百战-AI算法工程师就业班2022年(完结)

le123

百战-人工智能2022/
├──1--人工智能基础-快速入门  
|   ├──1--人工智能就业、薪资、各行业应用  
|   |   ├──1-人工智能就业前景与薪资 .mp4  52.07M
|   |   ├──2-人工智能适合人群与必备技能 .mp4  44.57M
|   |   ├──3-人工智能时代是发展的必然 .mp4  23.22M
|   |   └──4-人工智能在各领域的应用 .mp4  57.73M
|   └──2--机器学习和深度学习、有监督和无监督  
|   |   ├──1-人工智能常见流程 .mp4  89.62M
|   |   ├──2-机器学习不同的学习方式 .mp4  83.51M
|   |   ├──3-深度学习比传统机器学习有优势 .mp4  84.81M
|   |   ├──4-有监督机器学习任务与本质 .mp4  37.50M
|   |   └──5-无监督机器学习任务与本质 .mp4  50.15M
├──10--机器学习与大数据-Kaggle竞赛实战  
|   ├──1--药店销量预测案例  
|   |   ├──1-Rossmann药店销量预测_kaggle的介绍 .mp4  36.33M
|   |   ├──2-对数据字段的介绍_导包 .mp4  19.90M
|   |   ├──3-自定义损失函数 .mp4  21.12M
|   |   ├──4-对数据里面的目标变量sales的一个分析 .mp4  44.88M
|   |   ├──5-数据的预处理 .mp4  111.81M
|   |   ├──6-模型的训练_评估 .mp4  66.64M
|   |   └──7-kaggle竞赛网站学习 .mp4  172.16M
|   └──2--网页分类案例  
|   |   ├──1-Kaggle网页分类竞赛介绍 .mp4  25.08M
|   |   ├──10-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_02 .mp4  85.63M
|   |   ├──11-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_03 .mp4  68.80M
|   |   ├──12-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_04 .mp4  74.74M
|   |   ├──2-评估指标ROC和AUC .mp4  56.19M
|   |   ├──3-评估指标ROC和AUC .mp4  49.03M
|   |   ├──4-竞赛其他相关提交成绩排行榜 .mp4  40.19M
|   |   ├──5-数据导入 .mp4  68.41M
|   |   ├──6-MLlib对网页分类竞赛数据预处理 .mp4  102.96M
|   |   ├──7-MLlib对网页分类竞赛数据预处理_模型训练 .mp4  71.27M
|   |   ├──8-MLlib对网页分类竞赛模型训练_模型训练评估_搜索最佳超参数 .mp4  62.48M
|   |   └──9-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_01 .mp4  87.47M
├──11--机器学习与大数据-海量数据挖掘工具  
|   ├──1--Spark计算框架基础  
|   |   ├──1-Spark特性_01 .mp4  41.68M
|   |   ├──10-分布式计算所需进程 .mp4  26.30M
|   |   ├──11-两种算子操作本质区别 .mp4  56.31M
|   |   ├──12-Spark算子操作实战讲解_代码实战WordCount_01 .mp4  69.39M
|   |   ├──13-Spark算子操作实战讲解_代码实战WordCount_02 .mp4  56.06M
|   |   ├──14-Spark算子操作实战讲解_代码实战WordCount_03 .mp4  44.12M
|   |   ├──15-Spark算子操作实战讲解_代码实战WordCount_04 .mp4  41.91M
|   |   ├──2-Spark特性_02 .mp4  35.15M
|   |   ├──3-Spark对比hadoop优势 .mp4  19.34M
|   |   ├──4-回顾hadoop讲解shuffle .mp4  35.80M
|   |   ├──5-分布式计算框架Shuffle的原理_01 .mp4  46.22M
|   |   ├──6-分布式计算框架Shuffle的原理_02 .mp4  44.94M
|   |   ├──7-分布式计算框架Shuffle的原理_03 .mp4  29.26M
|   |   ├──8-Spark的RDD特性_01 .mp4  33.08M
|   |   └──9-Spark的RDD特性_02 .mp4  33.41M
|   ├──2--Spark计算框架深入  
|   |   ├──1-Spark数据缓存机制 .mp4  54.43M
|   |   ├──10-讲解构建稀疏和稠密向量_01 .mp4  80.62M
|   |   ├──11-讲解构建稀疏和稠密向量_01 .mp4  101.76M
|   |   ├──12-构建LabeledPoint .mp4  111.08M
|   |   ├──13-介绍SparkMLlib模块中实现的算法和调用 .mp4  91.18M
|   |   ├──2-Spark宽依赖和窄依赖_01 .mp4  39.74M
|   |   ├──3-Spark宽依赖和窄依赖_02 .mp4  38.86M
|   |   ├──4-Spark宽依赖和窄依赖_03 .mp4  28.03M
|   |   ├──5-Spark术语总结 .mp4  89.66M
|   |   ├──6-分布式文件系统Block块的大小配置 .mp4  114.54M
|   |   ├──7-Spark程序启动运行流程详解_01 .mp4  49.37M
|   |   ├──8-Spark程序启动运行流程详解_02 .mp4  71.40M
|   |   └──9-Spark程序启动运行流程详解_03 .mp4  47.28M
|   └──3--Spark机器学习MLlib和ML模块  
|   |   ├──1-SparkMLlib对于逻辑回归算法的调用 .mp4  170.37M
|   |   ├──10-SparkMLlib调用KMeans聚类_调用决策树(1)_3 .mp4  104.55M
|   |   ├──11-使用逻辑回归和随机森林对股票Stock预测案例实战_1 .mp4  89.72M
|   |   ├──12-使用逻辑回归和随机森林对股票Stock预测案例实战_2 .mp4  92.22M
|   |   ├──13-使用逻辑回归和随机森林对股票Stock预测案例实战_3 .mp4  84.20M
|   |   ├──14-从数据转化到训练集的构建 .mp4  146.40M
|   |   ├──15-模型的训练以及评估和调超参_1 .mp4  84.62M
|   |   ├──16-模型的训练以及评估和调超参_2 .mp4  88.90M
|   |   ├──17-模型的训练以及评估和调超参_3 .mp4  161.69M
|   |   ├──18-SparkML机器学习库概念讲解_1 .mp4  146.78M
|   |   ├──19-SparkML机器学习库概念讲解_2 .mp4  121.35M
|   |   ├──2-SparkMLlib调用逻辑回归_自定义阈值_1 .mp4  120.62M
|   |   ├──20-SparkML机器学习库代码实战讲解_1 .mp4  146.48M
