolo-02-yolo v2.mp4.mp4

    16-yolo-03-yolo v3_2.mp4.mp4

    17-yolo-04-代码复现.mp4

    18-yolo-05-数据预处理和网络结构代码讲解.mp4.mp4

    19-yolo-06-训练和检测代码讲解.mp4

    20-03{white}faster{white}r-cnn-01-论文泛读_rcnn演变.mp4

    21-03 faster r-cnn-02-论文泛读_摘要和网络结构.mp4

    22-03 faster r-cnn-03-精读_结构总览.mp4.mp4

    23-03 faster r-cnn-04-精读paper_背景介绍.mp4.mp4

    24-03 faster r-cnn-05-精读paper_rpn与rpn_loss.mp4.mp4

    25-03 faster r-cnn-06-精读paper_rpn训练.mp4.mp4

    26-03 faster r-cnn-07-精读paper_实验和结论.mp4.mp4

    27-03 faster r-cnn-08-精读ppt_anchor和rpn.mp4.mp4

    28-03 faster r-cnn-09-精读ppt_网络细节.mp4

    29-03 faster r-cnn-10-代码讲解_训练voc数据集.mp4

    30-03 faster r-cnn-11-代码讲解_backbone网络讲解.mp4

    31-03 faster r-cnn-12-代码讲解_rpn.mp4

    32-03 faster r-cnn-13-代码讲解_数据和标签的同步处理(dataset类).mp4

    33-03 faster r-cnn-14代码讲解_建议框的生成(proposal layer).mp4

    34-03 faster r-cnn-15-代码讲解_anchor box的生成和正负样本的划分.mp4

    35-01gan-01-论文摘要.mp4

    36-01gan-02-论文背景.mp4

    37-01gan-03-论文泛读.mp4

    38-01gan-04-价值函数.mp4

    39-01gan-05-训练流程&理论证明1.mp4

    40-01gan-06-理论证明2&实验结果&总结展望.mp4

    41-01gan-07-代码分析综述.mp4

    42-01gan-08-代码分析精讲.mp4

    43-01mobilenet-01-背景介绍.mp4

    44-01mobilenet-02-论文结构&摘要精读.mp4

    45-01mobilenet-03-主体架构&深度可分离卷积.mp4

    46-01mobilenet-04-超参数.mp4

    47-01mobilenet-05-后续创新及改进.mp4

    49-01mobilenets-07-模型设计.mp4

    50-01mobilenets-08-模型评估.mp4

    51-01fcn-01-语意分割简介.mp4

    52-01fcn-02常用数据集-指标-研究成果..mp4

    53-01fcn-03-论文摘要精读..mp4

    54-01fcn-04-论文引言-全局信息及部分信息.mp4

    55-01fcn-05-感受域&平移不变性.mp4

    56-01fcn-06-经典算法&本文算法-上采样.mp4

    57-01fcn-07-算法架构..mp4

    58-01fcn-08-训练技巧&实验结果及分析..mp4

    59-01fcn-09-讨论&总结.mp4

    60-01fcn-10-代码实现.mp4

    61-01fcn-11-数据预处理..mp4

    62-01fcn-12-模型搭建.mp4

    63-01fcn-13-训练-验证&预测函数搭建..mp4

    64-01fcn-14-损失函数.mp4

    65-01fcn-15-指标计算.mp4

    66-01alexnet-01-研究背景.mp4

    67-01alexnet-02- 研究成果意义.mp4

    68-01alexnet-03-论文结构.mp4

    69-01alexnet-04-结构.mp4

    70-01alexnet-05网络结构特点.mp4

    71-01alexnet-06-训练技巧.mp4

    72-01alexnet-07实验结果及分析.mp4

    73-01alexnet-08-论文总结.mp4

    74-01alexnet-09-准备工作&代码结构.mp4

    75-01alexnet-10-代码结构.mp4

    76-01alexnet-11-代码结构.mp4

    77-01alexnet-12- 代码结构4&训练方法.mp4

    78-1.1 特征脸识别-人脸识别背景介绍.mp4

    79-1.2 特征脸识别-论文研究背景成果以及意义.mp4

