![](https://ttkt.net/wp-content/uploads/2024/07/image-271.png?v=1721631281)
课程介绍:
本套课程七月在线 VIP会员课合集,内容共45套,课程官方售价数千元,课程主要包括机器学习、深度学习、自然语言处理、计算机视觉、数据挖掘等领域,详见下方目录,内容共116.29G。
课程截图:
![](https://ttkt.net/wp-content/uploads/2024/07/image-272.png?v=1721631354)
课程目录:
- 01-自动聊天机器人项目班
- 第1课聊天机器人的基础模型与综述
- chatbot第一课配课代码.zip
- 第1课聊天机器人的基础模型与综述.ts
- 第1课综述.pdf
- 第2课nlp基础及扫盲
- 第2课nlp基础.pdf
- 第2课nlp基础及扫盲.ts
- 第3课用基础机器学习方法制作聊天机器人
- 第3课用基础机器学习方法制作聊天机器人.ts
- 第3课-机器学习构建聊天机器人.pdf
- 语聊和代码.zip
- 第4课深度学习基础及扫盲
- 第4课深度学习基础及扫盲.ts
- 第4课:聊天机器人里的深度学习基础大集合.pdf
- 第5课深度学习聊天机器人原理
- chatbot-deeplearning-retrieval.zip
- 第5课深度学习聊天机器人原理.ts
- 第5课-基于深度学习的检索聊天机器人.pdf
- 第6课用深度学习方法制作聊天机器人
- 第6课用深度学习方法制作聊天机器人.ts
- 第6课-dl聊天机器人.pdf
- 数据集和参考资料.zip
- 第7课看图回答vqa
- 第7课vqa.pdf
- 第7课看图回答vqa.ts
- 第7课代码地址.txt
- 第8课简单易用的聊天机器人开发平台与展望
- 第8课简单易用的聊天机器人开发平台与展望.ts
- 第8课.zip
- 02-智能问答系统实战
- 第1课对话系统的介绍.ts
- 第2课智能客服系统基础知识讲解.ts
- 第3课深度学习技术讲解.ts
- 第4课检索式与生成式对话系统.ts
- 第5课seq2seq模型与attention机制.ts
- 第6课bert详解.ts
- 03-语音识别实战
- 第二阶段掌握声学模型和语言模型
- 第二课声学模型gmmdnn-hmm.ts
- 第三课语言模型与解码对齐.ts
- 第三阶段实战判别式训练和asr模型
- 第六课其他前沿asr模型.ts
- 第四课序列判别式训练(sequencediscriminativetraining).ts
- 第五课end-to-endasr.ts
- 第一阶段概览语音识别技术
- 第一课语音识别(asr)技术概览.ts
- 拓展阶段
- 补充课.ts
- 语音识别技术之今生:神经网络.ts
- 语音识别技术之前世:gmm+hmm.ts
- 04-语音识别技术的前世今生
- 语音识别技术之今生:神经网络.ts
- 语音识别技术之前世:gmm+hmm.ts
- 05-无人驾驶实战
- 第八课无人车定位系统.ts
- 第二课软件环境基础(roscmake).ts
- 第九课预测系统.ts
- 第六课视觉定位.ts
- 第七课高精地图与车路协同设备.ts
- 第三课感知基础.ts
- 第十二课基于强化学习的自动驾驶系统.ts
- 第十课路径规划.ts
- 第十一课控制理论.ts
- 第四课感知实战:目标检测.ts
- 第五课感知实战:物体跟踪.ts
- 第一课自动驾驶概述.ts
- 06-无人机自主飞行实战
- 第10课未来工业无人机和全自主飞行载人载货应用前景与障碍.ts
- 第1课无人机硬件理论课.ts
- 第2课无人机拼装实战.ts
- 第3课linux基础知识.ts
- 第4课ros与offboardmode.ts
- 第5课无人机机载摄像头3d建模.ts
- 第6课slam原理及其介绍.ts
- 第7课环境感知和路径规划.ts
- 第8课gps,imu,slam传感器融合.ts
- 第9课基于地图的无人机定位及point-and-fly.ts
- 07-图搜索实战班
- 第1课图搜索实战班第1讲.ts
- 第1课.pdf
- 第2课图搜索实战班第2讲.ts
- 第2课.pdf
- 08-数据挖掘班
- 第10课pagerank与图挖掘
- 第10课pagerank.pdf
- 第10课pagerank与图挖掘.ts
- 第1课数据科学与数学基础
- 第1课数据科学与数学基础.ts
- 第1课数据挖掘基础.pdf
- 第一课实践:numpy基础.ipynb
- 第2课数据处理分析可视化
- lesson_2_data-computation-analysis-visualization.zip
- 可视化.ts
- 第3课海量数据的分布式处理
- 第3课代码与文件.rar
- 第3课海量数据的分布式处理.pdf
- 第3课海量数据的分布式处理.ts
- 第4课关联规则挖掘
- 第4课关联规则挖掘.ts
- 第4课关联规则挖掘算法.pdf
- 第5课数据与聚类
- 第5课数据与聚类.pdf
- 第5课数据与聚类.ts
- 第5课数据与聚类资料打包.zip
- 第6课海量高维数据与近似最近邻
- 第6课海量高维数据与近似最近邻.ts
- 第7课分类与排序
- julyedu_data_mining_lesson7_handout_material.txt
- 第7次课资料.zip
- 第7课分类算法与应用.pdf
- 第7课分类与排序.ts
- 第8课推荐系统
- 第8课推荐系统.pdf
- 第8课推荐系统.ts
- 第9课海量高维数据与维度约减
- 第9课海量高维数据与维度约减(附代码).pdf
- 第9课海量高维数据与维度约减.pdf
- 第9课海量高维数据与维度约减.ts
- 其他资料
- bank_user_background.data
- interview_suggestion.zip
- mining_github.ipynb
- movie_recommendation_using_pyspark.py
- my_apriori.py
- pagerank_demo.zip
- reccomendationsystemexamples.ipynb
- 09-生成对抗网络实战
- code.zip
- gan.zip
- gan-applications.zip
- 第1课生成对抗网络基本原理.ts
- 第2课多种多样的gan.ts
- 第3课更多的生成对抗网络.pdf
- 第3课基于能量的gan.ts
- 第4课gan实战.ts
- 第二课:wganandmore.pdf
- 第一课声称对抗网络基本原理.pdf
- 10-深度学习项目班
- 第7-8课深度学习推荐系统.rar
- 第八课从ccf神经网络到deepauto-encoderforcf.ts
- 第二课深度学习在大规模图像搜索中的实际应用.rar
- 第二课 深度学习在大规模图像搜索中的实际应用.ts
- 第六课fnnccpmpnn与图片混合点击率预估.ts
- 第六课深度学习ctr预估(下).rar
- 第七课从矩阵分解到fmbasednn.ts
- 第三课自然语言处理从入门到进阶.rar
- 第三课自然语言处理从入门到进阶.ts
- 第四课聊天机器人实战演练.rar
- 第四课聊天机器人实战演练.ts
- 第五课从fm到dnn到wide&deepmodel.ts
- 第五课深度学习ctr预估(上).rar
- 第一课深度卷积神经网络基础(原理、调参、kaggle比赛实践).ts
- 第一课课件_convnets_principles_dl_projects.rar
- 卷积神经网络与计算机视觉.ts
- 神经网络初步.ts
- 预习第二课:cnn与cv.pdf
