RK0088-【百Z】人工智能AI深度学习就业班

mind

资源来自网络分享，侵权请告知删除。
免费容易导致链接很快失效，
如失效，请联系管理

【百Z】人工智能AI深度学习就业班



——/【百Z】人工智能AI深度学习就业班/
├──0-资料密码：MTcrr18oGVEnPXmy  
|   └──这是密码，返回从1看视频课  
├──1-人工智能基础-快速入门  
|   ├──1：人工智能就业前景与薪资.mp4  33.79M
|   ├──2：人工智能适合人群与必备技能.mp4  21.05M
|   ├──3：人工智能时代.mp4  16.73M
|   ├──4：人工智能在各领域的应用.mp4  41.84M
|   ├──5：人工智能常见流程.mp4  36.39M
|   ├──6：机器学习不同的学习方式.mp4  31.24M
|   ├──7：深度学习比传统机器学习有优势.mp4  33.53M
|   ├──8：有监督机器学习任务与本质.mp4  23.26M
|   └──9：无监督机器学习任务与本质.mp4  31.15M
├──10-机器学习与大数据-Kaggle竞赛实战  
|   ├──章节1：药店销量预测案例  
|   |   ├──1：Rossmann药店销量预测_kaggle的介绍.mp4  12.99M
|   |   ├──2：对数据字段的介绍_导包.mp4  8.64M
|   |   ├──3：自定义损失函数.mp4  9.45M
|   |   ├──4：对数据里面的目标变量sales的一个分析.mp4  16.92M
|   |   ├──5：数据的预处理.mp4  44.18M
|   |   ├──6：模型的训练_评估.mp4  23.63M
|   |   ├──7：kaggle竞赛网站学习.mp4  53.21M
|   |   ├──代码.rar  6.42M
|   |   └──新建文本文档.txt  0.38kb
|   └──章节2：网页分类案例  
|   |   ├──10：评估指标ROC和AUC.mp4  20.71M
|   |   ├──11：竞赛其他相关提交成绩排行榜.mp4  20.00M
|   |   ├──12：数据导入.mp4  23.64M
|   |   ├──13：MLlib对网页分类竞赛数据预处理.mp4  38.73M
|   |   ├──14：MLlib对网页分类竞赛数据预处理_模型训练.mp4  28.05M
|   |   ├──15：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  25.54M
|   |   ├──16：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  37.66M
|   |   ├──17：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  36.03M
|   |   ├──18：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  28.98M
|   |   ├──19：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  30.52M
|   |   ├──8：Kaggle网页分类竞赛介绍.mp4  11.18M
|   |   ├──9：评估指标ROC和AUC.mp4  22.36M
|   |   └──代码.rar  8.81M
├──11-机器学习与大数据-海量数据挖掘工具  
|   ├──章节1：Spark计算框架基础  
|   |   ├──10：分布式计算所需进程.mp4  15.59M
|   |   ├──11：两种算子操作本质区别.mp4  26.09M
|   |   ├──12：Spark算子操作实战讲解_代码实战WordCount_01.mp4  31.68M
|   |   ├──13：Spark算子操作实战讲解_代码实战WordCount_02.mp4  25.91M
|   |   ├──14：Spark算子操作实战讲解_代码实战WordCount_03.mp4  20.20M
|   |   ├──15：Spark算子操作实战讲解_代码实战WordCount_04.mp4  17.87M
|   |   ├──1：Spark特性_01.mp4  25.09M
|   |   ├──2：Spark特性_02.mp4  17.41M
|   |   ├──3：Spark对比hadoop优势.mp4  12.39M
|   |   ├──4：回顾hadoop讲解shuffle.mp4  19.98M
|   |   ├──5：分布式计算框架Shuffle的原理_01.mp4  25.52M
|   |   ├──6：分布式计算框架Shuffle的原理_02.mp4  25.75M
|   |   ├──7：分布式计算框架Shuffle的原理_03.mp4  17.40M
|   |   ├──8：Spark的RDD特性_01.mp4  19.36M
|   |   ├──9：Spark的RDD特性_02.mp4  21.88M
|   |   ├──代码.rar  383.20M
|   |   └──资料.rar  1.49M
|   ├──章节2：Spark计算框架深入  
|   |   ├──1.txt  0.37kb
|   |   ├──16：Spark数据缓存机制.mp4  29.18M
|   |   ├──17：Spark宽依赖和窄依赖_01.mp4  24.87M
|   |   ├──18：Spark宽依赖和窄依赖_02.mp4  22.53M
|   |   ├──19：Spark宽依赖和窄依赖_03.mp4  15.82M
|   |   ├──20：Spark术语总结.mp4  40.15M
|   |   ├──21：分布式文件系统Block块的大小配置.mp4  44.19M
|   |   ├──22：Spark程序启动运行流程详解_01.mp4  19.60M
|   |   ├──23：Spark程序启动运行流程详解_02.mp4  28.62M
|   |   ├──24：Spark程序启动运行流程详解_03.mp4  19.89M
|   |   ├──25：讲解构建稀疏和稠密向量_01.mp4  33.94M
|   |   ├──26：讲解构建稀疏和稠密向量_01.mp4  36.25M
|   |   ├──27：构建LabeledPoint.mp4  44.28M
|   |   └──28：介绍SparkMLlib模块中实现的算法和调用.mp4  35.00M
|   └──章节3：Spark机器学习MLlib和ML模块  
|   |   ├──29：SparkMLlib对于逻辑回归算法的调用.mp4  49.31M
|   |   ├──30：SparkMLlib调用逻辑回归_自定义阈值_1.mp4  52.45M
|   |   ├──31：SparkMLlib调用逻辑回归_自定义阈值_2.mp4  47.12M
|   |   ├──32：SparkMLlib调用逻辑回归_使用标准归一化_1.mp4  38.65M
|   |   ├──33：SparkMLlib调用逻辑回归_使用标准归一化_2.mp4  65.63M
|   |   ├──34：SparkMLlib调用逻辑回归_使用标准归一化_3.mp4  33.16M
|   |   ├──35：SparkMLlib调用逻辑回归_使用标准归一化_4.mp4  43.62M
|   |   ├──36：SparkMLlib调用KMeans聚类_调用决策树(1)_1.mp4  37.81M
|   |   ├──37：SparkMLlib调用KMeans聚类_调用决策树(1)_2.mp4  47.16M
|   |   ├──38：SparkMLlib调用KMeans聚类_调用决策树(1)_3.mp4  40.96M
|   |   ├──39：使用逻辑回归和随机森林对股票Stock预测案例实战_1.mp4  43.44M
|   |   ├──40：使用逻辑回归和随机森林对股票Stock预测案例实战_2.mp4  34.89M
|   |   ├──41：使用逻辑回归和随机森林对股票Stock预测案例实战_3.mp4  34.73M
|   |   ├──42：从数据转化到训练集的构建.mp4  63.44M
|   |   ├──43：模型的训练以及评估和调超参_1.mp4  35.14M
|   |   ├──44：模型的训练以及评估和调超参_2.mp4  32.22M
|   |   ├──45：模型的训练以及评估和调超参_3.mp4  43.17M
|   |   ├──46：SparkML机器学习库概念讲解_1.mp4  59.66M
|   |   ├──47：SparkML机器学习库概念讲解_2.mp4  53.67M
|   |   ├──48：SparkML机器学习库代码实战讲解_1.mp4  61.18M
|   |   ├──49：SparkML机器学习库代码实战讲解_2.mp4  63.53M
|   |   ├──50：SparkML网页分类案例代码实战续（1）_1.mp4  62.91M
|   |   ├──51：SparkML网页分类案例代码实战续（1）_2.mp4  60.76M
|   |   ├──52：SparkML网页分类案例代码实战续（2）_1.mp4  57.54M
|   |   ├──53：SparkML网页分类案例代码实战续（2）_2.mp4  44.98M
|   |   ├──54：SparkML网页分类案例代码实战续（3）.mp4  4.00M
|   |   └──资料.rar  1.28M
├──12-机器学习与大数据-推荐系统项目实战  
|   ├──章节1：推荐系统--流程与架构  
|   |   ├──10：推荐系统列表_关联特征权重_基本特征权重的计算_2.mp4  43.65M
|   |   ├──11：推荐系统列表_关联特征权重_基本特征权重的计算_3.mp4  41.93M