|   |   ├──21-SparkML机器学习库代码实战讲解_2 .mp4  169.53M
|   |   ├──22-SparkML网页分类案例代码实战续（1）_1 .mp4  143.99M
|   |   ├──23-SparkML网页分类案例代码实战续（1）_2 .mp4  143.95M
|   |   ├──24-SparkML网页分类案例代码实战续（2）_1 .mp4  177.12M
|   |   ├──25-SparkML网页分类案例代码实战续（2）_2 .mp4  99.25M
|   |   ├──26-SparkML网页分类案例代码实战续（3） .mp4  9.82M
|   |   ├──3-SparkMLlib调用逻辑回归_自定义阈值_2 .mp4  109.35M
|   |   ├──4-SparkMLlib调用逻辑回归_使用标准归一化_1 .mp4  105.05M
|   |   ├──5-SparkMLlib调用逻辑回归_使用标准归一化_2 .mp4  255.32M
|   |   ├──6-SparkMLlib调用逻辑回归_使用标准归一化_3 .mp4  63.11M
|   |   ├──7-SparkMLlib调用逻辑回归_使用标准归一化_4 .mp4  140.87M
|   |   ├──8-SparkMLlib调用KMeans聚类_调用决策树(1)_1 .mp4  80.22M
|   |   └──9-SparkMLlib调用KMeans聚类_调用决策树(1)_2 .mp4  145.67M
├──12--机器学习与大数据-推荐系统项目实战  
|   ├──1--推荐系统--流程与架构  
|   |   ├──1-推荐系统_隐式用户反馈_1 .mp4  88.31M
|   |   ├──10-推荐系统列表_关联特征权重_基本特征权重的计算_2 .mp4  112.85M
|   |   ├──11-推荐系统列表_关联特征权重_基本特征权重的计算_3 .mp4  103.28M
|   |   ├──12-推荐系统_数据源_1 .mp4  79.07M
|   |   ├──13-推荐系统_数据源_2 .mp4  82.90M
|   |   ├──2-推荐系统_隐式用户反馈_2 .mp4  119.78M
|   |   ├──3-推荐系统_协同过滤_1 .mp4  60.31M
|   |   ├──4-推荐系统_协同过滤_2 .mp4  61.36M
|   |   ├──5-推荐系统_协同过滤_3 .mp4  60.51M
|   |   ├──6-推荐系统_协同过滤_4 .mp4  56.16M
|   |   ├──7-推荐系统架构_实时_离线_1 .mp4  100.65M
|   |   ├──8-推荐系统架构_实时_离线_2 .mp4  104.74M
|   |   └──9-推荐系统列表_关联特征权重_基本特征权重的计算_1 .mp4  77.80M
|   ├──2--推荐系统--数据预处理和模型构建评估实战  
|   |   ├──1-HQL语句_python脚本构建中间结果_1 .mp4  155.76M
|   |   ├──10-MLlib调用算法计算模型文件并存储_2 .mp4  93.65M
|   |   ├──11-MLlib调用算法计算模型文件并存储_3 .mp4  107.32M
|   |   ├──12-ACC准确率和AUC面积的计算以及意义 .mp4  214.40M
|   |   ├──2-HQL语句_python脚本构建中间结果_2 .mp4  122.28M
|   |   ├──3-HQL语句_python脚本构建中间结果_3 .mp4  123.74M
|   |   ├──4-HQL语句_python脚本构建中间结果_4 .mp4  111.87M
|   |   ├──5-推荐系统_数据预处理_spark构建特征索引_标签列_1 .mp4  116.88M
|   |   ├──6-spark构建特征索引_标签列_2 .mp4  91.86M
|   |   ├──7-spark构建特征索引_标签列_3 .mp4  97.86M
|   |   ├──8-spark构建特征索引_标签列_4 .mp4  98.61M
|   |   └──9-MLlib调用算法计算模型文件并存储_1 .mp4  99.64M
|   └──3--推荐系统--模型使用和推荐服务  
|   |   ├──1-推荐模型文件使用思路 .mp4  61.89M
|   |   ├──10-Dubbo推荐服务演示_SparkMLlib介绍_1 .mp4  110.16M
|   |   ├──11-Dubbo推荐服务演示_SparkMLlib介绍_2 .mp4  140.10M
|   |   ├──12-Dubbo推荐服务演示_SparkMLlib介绍_3 .mp4  157.45M
|   |   ├──2-Redis数据库安装及其使用 .mp4  47.93M
|   |   ├──3-实时在线推荐列表计算逻辑代码讲解_1 .mp4  165.06M
|   |   ├──4-实时在线推荐列表计算逻辑代码讲解_2 .mp4  98.49M
|   |   ├──5-实时在线推荐列表计算逻辑代码讲解_3 .mp4  90.57M
|   |   ├──6-实时在线推荐列表计算逻辑代码讲解_4 .mp4  94.68M
|   |   ├──7-使用Dubbo将推荐系统做成服务_1 .mp4  82.21M
|   |   ├──8-使用Dubbo将推荐系统做成服务_2 .mp4  103.88M
|   |   └──9-使用Dubbo将推荐系统做成服务_3 .mp4  119.95M
├──13--深度学习-原理和进阶  
|   ├──1--神经网络算法  
|   |   ├──1-神经网络是有监督的算法_生物神经元到人工神经元 .mp4  94.41M
|   |   ├──2-三种常见的激活函数_网络拓扑介绍_优化算法 .mp4  53.63M
|   |   ├──3-单层神经网络正向传播计算过程_用神经网络理解逻辑回归做多分类 .mp4  67.67M
|   |   ├──4-用神经网络理解Softmax回归 .mp4  67.20M
|   |   ├──5-隐藏层的意义_隐藏层相当于去做预处理_升维降维 .mp4  117.52M
|   |   ├──6-多节点网络输出_sklearn中NN模块的介绍 .mp4  90.57M
|   |   ├──7-sklearn中NN模型的代码使用 .mp4  123.62M
|   |   ├──8-隐藏层激活函数必须是非线性的 .mp4  21.95M
|   |   └──9-tensorflow概要_conda创建虚拟环境_CPU版本的tensorflow安装 .mp4  155.50M
|   ├──2--TensorFlow深度学习工具  
|   |   ├──1-CUDA下载地址_CUDA显卡白名单地址 .mp4  68.65M
|   |   ├──2-CUDA安装_cudnn安装_环境变量配置_检验是否安装成功 .mp4  74.12M
|   |   ├──3-Tensorflow代码运行机制_TF基础的代码 .mp4  120.73M
|   |   ├──4-TF实现线性回归解析解的方式_TF实现线性回归梯度下降的方式 .mp4  173.47M
|   |   ├──5-TF实现线性回归BGD的方式_使用Optimizer_每轮打乱数据 .mp4  233.26M
|   |   ├──6-TF实现Softmax回归来识别MNIST手写数字 .mp4  137.04M
|   |   └──7-TF实现DNN来识别MNIST手写数字 .mp4  132.73M
|   └──3--反向传播推导_Python代码实现神经网络  
|   |   ├──1-反向传播_链式求导法则 .mp4  86.47M