- 预习第一课:神经网络初步.zip
- 11-深度学习论文班
- 第1课reducingthedimensionalityofdatawithneuralnetworks..ts
- 第2课afastlearningalgorithmfordeepbeliefnets..ts
- 第3课denselyconnectedconvolutionalnetworks.ts
- 第4课aguideforconvolutionarithmeticfordeeplearning.ts
- 第5课imagenetclassificationwithdeepconvolutionalneuralnetworks..ts
- 第6课speechrecognitionwithdeeprecurrentneuralnetworks.ts
- 第7课decoupledneuralinterfacesusingsyntheticgradients.ts
- 第8课deeplearningwithoutpoorlocalminima.ts
- 12-深度学习第四期
- 第二阶段透彻理解cnn
- cnn与物体检测图像分割.pdf
- mnist_cnn.py
- 第2课cnn从入门到高级应用(上).ts
- 第3课cnn从入门到高级应用(下).ts
- 第二课cnn.pdf
- 第二课第1节:cnn层级结构.ts
- 第二课第2节:数据输入层.ts
- 第二课第3节:卷积层.ts
- 第二课第4节:激励层,池化层,全连接层.ts
- 第二课第5节:卷积层可视化理解.ts
- 第二课第6节:正则化与dropout.ts
- 第二课第7节:典型结构与训练.ts
- 第二课第8节:实战:用keras实战cnn图片分类.ts
- 第三课第1节:图像处理任务.ts
- 第三课第2节:图像识别和定位任务思路一.ts
- 第三课第3节:图像识别和定位任务思路二.ts
- 第三课第4节:物体检测选择性搜索.ts
- 第三课第5节:物体检测r-cnn.ts
- 第三课第6节:物体检测fastr-cnn.ts
- 第三课第7节:物体检测fasterr-cnn.ts
- 第三课第8节:图像分割.ts
- 第三课第9节:部分代码和训练数据.ts
- 第三阶段cnn延伸:深度学习框架与高级应用
- dl_platforms.pdf
- lr_mnist.ipynb
- productreview-rnn.ipynb
- tf_basics.ipynb
- 第4课nn框架:caffe,tensorflow与pytorch.ts
- 第5课生成对抗网络gan.ts
- 第四课第10节:pytroch代码实战.ts
- 第四课第1节:caffe介绍.ts
- 第四课第2节:为什么使用tesorflow?.ts
- 第四课第3节:tensflow计算图.ts
- 第四课第4节:tensflow会话机制和打印结果.ts
- 第四课第5节:tensorboard可视化.ts
- 第四课第6节:tensflow数据类型.ts
- 第四课第7节:pytroch计算图介绍.ts
- 第四课第8节:pytroch建模使用方法.ts
- 第四课第9节:pytorch和tensorflow区别.ts
- 第五课第1节:对抗生成网络原理.ts
- 第五课第2节:深度卷积对抗生成网络.ts
- 第五课第3节:图像翻译(pix2pix).ts
- 第五课第4节:多领域图像翻译.ts
- 第五课第5节:文本生成图像(text2img).ts
- 第五课第6节:dcgan实现手写数字实战.ts
- 对抗生成网络.pdf
- 第四阶段掌握自然语言处理中的神经网络
- fasttext.pdf
- poem_generator.txt
- rnn条件生成与attention.zip
- rnn与自然语言处理.pdf
- 第6课从词向量到nlp分类问题.ts
- 第7课rnnlstmgridlstm.ts
- 第8课rnn条件生成与attention.ts
- 第八课第1节:rnn条件生成.ts
- 第八课第2节:机器翻译.ts
- 第八课第3节:attention机制.ts
- 第八课第5节:总结与代码实战.ts
- 第八课第5节:总结与代码实战_1.ts
- 第六课第1节:词向量介绍.ts
- 第六课第2节:词向量离散表示-n-gram和语言模型.ts
- 第六课第3节:词向量分布式表示-共现矩阵和svd降维.ts
- 第六课第4节:词向量分布式表示-nnlm.ts
- 第六课第5节:词向量分布式表示-word2vec.ts
- 第六课第6节:word2vec问题和词嵌入效果评估.ts
- 第六课第7节:word2vec工具介绍-gensim.ts
- 第七课第1节:rnn的应用场景.ts
- 第七课第2节:rnn的网络层级结构.ts
- 第七课第3节:不同类型的rnn.ts
- 第七课第4节:深层双向rnn与bptt算法.ts
- 第七课第5节:生成模型与图像描述.ts
- 第七课第6节:lstm、gru.ts
- 第七课第7节:实战:用lstm模型建立一个唐诗生成器.ts
- 自然语言处理与文本表示.pdf
- 第五阶段迁移学习与增强学习
- dqn-flappybird.txt
- table-basedq-learning.pdf
- 第10课迁移学习与新技术.ts
- 第9课增强学习与deepqnetwork.ts
- 第九课第1节:强化学习介绍.ts
- 第九课第2节:强化学习的难点.ts
- 第九课第3节:马尔可夫决策过程.ts
- 第九课第4节:打折未来奖励.ts
- 第九课第5节:q-learning.ts
- 第九课第6节:deepq-network.ts
- 第九课第7节:q-learning应用.ts
- 第九课第8节:案例flappy-bird.ts
- 第十课第1节:风格迁移应用.ts
- 第十课第2节:风格迁移实现原理步骤.ts
- 第十课第3节:风格迁移实现原理步骤续.ts
- 第十课第4节:模型fine-tuning.ts
- 第十课第5节:多语种语音识别multitasklearning.ts
- 第十课第5节:多语种语音识别multitasklearning_1.ts
- 第十课第6节:域对抗domain-adversarialtraining.ts
- 第十课第7节:capsulenet.ts
- 强化学习与deepq-network.pdf
- 第一阶段深度学习从零入门
- neural_networks.zip
- 第1课dnn与混合网络:googlewide&deep.ts
- 第1课深度学习初步.pdf
- 第一课第1节:深度学习应用.ts
- 第一课第2节:线性分类器基本概念.ts
- 第一课第3节:hingeloss、交叉熵损失.ts
- 第一课第4节:神经网络的网络结构.ts
- 第一课第5节:非线性表达能力原理和过拟合.ts
- 第一课第6节:传递函数和bp算法概念.ts
- 第一课第7节:bp算法公式实例推导.ts
- 第一课第8节:实战:手写一个神经网络算法进行分类.ts
- 阅读作业_神经网络与深度学习.pdf
- 其他资料
- dl4_exam_1答案.html
- dl4_exam_3_答案.html
- dl4_exam_4_答案.html
- dl4_exam_5_答案.html
- 13-人工智能极简入门
- 第10课焦距思维:为什么卷积神经网络在深度学习中得到广泛应用?.ts
- 第1课机械思维:从人工智能发展史中,我们能获得什么启示?.ts
- 第2课数据思维:为什么大数据当代ai发展的最大推手?.ts
- 第3课辩证思维:如何成为智能时代的精英?.ts
- 第4课锯箭思维:为什么说回归分析是完成数据到价值转换的好途径?.ts