|   |   ├──12：推荐系统_数据源_1.mp4  33.88M
|   |   ├──13：推荐系统_数据源_2.mp4  31.32M
|   |   ├──1：推荐系统_隐式用户反馈_1.mp4  44.97M
|   |   ├──2：推荐系统_隐式用户反馈_2.mp4  49.07M
|   |   ├──3：推荐系统_协同过滤_1.mp4  29.27M
|   |   ├──4：推荐系统_协同过滤_2.mp4  28.45M
|   |   ├──5：推荐系统_协同过滤_3.mp4  28.66M
|   |   ├──6：推荐系统_协同过滤_4.mp4  29.77M
|   |   ├──7：推荐系统架构_实时_离线_1.mp4  41.82M
|   |   ├──8：推荐系统架构_实时_离线_2.mp4  41.81M
|   |   ├──9：推荐系统列表_关联特征权重_基本特征权重的计算_1.mp4  37.60M
|   |   ├──数据.rar  759.94kb
|   |   └──资料.rar  2.67M
|   ├──章节2：推荐系统--数据预处理和模型构建评估实战  
|   |   ├──14：HQL语句_python脚本构建中间结果_1.mp4  48.92M
|   |   ├──15：HQL语句_python脚本构建中间结果_2.mp4  46.80M
|   |   ├──16：HQL语句_python脚本构建中间结果_3.mp4  44.00M
|   |   ├──17：HQL语句_python脚本构建中间结果_4.mp4  47.20M
|   |   ├──18：推荐系统_数据预处理_spark构建特征索引_标签列_1.mp4  43.81M
|   |   ├──19：spark构建特征索引_标签列_2.mp4  43.33M
|   |   ├──20：spark构建特征索引_标签列_3.mp4  42.33M
|   |   ├──21：spark构建特征索引_标签列_4.mp4  39.91M
|   |   ├──22：MLlib调用算法计算模型文件并存储_1.mp4  40.22M
|   |   ├──23：MLlib调用算法计算模型文件并存储_2.mp4  37.79M
|   |   ├──24：MLlib调用算法计算模型文件并存储_3.mp4  43.56M
|   |   ├──25：ACC准确率和AUC面积的计算以及意义.mp4  93.25M
|   |   ├──代码.rar  6.12kb
|   |   ├──软件.rar  665.46M
|   |   ├──数据.rar  2.90M
|   |   └──资料.rar  468.42kb
|   └──章节3：推荐系统--模型使用和推荐服务  
|   |   ├──26：推荐模型文件使用思路.mp4  25.83M
|   |   ├──27：Redis数据库安装及其使用.mp4  16.63M
|   |   ├──28：实时在线推荐列表计算逻辑代码讲解_1.mp4  50.64M
|   |   ├──29：实时在线推荐列表计算逻辑代码讲解_2.mp4  40.19M
|   |   ├──30：实时在线推荐列表计算逻辑代码讲解_3.mp4  36.76M
|   |   ├──31：实时在线推荐列表计算逻辑代码讲解_4.mp4  36.52M
|   |   ├──32：使用Dubbo将推荐系统做成服务_1.mp4  41.32M
|   |   ├──33：使用Dubbo将推荐系统做成服务_2.mp4  41.42M
|   |   ├──34：使用Dubbo将推荐系统做成服务_3.mp4  45.76M
|   |   ├──35：Dubbo推荐服务演示_SparkMLlib介绍_1(1).mp4  39.28M
|   |   ├──35：Dubbo推荐服务演示_SparkMLlib介绍_1.mp4  51.31M
|   |   ├──36：Dubbo推荐服务演示_SparkMLlib介绍_2.mp4  47.93M
|   |   ├──37：Dubbo推荐服务演示_SparkMLlib介绍_3.mp4  50.73M
|   |   └──代码.rar  42.15M
├──13-深度学习-原理和进阶  
|   ├──章节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  63.31M
|   |   ├──2：三种常见的激活函数_网络拓扑介绍_优化算法.mp4  33.56M
|   |   ├──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  45.45M
|   |   ├──4：用神经网络理解Softmax回归.mp4  44.39M
|   |   ├──5：隐藏层的意义_隐藏层相当于去做预处理_升维降维.mp4  69.12M
|   |   ├──6：多节点网络输出_sklearn中NN模块的介绍.mp4  53.04M
|   |   ├──7：sklearn中NN模型的代码使用.mp4  69.29M
|   |   ├──8：隐藏层激活函数必须是非线性的.mp4  13.71M
|   |   ├──9：tensorflow概要_conda创建虚拟环境_CPU版本的tensorflow安装.mp4  132.14M
|   |   ├──神经网络.pdf  518.13kb
|   |   └──资料.rar  12.88M
|   ├──章节2：TensorFlow深度学习工具  
|   |   ├──10：CUDA下载地址_CUDA显卡白名单地址.mp4  57.92M
|   |   ├──11：CUDA安装_cudnn安装_环境变量配置_检验是否安装成功.mp4  60.73M
|   |   ├──12：Tensorflow代码运行机制_TF基础的代码.mp4  98.18M
|   |   ├──13：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  106.24M
|   |   ├──14：TF实现线性回归BGD的方式_使用Optimizer_每轮打乱数据.mp4  130.45M
|   |   ├──15：TF实现Softmax回归来识别MNIST手写数字.mp4  108.50M
|   |   ├──16：TF实现DNN来识别MNIST手写数字.mp4  104.49M
|   |   ├──代码.rar  27.29kb
|   |   └──软件.rar  2.13G
|   └──章节3：反向传播推导_Python代码实现神经网络  
|   |   ├──1.txt  0.31kb
|   |   ├──17：反向传播_链式求导法则.mp4  56.14M
|   |   ├──18：反向传播推导(一).mp4  91.09M
|   |   ├──19：反向传播推导(二)从输出层到最后一个隐藏层.mp4  78.83M
|   |   ├──20：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  65.09M
|   |   ├──21：反向传播推导(四)关于Δ和a还有梯度的更新事宜.mp4  25.08M
|   |   ├──22：python实现神经网络训练代码讲解(一).mp4  50.80M
|   |   ├──23：python实现神经网络正向反向传播训练.mp4  65.03M
|   |   ├──代码.rar  2.83kb
|   |   └──资料.rar  180.60kb
├──14-深度学习-图像识别原理  
|   ├──章节1：卷积神经网络原理.zip  473.80M
|   ├──章节2：卷积神经网络优化.zip  673.57M
|   ├──章节3：经典卷积网络算法.zip  839.61M
|   ├──章节4：古典目标检测.zip  359.94M
|   └──章节5：现代目标检测之FasterRCNN.zip  780.53M
├──15-深度学习-图像识别项目实战  
|   ├──章节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  31.80M
|   |   ├──2：基于CascadeClassifier来提取目标框做车牌识别代码详解_02.mp4  33.65M
|   |   ├──3：基于CascadeClassifier来提取目标框做车牌识别代码详解_03.mp4  18.47M
|   |   ├──4：基于CascadeClassifier来提取目标框做车牌识别代码详解_04.mp4  28.09M
|   |   ├──5：车牌识别项目关于目标检测的问题.mp4  17.45M
|   |   └──car_license.rar  177.04M
|   ├──章节2：自然场景下的目标检测及源码分析  
|   |   ├──10：FasterRCNN项目代码_模型的训练.mp4  17.63M
|   |   ├──11：回归整体训练流程_详解读取数据blob_01.mp4  33.05M
|   |   ├──12：回归整体训练流程_详解读取数据blob_02.mp4  31.65M
|   |   ├──13：回归整体训练流程_详解读取数据blob_03.mp4  18.49M
|   |   ├──14：回归整体训练流程_详解读取数据blob_04.mp4  27.25M
|   |   ├──15：FasterRCNN代码_构建head.mp4  25.92M
|   |   ├──16：FasterRCNN代码_构建RPN网络_01.mp4  49.35M
|   |   ├──17：FasterRCNN代码_构建RPN网络_02.mp4  39.33M
|   |   ├──18：FasterRCNN代码_根据RPN网络得到校正后的预测的框_01.mp4  37.70M
|   |   ├──19：FasterRCNN代码_根据RPN网络得到校正后的预测的框_02.mp4  48.02M
|   |   ├──20：FasterRCNN代码_bbox剪裁_NMS非极大值抑制.mp4  46.10M