|   |   ├──2-反向传播推导(一) .mp4  127.90M
|   |   ├──3-反向传播推导(二)从输出层到最后一个隐藏层 .mp4  121.37M
|   |   ├──4-反向传播推导(三)从输出层到最后一个隐藏层Softmax多分类为例 .mp4  81.20M
|   |   ├──5-反向传播推导(四)关于Δ和a还有梯度的更新事宜 .mp4  34.57M
|   |   ├──6-python实现神经网络训练代码讲解(一) .mp4  84.17M
|   |   └──7-python实现神经网络正向反向传播训练 .mp4  112.23M
├──14--深度学习-图像识别原理  
|   ├──1--卷积神经网络原理  
|   |   ├──1-回顾深度神经网络_卷积层是局部连接 .mp4  131.17M
|   |   ├──2-单通道卷积的计算 .mp4  104.01M
|   |   ├──3-彩色图片卷积的计算 .mp4  52.79M
|   |   ├──4-卷积层权值共享 .mp4  63.93M
|   |   ├──5-卷积的补充与Padding填充模式 .mp4  97.00M
|   |   ├──6-卷积的计算TF中的API操作与参数 .mp4  93.50M
|   |   ├──7-池化的概念和TF中的API的操作与参数 .mp4  64.09M
|   |   └──8-经典的CNN架构和LeNet5 .mp4  137.21M
|   ├──2--卷积神经网络优化  
|   |   ├──1-AlexNet网络结构_连续使用小的卷积核好处 .mp4  109.38M
|   |   ├──10-Optimizer_Adagrad_Adadelta_RMSprop .mp4  121.41M
|   |   ├──11-Optimizer_Adam .mp4  141.12M
|   |   ├──2-Dropout技术点思想和运用 .mp4  113.94M
|   |   ├──3-数据增强技术点_CNN对MNIST数据集分类_卷积池化代码 .mp4  77.55M
|   |   ├──4-CNN对MNIST数据集分类_全连接层以及训练代码 .mp4  125.88M
|   |   ├──5-深度学习网络对应ACC准确率忽然下降的思考点 .mp4  104.08M
|   |   ├──6-减轻梯度消失问题中激活函数发挥的作用 .mp4  42.02M
|   |   ├──7-减轻梯度消失问题中参数初始化发挥的作用 .mp4  66.51M
|   |   ├──8-VGG网络结构_以及1乘1的卷积核的作用和好处 .mp4  123.25M
|   |   └──9-Optimizer_SGD_Momentum .mp4  89.70M
|   ├──3--经典卷积网络算法  
|   |   ├──1-Keras介绍_以及不同项目调用不同的python环境和CUDA环境 .mp4  141.12M
|   |   ├──2-VGG16_Fine-tuning_对MNIST做手写数字识别 .mp4  116.63M
|   |   ├──3-InceptionV1_V2 .mp4  165.86M
|   |   ├──4-InceptionV3_以及InceptionV3对皮肤癌图片识别 .mp4  166.97M
|   |   ├──5-ResNet残差单元_BottlenetBlocK .mp4  121.51M
|   |   ├──6-DenseNet和Keras里面的实现 .mp4  150.61M
|   |   ├──7-DenseNet在Keras里面的代码实现 .mp4  66.75M
|   |   ├──8-BatchNormalization .mp4  99.23M
|   |   └──9-Mobilenet网络架构 .mp4  150.05M
|   ├──4--古典目标检测  
|   |   ├──1-图像识别任务_古典目标检测 .mp4  196.48M
|   |   ├──2-使用OpenCV调用分类器找到目标框 .mp4  98.21M
|   |   ├──3-IOU以及python计算的代码 .mp4  23.56M
|   |   ├──4-R-CNN和SPP-net .mp4  124.06M
|   |   └──5-从FastRCNN引入FasterRCNN .mp4  120.81M
|   └──5--现代目标检测之FasterRCNN  
|   |   ├──1-回顾RCNN_SPPnet_Fast-RCNN .mp4  121.18M
|   |   ├──2-FasterRNN的核心RPN_正向传播的框过滤_NMS .mp4  214.14M
|   |   ├──3-NMS代码实现流程_mAP目标检测平均指标 .mp4  157.18M
|   |   ├──4-FasterRCNN论文讲解_从介绍到RPN的loss .mp4  210.02M
|   |   └──5-FasterRCNN论文讲解_从RPN损失到评估指标对比 .mp4  247.99M
├──15--深度学习-图像识别项目实战  
|   ├──1--车牌识别  
|   |   ├──1-基于CascadeClassifier来提取目标框做车牌识别代码详解_01 .mp4  83.16M
|   |   ├──2-基于CascadeClassifier来提取目标框做车牌识别代码详解_02 .mp4  86.40M
|   |   ├──3-基于CascadeClassifier来提取目标框做车牌识别代码详解_03 .mp4  48.80M
|   |   ├──4-基于CascadeClassifier来提取目标框做车牌识别代码详解_04 .mp4  73.07M
|   |   └──5-车牌识别项目关于目标检测的问题 .mp4  39.48M
|   ├──2--自然场景下的目标检测及源码分析  
|   |   ├──1-FasterRCNN项目代码_环境说明_数据集详解_项目结构说明 .mp4  116.49M
|   |   ├──10-FasterRCNN代码_构建head .mp4  67.56M
|   |   ├──11-FasterRCNN代码_构建RPN网络_01 .mp4  124.40M
|   |   ├──12-FasterRCNN代码_构建RPN网络_02 .mp4  88.47M
|   |   ├──13-FasterRCNN代码_根据RPN网络得到校正后的预测的框_01 .mp4  83.97M
|   |   ├──14-FasterRCNN代码_根据RPN网络得到校正后的预测的框_02 .mp4  119.92M
|   |   ├──15-FasterRCNN代码_bbox剪裁_NMS非极大值抑制 .mp4  91.40M
|   |   ├──16-FasterRCNN代码_给RPN准备正负例样本_01 .mp4  100.30M
|   |   ├──17-FasterRCNN代码_给RPN准备正负例样本_02 .mp4  165.71M
|   |   ├──18-FasterRCNN代码_给RPN准备正负例样本_03 .mp4  43.58M
|   |   ├──19-FasterRCNN代码_给RPN准备正负例样本_04 .mp4  46.68M
|   |   ├──2-FasterRCNN项目代码_数据加载 .mp4  96.17M
|   |   ├──20-FasterRCNN代码_给RPN准备正负例样本_05 .mp4  78.02M
|   |   ├──21-FasterRCNN代码_给RPN准备正负例样本_06 .mp4  114.63M
|   |   ├──22-FasterRCNN代码_给RPN准备正负例样本_07 .mp4  100.02M
|   |   ├──23-FasterRCNN代码_给RPN准备正负例样本_08 .mp4  57.32M