- 第5课中庸思维:机器学习的三大流派都是什么.ts
- 第6课概率思维:为什么贝叶斯是一个现代人的人生观?.ts
- 第7课维度思维:降维和升维给我们带来什么启示?.ts
- 第8课不确定思维:为什么生命以负熵为生?.ts
- 第9课心学思维:神经网络学习的生物学基础在哪里?.ts
- 14-区块链实战
- 第八课ico揭秘以及如何发币.ts
- 第二课共识、挖矿、交易以及钱包详解.ts
- 第六课智能合约学习准备.ts
- 第七课智能合约开发入门(实战项目).ts
- 第三课手动实现简易区块链原型(代码实战).ts
- 第四课比特币源码编译和本地实验(略懂c++即可).ts
- 第五课比特币的局限性及以太坊入门.ts
- 第一课从比特币到区块链.ts
- 15-迁移学习
- transfer-learningcode.zip
- 第1课迁移学习详解.ts
- 第2课迁移学习实战.ts
- 第一课迁移学习.pdf
- 16-七月在线-机器学习集训营第九期
- 机器学习集训营第九期
- 10-18
- 第10课聚类_1.mp4
- 第11课聚类与推荐系统实战_1.mp4
- 第12课贝叶斯网络_1.mp4
- 第13课隐马尔科夫模型hmm_1.mp4
- 第14课主题模型_1.mp4
- 第15课神经网络初步_1.mp4
- 第16课卷积神经网络与计算机视觉_1.mp4
- 第17课循环神经网络与自然语言处理_1.mp4
- 第18课深度学习实践_1.mp4
- 1-9
- 第1课回归问题与应用_1.mp4
- 第2课决策树与树集成模型_1.mp4
- 第3课svm_1.mp4
- 第4课最大熵与em算法(上).m4a
- 第4课最大熵与em算法(下)_1.mp4
- 第5课机器学习中的特征工程处理_1.mp4
- 第6课多算法组合与模型最优化_1.mp4
- 第7课sklearn与机器学习实战_1.mp4
- 第8课高级工具xgboost_lightgbm与建模实战_1.mp4
- 第9课电商推荐系统_1.mp4
- 其他
- 概率论_1.mp4
- 凸优化_1.mp4
- 微积分_1.mp4
- 线性代数_1.mp4
- 资料
- 资料
- 4次数学预习课讲义
- 4次数学预习课讲义
- 概率论.pdf
- 凸优化简介.pdf
- 微分学与梯度下降法(1).pdf
- 线性代数基础_.pdf
- gpu使用方法
- gpu使用方法
- 七月在线18vipwin下gpu服务器使用方法.pdf
- 七月在线18vipmac便捷连接远程gpu服务器.pdf
- 第10课
- 第十课聚类.pdf
- 数据&代码.zip
- 第11课
- kaggle_recommendation_competitions.zip
- 第12课
- 第12课贝叶斯网络.pdf
- 第13课
- hmm_pos_tag.html
- 第13课hmm.pdf
- 第14课
- 第14课主题模型.pdf
- 资料与代码(1).zip
- 第15课
- neural_networks.zip
- 深度学习初步.downloading
- 第16课
- cnn.downloading
- mnist_cnn.py
- 第17课
- 循环神经网络与应用.downloading
- 第18课
- tensorflow_pytorch.downloading
- 深度学习框架介绍与应用.downloading
- 第1课
- homework.zip
- regression_based_algorithms.zip
- 回归类问题机器学习.downloading
- 第2课
- decisiontrees.zip
- homework.zip
- 决策树与随机森林.downloading
- 第3课
- svm.pdf
- 第4课
- gmm-em-clustering-master.downloading
- 第5课
- kaggle-bike-sharing-competition.downloading
- 第5课:机器学习中的特征工程.downloading
- 第6课
- model_ensemble-example.downloading
- 第7课
- housing.downloading
- sklearn_learning.downloading
- 第8课
- xgboost_lightgbm.downloading
- 第9课
- recommendersystemexamples.downloading
- 第9课-推荐系统原理与应用.downloading
- 天池电力ai大赛数据及代码
- tianchi_power_baseline_bramble.downloading
- 学员课程笔记
- linux笔记.downloading
- 17-七月:推荐系统实战第二期
- 第1课推荐系统简介:bat、头条等.mp4
- 第2课召回算法和业界最佳实践(一).mp4
- 第3课召回算法和业界最佳实践(二).mp4
- 第4课用户建模(召回、排序都会用到).mp4
- 第5课排序算法&深度学习模型.mp4
- 第6课重排序算法:learntorank.mp4
- 第7课学术界最新算法在bat的应用1.mp4
- 学术界最新算法在bat的应用2.mp4
- 资料.zip
- 18-面试求职第四期
- 第二阶段玩转树、堆、图等高级数据结构
- 代码及相关图例.zip
- 第3课树/堆.ts
- 第4课图论.ts
- 第5课递归.ts
- 第6课图搜索初探.ts
- 第六课图搜索.pdf
- 第三课树和堆.pdf
- 第四课图论.pdf
- 第五课递归.pdf
- 第三阶段实战动态规划和贪心
- 代码.zip
- 第7课动态规划.ts
- 第8课贪心.ts
- 第8课-贪心.pdf
- 第七课动态规划.pdf
- 第四阶段掌握海量数据处理和概率,求职心不慌
- 10博弈论概率论数论.pdf
- 第10课博弈论概率数论.ts
- 第9课高并发/海量数据处理/笔试技巧.ts
- 第9课-架构和设计.pdf
- 第一阶段掌握基础算法和数据结构
- 第1课算法初步.ts
- 第2课必知必会的数据结构.ts
- 第二课必知必会的数据结构.pdf
- 第一课算法初步.pdf
- 名企ai面试100题第二版.pdf
- 19-量化交易策略实战
- 第1课量化交易基础.ts
- 第2课衍生品及交易策略(a).ts
- 第3课衍生品及交易策略(b).ts
- 第4课统计套利.ts
- 20-矩阵与凸优化班
- lecture1.pdf
- lecture2.pdf
- lecture3.pdf
- lecture4_凸优化初步.pdf
- lecture5.pdf
- lecture6_凸优化在机器学习中的应用.pdf
- 第1课理解矩阵.ts
- 第2课理解微积分和凸优化.ts
- 第3课微积分与逼近论.ts
- 第4课凸优化初步.ts
- 第5课凸优化进阶.ts
- 第6课凸优化在机器学习中的应用.ts
- 21-金融风控实战
- 第二阶段机器学习的核心:特征工程
- 04特征工程(下).ipynb
- 第三课特征工程(上).ts
- 第三课特征工程(上).zip
- 第三课第1节:油品数据分析.ts
- 第三课第2节:特征工程介绍.ts
- 第三课第3节:预览数据.ts
- 第三课第4节:数值型数据处理.ts
- 第三课第5节:时间和文本型数据处理.ts
- 第三课第6节:基于时间序列进行特征衍生.ts
- 第三课第7节:基于时间序列进行特征衍生续.ts
- 第四课特征工程(下).ts
- 第四课第1节:特征选择介绍.ts
- 第四课第2节:特征选择filter.ts
- 第四课第3节:特征选择wrapper和embedded.ts
- 第四课第4节:模型遇到的问题.ts