|   |   ├──21：FasterRCNN代码_给RPN准备正负例样本_01.mp4  40.87M
|   |   ├──22：FasterRCNN代码_给RPN准备正负例样本_02.mp4  62.31M
|   |   ├──23：FasterRCNN代码_给RPN准备正负例样本_03.mp4  22.06M
|   |   ├──24：FasterRCNN代码_给RPN准备正负例样本_04.mp4  19.14M
|   |   ├──25：FasterRCNN代码_给RPN准备正负例样本_05.mp4  29.95M
|   |   ├──26：FasterRCNN代码_给RPN准备正负例样本_06.mp4  42.62M
|   |   ├──28：FasterRCNN代码_给RPN准备正负例样本_08.mp4  21.94M
|   |   ├──29：FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_01.mp4  26.53M
|   |   ├──30：FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02.mp4  25.43M
|   |   ├──31：FasterRCNN代码_添加Loss损失_smoothL1loss.mp4  26.85M
|   |   ├──4：双线性插值.mp4  37.96M
|   |   ├──6：FasterRCNN项目代码_环境说明_数据集详解_项目结构说明.mp4  46.54M
|   |   ├──7：FasterRCNN项目代码_数据加载.mp4  39.95M
|   |   ├──8：FasterRCNN项目代码_数据增强.mp4  31.38M
|   |   ├──9：FasterRCNN项目代码_数据初始化.mp4  30.32M
|   |   ├──Faster-RCNN-TensorFlow-Python3.5-master.rar  3.06G
|   |   └──资料.rar  26.61kb
|   └──章节3：图像风格迁移  
|   |   ├──1.txt  0.25kb
|   |   ├──32：图片风格融合项目_架构_代码实现要点_1.mp4  30.55M
|   |   ├──33：图片风格融合项目_架构_代码实现要点_2.mp4  35.40M
|   |   ├──34：图片风格融合项目_架构_代码实现要点_3.mp4  34.83M
|   |   ├──35：图片风格融合项目_架构_代码实现要点_4.mp4  37.10M
|   |   └──style_transfer.rar  512.68M
├──16-深度学习-目标检测YOLO(V1-V4全版本)实战  
|   ├──章节1：YOLOv1详解  
|   |   ├──1：YOLOv1论文详解_算法特点介绍.mp4  143.17M
|   |   ├──2：YOLOv1论文详解_网络架构_思想.mp4  163.34M
|   |   ├──3：YOLOv1论文详解_训练中的技巧_Loss损失函数.mp4  192.73M
|   |   └──4：YOLOv1论文详解_NMS_局限性.mp4  62.48M
|   ├──章节2：YOLOv2详解  
|   |   ├──5：YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes.mp4  138.75M
|   |   ├──6：YOLOv2论文详解_mAP更better的一些点.mp4  212.96M
|   |   ├──7：YOLOv2论文详解_Darknet19_分类数据和检测数据集融合_多标签.mp4  120.93M
|   |   └──8：YOLOv2论文详解_层级分类_层级分类用于目标检测.mp4  146.76M
|   ├──章节3：YOLOv3详解  
|   |   ├──10：YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53.mp4  109.36M
|   |   ├──11：YOLOv3论文详解_总结_FocalLoss.mp4  100.60M
|   |   ├──12：YOLOv4论文概述_介绍.mp4  96.29M
|   |   ├──13：YOLOv4论文概述_BOS_BOF.mp4  253.07M
|   |   └──9：YOLOv3论文详解_每个框都要预测多个类别概率.mp4  64.56M
|   ├──章节4：YOLOv3代码实战  
|   |   ├──14：YOLOv3代码剖析_项目介绍.mp4  95.03M
|   |   ├──15：YOLOv3代码剖析_聚类anchors_构建backbone主干网络.mp4  144.48M
|   |   ├──16：YOLOv3代码剖析_model输出之后的预测框的计算.mp4  138.42M
|   |   ├──17：YOLOv3代码剖析_使用model预测的其余代码.mp4  54.58M
|   |   ├──18：YOLOv3代码剖析_weights到h5模型的转换.mp4  83.71M
|   |   └──19：YOLOv3代码剖析_模型的训练部分详解.mp4  189.73M
|   ├──章节5：YOLOv4详解  
|   |   ├──20：YOLOv4_BOF_DropBlock_FocalLoss.mp4  159.23M
|   |   ├──21：YOLOv4_BOF_GIoU_DIoU_CIoU.mp4  72.27M
|   |   ├──22：YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish.mp4  163.22M
|   |   └──23：YOLOv4_BOS_SAM_PAN_CSP_CmBN.mp4  174.04M
|   ├──keras-yolo3-master.rar  443.97M
|   └──资料.rar  25.37M
├──17-深度学习-语义分割原理和实战  
|   ├──章节1：上采样_双线性插值_转置卷积  
|   |   ├──1：前言.mp4  14.48M
|   |   ├──2：上采样_repeat.mp4  16.99M
|   |   ├──3：线性插值.mp4  23.88M
|   |   ├──4：双线性插值.mp4  66.04M
|   |   ├──5：转置卷积_以及TF的API.mp4  62.75M
|   |   ├──6：双线性插值作为转置卷积核的初始参数.mp4  83.66M
|   |   ├──7：ROIAlign.mp4  47.17M
|   |   ├──8：FPN思想与网络结构.mp4  48.21M
|   |   ├──9：FPN应用于FasterRCNN_ResNetFPN.mp4  101.58M
|   |   ├──代码.rar  3.31kb
|   |   └──资料.rar  4.43M
|   ├──章节2：医疗图像UNet语义分割  
|   |   ├──10：语义分割的基本概念.mp4  14.14M
|   |   ├──11：FCN全卷积网络做语义分割.mp4  28.31M
|   |   ├──12：UNet网络结构.mp4  17.91M
|   |   ├──13：UNet网络医疗图像的语义分割.mp4  59.42M
|   |   ├──U-Net.zip  102.75M
|   |   └──资料.rar  3.41M
|   └──章节3：蒙版弹幕MaskRCNN语义分割  
|   |   ├──14：MaskRCNN网络结构.mp4  54.02M
|   |   ├──15：MaskRCNN的项目展示.mp4  117.08M
|   |   ├──16：MaskRCNN网络架构回顾.mp4  74.85M
|   |   ├──17：MaskRCNN根据文档和论文总结重要的知识点.mp4  191.30M
|   |   ├──18：MaskRCNN项目关于运行代码环境的说明.mp4  34.37M
|   |   ├──19：MaskRCNN源码config和model.mp4  190.10M
|   |   ├──代码.rar  798.38M
|   |   └──资料.rar  6.77M
├──18-深度学习-人脸识别项目实战  
|   ├──章节1：人脸识别  
|   |   ├──10：人脸识别项目代码_加载MTCNN模型.mp4  53.21M
|   |   ├──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  48.89M
|   |   ├──12：FaceNet论文_摘要和前情介绍.mp4  58.47M
|   |   ├──13：FaceNet论文_相关的介绍.mp4  42.20M
|   |   ├──14：FaceNet论文_TripleLoss思路来源和目标.mp4  48.46M
|   |   ├──15：FaceNet论文_TripleLoss损失函数.mp4  53.84M
|   |   ├──16：FaceNet论文_TripleSelection很至关重要.mp4  62.95M
|   |   ├──16：FaceNet论文_TripleSelection很至关重要.pdf  5.16M
|   |   ├──17：FaceNet论文_ZF和Inception对比_总结.mp4  57.57M
|   |   ├──18：人脸识别项目代码_FaceNet模型加载和使用.mp4  35.75M
|   |   ├──19：人脸识别项目代码_人脸匹配以及最后的绘图展示.mp4  30.33M
|   |   ├──1：人脸识别任务种类_具体做法思路.mp4  26.67M
|   |   ├──2：开源的FaceNet项目介绍.mp4  29.13M
|   |   ├──3：人脸识别项目代码整体结构.mp4  23.37M
|   |   ├──4：MTCNN论文_摘要和介绍.mp4  62.25M