|   |   ├──24-FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_01 .mp4  53.41M
|   |   ├──25-FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02 .mp4  74.40M
|   |   ├──26-FasterRCNN代码_添加Loss损失_smoothL1loss .mp4  76.44M
|   |   ├──3-FasterRCNN项目代码_数据增强 .mp4  71.78M
|   |   ├──4-FasterRCNN项目代码_数据初始化 .mp4  73.27M
|   |   ├──5-FasterRCNN项目代码_模型的训练 .mp4  39.33M
|   |   ├──6-回归整体训练流程_详解读取数据blob_01 .mp4  81.18M
|   |   ├──7-回归整体训练流程_详解读取数据blob_02 .mp4  75.71M
|   |   ├──8-回归整体训练流程_详解读取数据blob_03 .mp4  39.22M
|   |   └──9-回归整体训练流程_详解读取数据blob_04 .mp4  64.48M
|   └──3--图像风格迁移  
|   |   ├──1-图片风格融合项目_架构_代码实现要点_1 .mp4  81.07M
|   |   ├──2-图片风格融合项目_架构_代码实现要点_2 .mp4  85.15M
|   |   ├──3-图片风格融合项目_架构_代码实现要点_3 .mp4  75.40M
|   |   └──4-图片风格融合项目_架构_代码实现要点_4 .mp4  86.94M
├──16--深度学习-目标检测YOLO(V1-V4全版本)实战  
|   ├──1--YOLOv1详解  
|   |   ├──1-YOLOv1论文详解_算法特点介绍 .mp4  179.69M
|   |   ├──2-YOLOv1论文详解_网络架构_思想 .mp4  215.92M
|   |   ├──3-YOLOv1论文详解_训练中的技巧_Loss损失函数 .mp4  253.21M
|   |   └──4-YOLOv1论文详解_NMS_局限性 .mp4  82.07M
|   ├──2--YOLOv2详解  
|   |   ├──1-YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes .mp4  158.76M
|   |   ├──2-YOLOv2论文详解_mAP更better的一些点 .mp4  257.43M
|   |   ├──3-YOLOv2论文详解_Darknet19_分类数据和检测数据集融合_多标签 .mp4  141.41M
|   |   └──4-YOLOv2论文详解_层级分类_层级分类用于目标检测 .mp4  183.51M
|   ├──3--YOLOv3详解  
|   |   ├──1-YOLOv3论文详解_每个框都要预测多个类别概率 .mp4  86.51M
|   |   ├──2-YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53 .mp4  158.58M
|   |   ├──3-YOLOv3论文详解_总结_FocalLoss .mp4  147.48M
|   |   ├──4-YOLOv4论文概述_介绍 .mp4  139.49M
|   |   └──5-YOLOv4论文概述_BOS_BOF .mp4  297.31M
|   ├──4--YOLOv3代码实战  
|   |   ├──1-YOLOv3代码剖析_项目介绍 .mp4  157.02M
|   |   ├──2-YOLOv3代码剖析_聚类anchors_构建backbone主干网络 .mp4  238.06M
|   |   ├──3-YOLOv3代码剖析_model输出之后的预测框的计算 .mp4  223.57M
|   |   ├──4-YOLOv3代码剖析_使用model预测的其余代码 .mp4  86.53M
|   |   ├──5-YOLOv3代码剖析_weights到h5模型的转换 .mp4  144.69M
|   |   └──6-YOLOv3代码剖析_模型的训练部分详解 .mp4  316.56M
|   └──5--YOLOv4详解  
|   |   ├──1-YOLOv4_BOF_DropBlock_FocalLoss .mp4  207.14M
|   |   ├──2-YOLOv4_BOF_GIoU_DIoU_CIoU .mp4  90.48M
|   |   ├──3-YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish .mp4  216.07M
|   |   └──4-YOLOv4_BOS_SAM_PAN_CSP_CmBN .mp4  220.91M
├──17--深度学习-语义分割原理和实战  
|   ├──1--上采样_双线性插值_转置卷积  
|   |   ├──1-前言 .mp4  19.46M
|   |   ├──2-上采样_repeat .mp4  23.90M
|   |   ├──3-线性插值 .mp4  34.48M
|   |   ├──4-双线性插值 .mp4  125.71M
|   |   ├──5-转置卷积_以及TF的API .mp4  114.25M
|   |   ├──6-双线性插值作为转置卷积核的初始参数 .mp4  145.01M
|   |   ├──7-ROI Align .mp4  58.38M
|   |   ├──8-FPN思想与网络结构 .mp4  92.14M
|   |   └──9-FPN应用于FasterRCNN_ResNetFPN .mp4  95.52M
|   ├──2--医疗图像UNet语义分割  
|   |   ├──1-语义分割的基本概念 .mp4  18.33M
|   |   ├──2-FCN全卷积网络做语义分割 .mp4  36.54M
|   |   ├──3-UNet网络结构 .mp4  30.41M
|   |   └──4-UNet网络医疗图像的语义分割 .mp4  81.21M
|   └──3--蒙版弹幕MaskRCNN语义分割  
|   |   ├──1-MaskRCNN网络结构 .mp4  106.38M
|   |   ├──2-MaskRCNN的项目展示 .mp4  250.54M
|   |   ├──3-MaskRCNN网络架构回顾 .mp4  151.34M
|   |   ├──4-MaskRCNN根据文档和论文总结重要的知识点 .mp4  239.08M
|   |   ├──5-MaskRCNN项目关于运行代码环境的说明 .mp4  44.16M
|   |   └──6-MaskRCNN源码config和model .mp4  244.48M
├──18--深度学习-人脸识别项目实战  
|   ├──1-人脸识别任务种类_具体做法思路 .mp4  40.67M
|   ├──10-人脸识别项目代码_加载MTCNN模型 .mp4  72.07M
|   ├──11-人脸识别项目代码_读取图片带入MTCNN网络给出人脸候选框 .mp4  66.61M
|   ├──12-FaceNet论文_摘要和前情介绍 .mp4  71.54M
|   ├──13-FaceNet论文_相关的介绍 .mp4  39.55M
|   ├──14-FaceNet论文_TripleLoss思路来源和目标 .mp4  44.25M
|   ├──15-FaceNet论文_TripleLoss损失函数 .mp4  63.78M
|   ├──16-FaceNet论文_TripleSelection很至关重要 .mp4  131.75M