- 第四课第5节:模型遇到的问题续.ts
- 第四课第6节:变量重要性.ts
- 第四课第7节:变量共线性.ts
- 第四课第8节:变量稳定性.ts
- 第三阶段机器学习与评分卡模型
- 第六课集成算法.ts
- 第六课集成算法.zip
- 第六课第1节:评分卡复习.ts
- 第六课第2节:xgboost介绍.ts
- 第六课第3节:xgboost参数.ts
- 第六课第4节:调参策略.ts
- 第六课第5节:lightgbm做评分卡.ts
- 第六课第6节:lightgbm评分卡结果.ts
- 第六课第7节:lightgbm和逻辑回归结果对比.ts
- 第五课逻辑回归评分卡.ts
- 第五课逻辑回归评分卡.zip
- 第五课第1节:评分卡介绍.ts
- 第五课第2节:逻辑回归建立评分卡.ts
- 第五课第3节:模型评价ks值.ts
- 第五课第4节:再做特征筛选.ts
- 第五课第5节:生成分析报告.ts
- 第五课第6节:打分系统.ts
- 第四阶段模型优化
- 第7课第3节:标签分裂.ts
- 第7课第4节:代价敏感.ts
- 第7课第5节:采样算法smote.ts
- 第7课第6节:采样算法续.ts
- 第7课第7节:实战:用采样算法看模型效果.ts
- 第9课迁移学习.rar
- 第八课模型融合.ts
- 第八课第1节:采样算法回顾.ts
- 第八课第2节:模型融合介绍.ts
- 第八课第3节:模型融合方法.ts
- 第八课第4节:逻辑回归和gbdt介绍.ts
- 第八课第5节:逻辑回归和gbdt融合.ts
- 第八课第6节:实战:模型融合看模型效果.ts
- 第九课迁移学习.ts
- 第九课第1节:为什么做迁移学习?.ts
- 第九课第2节:主要任务和增量学习.ts
- 第九课第3节:模型迁移学习方法.ts
- 第九课第4节:几个统计分布概念.ts
- 第九课第5节:主要任务实现方法.ts
- 第九课第6节:tradaboost算法.ts
- 第九课第7节:实战:跨国家跨场景迁移模型.ts
- 第七课不均衡学习.ts
- 第七课不均衡学习.zip
- 第七课第1节:不均衡学习介绍.ts
- 第七课第2节:下探和半监督学习.ts
- 第五阶段高级风控模型
- 10深度学习.rar
- 11无监督算法与异常检测.rar
- 12社交网络与图算法.rar
- 第8课模型融合.rar
- 第十二课社交网络分析与金融反欺诈.ts
- 第十二课第1节:设备指纹.ts
- 第十二课第2节知识图谱介绍.ts
- 第十二课第3节:知识图谱风控应用.ts
- 第十二课第4节:pagerank算法.ts
- 第十二课第5节:其他复杂网络.ts
- 第十二课第6节:lpa算法和代码实现.ts
- 第十二课第7节:案例分享.ts
- 第十课深度学习与金融风控.ts
- 第十课第1节:课前知识回顾.ts
- 第十课第2节:欺诈风险.ts
- 第十课第3节:反欺诈生命周期.ts
- 第十课第4节:风控场景rnn应用.ts
- 第十课第5节:为什么用lstm算法.ts
- 第十课第6节:风控场景cnn应用.ts
- 第十课第7节:word2vec应用.ts
- 第十课第8节:其他算法应用.ts
- 第十一课异常检测实战.ts
- 第十一课第1节:课前知识回顾.ts
- 第十一课第2节:发欺诈难点.ts
- 第十一课第3节:反欺诈无标签建模方法.ts
- 第十一课第4节:异常检测算法介绍.ts
- 第十一课第5节:z-score和knn异常检测算法.ts
- 第十一课第6节:lof异常检测算法.ts
- 第十一课第7节:lsolationforest异常检测算法.ts
- 第十一课第8节:lsolationforest应用.ts
- 第一阶段金融风控技术基础
- 第二课风控数据挖掘方法.ts
- 第二课风控数据挖掘方法.zip
- 第二课第1节:生肖属相单变量分析.ts
- 第二课第2节:决策树算法.ts
- 第二课第3节:决策树规则挖掘实战.ts
- 第二课第4节:变量衍生.ts
- 第二课第5节:训练模型和分析结果.ts
- 第一课金融风控与反欺诈业务详解.ts
- 第一课金融风控与反欺诈业务详解.zip
- 第一课第1节:风控业务初识.ts
- 第一课第2节:风控流程.ts
- 第一课第3节:几个重要概念.ts
- 第一课第4节:风控数据分析.ts
- 第一课第5节:金融反欺诈常用特征方法.ts
- 第一课第6节:金融反欺诈常用特征方法续.ts
- 22-计算机视觉第二期
- lesson1图像处理基础.zip
- lesson10理解alphago(强化学习)和生成模型(gan)背后的原理.zip
- lesson2图像处理进阶.zip
- lesson3神经网络初步与调参.zip
- lesson4深度cnn原理与实战.zip
- lesson6大规模车辆图片搜索.zip
- lesson7目标检测与无人驾驶.zip
- lesson8深度学习在图像语义分割中的应用.zip
- lesson9rnn与gan.zip
- 第10课:深度学习前沿:理解alphago(强化学习)和生成模型(gan)背后的原理.ts
- 第1课:图像处理基础.ts
- 第2课:图像处理进阶.ts
- 第3课:神经网络初步与调参技巧(byseven).ts
- 第4课:深度卷积神经网络原理与实践(byseven).ts
- 第5课图像搜索技术(byseven).ts
- 第7课:目标检测及其在无人驾驶领域的作用.ts
- 第8课:深度学习在图像语义分割中的应用.ts
- 第9课:rnn及其应用(imagecaptioningandvqa).ts
- 重识别(byseven).ts
- 23-机器学习中的数学第二期
- 扩展
- 第八课第10节代码演示.ts
- 第八课第1节本课纲要.ts
- 第八课第2节优化问题简介.ts
- 第八课第3节svm:线性分类器.ts
- 第八课第4节svm对偶(代数)方法.ts
- 第八课第5节svm几何方法.ts
- 第八课第6节压缩感知:信号还原.ts
- 第八课第7节压缩感知:压缩感知.ts
- 第八课第8节压缩感知:求解压缩感知优化.ts
- 第八课第9节压缩感知:lasso.ts
- 第二课第1节课程简介.ts
- 第二课第2节求导法则。链式,加,乘,除.ts
- 第二课第3节反函数求导:.ts
- 第二课第4节常见函数(幂,三角,对数,复杂)的求导.ts
- 第二课第5节隐函数.ts
- 第二课第6节矩阵求导.ts
- 第二课第7节前馈神经网络.ts
- 第二课第8节反射传播算法.ts
- 第二课第9节梯度消失与梯度爆炸.ts
- 第九课第10节神经网络:结构、传递函数.ts
- 第九课第11节神经网络:bp.ts
- 第九课第12节神经网络:sgd..ts
- 第九课第13节神经网络:前馈,反传及参数更新.ts
- 第九课第14节googleplayground.ts
- 第九课第1节课程简介及本课纲要.ts
- 第九课第2节线性回归与分类.ts
- 第九课第3节线性回归-gt;逻辑回归.ts
- 第九课第4节分类与逻辑回归.ts
- 第九课第5节逻辑回归.ts
- 第九课第6节多分类.ts
- 第九课第7节lr到感知器.ts
- 第九课第8节神经网络.ts
- 第九课第9节神经网络:非线性切分.ts
- 第六课第1节本课纲要.ts
- 第六课第2节对称矩阵对角化.ts
- 第六课第3节特征分解.ts
- 第六课第4节奇异值及分解.ts
- 第六课第5节主成分分析相关概念及手推.ts
- 第七课第1节本课纲要.ts
- 第七课第2节优化问题简介极大似然估计最小二乘估计.ts
- 第七课第3节凸集合与凸函数.ts
- 第七课第4节凸优化.ts
- 第七课第5节凸优化中的对偶问题.ts
- 第七课第6节凸优化对偶性.ts