|   |   ├──5：MTCNN论文_网络整体架构.mp4  66.94M
|   |   ├──6：PRelu_每阶段输出多分支意义.mp4  35.09M
|   |   ├──7：每一个阶段每个分支的Loss损失_整合每个分支的Loss.mp4  57.34M
|   |   ├──8：训练数据的准备_每一阶段训练的流程.mp4  53.06M
|   |   └──9：总结MTCNN_缩放因子_注意3阶段网络里面的全连接.mp4  51.74M
|   ├──facenet-master.zip  823.10M
|   ├──模型.rar  186.42M
|   └──资料.rar  7.47M
├──19-深度学习-NLP自然语言处理原理和进阶  
|   ├──章节1：词向量与词嵌入  
|   |   ├──1：N-gram语言模型.mp4  100.91M
|   |   ├──2：NPLM神经网络语言模型.mp4  91.15M
|   |   ├──3：词向量的作用.mp4  36.30M
|   |   ├──4：CBOW模型思想和计算过程.mp4  100.16M
|   |   ├──5：Skip-gram模型思想和计算过程.mp4  33.22M
|   |   ├──6：Huffman树_分层Softmax的思想.mp4  66.25M
|   |   ├──7：分层Softmax应用到CBOW模型上.mp4  51.32M
|   |   ├──8：负采样和负采样应用到CBOW模型上.mp4  59.10M
|   |   ├──Word2Vec.pdf  1.89M
|   |   └──资料.rar  266.85kb
|   ├──章节2：循环神经网络原理与优化  
|   |   ├──10：理解RNN循环神经网络计算流程.mp4  29.89M
|   |   ├──11：利用RNN循环神经网络对MNIST手写数字识别.mp4  96.50M
|   |   ├──12：理解LSTM长短时记忆_记住Topo和公式.mp4  104.74M
|   |   ├──13：VanillaRNN的回顾复习.mp4  72.42M
|   |   ├──14：补充讲一下为什么RNN中链越长越容易梯度消失.mp4  27.93M
|   |   ├──15：LSTM的回顾复习_LSTM手写数字识别.mp4  26.34M
|   |   ├──16：双向RNN_LSTM.mp4  30.10M
|   |   ├──17：RNN里面应用的Topology结构.mp4  15.66M
|   |   ├──9：理解RNN循环神经网络拓扑结构.mp4  74.60M
|   |   ├──RNN_Attention机制.pdf  2.83M
|   |   ├──代码.rar  1.69kb
|   |   └──资料.rar  1.59M
|   ├──章节3：从Attention机制到Transformer  
|   |   ├──18：Seq2Seq中Attention注意力机制.mp4  40.01M
|   |   ├──19：Transformer_Self-Attention_Multi-head.mp4  79.27M
|   |   ├──20：Transformer_Positional_使用逻辑_网络结构总结.mp4  55.11M
|   |   └──资料.rar  792.99kb
|   └──章节4：ELMO_BERT_GPT  
|   |   ├──21：ELMO.mp4  33.26M
|   |   ├──22：BERT理论.mp4  52.59M
|   |   ├──23：ERNIE_GPT.mp4  43.48M
|   |   └──RNN_Attention机制.pdf  5.16M
├──2-人工智能基础-Python基础  
|   ├──章节1：Python开发环境搭建  
|   |   ├──1：下载Miniconda运行环境.mp4  31.43M
|   |   ├──2：Miniconda安装和测试.mp4  36.65M
|   |   ├──3：Pycharm安装和代码运行.mp4  30.30M
|   |   ├──4：Jupyter安装和代码运行.mp4  24.93M
|   |   ├──5：Jupyter常用快捷键.mp4  20.74M
|   |   ├──6：Conda虚拟环境创建与Python模块安装.mp4  47.67M
|   |   ├──7：关联虚拟环境运行代码.mp4  26.33M
|   |   ├──代码.rar  509.90kb
|   |   ├──人工智能-第1阶段Python基础.pdf  9.37M
|   |   └──人工智能-第1阶段python进阶和高级编程.pdf  7.52M
|   └──章节2：Python基础语法  
|   |   ├──10：Python_控制语句_多分支_三元条件运算符.mp4  21.40M
|   |   ├──11：Python_控制语句_while循环.mp4  16.33M
|   |   ├──12：Python_控制语句_for循环.mp4  18.69M
|   |   ├──13：Python_控制语句_嵌套循环.mp4  27.88M
|   |   ├──14：Python_控制语句_break_continue.mp4  16.40M
|   |   ├──15：Python_切片操作.mp4  30.53M
|   |   ├──16：Python_数据类型.mp4  20.89M
|   |   ├──17：Python_集合操作_列表.mp4  24.12M
|   |   ├──18：Python_集合操作_列表的基本操作.mp4  35.14M
|   |   ├──19：Python_集合操作_列表的常用方法.mp4  26.63M
|   |   ├──20：Python_集合操作_元组.mp4  29.10M
|   |   ├──21：Python_集合操作_字典和常见操作.mp4  25.78M
|   |   ├──22：Python_集合操作_字典keys方法_enumerate函数.mp4  18.08M
|   |   ├──23：Python_os模块_shutil模块.mp4  36.76M
|   |   ├──24：Python_打开并读取文件_中文编码问题.mp4  38.73M
|   |   ├──25：Python_函数_定义_调用_返回值_注释.mp4  18.24M
|   |   ├──26：Python_函数_局部变量_全局变量.mp4  23.51M
|   |   ├──27：Python_函数_默认参数_可变参数.mp4  18.08M
|   |   ├──28：Python_函数_递归.mp4  18.21M
|   |   ├──29：Python_函数式编程_高阶函数.mp4  17.72M
|   |   ├──30：Python_函数式编程_map_reduce_filter_匿名函数.mp4  26.95M
|   |   ├──31：Python_函数_闭包.mp4  27.50M
|   |   ├──32：Python_函数_装饰器.mp4  19.35M
|   |   ├──33：Python_类对象_定义与实例化对象.mp4  36.97M
|   |   ├──34：Python_类对象_实例属性和方法_类属性和方法.mp4  26.22M
|   |   ├──35：Python_类对象_内置方法.mp4  19.41M
|   |   ├──36：Python_类对象_运算符重载_私有对象方法_isinstance函数.mp4  26.23M
|   |   ├──37：Python_类对象_面向对象三大特性_类的继承.mp4  20.16M
|   |   ├──38：Python_类对象_子类复用父类构造器和方法_方法重写.mp4  20.80M
|   |   ├──8：Python是强类型的动态脚本语言.mp4  27.24M
|   |   └──新建文本文档.txt  0.51kb
├──20-深度学习-NLP自然语言处理项目实战  
|   ├──章节1：词向量.zip  438.10M
|   ├──章节2：自然语言处理--情感分析.zip  195.51M
|   ├──章节3：AI写唐诗.zip  335.02M
|   ├──章节4：Seq2Seq聊天机器人.zip  204.42M
|   ├──章节5：实战NER命名实体识别项目.zip  576.16M
|   ├──章节6：BERT新浪新闻10分类项目.zip  153.66M
|   └──章节7：GPT2聊天机器人.zip  49.97M
├──21-深度学习-OCR文本识别  
|   ├──章节1：深度学习-OCR文本识别  
|   |   ├──10：CRNN项目代码剖析.mp4  127.09M
|   |   ├──1：传统OCR识别_深度学习OCR识别.mp4  130.35M
|   |   ├──2：OCR识别本质就是文字检测和文字识别.mp4  80.14M
|   |   ├──3：OCR识别的CTC损失思想.mp4  95.97M
|   |   ├──4：总结理解深度学习文字识别架构.mp4  34.82M
|   |   ├──5：CTC损失函数的理解.mp4  130.28M
|   |   ├──6：CTC损失函数前向后向算法推导_梯度求导公式推导.mp4  85.55M
|   |   ├──7：CTC前向后向算法代码.mp4  86.61M
|   |   ├──8：GreedySearch和BeamSearch解码的方式与代码逻辑.mp4  116.50M
|   |   └──9：CPTN项目代码剖析.mp4  173.25M
|   └──资料.rar  478.63kb
├──22-【加课】Pytorch项目实战  
|   ├──章节1：PyTorch运行环境安装_运行环境测试  
|   |   ├──1：PyTorch概述.mp4  26.68M
|   |   ├──2：PyTorch的安装.mp4  45.82M