|   ├──17-FaceNet论文_ZF和Inception对比_总结 .mp4  59.21M
|   ├──18-人脸识别项目代码_FaceNet模型加载和使用 .mp4  42.82M
|   ├──19-人脸识别项目代码_人脸匹配以及最后的绘图展示 .mp4  40.37M
|   ├──2-开源的FaceNet项目介绍 .mp4  38.07M
|   ├──3-人脸识别项目代码整体结构 .mp4  30.40M
|   ├──4-MTCNN论文_摘要和介绍 .mp4  68.50M
|   ├──5-MTCNN论文_网络整体架构 .mp4  76.57M
|   ├──6-PRelu_每阶段输出多分支意义 .mp4  56.12M
|   ├──7-每一个阶段每个分支的Loss损失_整合每个分支的Loss .mp4  69.95M
|   ├──8-训练数据的准备_每一阶段训练的流程 .mp4  98.08M
|   └──9-总结MTCNN_缩放因子_注意3阶段网络里面的全连接 .mp4  54.79M
├──19--深度学习-NLP自然语言处理原理和进阶  
|   ├──1--词向量与词嵌入  
|   |   ├──1-N-gram语言模型 .mp4  116.32M
|   |   ├──2-NPLM神经网络语言模型 .mp4  155.81M
|   |   ├──3-词向量的作用 .mp4  58.00M
|   |   ├──4-CBOW模型思想和计算过程 .mp4  196.59M
|   |   ├──5-Skip-gram模型思想和计算过程 .mp4  44.35M
|   |   ├──6-Huffman树_分层Softmax的思想 .mp4  113.79M
|   |   ├──7-分层Softmax应用到CBOW模型上 .mp4  64.28M
|   |   └──8-负采样和负采样应用到CBOW模型上 .mp4  66.07M
|   ├──2--循环神经网络原理与优化  
|   |   ├──1-理解RNN循环神经网络拓扑结构 .mp4  122.64M
|   |   ├──2-理解RNN循环神经网络计算流程 .mp4  55.91M
|   |   ├──3-利用RNN循环神经网络对MNIST手写数字识别 .mp4  127.75M
|   |   ├──4-理解LSTM长短时记忆_记住Topo和公式 .mp4  185.30M
|   |   ├──5-VanillaRNN的回顾复习 .mp4  123.51M
|   |   ├──6-补充讲一下为什么RNN中链越长越容易梯度消失 .mp4  44.24M
|   |   ├──7-LSTM的回顾复习_LSTM手写数字识别 .mp4  35.32M
|   |   ├──8-双向RNN_LSTM .mp4  52.01M
|   |   └──9-RNN里面应用的Topology结构 .mp4  23.04M
|   ├──3--从Attention机制到Transformer  
|   |   ├──1-Seq2Seq中Attention注意力机制 .mp4  87.67M
|   |   ├──2-Transformer_Self-Attention_Multi-head .mp4  100.40M
|   |   └──3-Transformer_Positional_使用逻辑_网络结构总结 .mp4  102.40M
|   └──4--ELMO_BERT_GPT  
|   |   ├──1-ELMO .mp4  62.44M
|   |   ├──2-BERT理论 .mp4  99.73M
|   |   └──3-ERNIE_GPT .mp4  56.34M
├──2--人工智能基础-Python基础  
|   ├──1--Python开发环境搭建  
|   |   ├──1-下载Miniconda运行环境 .mp4  100.75M
|   |   ├──2-Miniconda安装和测试 .mp4  57.12M
|   |   ├──3-Pycharm安装和代码运行 .mp4  71.57M
|   |   ├──4-Jupyter安装和代码运行 .mp4  37.10M
|   |   ├──5-Jupyter常用快捷键 .mp4  32.23M
|   |   ├──6-Conda虚拟环境创建与Python模块安装 .mp4  73.12M
|   |   └──7-关联虚拟环境运行代码 .mp4  38.14M
|   └──2--Python基础语法  
|   |   ├──1-Python是强类型的动态脚本语言 .mp4  44.15M
|   |   ├──10-Python_集合操作_列表 .mp4  34.71M
|   |   ├──11-Python_集合操作_列表的基本操作 .mp4  49.44M
|   |   ├──12-Python_集合操作_列表的常用方法 .mp4  37.35M
|   |   ├──13-Python_集合操作_元组 .mp4  43.46M
|   |   ├──14-Python_集合操作_字典和常见操作 .mp4  38.01M
|   |   ├──15-Python_集合操作_字典keys方法_enumerate函数 .mp4  22.40M
|   |   ├──16-Python_os模块_shutil模块 .mp4  51.54M
|   |   ├──17-Python_打开并读取文件_中文编码问题 .mp4  58.82M
|   |   ├──18-Python_函数_定义_调用_返回值_注释 .mp4  23.77M
|   |   ├──19-Python_函数_局部变量_全局变量 .mp4  31.20M
|   |   ├──2-Python_控制语句_单双分支 .mp4  50.66M
|   |   ├──20-Python_函数_默认参数_可变参数 .mp4  24.47M
|   |   ├──21-Python_函数_递归 .mp4  23.46M
|   |   ├──22-Python_函数式编程_高阶函数 .mp4  24.65M
|   |   ├──23-Python_函数式编程_map_reduce_filter_匿名函数 .mp4  37.86M
|   |   ├──24-Python_函数_闭包 .mp4  41.61M
|   |   ├──25-Python_函数_装饰器 .mp4  30.35M
|   |   ├──26-Python_类对象_定义与实例化对象 .mp4  44.21M
|   |   ├──27-Python_类对象_实例属性和方法_类属性和方法 .mp4  38.35M
|   |   ├──28-Python_类对象_内置方法 .mp4  29.17M
|   |   ├──29-Python_类对象_运算符重载_私有对象方法_isinstance函数 .mp4  38.46M
|   |   ├──3-Python_控制语句_多分支_三元条件运算符 .mp4  31.02M
|   |   ├──30-Python_类对象_面向对象三大特性_类的继承 .mp4  24.66M
|   |   ├──31-Python_类对象_子类复用父类构造器和方法_方法重写 .mp4  32.00M
|   |   ├──4-Python_控制语句_while循环 .mp4  25.02M
|   |   ├──5-Python_控制语句_for循环 .mp4  22.82M
|   |   ├──6-Python_控制语句_嵌套循环 .mp4  36.15M
|   |   ├──7-Python_控制语句_break_continue .mp4  25.23M
|   |   ├──8-Python_切片操作 .mp4  40.20M
|   |   └──9-Python_数据类型 .mp4  25.38M
├──20--深度学习-NLP自然语言处理项目实战  
|   ├──1--词向量  
