人工智能研究生课程库，0基础入门AI必修课，视频+资料(62G) 

课程介绍：

本套课程深度之眼人工智能研究生课程库，课程官方售价899元，课程共19章，包含视频以及相关资料，内容共计62.54G。

人工智能研究生课程库包含丰富的主题通过学习，可掌握包括使用Python进行数据科学、掌握各种机器学习算法、深入研究深度学习框架、参与比赛等。包括数学基础、编程技能、机器学习算法、深度学习框架、计算机视觉、自然语言处理等。

课程截图：

课程目录：

• 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