|   |   ├──3：Pycharm关联PyTorch运行环境.mp4  24.05M
|   |   └──4：Jupyter关联PyTorch运行环境.mp4  28.00M
|   ├──章节2：PyTorch基础_Tensor张量运算  
|   |   ├──5：Tensor的创建.mp4  42.46M
|   |   ├──6：修改Tensor的形状_索引操作.mp4  56.60M
|   |   ├──7：广播机制_逐元素操作.mp4  33.46M
|   |   └──8：归并操作_比较操作_矩阵操作.mp4  44.69M
|   ├──章节3：PyTorch卷积神经网络_实战CIFAR10  
|   |   ├──10：PyTorch实战CIFAR10_构建网络_打印网络层次.mp4  38.93M
|   |   ├──11：PyTorch实战CIFAR10_训练模型_测试模型.mp4  33.52M
|   |   ├──12：PyTorch实战CIFAR10_分类别打印模型准确率.mp4  19.96M
|   |   ├──13：使用全局平均池化_使用LeNet模型.mp4  26.75M
|   |   ├──14：使用集成学习思想训练识别模型.mp4  53.93M
|   |   ├──15：使用VGG16模型提供准确率.mp4  33.36M
|   |   ├──16：torchvision里面的预训练模型.mp4  20.29M
|   |   ├──17：迁移学习_PyTorch代码实战冻结预训练模型参数.mp4  38.83M
|   |   ├──18：PyTorch代码实战加入数据增强.mp4  23.51M
|   |   └──9：PyTorch实战CIFAR10数据_读取和展示.mp4  58.50M
|   ├──章节4：PyTorch循环神经网络_词性标注  
|   |   ├──19：PyTorch词性标注_构建数据和词索引号.mp4  16.73M
|   |   ├──20：PyTorch词性标注_构建词嵌入层LSTM层和词性输出层.mp4  26.99M
|   |   ├──21：PyTorch词性标注_构建数据索引化和训练模型代码.mp4  27.13M
|   |   └──22：PyTorch词性标注_测试模型效果.mp4  7.79M
|   ├──章节5：PyTorch编码器解码器_机器翻译  
|   |   ├──23：PyTorch中英文翻译_规范化语料库_构建中英文词典索引.mp4  31.68M
|   |   ├──24：PyTorch中英文翻译_数据预处理.mp4  24.47M
|   |   ├──25：PyTorch中英文翻译_索引化数据_转化成Tensor张量_构建Encoder编码器.mp4  31.38M
|   |   ├──26：PyTorch中英文翻译_构建训练函数之Encoder计算.mp4  32.86M
|   |   ├──27：PyTorch中英文翻译_构建带Attention注意力机制的Decoder解码器.mp4  43.19M
|   |   ├──28：PyTorch中英文翻译_构建训练函数之Decoder计算.mp4  38.51M
|   |   ├──29：PyTorch中英文翻译_评估模型函数.mp4  34.24M
|   |   └──30：PyTorch中英文翻译_绘制Attentions注意力权重.mp4  20.90M
|   ├──代码.rar  307.66M
|   └──资料.rar  1.77M
├──23-【加课】百度飞桨PaddlePaddle实战【新增】  
|   ├──章节1：PaddlePaddle框架安装_波士顿房价预测  
|   |   ├──代码  
|   |   ├──数据  
|   |   ├──1：安装PaddlePaddle.mp4  36.78M
|   |   ├──2：Pycharm运行出现mkl-service或DLL找不到的问题.mp4  28.20M
|   |   ├──3：PaddlePaddle求解线性模型.mp4  35.69M
|   |   ├──4：预测波士顿房价_数据读取_正向传播.mp4  38.02M
|   |   └──5：预测波士顿房价_反向传播_模型保存_模型测试.mp4  29.69M
|   ├──章节2：PaddlePaddle卷积网络_病理性近视识别  
|   |   ├──代码  
|   |   ├──数据  
|   |   ├──6：预测病理性近视_图片数据读取.mp4  45.51M
|   |   ├──7：预测病理性近视_模型训练.mp4  40.79M
|   |   ├──8：预测病理性近视_定义模型结构_评估模型.mp4  40.94M
|   |   └──9：预测病理性近视_调用经典卷积神经网络.mp4  66.30M
|   ├──章节3：PaddleDetection工具_PCB电路板缺陷检测  
|   |   ├──代码  
|   |   ├──数据  
|   |   ├──10：PaddleDetection_项目配置.mp4  42.15M
|   |   ├──11：安装配置VisualStudio_解决安装模块pycocotools或cython_bbox编译报错问题.mp4  31.06M
|   |   ├──12：PCB电路板缺陷检测_Images和Annotations.mp4  29.78M
|   |   ├──13：PCB电路板缺陷检测_前期数据的分析.mp4  56.00M
|   |   ├──14：PCB电路板缺陷检测_项目配置文件.mp4  27.19M
|   |   ├──15：PCB电路板缺陷检测_模型训练.mp4  43.75M
|   |   └──16：PCB电路板缺陷检测_模型预测.mp4  40.77M
|   ├──章节4：PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss)  
|   |   ├──代码  
|   |   ├──数据  
|   |   ├──17：PaddleOCR_项目配置_CCPD数据集介绍.mp4  47.41M
|   |   ├──18：车牌识别项目_详解数据准备阶段代码.mp4  28.74M
|   |   ├──19：车牌识别项目_运行保存标签和剪切出的车牌图片.mp4  37.24M
|   |   ├──20：车牌识别项目_车牌目标框检测模型训练.mp4  44.22M
|   |   ├──21：车牌识别项目_车牌字符识别模型训练.mp4  45.20M
|   |   └──22：车牌识别项目_车牌识别模型导出及预测.mp4  54.76M
|   ├──章节5：PaddleNLP模块_物流信息提取（BiGRU+CRF）  
|   |   ├──代码  
|   |   ├──数据  
|   |   ├──23：PaddleNLP_项目配置.mp4  30.95M
|   |   ├──24：PaddleNLP_物流信息提取项目介绍.mp4  32.52M
|   |   ├──25：物流信息提取项目_解决导包显示找不到nul问题.mp4  42.24M
|   |   ├──26：PaddleNLP_物流信息提取项目_加载数据构建DataSet.mp4  38.37M
|   |   ├──27：PaddleNLP_物流信息提取项目_进一步通过DataSet构建出DataLoader.mp4  37.33M
|   |   ├──28：PaddleNLP_物流信息提取项目_构建网络模型.mp4  32.77M
|   |   ├──29：PaddleNLP_物流信息提取项目_模型训练.mp4  35.54M
|   |   └──30：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  52.26M
|   └──章节6：PaddleNLP模块_物流信息提取（ERNIE版）  
|   |   ├──代码  
|   |   ├──数据  
|   |   ├──31：PaddleNLP_物流信息提取项目_ERNIE实战_加载数据集构建Dataset.mp4  34.07M
|   |   ├──32：PaddleNLP_物流信息提取项目_ERNIE实战_详解Tokenizer作用.mp4  39.06M
|   |   ├──33：PaddleNLP_物流信息提取项目_ERNIE实战_讲解模型训练和评估代码.mp4  34.17M
|   |   └──34：PaddleNLP_物流信息提取项目_ERNIE实战_讲解ChunkEvaluator和输出预测结果.mp4  37.52M
├──24-【加课】Linux环境编程基础  
|   ├──章节1：Linux  
|   |   ├──10：Linux_常用命令_clear-touch-cat命令.mp4  6.89M
|   |   ├──11：Linux_常用命令more-head-tail命令.mp4  11.72M
|   |   ├──12：Linux_常用命令_mkdir命令.mp4  7.45M
|   |   ├──13：Linux_常用命令_cp命令.mp4  10.71M
|   |   ├──14：Linux_常用命令_rm-mv命令.mp4  19.99M
|   |   ├──15：Linux_常用命令_vi-vim.mp4  22.87M
|   |   ├──16：Linux_常用命令_reboot-halt.mp4  4.01M
|   |   ├──17：Linux_常用配置_设置时区.mp4  18.89M
|   |   ├──18：Linux_常用配置_启动网络.mp4  11.23M
|   |   ├──19：Linux_常用配置_修改网段.mp4  8.26M
|   |   ├──1：Linux_课程介绍.mp4  2.94M
|   |   ├──20：Linux_常用配置_设置网络类型.mp4  18.91M
|   |   ├──21：Linux_常用配置_快照与克隆.mp4  10.71M
|   |   ├──22：Linux_Xshell的安装与使用.mp4  14.04M