|   |   ├──1-回顾了词向量里面训练的Topology .mp4  121.72M
|   |   ├──2-Word2Vec项目代码_加载数据_构建字典 .mp4  96.76M
|   |   ├──3-Word2Vec项目代码_构建一个个批次数据 .mp4  82.29M
|   |   ├──4-Word2Vec项目代码_正向传播的Graph构建_NCE损失的计算本质 .mp4  102.84M
|   |   ├──5-Word2Vec项目代码_评估比较相似度_最后的训练绘图 .mp4  83.28M
|   |   └──6-Word2Vec项目代码_总结串讲 .mp4  22.52M
|   ├──2--自然语言处理--情感分析  
|   |   ├──1-Keras实战RNN以及词嵌入来做情感分析 .mp4  71.10M
|   |   ├──2-数据预处理_01 .mp4  79.65M
|   |   ├──3-数据预处理_02 .mp4  45.68M
|   |   ├──4-代码讲解_01 .mp4  52.29M
|   |   ├──5-代码讲解_02 .mp4  60.85M
|   |   ├──6-代码讲解_03 .mp4  53.89M
|   |   ├──7-代码讲解_04 .mp4  57.19M
|   |   └──8-代码讲解_05 .mp4  35.88M
|   ├──3--AI写唐诗  
|   |   ├──1-AI写唐诗_数据的读取_字典的构建_文本的索引化 .mp4  114.96M
|   |   ├──2-AI写唐诗_训练数据的构建 .mp4  69.75M
|   |   ├──3-MultiRNNCell单元 .mp4  38.93M
|   |   ├──4-AI写唐诗_从词嵌入到构建RNN再到输出层概率输出 .mp4  67.03M
|   |   ├──5-AI写唐诗_损失的计算_梯度的求解截断和更新_最终的训练代码 .mp4  61.73M
|   |   └──6-AI写唐诗_模型的使用_增加随机性 .mp4  93.87M
|   ├──4--Seq2Seq聊天机器人  
|   |   ├──1-从AI写唐诗到Seq2Seq再到Encoder-Decoder .mp4  118.79M
|   |   ├──2-Seq2Seq版Chatbot的数据预处理 .mp4  93.85M
|   |   └──3-Seq2Seq版Chatbot训练和模型使用 .mp4  133.29M
|   ├──5--实战NER命名实体识别项目  
|   |   ├──1-回顾了一下CRF训练和使用过程 .mp4  73.72M
|   |   ├──2-介绍了代码目录结构 .mp4  23.44M
|   |   ├──3-NER代码读取数据和预处理 .mp4  97.61M
|   |   ├──4-feature进入BiLSTM进行正向传播的过程 .mp4  70.91M
|   |   ├──5-通过CRF层来计算Loss损失以及训练 .mp4  80.51M
|   |   ├──6-BiLSTM-CRF模型的预测代码 .mp4  64.10M
|   |   ├──7-CRF中的特征函数们 .mp4  125.97M
|   |   ├──8-对比逻辑回归_相比HMM优势 .mp4  143.56M
|   |   └──9-补充标注偏置问题_HMM做分词代码结构 .mp4  141.43M
|   ├──6--BERT新浪新闻10分类项目  
|   |   └──1-BERT新浪新闻10分类项目 .mp4  104.54M
|   └──7--GPT2聊天机器人  
|   |   └──1-GPT2闲聊机器人 .mp4  62.28M
├──21--深度学习-OCR文本识别  
|   ├──1-传统OCR识别_深度学习OCR识别 .mp4  369.94M
|   ├──10-CRNN项目代码剖析 .mp4  306.48M
|   ├──2-OCR识别本质就是文字检测和文字识别 .mp4  253.34M
|   ├──3-OCR识别的CTC损失思想 .mp4  327.69M
|   ├──4-总结理解深度学习文字识别架构 .mp4  121.59M
|   ├──5-CTC损失函数的理解 .mp4  330.64M
|   ├──6-CTC损失函数前向后向算法推导_梯度求导公式推导 .mp4  200.52M
|   ├──7-CTC前向后向算法代码 .mp4  225.41M
|   ├──8-GreedySearch和BeamSearch解码的方式与代码逻辑 .mp4  308.23M
|   └──9-CPTN项目代码剖析 .mp4  491.69M
├──24--【加课】Pytorch项目实战  
|   ├──1--PyTorch运行环境安装_运行环境测试  
|   |   ├──1-PyTorch概述 .mp4  29.29M
|   |   ├──2-PyTorch的安装 .mp4  76.45M
|   |   ├──3-Pycharm关联PyTorch运行环境 .mp4  37.96M
|   |   └──4-Jupyter关联PyTorch运行环境 .mp4  31.22M
|   ├──2--PyTorch基础_Tensor张量运算  
|   |   ├──1-Tensor的创建 .mp4  55.14M
|   |   ├──2-修改Tensor的形状_索引操作 .mp4  76.51M
|   |   ├──3-广播机制_逐元素操作 .mp4  44.46M
|   |   └──4-归并操作_比较操作_矩阵操作 .mp4  59.39M
|   ├──3--PyTorch卷积神经网络_实战CIFAR10  
|   |   ├──1-PyTorch实战CIFAR10数据_读取和展示 .mp4  83.93M
|   |   ├──10-PyTorch代码实战加入数据增强 .mp4  34.15M
|   |   ├──2-PyTorch实战CIFAR10_构建网络_打印网络层次 .mp4  58.61M
|   |   ├──3-PyTorch实战CIFAR10_训练模型_测试模型 .mp4  51.47M
|   |   ├──4-PyTorch实战CIFAR10_分类别打印模型准确率 .mp4  30.60M
|   |   ├──5-使用全局平均池化_使用LeNet模型 .mp4  40.97M
|   |   ├──6-使用集成学习思想训练识别模型 .mp4  86.96M
|   |   ├──7-使用VGG16模型提供准确率 .mp4  52.90M
|   |   ├──8-torchvision里面的预训练模型 .mp4  29.84M
|   |   └──9-迁移学习_PyTorch代码实战冻结预训练模型参数 .mp4  67.71M
|   ├──4--PyTorch循环神经网络_词性标注  
|   |   ├──1-PyTorch词性标注_构建数据和词索引号 .mp4  28.07M
|   |   ├──2-PyTorch词性标注_构建词嵌入层LSTM层和词性输出层 .mp4  47.01M
|   |   ├──3-PyTorch词性标注_构建数据索引化和训练模型代码 .mp4  44.59M
|   |   └──4-PyTorch词性标注_测试模型效果 .mp4  11.67M
|   └──5--PyTorch编码器解码器_机器翻译  
|   |   ├──1-PyTorch中英文翻译_规范化语料库_构建中英文词典索引 .mp4  50.41M
|   |   ├──2-PyTorch中英文翻译_数据预处理 .mp4  42.68M
|   |   ├──3-PyTorch中英文翻译_索引化数据_转化成Tensor张量_构建Encoder编码器 .mp4  57.69M
|   |   ├──4-PyTorch中英文翻译_构建训练函数之Encoder计算 .mp4  50.92M