- 第七课第7节凸优化ktt条件.ts
- 第七课第8节综合问答.ts
- 第三课第10节蒙特卡洛近似.ts
- 第三课第11节机器学习实例(nb).ts
- 第三课第12节熵,与机器学习实例(决策树).ts
- 第三课第13节kldivergence(kl散度)gt;用于解释em算法.ts
- 第三课第14节互信息.ts
- 第三课第1节本课简介(常用符号说明).ts
- 第三课第2节概率,事件,并集,独立事件,条件概率,联合概率,贝叶斯公式定义.ts
- 第三课第3节生成模型与判别模型.ts
- 第三课第4节概念点:随机变量,期望,方差.ts
- 第三课第5节机器学习实例(roc曲线).ts
- 第三课第6节连续随机变量.ts
- 第三课第7节正态分布.ts
- 第三课第8节协方差与相关系数,协方差矩阵.ts
- 第三课第9节大数定理,中心极限定理.ts
- 第十课第1节本课简介.ts
- 第十课第2节从lr到决策树.ts
- 第十课第3节决策树整理思路.ts
- 第十课第4节核心概念:熵.ts
- 第十课第5节划分依据-信息增益,信息增益率,基尼指数.ts
- 第十课第6节用决策树完成回归(回归树).ts
- 第十课第7节bagging.ts
- 第四课第10节贝叶斯公式(复习上节课).ts
- 第四课第11节mixturegaussianmle.ts
- 第四课第12节em优化与原理.ts
- 第四课第13节k-means.ts
- 第四课第14节综合答疑.ts
- 第四课第1节复习.ts
- 第四课第2节正态分布,期望估计.ts
- 第四课第3节参数估计:最大似然.ts
- 第四课第4节伯努利分布.ts
- 第四课第5节正态分布.ts
- 第四课第5节正态分布_1.ts
- 第四课第7节线性回归.ts
- 第四课第8节逻辑回归.ts
- 第四课第9节机器学习实例(biasvariancetradeoff)knn.ts
- 第五课第10节二次性,正定,半正定矩阵.ts
- 第五课第11节向量的范数.ts
- 第五课第12节矩阵的范数.ts
- 第五课第13节最小二乘.ts
- 第五课第14节最小二乘统计意义(与最大似然的关系).ts
- 第五课第15节最小二乘几何意义前导及求解(矩列阵空间).ts
- 第五课第1节本课纲要.ts
- 第五课第2节线代基本概念.ts
- 第五课第3节加,减,数乘,向量乘积(内积,外积),矩阵积等运算及运算律.ts
- 第五课第4节矩阵转置,特殊类型矩阵,方阵的迹,向量的线性无关,空间概念,矩阵的秩.ts
- 第五课第5节矩阵的秩.ts
- 第五课第6节可逆与非奇异.ts
- 第五课第7节方阵的特征值与特征向量.ts
- 第五课第8节相似矩阵.ts
- 第五课第9节矩阵的等价,相似与合同.ts
- 第一课第10节低维到高维:多元函数的梯度.ts
- 第一课第11节梯度下降法与(牛顿法).ts
- 第一课第12节梯度计算:随机梯度下降法sgd.ts
- 第一课第13节随机梯度下降法的困难:学习率选择.ts
- 第一课第14节随机梯度下降法的优化算法.ts
- 第一课第15节综合答疑.ts
- 第一课第1节数学在机器学习的角色,机器学习整体流程等课程整体性简介.ts
- 第一课第2节微积分学核心思想:逼近(用简单的事物(函数)去模拟复杂的事件(函数)),近似思想是研究复杂事物时的简化手段.ts
- 第一课第3节逼近思想的语言:极限论及表示.ts
- 第一课第4节无穷小与无穷小阶数:比x^n接近于0速度还快的无穷小记为o(x^n).ts
- 第一课第5节两边夹定理.ts
- 第一课第6节重要的几种极限.ts
- 第一课第7节求导的几何及代数意义.ts
- 第一课第8节常见函数的导数.ts
- 第一课第9节从线性逼近到多项式逼近:泰勒级数(n阶).ts
- 第10课-机器学习分类问题与数学(下).pdf
- 第1课微分学与梯度下降法.pdf
- 第2课微分学进阶.pdf
- 第3课probability.pdf
- 第5课-线性代数基础_.pdf
- 第6课-线性代数进阶.pdf
- 第7课凸优化简介.pdf
- 第8课代码示范.支持向量机.ipynb
- 第8课凸优化进阶.pdf
- 第9课-机器学习分类问题与数学(上).pdf
- 第八课:优化的稳定性.ts
- 第二课:微分学进阶.ts
- 第九课:从线性模型谈起的机器学习分类与回归.ts
- 第六课:线性代数进阶.ts
- 第七课:凸优化简介.ts
- 第三课:概率论简介.ts
- 第十课:从信息论到工业界最爱的树模型.ts
- 第四课:极大似然估计.ts
- 第五课:线性代数基础.ts
- 第一课:微分学基本概念.ts
- 24-机器学习与量化交易项目班
- 第八课自动交易系统的搭建
- 第8课代码.zip
- 第八课自动交易系统的搭建.ts
- 第二课量化交易系统综述
- 第2课量化交易系统综述.pdf
- 第2课量化交易系统综述_课堂标记版.pdf
- 第二课量化交易系统综述.ts
- 第九课量化策略的实现
- 参考论文1.zip
- 第9课量化策略的实现.pdf
- 第九课量化策略的实现.ts
- 第六课策略建模:基于机器学习的策略建模
- 第6课策略建模:基于机器学习的策略建模.pdf
- 第六课策略建模:基于机器学习的策略建模.ts
- 第七课模型评估与风险控制
- 第7课模型评估与风险控制.pdf
- 第七课模型评估与风险控制.ts
- 第三课搭建自己的量化数据库
- lec3_codes.zip
- 第3课搭建自己的量化数据库.pdf
- 第三课搭建自己的量化数据库.ts
- 第十课策略优化与课程总结
- 参考论文2.zip
- 第10课策略优化与课程总结.pdf
- 第十课策略优化与课程总结.ts
- 第四课用python进行金融数据分析
- codeforlecture4.ipynb
- data.zip
- 第4课用python进行金融数据分析.pdf
- 第四课用python进行金融数据分析.ts
- 第五课策略建模综述
- 代码.zip
- 第5课策略建模综述.pdf
- 第五课策略建模综述.ts
- 第一课自动化交易综述
- 第1课课前预习版.pdf
- 第1课自动化交易综述.pdf
- 第一课自动化交易综述.ts
- 扩展
- 第10课第1节前九课回顾.ts
- 第10课第2节paper1.ts
- 第10课第3节paper2.ts
- 第10课第4节相关国外课程推荐.ts
- 第1课第1节算法交易综述.ts
- 第1课第2节机器学习流程.ts
- 第1课第3节量化交易评估.ts
- 第1课第4节量化交易策略.ts
- 第2课第1节掌握python语言和常用的数据处理包.ts
- 第2课第2节量化交易技术介绍.ts
- 第2课第3节从技术分析到机器学习.ts
- 第3课第1节数据的获取、清理及存储.ts
- 第3课第2节金融策略.ts
- 第3课第3节机器学习途径实现.ts
- 第4课第1节ols.ts
- 第4课第2节ridgelasso.ts
- 第4课第3节handsonsklearn.ts
- 第5课第1节特征的选择及实现.ts
- 第5课第2节训练集和模型建立.ts
- 第5课第3节模型介绍.ts
- 第6课第1节特征选择.ts
- 第6课第2节遗传算法.ts
- 第6课第3节深入理解bp算法.ts
- 第6课第4节rnn.ts
- 第7课第1节作业点评.ts
- 第7课第2节量化交易实战.ts
- 第7课第3节集成学习.ts
- 第7课第4节adaboost自适应学习方法.ts
- 第8课第1节极简主义的nlp与量化建模课程.ts
- 第8课第2节风险控制parti.ts
- 第8课第3节基于事件驱动的量化交易.ts
- 第9课第1节面试工作闲谈.ts
- 第9课第2节矩阵特征值.ts