|   |   ├──23：Linux_上传与下载_Xftp的使用.mp4  12.72M
|   |   ├──24：Linux_上传与下载_lrzsz工具.mp4  29.89M
|   |   ├──25：Linux_文件的压缩与解压缩处理.mp4  28.42M
|   |   ├──26：Linux_安装MySQL.mp4  50.88M
|   |   ├──2：Linux_Linux简介.mp4  13.02M
|   |   ├──3：Linux_VMWare安装及使用.mp4  13.61M
|   |   ├──4：Linux_安装Linux.mp4  25.93M
|   |   ├──5：Linux_目录介绍.mp4  13.26M
|   |   ├──6：Linux_Linux中的路径.mp4  13.01M
|   |   ├──7：Linux_常用命令_pwd命令.mp4  4.75M
|   |   ├──8：Linux_常用命令_cd命令.mp4  6.06M
|   |   └──9：Linux_常用命令_ls与ll命令.mp4  22.64M
|   ├──软件.rar  2.18G
|   └──文档.rar  2.78M
├──25-【加课】算法与数据结构  
|   ├──章节1：算法与数据结构  
|   |   ├──10：哈希表的基本结构.mp4  26.07M
|   |   ├──11：哈希表冲突问题.mp4  36.73M
|   |   ├──12：哈希表冲突问题2.mp4  29.17M
|   |   ├──13：哈希扩容.mp4  42.01M
|   |   ├──14：递归与栈.mp4  23.21M
|   |   ├──15：线性查找.mp4  27.18M
|   |   ├──16：二分查找.mp4  25.23M
|   |   ├──17：冒泡排序.mp4  26.40M
|   |   ├──18：选择排序.mp4  22.72M
|   |   ├──19：插入排序.mp4  15.88M
|   |   ├──1：数据结构与算法简介.mp4  17.14M
|   |   ├──20：归并排序.mp4  40.52M
|   |   ├──21：快速排序.mp4  18.98M
|   |   ├──22：树结构.mp4  42.82M
|   |   ├──23：树结构的遍历.mp4  27.73M
|   |   ├──24：最大堆的增加操作.mp4  36.17M
|   |   ├──25：最大堆的删除操作.mp4  35.15M
|   |   ├──26：二叉树的查找.mp4  41.78M
|   |   ├──27：二叉树获取最小值.mp4  11.17M
|   |   ├──28：二叉树的添加.mp4  30.58M
|   |   ├──29：二叉树的删除.mp4  55.16M
|   |   ├──2：大O表示法.mp4  11.30M
|   |   ├──3：线性结构.mp4  24.16M
|   |   ├──4：单线链表1.mp4  27.69M
|   |   ├──5：单链表2.mp4  58.45M
|   |   ├──6：双链表.mp4  46.44M
|   |   ├──7：队列(链式).mp4  33.78M
|   |   ├──8：队列(线式).mp4  17.70M
|   |   └──9：栈与双端队列.mp4  13.04M
|   └──资料.zip  4.80M
├──3-人工智能基础-Python科学计算和可视化  
|   ├──章节1：科学计算模型Numpy  
|   |   ├──1：Numpy_概述_安装_创建数组_获取shape形状.mp4  30.31M
|   |   ├──2：Numpy_array_arange.mp4  23.58M
|   |   ├──3：Numpy_random随机数生成.mp4  35.82M
|   |   ├──4：Numpy_ndarray属性_zeros_ones_like等创建数组函数.mp4  32.61M
|   |   ├──5：NumPy_reshape_切片操作_copy函数.mp4  22.72M
|   |   ├──6：Numpy_改变数组维度_数组的拼接.mp4  30.41M
|   |   ├──7：Numpy_数组的切分和转置.mp4  19.20M
|   |   ├──8：Numpy_算术运算_向上向下取整.mp4  23.04M
|   |   ├──9：Numpy_聚合函数.mp4  15.34M
|   |   └──新建文本文档.txt  0.36kb
|   ├──章节2：数据可视化模块  
|   |   ├──10：Matplotlib_概述_绘制直线图.mp4  28.66M
|   |   ├──11：Matplotlib_绘制正余弦曲线_散点图_添加图例.mp4  23.70M
|   |   ├──12：Matplotlib_绘制柱状图_画布切分多个子画布_柱状图对比.mp4  34.99M
|   |   ├──13：Matplotlib_绘制饼图_直方图_同时绘制多组数据分布.mp4  21.30M
|   |   ├──14：Matplotlib_绘制等高线图_绘制三维图像.mp4  24.38M
|   |   ├──1599293649514137.png  18.62kb
|   |   ├──人工智能-第1阶段数据分析（含办公自动化分析）.pdf  6.04M
|   |   └──新建文本文档.txt  0.16kb
|   └──章节3：数据处理分析模块Pandas  
|   |   ├──15：Python_Pandas_Series对象创建.mp4  22.97M
|   |   ├──16：Python_Pandas_DataFrame对象创建.mp4  24.83M
|   |   ├──17：Python_Pandas_获取Series对象的值.mp4  15.53M
|   |   ├──18：Python_Pandas_获取DataFrame对象的值.mp4  18.86M
|   |   ├──19：Python_Pandas_条件过滤.mp4  17.29M
|   |   ├──20：Python_Pandas_空值的删除与填充.mp4  33.26M
|   |   ├──21：Python_Pandas_拼接和合并.mp4  27.92M
|   |   └──新建文本文档.txt  0.37kb
├──4-人工智能基础-高等数学知识强化  
|   ├──10：高阶导数_导数判断单调性_导数与极值.mp4  15.31M
|   ├──11：导数判断凹凸性_导数用于泰勒展开.mp4  31.51M
|   ├──12：向量的意义_n维欧式空间空间.mp4  15.36M
|   ├──13：行向量列向量_转置_数乘_加减乘除.mp4  14.18M
|   ├──14：向量的内积_向量运算法则.mp4  14.39M
|   ├──15：学习向量计算的用途举例.mp4  16.85M
|   ├──16：向量的范数_范数与正则项的关系.mp4  23.53M
|   ├──17：特殊的向量.mp4  19.39M
|   ├──18：矩阵_方阵_对称阵_单位阵_对角阵.mp4  13.48M
|   ├──19：矩阵的运算_加减法_转置.mp4  17.36M
|   ├──1：人工智能学习数学的必要性_微积分知识点.mp4  18.98M
|   ├──20：矩阵相乘.mp4  14.37M
|   ├──21：矩阵的逆矩阵.mp4  27.59M
|   ├──22：矩阵的行列式.mp4  14.62M
|   ├──23：多元函数求偏导.mp4  16.35M
|   ├──24：高阶偏导数_梯度.mp4  19.75M
|   ├──25：雅可比矩阵_在神经网络中应用.mp4  26.05M
|   ├──26：Hessian矩阵.mp4  22.56M
|   ├──27：二次型.mp4  18.56M
|   ├──28：补充关于正定负定的理解.mp4  13.08M
|   ├──29：特征值和特征向量(1).mp4  19.46M
|   ├──2：线性代数_概率论知识点.mp4  17.27M
|   ├──30：特征值和特征向量(2).mp4  18.02M
|   ├──31：特征值分解.mp4  26.19M
|   ├──32：多元函数的泰勒展开_矩阵和向量的求导.mp4  30.51M
|   ├──33：奇异值分解定义.mp4  16.39M
|   ├──34：求解奇异值分解中的UΣV矩阵.mp4  34.06M
|   ├──35：奇异值分解性质_数据压缩.mp4  23.37M
|   ├──36：SVD用于PCA降维.mp4  17.59M
|   ├──37：SVD用于协同过滤_求逆矩阵.mp4  23.78M
|   ├──38：概率论_随机事件与随机事件概率.mp4  14.05M
|   ├──39：条件概率_贝叶斯公式.mp4  21.98M
|   ├──3：最优化知识_数学内容学习重点.mp4  25.92M
|   ├──40：随机变量.mp4  17.18M
|   ├──41：数学期望和方差.mp4  16.19M
|   ├──42：常用随机变量服从的分布.mp4  14.65M
|   ├──43：随机向量_独立性_协方差_随机向量的正太分布.mp4  22.96M
|   ├──44：最大似然估计思想.mp4  16.64M
|   ├──45：最优化的基本概念.mp4  23.97M
|   ├──46：迭代求解的原因.mp4  13.00M
|   ├──47：梯度下降法思路.mp4  19.43M
|   ├──48：梯度下降法的推导.mp4  31.40M
|   ├──49：牛顿法公式推导以及优缺点.mp4  30.05M
|   ├──4：导数的定义_左导数和右导数.mp4  20.12M
|   ├──50：坐标下降法_数值优化面临的问题.mp4  17.07M
|   ├──51：凸集.mp4  14.04M
|   ├──52：凸函数.mp4  12.36M