|   |   ├──5-PyTorch中英文翻译_构建带Attention注意力机制的Decoder解码器 .mp4  79.33M
|   |   ├──6-PyTorch中英文翻译_构建训练函数之Decoder计算 .mp4  59.08M
|   |   ├──7-PyTorch中英文翻译_评估模型函数 .mp4  56.52M
|   |   └──8-PyTorch中英文翻译_绘制Attentions注意力权重 .mp4  33.74M
├──25--【加课】百度飞桨PaddlePaddle实战【新增】  
|   ├──1--PaddlePaddle框架安装_波士顿房价预测  
|   |   ├──1-安装PaddlePaddle .mp4  87.34M
|   |   ├──2-Pycharm运行出现mkl-service或DLL找不到的问题 .mp4  45.21M
|   |   ├──3-PaddlePaddle求解线性模型 .mp4  50.63M
|   |   ├──4-预测波士顿房价_数据读取_正向传播 .mp4  60.49M
|   |   └──5-预测波士顿房价_反向传播_模型保存_模型测试 .mp4  43.72M
|   ├──2--PaddlePaddle卷积网络_病理性近视识别  
|   |   ├──1-预测病理性近视_图片数据读取 .mp4  97.18M
|   |   ├──2-预测病理性近视_模型训练 .mp4  86.66M
|   |   ├──3-预测病理性近视_定义模型结构_评估模型 .mp4  84.10M
|   |   └──4-预测病理性近视_调用经典卷积神经网络 .mp4  91.83M
|   ├──3--PaddleDetection工具_PCB电路板缺陷检测  
|   |   ├──1-PaddleDetection_项目配置 .mp4  82.88M
|   |   ├──2-安装配置VisualStudio_解决安装模块pycocotools或cython_bbox编译报错问题 .mp4  65.48M
|   |   ├──3-PCB电路板缺陷检测_Images和Annotations .mp4  83.10M
|   |   ├──4-PCB电路板缺陷检测_前期数据的分析 .mp4  133.78M
|   |   ├──5-PCB电路板缺陷检测_项目配置文件 .mp4  42.77M
|   |   ├──6-PCB电路板缺陷检测_模型训练 .mp4  64.62M
|   |   └──7-PCB电路板缺陷检测_模型预测 .mp4  51.73M
|   ├──4--PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss)  
|   |   ├──1-PaddleOCR_项目配置_CCPD数据集介绍 .mp4  69.65M
|   |   ├──2-车牌识别项目_详解数据准备阶段代码 .mp4  42.93M
|   |   ├──3-车牌识别项目_运行保存标签和剪切出的车牌图片 .mp4  57.48M
|   |   ├──4-车牌识别项目_车牌目标框检测模型训练 .mp4  61.62M
|   |   ├──5-车牌识别项目_车牌字符识别模型训练 .mp4  61.89M
|   |   └──6-车牌识别项目_车牌识别模型导出及预测 .mp4  75.61M
|   ├──5--PaddleNLP模块_物流信息提取（BiGRU+CRF）  
|   |   ├──1-PaddleNLP_项目配置 .mp4  49.37M
|   |   ├──2-PaddleNLP_物流信息提取项目介绍 .mp4  48.01M
|   |   ├──3-物流信息提取项目_解决导包显示找不到nul问题 .mp4  106.19M
|   |   ├──4-PaddleNLP_物流信息提取项目_加载数据构建DataSet .mp4  55.51M
|   |   ├──5-PaddleNLP_物流信息提取项目_进一步通过DataSet构建出DataLoader .mp4  51.88M
|   |   ├──6-PaddleNLP_物流信息提取项目_构建网络模型 .mp4  48.53M
|   |   ├──7-PaddleNLP_物流信息提取项目_模型训练 .mp4  47.34M
|   |   └──8-PaddleNLP_物流信息提取项目_合并结果并展示_使用预训练的词向量提升效果 .mp4  80.58M
|   └──6--PaddleNLP模块_物流信息提取（ERNIE版）  
|   |   ├──1-PaddleNLP_物流信息提取项目_ERNIE实战_加载数据集构建Dataset .mp4  49.47M
|   |   ├──2-PaddleNLP_物流信息提取项目_ERNIE实战_详解Tokenizer作用 .mp4  57.44M
|   |   ├──3-PaddleNLP_物流信息提取项目_ERNIE实战_讲解模型训练和评估代码 .mp4  47.78M
|   |   └──4-PaddleNLP_物流信息提取项目_ERNIE实战_讲解ChunkEvaluator和输出预测结果 .mp4  57.88M
├──26--【加课】Linux 环境编程基础  
|   └──1--Linux  
|   |   ├──1-Linux_课程介绍 .mp4  3.72M
|   |   ├──10-Linux_常用命令_clear、touch、cat命令 .mp4  10.13M
|   |   ├──11-Linux_常用命令more、head、tail命令 .mp4  16.32M
|   |   ├──12-Linux_常用命令_mkdir命令 .mp4  10.57M
|   |   ├──13-Linux_常用命令_cp命令 .mp4  16.08M
|   |   ├──14-Linux_常用命令_rm、mv命令 .mp4  31.83M
|   |   ├──15-Linux_常用命令_vi、vim .mp4  30.63M
|   |   ├──16-Linux_常用命令_reboot、halt .mp4  4.75M
|   |   ├──17-Linux_常用配置_设置时区 .mp4  28.84M
|   |   ├──18-Linux_常用配置_启动网络 .mp4  15.64M
|   |   ├──19-Linux_常用配置_修改网段 .mp4  12.83M
|   |   ├──2-Linux_Linux简介 .mp4  17.59M
|   |   ├──20-Linux_常用配置_设置网络类型 .mp4  25.66M
|   |   ├──21-Linux_常用配置_快照与克隆 .mp4  16.47M
|   |   ├──22-Linux_Xshell的安装与使用 .mp4  19.51M
|   |   ├──23-Linux_上传与下载_Xftp的使用 .mp4  20.33M
|   |   ├──24-Linux_上传与下载_lrzsz工具 .mp4  43.32M
|   |   ├──25-Linux_文件的压缩与解压缩处理 .mp4  43.12M
|   |   ├──26-Linux_安装MySQL .mp4  79.02M
|   |   ├──3-Linux_VMWare安装及使用 .mp4  20.92M
|   |   ├──4-Linux_安装Linux .mp4  41.97M
|   |   ├──5-Linux_目录介绍 .mp4  20.31M
|   |   ├──6-Linux_Linux中的路径 .mp4  18.65M
|   |   ├──7-Linux_常用命令_pwd命令 .mp4  5.79M
|   |   ├──8-Linux_常用命令_cd命令 .mp4  8.15M
|   |   └──9-Linux_常用命令_ls与ll命令 .mp4  34.39M