- 第9课第3节资产组合权重.ts
- 第9课第4节paper.ts
- 25-机器学习应用班
- 第10课社交网络在工业界的应用
- 第10课社交网络在工业界的应用.pdf
- 第10课社交网络在工业界的应用.ts
- 第10课社交网络在工业界的应用.zip
- 第1课数学基础
- 第1课数学基础.ts
- 第1课数学基础_课堂笔记.pdf
- 第2课随机森林及其应用
- 第2课随机森林及其应用.pdf
- 第2课随机森林及其应用.ts
- 第3课特征工程与模型调优
- feature_engineering_and_model_tuning.zip
- kaggleeventrecommendationcompetition.ipynb
- kaggleevent推荐比赛数据百度云盘地址.txt
- kaggleevent推荐比赛思路.pdf
- 第3课特征工程与模型调优.pdf
- 第3课特征工程与模型调优.ts
- 第4课推荐系统与案例
- 第4课推荐系统.pdf
- 第4课推荐系统与案例.ts
- 推荐系统3个案例.zip
- 第5课ctr预估
- ctr资料.zip
- 第5课ctr预估.ts
- 第5课分类排序与ctr预估.pdf
- 寒老师汇总ctr资源.txt
- 第6课nlp应用基础
- naive_bayes-master.zip
- 第6课nlp应用基础.ts
- 第6课自然语言处理应用基础.pdf
- 第7课深度学习在nlp中的应用
- 第7课深度学习在nlp中的应用.ts
- 第7课深度学习在自然语言处理的应用.pdf
- 第8课图像检索与相关应用
- 第8课图像检索与那些相关的应用.pdf
- 第8课图像检索与相关应用.ts
- 第9课计算机视觉中的物体检测
- 第9课计算机视觉中的物体检测.pdf
- 第9课计算机视觉中的物体检测.ts
- 其他资料
- ali_power_prediction_data_processing_and_tree_based_model_modelling.ipynb
- ffm.pdf
- 机器学习应用班index(update_all)-by远洋.docx
- 推荐系统3个案例.zip
- 小世界网络与无标度网络的社区结构研究.pdf
- 26-机器学习工程师第八期
- 第10课高级工具xgboostlightgbm与建模
- lightgbm与建模实战.ts
- using+xgboost+to+predict+sales.html
- xgboostusagedemo.html
- 第11课用户画像与推荐系统
- reccomendationsystemexamples.ipynb
- 第11课推荐系统.pdf
- 第11课用户画像与推荐系统.ts
- 第12课聚类
- lesson12_clustering.zip
- 第12课聚类.ts
- 第13课聚类与推荐系统实战
- lesson13_recommendationsystemcompetition.zip
- 第13课聚类与推荐系统实战.ts
- 第14课贝叶斯网络
- lesson14_graphicalmodels.pdf
- 第14课贝叶斯网络.ts
- 第15课隐马尔科夫模型hmm
- lesson15_graphicalmodelsii.pdf
- 第15课隐马尔科夫模型hmm.ts
- 第16课主题模型
- 第17课神经网络初步
- 第17课神经网络初步.ts
- 神经网络初步.zip
- gibbs_lda.html
- 第16课主题模型.ts
- 主题模型课件与资料.zip
- 第18课卷积神经网络与计算机视觉
- lesson18_cnn.pdf
- 第18课卷积神经网络与计算机视觉.ts
- 第19课循环神经网络与自然语言处理
- poem_generator.zip
- 第19课循环神经网络与自然语言处理.ts
- 第19课:循环神经网络与自然语言处理.pdf
- 第1课(上)微积分
- lesson1概率论课件.pdf
- lesson1微积分课件.pdf
- lesson1_补充材料_随机梯度下降法概述_翻译.pdf
- lesson1_补充材料_线性代数选讲pca.ipynb
- lesson1微积分线性代数选讲(管).pdf
- 第1课(上)微积分.ts
- 第1课(下)概率论
- 第1课(下)概率论.ts
- 第20课深度学习实践
- deep_learning_frameworks_examples.zip
- 第20课深度学习实践.ts
- 第20课:深度学习框架与应用案例.pdf
- 第2课(上)线性代数
- lesson2凸优化课件.pdf
- lesson2线性代数课件.pdf
- lesson2概率与凸优化(邓).pdf
- 第2课(上)线性代数.ts
- 第2课(下)凸优化
- 第2课(下)凸优化.ts
- 第3课回归问题与应用
- lecture_3_codes.zip
- 第3课回归问题与应用.ts
- 第3课:回归类模型与应用.pdf
- 第4课决策树、随机森林、gbdt
- house_price.html
- housingpricetest-第4课.csv
- housingpricetrain-第4课.csv
- lesson4_决策树随机森林.pdf
- 第4课决策树、随机森林、gbdt.ts
- 第5课svm
- 第5课svm.ts
- 第6课最大熵与em算法(上)
- 第6课最大熵与em算法(上).ts
- 第6课最大熵与em算法(下)
- iis.pdf
- maxentem.pdf
- 第6课最大熵与em算法(下).ts
- 第7课机器学习中的特征工程处理
- lesson7课件_kaggle-bicycle-example.zip
- 第7课机器学习中的特征工程处理.ts
- 第7课:机器学习中的特征工程.pdf
- 第8课多算法组合与模型最优化
- feature_engineering_and_model_tuning.zip
- tianchi_power_baseline.ipynb
- 第8课多算法组合与模型最优化.ts
- 第8课:模型调优与融合.pdf
- 天池电力数据power_ai.csv
- 第9课sklearn与机器学习实战
- sklearn知识要点.html
- 第9课sklearn与机器学习实战.ts
- 第9课sklearn知识要点.html
- 机器学习基本知识.html
- 无敌scikit_learn小抄.pdf
- 扩展资料
- data_all_20170524.csv
- pima-indians-diabetes.csv
- tianchi_power_baseline_bramble(1).ipynb
- tianchi_power_baseline_bramble.ipynb
- 阿里妈妈:大数据下的广告排序技术及实践.pdf
- 无敌scikit_learn小抄.pdf
- 28-关键点检测实战
- 第1课关键点检测概览与环境配置.ts
- 第2课图像识别与检测.ts
- 第3课人体骨骼点检测:自顶向下.ts
- 第4课人体骨骼点检测:自底向上.ts
- 第5课人脸和手部特征点检测.ts
- 第6课物体关键点检测.ts
- 29-概率统计第二期
- 第1课概率论基础.ts
- 第2课参数估计:从概率到统计.ts
- 第3课面试中常见的概率统计问题.ts
- 第4课概率统计在机器学习中的应用.ts
- 第5课熵与相对熵.ts
- 第6课最大熵原理与最大熵模型.ts
- 30-动态规划实战班
- 167.cc
- 215.cpp
- 34.cc
- 第1课动态规划.pdf
- 第1课动态规划实战班第1讲.ts
- 第2课动态规划.pdf
- 第2课动态规划实战班第2讲.ts