|   ├──53：凸优化的性质_一般表达形式.mp4  14.83M
|   ├──54：拉格朗日函数.mp4  19.75M
|   ├──5：导数的几何意义和物理意义.mp4  10.23M
|   ├──6：常见函数的求导公式.mp4  15.81M
|   ├──7：导数求解的四则运算法则.mp4  18.97M
|   ├──8：复合函数求导法则.mp4  11.80M
|   ├──9：推导激活函数的导函数.mp4  23.55M
|   └──数学.pdf  1.50M
├──5-机器学习-线性回归  
|   ├──章节1：多元线性回归.rar  1.12G
|   ├──章节2：梯度下降法.rar  260.99M
|   ├──章节3：归一化.rar  85.03M
|   ├──章节4：正则化.rar  106.94M
|   └──章节5：Lasso回归_Ridge回归_多项式回归.rar  204.99M
├──6-机器学习-线性分类  
|   ├──章节1：逻辑回归  
|   |   ├──1.txt  1.29kb
|   |   ├──10：绘制逻辑回归损失函数_探索两个参数和损失函数变换关系.mp4  17.82M
|   |   ├──11：绘制逻辑回归损失函数_绘制3D的图形_分析X1X2两个维度的重要度.mp4  16.91M
|   |   ├──12：对逻辑回归函数进行求导_结论在后面会用到.mp4  11.27M
|   |   ├──13：对逻辑回归的损失函数求导_推导出导函数的形式.mp4  21.29M
|   |   ├──14：实战逻辑回归对鸢尾花数据集进行二分类.mp4  17.80M
|   |   ├──15：OneVsRest将多分类问题转化成多个二分类问题.mp4  12.11M
|   |   ├──16：实战逻辑回归对鸢尾花数据集进行多分类.mp4  18.21M
|   |   ├──1：逻辑回归_Sigmoid函数.mp4  10.77M
|   |   ├──2：sigmoid函数作用.mp4  21.38M
|   |   ├──3：逻辑回归为什么用sigmoid函数_预备知识.mp4  18.67M
|   |   ├──4：证明伯努利分布是指数族分布_推导出逻辑回归公式.mp4  23.52M
|   |   ├──5：回想多元线性回归公式其实也是从广义线性回归推导出来的.mp4  4.32M
|   |   ├──6：推导逻辑回归损失函数_得到总似然的公式.mp4  15.44M
|   |   ├──7：推导逻辑回归损失函数_得到最终形式.mp4  7.86M
|   |   ├──8：绘制逻辑回归损失函数_读入数据计算最优解模型_实现逻辑回归预测_实现逻辑回归损失函数.mp4  25.04M
|   |   ├──9：绘制逻辑回归损失函数_探索单个参数和损失的关系.mp4  14.09M
|   |   ├──代码.rar  1.77kb
|   |   └──第五阶段_线性分类算法_逻辑回归和Softmax回归.pdf  1.09M
|   ├──章节2：Softmax回归  
|   |   ├──1.txt  0.80kb
|   |   ├──17：证明多项式分布属于指数族分布一种.mp4  14.69M
|   |   ├──18：从广义线性回归的η推导出来Softmax的公式.mp4  9.93M
|   |   ├──19：有了Softmax函数的公式就可以去计算loss_Softmax的Loss函数形式其实就是LR的泛化版本.mp4  16.56M
|   |   ├──20：再次证明Softmax损失函数当K=2时就是逻辑回归损失函数.mp4  15.22M
|   |   ├──21：证明Softmax公式K=2的时候就是逻辑回归_平移不变性.mp4  7.59M
|   |   ├──22：逻辑回归和Softmax回归在多分类任务模型参数上的区别_与算法在选择上的区别.mp4  21.46M
|   |   ├──23：实战音乐分类器_讲解需求和读取数据.mp4  14.08M
|   |   ├──24：实战音乐分类器_探索不同曲风音乐文件的时间频率图.mp4  20.22M
|   |   ├──25：实战音乐分类器_傅里叶变换可以帮助我们做什么.mp4  12.89M
|   |   ├──26：实战音乐分类器_代码使用傅里叶变换将混音文件进行投影.mp4  16.93M
|   |   ├──27：实战音乐分类器_代码对单首歌曲进行傅里叶变换_代码对600首音乐文件进行傅里叶变换并保存结果.mp4  21.20M
|   |   ├──28：实战音乐分类器_代码读取600首傅里叶变换后的数据_构建训练集并训练模型.mp4  17.09M
|   |   ├──29：实战音乐分类器_模型的测试和调优_解决双通道音乐文件的问题.mp4  28.96M
|   |   ├──代码.rar  47.89kb
|   |   └──数据.rar  2.27G
|   ├──章节3：SVM支持向量机算法  
|   |   ├──1.txt  0.20kb
|   |   ├──30：SVM与感知机关系_几何距离与函数距离.mp4  77.75M
|   |   ├──31：SVM的思想.mp4  35.92M
|   |   ├──32：几种SVM_SVM的损失函数.mp4  47.93M
|   |   ├──33：数学预备知识_拉格朗日函数.mp4  72.18M
|   |   ├──34：硬间隔SVM的两步优化.mp4  64.90M
|   |   ├──35：总结硬间隔SVM.mp4  23.26M
|   |   ├──36：软间隔SVM和总结流程.mp4  76.88M
|   |   ├──37：非线性SVM.mp4  36.92M
|   |   ├──38：SVM在sklearn中的使用_超参数.mp4  80.09M
|   |   ├──SVM算法.pdf  2.52M
|   |   └──代码.rar  1.05M
|   └──章节4：SMO优化算法  
|   |   ├──1.txt  0.18kb
|   |   ├──39：SVM算法流程总结.mp4  31.72M
|   |   ├──40：SMO算法求解思路_分解成很多个子二次规划问题分别求解.mp4  35.52M
|   |   ├──41：SMO将交给它的目标函数变成二元函数进一步变成一元函数.mp4  32.64M
|   |   ├──42：对一元函数求极值点_推导出旧的α和新的α的关系.mp4  26.42M
|   |   ├──43：将公式467带入导函数进一步简化_对求解出的新的α2进行剪裁.mp4  43.49M
|   |   ├──44：再次说明α2如何进行剪裁的思路_根据α2求α1.mp4  17.79M
|   |   ├──45：启发式选择两个α.mp4  9.69M
|   |   ├──46：如何计算阈值b.mp4  19.50M
|   |   ├──47：SVM的SMO实现读取数据和计算fx与Ei.mp4  44.00M
|   |   ├──48：SVM的SMO实现判断违背条件的α1.mp4  10.04M
|   |   ├──49：SVM的SMO实现应用公式计算alphas和b.mp4  12.39M
|   |   ├──50：SVM绘制已有数据点和超平面以及边界.mp4  9.50M
|   |   ├──51：关于sklearn中的SVM封装的类和超参.mp4  11.82M
|   |   ├──52：概率化输出_SVM的合页损失函数_Tensorflow实现GD方式求解SVM.mp4  41.38M
|   |   ├──53：OVR和OVO多分类_算法小结_对比逻辑回归.mp4  23.19M
|   |   └──代码.rar  12.43kb
├──7-机器学习-无监督学习  
|   ├──章节1：聚类系列算法  
|   |   ├──1.txt  0.29kb
|   |   ├──1：KMeans聚类流程_距离测度欧式距离和余弦距离.mp4  91.95M
|   |   ├──2：距离测度欧式距离和余弦距离的场景_TFIDF.mp4  78.45M
|   |   ├──3：KMeans的一些变形_KMeans的损失函数推导及假设.mp4  86.59M
|   |   ├──4：mini-batchKMeans_Canopy聚类_聚类评估指标.mp4  117.55M
|   |   ├──5：KMeans代码测试不同情况下的聚类效果.mp4  97.14M
|   |   ├──6：层次聚类_密度聚类_谱聚类.mp4  156.60M
|   |   ├──代码.rar  4.86kb
|   |   └──聚类.pdf  2.74M
|   ├──章节2：EM算法和GMM高斯混合模型  
|   |   ├──1.txt  0.32kb
|   |   ├──10：Jensen不等式的应用.mp4  89.01M
|   |   ├──11：将EM算法应用到GMM中并且推导出了μ和Σ的公式.mp4  93.58M
|   |   ├──12：将EM算法应用到GMM中并且推导出Π的公式.mp4  26.97M
|   |   ├──13：GMM前景背景分离.mp4  13.42M
|   |   ├──14：通过声音文件利用GMM算法识别性别.mp4  110.82M
|   |   ├──15：通过声音文件利用GMM算法识别是谁.mp4  39.78M
|   |   ├──7：单个高斯分布GM的参数估计.mp4  72.13M
|   |   ├──8：理解GMM高斯混合分布的对数似然函数.mp4  59.31M
|   |   ├──9：GMM参数估计Πμσ的流程.mp4  64.00M
|   |   ├──EM算法与GMM模型.pdf  725.20kb
|   |   └──代码.rar  466.39M
|   └──章节3：PCA降维算法  
|   |   ├──1.txt  0.34kb
|   |   ├──16：特征选择与特征映射.mp4  40.62M
|   |   ├──17：PCA的最大投影方差思路.mp4  114.37M