    80-1.3 特征脸识别-论文泛读摘要部分.mp4

    81-1.4 特征脸识别-论文泛读介绍部分.mp4

    82-1.5 特征脸识别-论文泛读相关工作部分.mp4

    83-1.6 特征脸识别-论文精读pca补充.mp4

    84-1.7 特征脸识别-论文精读特征脸计算上.mp4

    85-1.8 特征脸识别-论文精读特征脸计算中.mp4

    86-1.9 特征脸识别-论文精读特征脸计算下.mp4

    87-1.10 特征脸识别-代码讲解pca计算.mp4

    88-1.11 特征脸识别-代码讲解特征提取以及人脸重构.mp4

    89-1.12 特征脸识别-代码讲解人脸分类之最短距离方法.mp4

    90-1.13 特征脸识别-代码讲解人脸分类之svm方法.mp4

    91-1.14 特征脸识别-代码讲解人脸分类之神经网络方法.mp4

    92-1.15 特征脸识别-论文总结.mp4

    18-【nlp经典大赛】数据科学: 疫情期间网民情绪识别赛

    01-打造舒适的ai开发环境.mp4

    02-【01课】赛题详解.mp4

    03-【02课】比赛专题讲解.mp4

    04-【03课】模型调参和文本增强比赛专题讲解.mp4

    05-【04课】比赛思路进阶专题讲解.mp4

    06-【05课】比赛思路全复盘(纯干货).mp4

    19-面试刷题班

    04-开营仪式—老师部分.mp4

    05-【了解机器学习中的特征工程和模型评估】p1快速排序.mp4

    06-【了解机器学习中的特征工程和模型评估】p2堆排序.mp4

    07-【了解机器学习中的特征工程和模型评估】p3滑动窗口.mp4

    08-【了解机器学习中的特征工程和模型评估】p4双指针.mp4

    09-【了解监督学习中的经典算法】p1逻辑回归.mp4

    10-【了解监督学习中的经典算法】p2决策树.mp4

    12-【学习支持向量机】p1几个重要的概念.mp4

    13-【学习支持向量机】p2svm最优化问题.mp4

    14-【学习支持向量机】p3硬间隔svm最优化问题的推导.mp4

    15-【学习支持向量机】p4线性可分svm.mp4

    16-【学习支持向量机】p5核函数.mp4

    17-【学习支持向量机】p6smo算法.mp4

    18-【数据结构和算法】p1kmp算法.mp4

    19-【数据结构和算法】p2二分搜索.mp4

    20-【数据结构和算法】p3哈希表.mp4

    21-【了解机器学习中如何降维处理】pca和lda.mp4

    23-【了解机器学习中的非监督学习算法】k-means.mp4

    24-【数据结构和算法】p1虚拟头结点.mp4

    25-【数据结构和算法】p2链表中环的入口结点.mp4

    26-【数据结构和算法】p3删除链表中重复的结点.mp4

    27-【数据结构和算法】p4栈,队列.mp4

    28-【机器学习中的概率图模型】p1hmm的引出和问题的介绍.mp4

    29-【机器学习中的概率图模型】p2hmm预测问题之维特比算法.mp4

    30-【机器学习中的概率图模型】p3crf的一些基础概念.mp4

    31-【机器学习中的概率图模型】p4crf具体介绍.mp4

    33-【数据结构和算法】p1dfs和bfs.mp4

    34-【数据结构和算法】p2最短路径.mp4

    35-【数据结构和算法】p3最小生成树.mp4

    36-【数据结构和算法】p4二叉树的遍历.mp4

    37-【数据结构和算法】p4二叉搜索树和平衡二叉树.mp4

    38-【前向神经网络】p1网络图和激活函数.mp4

    39-【前向神经网络】p2前向传播.mp4

    40-【前向神经网络】p3损失函数选用.mp4

    41-【前向神经网络】p4反向传播1.mp4

    42-【前向神经网络】p5反向传播2.mp4

    43-【了解序列数据中常用的循环神经网络】p1rnn.mp4

    44-【了解序列数据中常用的循环神经网络】p2gru和lstm.mp4

    46-【集成学习的原理和常见的集成学习】p1提升树算法.mp4

    47-【集成学习的原理和常见的集成学习】p2梯度提升树算法.mp4

    48-【集成学习的原理和常见的集成学习】p3二分类问题.mp4

    49-【集成学习的原理和常见的集成学习】p4多分类问题和回归问题.mp4

    50-【数据结构和算法】01背包问题.mp4

    51-【数据结构和算法】什么是动态规划(leetcode 70题).mp4

    52-【数据结构和算法】回溯法(机器人的运动范围).mp4

    53-【数据结构和算法】什么是递归(斐波那契额数列-跳台阶-变态跳台阶).mp4

    54-【数据结构和算法】leetcode416(01背包实例).mp4

    55-【数据结构和算法】最长公共子序列(leetcode 1143题).mp4