- 二分法微课.pdf
- 31-从头到尾带打kaggle比赛
- 第1课开营仪式与赛题介绍.ts
- 第2课如何使用python完成数据分析并构建比赛baseline.ts
- 第3课带你学会使用:构建验证集的3种方法,以及10多种机器学习模型.ts
- 第4课n种数据挖掘技巧,让你学到爽.ts
- 第5课3种模型集成方法,构建最强模型.ts
- 第6课比赛总结与展望.ts
- 32-从零实战目标检测
- 第二阶段目标检测主流体系
- 第3课anchors下的主力网络.ts
- 第4课anchorfree下的第三条路.ts
- 第三阶段目标检测最新发展现状
- 第5课憋大招前的准备工作.ts
- 第一阶段夯实基础
- 第1课目标检测概览与环境配置.ts
- 第2课骨干网络.ts
- 33-从零起步实战slam
- 第10课:回环检测与重建.ts
- 第1课slam概览与系统环境配置.ts
- 第2课slam中的基础.ts
- 第3课李群与李代数.ts
- 第4课相机成像及常用视觉传感器.ts
- 第5课非线性优化.ts
- 第6课视觉里程计.ts
- 第7课多视角几何.ts
- 第8课视觉里程计中的位姿估计方法.ts
- 第9课非线性优化.ts
- 34-tensorflow框架案例实战
- 资料
- 1.1_tensorflow_basics.ipynb
- 2.1_linear_regression.html
- 2.2_polynomial_regression.html
- 2.3_logistic_regression.html
- 2.4_multilayer_perception.html
- lenet_inference.py
- lenet_train.py
- lesson_5.zip
- lesson_8code.zip
- lesson6-code.zip
- 代码链接.txt
- 第1课:tensorflow基础.pdf
- 第4课海量图像训练预处理.zip
- 第6课-tensorboard使用.pdf
- 第三课cnn-intro.pdf
- 风格转换与dcgan.pdf
- 第1课tensorflow基础.ts
- 第2课详解深度神经网络案例.ts
- 第3课卷积神经网络与图像应用.ts
- 第4课海量图像训练预处理.ts
- 第5课循环神经网络与应用.ts
- 第6课tensorboard工具与模型优化.ts
- 第7课tensorflow应用案例.ts
- 第8课tensorflow之上的工具库.ts
- 35-spark机器学习班
- graphx.scala
- spark系统概述与编程入门.pps
- sql.scala
- 第1课spark系统概述与编程接口.ts
- 第2课spark运行模式及原理.ts
- 第2课spark运行原理与shuffle过程.pps
- 第3课spark存储、调度、与监控分析.ts
- 第3课spark存储、调度与监控分析.pdf
- 第4课spark性能调优.pdf
- 第4课spark性能调优.ts
- 第5课spark即时查询讲解.pdf
- 第5课spark即时查询讲解.ts
- 第6课spark图计算讲解.pdf
- 第6课spark图计算讲解.ts
- 第7-8课spark机器学习.zip
- 第7课spark机器学习讲解.ts
- 第8课spark机器学习应用.ts
- 36-pytorch的入门与实战
- 第八课问答系统.ts
- 第二课词向量简介.ts
- 第六课图片风格迁移和gan.ts
- 第七课seq2seq与attention.ts
- 第三课语言模型.ts
- 第四课自然语言分类任务.ts
- 第五课简单图片分类.ts
- 第一课深度学习回顾与pytorch简介.ts
- 37-python数据分析升级版
- 第10课python深度学习入门.ts
- 第1课python和数据分析入门.ts
- 第2课numpy.ts
- 第3课pandas.ts
- 第4课数据获取与处理.ts
- 第5课matplotlib与数据可视化.ts
- 第6课python文本分析.ts
- 第7课机器学习库scikit-learn与应用.ts
- 第8课python社交网络分析igraph.ts
- 第9课python多线程.ts
- 第八课python社交网络分析igraph.zip
- 第二课numpy.zip
- 第九课python多线程.zip
- 第六课python文本分析.zip
- 第七课机器学习库scikit-learn与应用.zip
- 第三课pandas.zip
- 第十课python深度学习入门.zip
- 第五课matplotlib与数据可视化.zip
- 第一课python和数据分析入门.zip
- 38-python爬虫项目班
- 第1课环境准备与入门
- lesson_01_code.zip
- 第1课环境准备与入门.pdf
- 第1课环境准备与入门.ts
- 第2课python编程入门
- lesson_02_code.zip
- 第2课python编程入门.pdf
- 第2课python编程入门.ts
- 第3课爬虫基础知识与简易爬虫实现
- lesson_03_code.zip
- 第3课爬虫基础知识与简易爬虫实现.pdf
- 第3课爬虫基础知识与简易爬虫实现.ts
- 第4课相关库使用与登录问题
- lesson_04_code.zip
- 第4课相关库使用与登录问题.pdf
- 第4课相关库使用与登录问题.ts
- 第5课scrapy及相关应用
- 代码.zip
- 第5课scrapy及相关应用.pdf
- 第5课scrapy及相关应用.ts
- 第6课爬虫设计实战
- douban[天下无鱼][shikey.com].zip
- douban_imgs[天下无鱼][shikey.com].zip
- 第6课scrapy图片抓取[天下无鱼][shikey.com].pdf
- 第6课爬虫设计实战[天下无鱼][shikey.com].ts
- 第7课高级内容-并发编程
- lesson_07_code.zip
- 第7课高级内容-并发编程.pdf
- 第7课高级内容-并发编程.ts
- 第8课分布式爬虫框架设计
- lesson_08_code.zip
- 第8课分布式爬虫框架设计.pdf
- 第8课分布式爬虫框架设计.ts
- 39-python极简入门
- 第10课展翅腾飞:后续发展方向.ts
- 第1课了解一项看似神秘的工作:编程工作和编程语言.ts
- 第2课夯实基础:内置对象和语句基础(一).ts
- 第3课夯实基础:内置对象和语句基础(二).ts
- 第4课夯实基础:内置对象和语句基础(三).ts
- 第5课继承伟大发明;函数.ts
- 第6课光辉思想:面向对象和类(一).ts
- 第7课光辉思想:面向对象和类(二).ts
- 第8课轮子的世界:模块和包.ts
- 第9课气定神闲:异常处理和文件读写.ts
- 40-python基础入门3
- 扩展
- 第八课第1节python文件读写.ts
- 第八课第2节json.ts
- 第八课第3节正则表达式.ts
- 第八课第4节爬虫.ts
- 第八课第5节numpy入门.ts
- 第八课第6节pandas.ts
- 第二课第1节复习上节课内容.ts
- 第二课第2节python基础语法格式,表达式与声明.ts
- 第二课第3节关键字、标准操作符.ts
- 第二课第4节名字,赋值与名字空间.ts
- 第二课第5节python中的对象.ts
- 第九课第1节dataanalyst.csv招聘数据分析.ts
- 第九课第2节美国总统大选数据分析.ts
- 第九课第3节matplotlib.ts
- 第九课第4节实战:销售数据分析.ts
- 第六课第1节复习上节课内容.ts