├──27--【加课】算法与数据结构  
|   └──1--算法与数据结构  
|   |   ├──1-数据结构与算法简介 .mp4  35.68M
|   |   ├──10-哈希表的基本结构 .mp4  54.34M
|   |   ├──11-哈希表冲突问题 .mp4  75.92M
|   |   ├──12-哈希表冲突问题2 .mp4  72.30M
|   |   ├──13-哈希扩容 .mp4  111.03M
|   |   ├──14-递归与栈 .mp4  50.77M
|   |   ├──15-线性查找 .mp4  57.80M
|   |   ├──16-二分查找 .mp4  52.32M
|   |   ├──17-冒泡排序 .mp4  53.19M
|   |   ├──18-选择排序 .mp4  43.29M
|   |   ├──19-插入排序 .mp4  31.39M
|   |   ├──2-大O表示法 .mp4  25.59M
|   |   ├──20-归并排序 .mp4  84.48M
|   |   ├──21-快速排序 .mp4  36.63M
|   |   ├──22-树结构 .mp4  96.85M
|   |   ├──23-树结构的遍历 .mp4  61.05M
|   |   ├──24-最大堆的增加操作 .mp4  45.43M
|   |   ├──25-最大堆的删除操作 .mp4  45.63M
|   |   ├──26-二叉树的查找 .mp4  100.24M
|   |   ├──27-二叉树获取最小值 .mp4  25.21M
|   |   ├──28-二叉树的添加 .mp4  72.66M
|   |   ├──29-二叉树的删除 .mp4  120.06M
|   |   ├──3-线性结构 .mp4  53.14M
|   |   ├──4-单线链表1 .mp4  68.36M
|   |   ├──5-单链表2 .mp4  221.69M
|   |   ├──6-双链表 .mp4  103.57M
|   |   ├──7-队列(链式) .mp4  74.12M
|   |   ├──8-队列(线式) .mp4  30.99M
|   |   └──9-栈与双端队列 .mp4  28.12M
├──3--人工智能基础-Python科学计算和可视化  
|   ├──1--科学计算模型Numpy  
|   |   ├──1-Numpy_概述_安装_创建数组_获取shape形状 .mp4  39.89M
|   |   ├──2-Numpy_array_arange .mp4  35.45M
|   |   ├──3-Numpy_random随机数生成 .mp4  50.54M
|   |   ├──4-Numpy_ndarray属性_zeros_ones_like等创建数组函数 .mp4  45.37M
|   |   ├──5-NumPy_reshape_切片操作_copy函数 .mp4  34.47M
|   |   ├──6-Numpy_改变数组维度_数组的拼接 .mp4  46.50M
|   |   ├──7-Numpy_数组的切分和转置 .mp4  28.34M
|   |   ├──8-Numpy_算术运算_向上向下取整 .mp4  34.59M
|   |   └──9-Numpy_聚合函数 .mp4  23.68M
|   ├──2--数据可视化模块  
|   |   ├──1-Matplotlib_概述_绘制直线图 .mp4  40.79M
|   |   ├──2-Matplotlib_绘制正余弦曲线_散点图_添加图例 .mp4  37.73M
|   |   ├──3-Matplotlib_绘制柱状图_画布切分多个子画布_柱状图对比 .mp4  52.15M
|   |   ├──4-Matplotlib_绘制饼图_直方图_同时绘制多组数据分布 .mp4  29.54M
|   |   └──5-Matplotlib_绘制等高线图_绘制三维图像 .mp4  34.90M
|   └──3--数据处理分析模块Pandas  
|   |   ├──1-Python_Pandas_Series对象创建 .mp4  33.35M
|   |   ├──2-Python_Pandas_DataFrame对象创建 .mp4  37.19M
|   |   ├──3-Python_Pandas_获取Series对象的值 .mp4  22.41M
|   |   ├──4-Python_Pandas_获取DataFrame对象的值 .mp4  28.31M
|   |   ├──5-Python_Pandas_条件过滤 .mp4  24.66M
|   |   ├──6-Python_Pandas_空值的删除与填充 .mp4  46.66M
|   |   └──7-Python_Pandas_拼接和合并 .mp4  44.84M
............
├──9--机器学习-概率图模型  
|   ├──1--贝叶斯分类  
|   |   ├──1-朴素贝叶斯分类算法  .mp4  126.74M
|   |   ├──2-TF-IDF  .mp4  53.08M
|   |   ├──3-NB代码实现解析  .mp4  126.73M
|   |   ├──4-sklearn中调用NB_顺便讲解了GridSearchCV  .mp4  131.83M
|   |   ├──5-语言模型的设计目的_MLE的作用进行参数估计  .mp4  107.12M
|   |   └──6-贝叶斯网络_马尔可夫链  .mp4  38.75M
|   ├──2--HMM算法  
|   |   ├──1-HMM隐马的定义  .mp4  36.82M
|   |   ├──2-HMM隐马的三组参数_三个基本问题  .mp4  104.28M
|   |   ├──3-HMM预测问题使用前向算法  .mp4  44.33M
|   |   ├──4-HMM预测问题使用维特比算法  .mp4  33.43M
|   |   ├──5-HMM复习_明确概率计算问题要解决的目标  .mp4  76.05M
|   |   ├──6-前向算法来解决概率计算问题  .mp4  33.05M
|   |   ├──7-Viterbi算法案例详解  .mp4  107.12M
|   |   └──8-Viterbi算法代码实现  .mp4  42.43M
|   └──3--CRF算法  
|   |   ├──1-NER与分词和POS的关系_NER的标注策略_NER的主要方法  .mp4  127.78M
|   |   ├──2-讲解了一下常见的深度学习LSTM+CRF的网络拓扑  .mp4  71.88M
|   |   ├──3-了解CRF层添加的好处  .mp4  105.90M
|   |   ├──4-EmissionScore_TransitionScore  .mp4  61.33M
|   |   ├──5-CRF的目标函数  .mp4  23.74M
|   |   ├──6-计算CRF真实路径的分数  .mp4  50.37M
|   |   ├──7-计算CRF所有可能路径的总分数  .mp4  135.58M
|   |   └──8-通过模型来预测新的句子的序列标签  .mp4  83.16M
└──课件.zip  2.54kb



下载地址:

游客，如果您要查看本帖隐藏内容请回复

dragon_fly

啥也不说了，感谢楼主分享哇！

17770767379

啥也不说了，感谢楼主分享哇！

csa

啥也不说了，感谢楼主分享哇！

king_hua

啥也不说了，感谢楼主分享哇！

沐秋烟

啥也不说了，感谢楼主分享哇！

anyan4321

啥也不说了，感谢楼主分享哇！

谁主沉浮彪

啥也不说了，感谢楼主分享哇！

zoutaoyang

正需要，支持楼主大人了！

jjjfuck

啥也不说了，感谢楼主分享哇！