|   |   ├──18：最大投影方差推导_最小投影距离思路.mp4  93.97M
|   |   ├──19：SVD其实就可以去实现PCA了.mp4  78.15M
|   |   ├──20：PCA的几种应用.mp4  46.14M
|   |   └──PCA降维与SVD.pdf  864.92kb
├──8-机器学习-决策树系列  
|   ├──章节1：决策树  
|   |   ├──代码  
|   |   ├──文档  
|   |   ├──10：绘制决策树模型_寻找最优树深度.mp4  52.70M
|   |   ├──11：代码训练回归树拟合SineWave.mp4  41.17M
|   |   ├──12：后剪枝的意义.mp4  28.34M
|   |   ├──13：CCP代价复杂度后剪枝.mp4  70.84M
|   |   ├──14：CCP代价复杂度剪枝_α超参数设定.mp4  30.43M
|   |   ├──1：决策树模型的特点.mp4  35.91M
|   |   ├──2：决策树的数学表达.mp4  37.59M
|   |   ├──3：如何构建一颗决策树.mp4  33.06M
|   |   ├──4：什么是更好的一次划分.mp4  26.88M
|   |   ├──5：Gini系数.mp4  50.15M
|   |   ├──6：信息增益.mp4  35.50M
|   |   ├──7：熵与Gini系数关系_信息增益率.mp4  49.76M
|   |   ├──8：预剪枝以及相关超参数.mp4  67.97M
|   |   ├──9：代码实战决策树对鸢尾花数据集分类.mp4  40.63M
|   |   └──新建文本文档.txt  0.31kb
|   ├──章节2：集成学习和随机森林  
|   |   ├──代码  
|   |   ├──15：不同聚合方式_生成不同弱学习器方式.mp4  43.73M
|   |   ├──16：Bagging_Boosting_Stacking.mp4  32.60M
|   |   ├──17：随机森林.mp4  46.31M
|   |   ├──18：代码实战随机森林对鸢尾花数据集分类.mp4  49.29M
|   |   ├──19：OOB袋外数据.mp4  51.73M
|   |   ├──20：Adaboost算法思路.mp4  47.05M
|   |   ├──21：调整数据权重让权重正确率达到50%.mp4  36.07M
|   |   ├──22：Adaboost如何调整样本权重和求基模型权重.mp4  48.96M
|   |   └──新建文本文档.txt  0.27kb
|   ├──章节3：GBDT  
|   |   ├──代码  
|   |   ├──23：GBDT试图使用有监督最优化算法梯度下降求解F(x).mp4  31.81M
|   |   ├──24：GBDT令每个弱学习器f(x)去拟合负梯度.mp4  48.22M
|   |   ├──25：GBDT每棵树都是回归树_准备数据才能训练下一颗小树.mp4  43.04M
|   |   ├──26：GBDT应用于回归问题.mp4  47.06M
|   |   ├──27：GBDT回归举例_总结.mp4  45.61M
|   |   ├──28：GBDT应用于二分类问题.mp4  38.79M
|   |   ├──29：GBDT二分类拟合的负梯度依然是残差.mp4  46.07M
|   |   ├──30：GBDT中shrinkage学习率和最优树权重ρ可以共存.mp4  34.45M
|   |   ├──31：GBDT应用于多分类任务.mp4  34.19M
|   |   ├──32：GBDT多分类如何每轮给K颗小树准备要去拟合的负梯度.mp4  32.70M
|   |   ├──33：GBDT多分类流程.mp4  39.30M
|   |   ├──34：对比GBDT回归-二分类-多分类相同点与不同点.mp4  27.64M
|   |   ├──35：GBDT二分类叶子节点分值计算推导.mp4  40.66M
|   |   ├──36：GBDT多分类叶子节点分值计算.mp4  29.44M
|   |   ├──37：GBDT二分类举例详解.mp4  39.44M
|   |   ├──38：GBDT多分类举例详解.mp4  41.30M
|   |   ├──39：计算特征重要度进行特征选择.mp4  26.63M
|   |   ├──40：GBDT用于特征组合降维.mp4  23.37M
|   |   ├──41：特征组合降维在GBDT+LR架构应用.mp4  28.64M
|   |   ├──42：GBDT在sklearn中源码剖析_初始化F(x).mp4  43.21M
|   |   ├──43：GBDT在sklearn中源码剖析_负梯度计算和叶子节点分值计算.mp4  38.70M
|   |   ├──44：GBDT+LR架构训练模型代码实现.mp4  46.17M
|   |   ├──45：GBDT+LR架构预测评估代码实现.mp4  33.97M
|   |   └──新建文本文档.txt  0.35kb
|   └──章节4：XGBoost  
|   |   ├──代码  
|   |   ├──文档  
|   |   ├──46：回顾有监督机器学习三要素.mp4  41.79M
|   |   ├──47：Bias_Variance_Trade-off.mp4  34.35M
|   |   ├──48：基于树集成学习4个优点.mp4  40.87M
|   |   ├──49：回顾基于树集成学习的模型和参数并举例说明.mp4  41.65M
|   |   ├──50：通过目标函数Obj来达到准确率和复杂度平衡.mp4  23.75M
|   |   ├──51：Objective_vs_Heuristic.mp4  31.42M
|   |   ├──52：得出XGBoost最开始的Obj目标函数.mp4  41.55M
|   |   ├──53：推导XGBoost对Loss二阶泰勒展开之后的Obj.mp4  25.79M
|   |   ├──54：Obj化简常数项_明确训练每颗回归树需要准备gi和hi.mp4  34.32M
|   |   ├──55：重新定义树ft和树的复杂度Ω.mp4  35.03M
|   |   ├──56：由每个叶子节点重组目标函数Obj.mp4  30.40M
|   |   ├──57：推导XGBoost出Wj计算公式_推导评价树好坏的Obj.mp4  31.91M
|   |   ├──58：根据Obj收益指导每一次分裂从而学习一棵树结构.mp4  46.89M
|   |   ├──59：举例说明从连续型和离散型变量中寻找最佳分裂条件.mp4  32.77M
|   |   ├──60：XGBoost中防止过拟合的前剪枝_后剪枝_学习率.mp4  31.76M
|   |   ├──61：样本权重对于模型学习的影响.mp4  27.69M
|   |   ├──62：总结XGBoost的特性_包括缺失值的处理策略.mp4  56.22M
|   |   └──新建文本文档.txt  0.35kb
└──9-机器学习-概率图模型  
|   ├──章节1：贝叶斯分类  
|   |   ├──1.txt  0.35kb
|   |   ├──1：朴素贝叶斯分类算法.mp4  116.02M
|   |   ├──2：TF-IDF.mp4  49.48M
|   |   ├──3：NB代码实现解析.mp4  99.88M
|   |   ├──4：sklearn中调用NB_顺便讲解了GridSearchCV.mp4  101.39M
|   |   ├──5：语言模型的设计目的_MLE的作用进行参数估计.mp4  94.29M
|   |   ├──6：贝叶斯网络_马尔可夫链.mp4  31.66M
|   |   ├──NB_HMM.pdf  826.78kb
|   |   └──代码.rar  7.43kb
|   ├──章节2：HMM算法  
|   |   ├──1.txt  0.44kb
|   |   ├──10：HMM预测问题使用维特比算法.mp4  26.13M
|   |   ├──11：HMM复习_明确概率计算问题要解决的目标.mp4  64.58M
|   |   ├──12：前向算法来解决概率计算问题.mp4  27.37M
|   |   ├──13：Viterbi算法案例详解.mp4  71.73M
|   |   ├──14：Viterbi算法代码实现.mp4  32.89M
|   |   ├──7：HMM隐马的定义.mp4  32.91M
|   |   ├──8：HMM隐马的三组参数_三个基本问题.mp4  56.04M
|   |   ├──9：HMM预测问题使用前向算法.mp4  35.98M
|   |   ├──代码.rar  0.94kb
|   |   └──资料.rar  26.48kb
|   └──章节3：CRF算法  
|   |   ├──1.txt  0.27kb
|   |   ├──15：NER与分词和POS的关系_NER的标注策略_NER的主要方法.mp4  84.70M
|   |   ├──16：讲解了一下常见的深度学习LSTM+CRF的网络拓扑.mp4  40.03M
|   |   ├──17：了解CRF层添加的好处.mp4  62.99M
|   |   ├──18：EmissionScore_TransitionScore.mp4  51.67M
|   |   ├──19：CRF的目标函数.mp4  14.35M
|   |   ├──20：计算CRF真实路径的分数.mp4  44.34M
|   |   ├──21：计算CRF所有可能路径的总分数.mp4  86.35M
|   |   ├──22：通过模型来预测新的句子的序列标签.mp4  50.16M
|   |   └──CRF_NER.pdf  1.17M



提取码：f63h

获取下载地址：

试读已结束，请付费阅读全文。

￥ 5.00付费阅读

登录后可特价购买

  本文只能试读99%,付费后可阅读全文。