    56-【数据结构和算法】最长上升子序列(leetcode 300题).mp4

    57-【xgboost的原理以及常见面试题】p1xgboost的一些预备知识.mp4

    58-【xgboost的原理以及常见面试题】p2结构分.mp4

    59-【xgboost的原理以及常见面试题】p3贪心算法寻找分裂点.mp4

    60-【xgboost的原理以及常见面试题】p4近似算法和加权分桶.mp4

    61-【xgboost的原理以及常见面试题】p5缺失值处理算法.mp4

    62-【xgboost的原理以及常见面试题】p6其他优化.mp4

    64-【了解优化算法的原理】p1深度学习中的优化问题.mp4

    65-【了解优化算法的原理】p2梯度下降简单的数学原理.mp4

    66-【了解优化算法的原理】p3随机梯度下降和小批量随机梯度下降.mp4

    67-【了解优化算法的原理】p4动量法.mp4

    68-【了解优化算法的原理】p5常见的一些改进的优化算法.mp4

    69-【了解常见的采样方法-作用-具体实现,以及应用】p1蒙塔卡罗模拟定积分和重要性采样.mp4

    70-【了解常见的采样方法-作用-具体实现,以及应用】p2.mp4

    71-【了解常见的采样方法-作用-具体实现,以及应用】p3.mp4

    72-【了解常见的采样方法-作用-具体实现,以及应用】p4.mp4

    74-面试刷题班 8月5日直播答疑.mp4

    76-面试刷题班 8月9日直播答疑.mp4

    78-面试刷题班 8月15日直播答疑.mp4

    80-面试刷题班 8月22日直播答疑.mp4

    20-05 nlp基础知识

    (未命名)

    02-1-1 前言..mp4

    03-1-2 研究方向概述..mp4

    04-2-1 预备知识..mp4

    05-2-2 nlp问题中的特征..mp4

    06-2-3 特征输入..mp4

    07-2-4 文本的向量化表示与案例实现..mp4

    08-3-1 统计语言模型简介与案例实现..mp4

    09-3-2 语言模型任务评估..mp4

    10-3-3 神经语言模型简介与代码实现..mp4

    11-3-4 预训练的词表示及其使用实例..mp4

    12-4-1 word2vec原理..mp4

    13-4-2 word2vec代码复现..mp4

    14-4-3 word2vec项目实战展示..mp4

    15-4-4 bert使用实战讲解..mp4

    16-4-5 mlp模型与实战..mp4

    17-4-6 rnn模型原理-代码复现与实战..mp4

    18-5-1 hmm序列标注..mp4

    19-5-2 hmm模型简介..mp4

    20-5-3 hmm样本生成..mp4

    21-5-4 hmm训练..mp4

    22-5-5 hmm预测..mp4

    23-5-6 hmm代码实现..mp4

    v-4670:人工智能研究生课程库.rar

    猜你在找

    免责声明: 1、本站信息来自网络,版权争议与本站无关 2、本站所有主题由该帖子作者发表,该帖子作者与本站享有帖子相关版权 3、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和本站的同意 4、本帖部分内容转载自其它媒体,但并不代表本站赞同其观点和对其真实性负责 5、用户所发布的一切软件的解密分析文章仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。 6、您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。 7、请支持正版软件、得到更好的正版服务。 8、如有侵权请立即告知本站(邮箱suppport_77@126.com),本站将及时予与删除 9、本站所发布的一切破解补丁、注册机和注册信息及软件的解密分析文章和视频仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。如有侵权请邮件与我们联系处理。
    vipc9资源站 » 人工智能研究生课程库 0基础入门AI必修课 视频+资料(62G) 价值899

    常见问题FAQ

    视频格式是什么?
    不加密,网盘在线学习
    怎么发货?
    自动发货,提供百度云链接和提取码【如失效点击网站右侧联系客服】】
    有些资源没更新完结怎么办?
    本站资源包更新至完结,后续可以点击链接获取
    有问题不懂的怎么办
    可以咨询qq客服
    • 27258会员总数(位)
    • 9004资源总数(个)
    • 12本周发布(个)
    • 0 今日发布(个)
    • 1540稳定运行(天)

    提供最优质的资源集合

    加入我们
  • © 2024 it僧院 . All rights reserved      
  • 升级SVIP尊享更多特权立即升级