- 第六课第2节面向对象思想.ts
- 第六课第3节类的设计与创建.ts
- 第六课第4节类中的关键字与装饰器.ts
- 第七课第1节复习上节课内容.ts
- 第七课第2节类的继承和多态.ts
- 第七课第3节类的魔术方法与描述符.ts
- 第七课第4节开放类与元类.ts
- 第七课第5节模块和包.ts
- 第三课第1节复习上节课内容.ts
- 第三课第2节条件判断与三元表达式.ts
- 第三课第3节循环与循环控制.ts
- 第三课第4节可迭代对象,迭代器与生成器.ts
- 第三课第5节异常与错误处理.ts
- 第四课第1节复习上节课内容.ts
- 第四课第2节函数定义,函数体,位置参数与关键字参数,函数返回值.ts
- 第四课第3节不定长位置参数与关键字参数.ts
- 第四课第4节偏函数.ts
- 第五课第1节复习上节课内容.ts
- 第五课第2节函数式编程思想.ts
- 第五课第3节匿名函数.ts
- 第五课第4节高阶函数与内置高阶函数map,reduce,filter,sorted.ts
- 第五课第5节嵌套函数与函数闭包,函数对象.ts
- 第五课第6节python名字访问规则:legb.ts
- 第五课第7节装饰器.ts
- 第一课第1节notebook环境配置,安装.ts
- 第一课第2节notebook使用.ts
- 第一课第3节markdown.ts
- 第一课第4节notebook隐藏辅助功能.ts
- 第一课第5节python简介,解释执行,运行方式.ts
- 第一课第6节python内置及三方库的管理及使用.ts
- 第一课第7节如何更好得获得帮助.ts
- python1.ipynb
- python2.ipynb
- python3.ipynb
- python4.ipynb
- python5.ipynb
- python6.ipynb
- python7.ipynb
- 第1课python入门及环境搭建.ts
- 第2课python编程基础(上).ts
- 第3课python编程基础(下).ts
- 第4课函数基础.ts
- 第5课高级函数.ts
- 第6课面向对象基础.ts
- 第7课面向对象高级.ts
- 第8课文件操作及常用系统模块.ts
- 第9课python数据分析.ts
- 41-ocr文字识别实战
- 第二阶段:掌握文本定位与文本检测
- 第四课文本行定位.ts
- 第五课自然场景中的文本检测.ts
- 第三阶段掌握其他图像问题
- 第六课图像质量增强和预处理.ts
- 第一阶段一览ocr技术和字符识别
- 第二课单字符分割与识别.ts
- 第三课字符序列识别.ts
- 第一课ocr技术概览.ts
- 拓展阶段
- 增加内容:手把手教你用asr的框架搞定ocr.ts
- 预习阶段ocr基础:cnn和rnn
- cnn.pdf
- cnn预习视频:卷积神经网络与计算机视觉.ts
- mnist_cnn.py
- rnn预习视频:循环神经网络与自然语言处理.ts
- 循环神经网络与应用.pdf
- 42-nlp到word2vec实战班
- 第1课nlp理论基础
- search+relevance.zip
- 第1课nlp基础.pdf
- 第1课nlp理论基础.ts
- 第2课word2vec理论基础
- lrsoftmaxandbpreference.txt
- 第2课word2vec理论基础.ts
- 第2课词向量到word2vec与相关应用.pdf
- 第3课word2vec实战案例课-kaggle竞赛案例
- chinese-sentiment-analysis.zip
- kaggle-word2vec-ipynb.zip
- recommendersystemsusingwordembeddings.pdf
- word2vec-recommender.zip
- 第3课word2vec实战案例课-kaggle竞赛案例.ts
- 第3课应用案例.pdf
- 第4课从word2vec到fasttext的新发展+案例
- 第4课从word2vec到fasttext的发展.pdf
- 第4课从word2vec到fasttext的新发展+案例.ts
- 资料及代码.zip
- 43-linux从零入门实战
- 第八讲linux运维基础.ts
- 第二讲linux常用操作命令.ts
- 第九讲linux系统构建.ts
- 第六讲linux网络基础.ts
- 第七讲http网络服务.ts
- 第三讲linux代码编辑器.ts
- 第十讲linux操作系统常见试题解析.ts
- 第四讲linuxshell编程.ts
- 第五讲linux开发基础.ts
- 第一讲linux介绍.ts
- 44-leetcode刷题班
- 200.cpp
- 207.cpp
- 399.cpp
- 第1课数论.ts
- 第1课课件.pdf
- 第2课二分搜索.ts
- 第2课课件.pdf
- 第3课并查集.ts
- 第3课树微课part1.pdf
- 第3课树微课part2.pdf
- 第4课深度优先搜索.ts
- 第5课图.pdf
- 第5课图论算法.ts
- 第6课动态规划.ts
- 45-kaggle竞赛实战班
- 第二阶段实战计算广告、nlp、cv等方向
- 第3课第二节datasetandfeatures.ts
- 第3课第三节sparkmllibandthepipelineapi&&mllibpipelineforclickthroughrateprediction.ts
- 第3课第四节randomforestgbdtfmffmdnn.ts
- 第3课第一节onlineadvertisingandclickthroughrateprediction.ts
- 第4课第二节kaggle题目详解(初级).ts
- 第4课第三节kaggle题目详解(进阶).ts
- 第4课第一节nlp的基本思路与技巧.ts
- 第5课第二节竞赛方案介绍.ts
- 第5课第一节数据采集清洗.ts
- 第6课第二节lstm.ts
- 第6课第三节案例.ts
- 第6课第四节图片特征.ts
- 第6课第五节cnn.ts
- 第6课第一节rnn.ts
- 第六课深度学习比赛:猫狗分辨与人脸表情识别.ts
- 第三课计算广告实战:排序与ctr预估问题.ts
- 第四课通过搜索和情感分析实战nlp问题.ts
- 第五课通过能源预测与分配案例实战机器学习的完整流程.ts
- 第三阶段实战电商推荐与金融风控
- 第7课第二节思路拓展与实践.ts
- 第7课第三节竞赛案例参考.ts
- 第7课第一节案例介绍.ts
- 第8课第二节案例解析.ts
- 第8课第一节金融风控介绍.ts
- 第八课金融风控案例的完整分析与实战.ts
- 第七课电商推荐与销量预测案例实战.ts
- 第一阶段掌握kaggle比赛的通用流程
- 第1课第二节机器学习常用算法.ts
- 第1课第六节模型分析与模型融合.ts
- 第1课第七节kagglewiki案例.ts
- 第1课第三节常用工具.ts
- 第1课第四节数据处理.ts
- 第1课第五节特征工程、模型选择、交叉验证.ts
- 第1课第一节机器学习应用领域.ts
- 第2课第二节案例.ts
- 第2课第三节非标准数据的处理.ts
- 第2课第一节解决高纬数据分类回归问题.ts
- 第二课经济金融案例实战:房价与股市预测.ts
- 第一课通过kaggle经典案例掌握机器学习算法的通用流程.ts
- 1.zip
- 2.zip
- 3.zip
- 4.zip
- 5.zip
- 6.zip
- 7.zip
- 8.zip
- dsb2017-kaggle肺癌检测第一名解决方案和代码.zip
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。