课程目录:

├──1-AI课程所需安装软件教程
| ├──1-AI课程所需安装软件教程
| | └──1-AI课程所需安装软件教程.mp4 19.61M
├──2-深度学习必备核⼼算法
| ├──1-神经网络结构
| ├──2-卷积神经网络
| ├──3-Transformer
| └──4-VIT源码解读
├──3-深度学习核心框架PyTorch
| ├──3-1 节PyTorch框架介绍与配置安装
| ├──3-2 节使用神经网络进行分类任务
| ├──3-3 节神经网络回归任务-气温预测
| ├──3-4 节卷积网络参数解读分析
| ├──3-5 节图像识别模型与训练策略（重点）
| ├──3-6 节DataLoader自定义数据集制作
| ├──3-7 节LSTM文本分类实战
| └──3-8 节PyTorch框架Flask部署例子
├──4-Opencv图像处理框架实战
| ├──5-1 节课程简介与环境配置
| ├──5-10 节⽂档扫描OCR识别
| ├──5-11 节图像特征-harris
| ├──5-12 节图像特征-sift
| ├──5-13 节全景图像拼接
| ├──5-14 节停⻋场⻋位识别
| ├──5-15 节答题卡识别判卷
| ├──5-16 节背景建模
| ├──5-17 节光流估计
| ├──5-18 节Opencv的DNN模块
| ├──5-19 节⽬标追踪
| ├──5-2 节图像基本操作
| ├──5-20 节卷积原理与操作
| ├──5-21 节疲劳检测
| ├──5-3 节阈值与平滑处理
| ├──5-4 节图像形态学操作
| ├──5-5 节图像梯度计算
| ├──5-6 节边缘检测
| ├──5-7 节图像⾦字塔与轮廓检测
| ├──5-8 节直⽅图与傅⾥叶变换
| └──5-9 节信⽤卡数字识别
├──5-综合项目-物体检测经典算法实战
| └──1-YOLO V9
├──6-图像分割实战
| ├──1-图像分割及其损失函数概述
| ├──10-物体检测框架-MaskRcnn项目介绍与配置
| ├──11-MaskRcnn网络框架源码详解
| ├──12-基于MASK-RCNN框架训练自己的数据与任务
| ├──2-Unet系列算法讲解
| ├──3-unet医学细胞分割实战
| ├──4-U2NET显著性检测实战
| ├──5-deeplab系列算法
| ├──6-基于deeplabV3+版本进⾏VOC分割实战
| ├──7-医学⼼脏视频数据集分割建模实战
| ├──8-分割模型Maskformer系列
| └──9-补充：Mask2former源码解读
├──8-走向AI论文实验与项目实战的捷径-MMLAB实战系列
| ├──1-MMCV安装方法
| ├──10-第三模块：DeformableDetr算法解读
| ├──11-补充：Mask2former源码解读
| ├──12-KIE关键信息抽取与视频超分辨率重构
| ├──13-第四模块：DBNET文字检测
| ├──14-第四模块：ANINET文字识别
| ├──15-第四模块：KIE基于图模型的关键信息抽取
| ├──16-第五模块：stylegan2源码解读
| ├──17-第六模块：BasicVSR++视频超分辨重构源码解读
| ├──18-第七模块：多模态3D目标检测算法源码解读
| ├──19-第八模块：模型蒸馏应用实例
| ├──2-第一模块：分类任务基本操作
| ├──20-第八模块：模型剪枝方法概述分析
| ├──21-第九模块：mmaction行为识别
| ├──22-OCR算法解读
| ├──23-额外补充-在源码中加入各种注意力机制方法
| ├──3-第一模块：训练结果测试与验证
| ├──4-第一模块：模型源码DEBUG演示
| ├──5-第二模块：使用分割模块训练自己的数据集
| ├──6-第二模块：基于Unet进行各种策略修改
| ├──7-第二模块：分割任务CVPR最新Backbone设计及其应用
| ├──8-第三模块：mmdet训练自己的数据任务
| └──9-第三模块：DeformableDetr物体检测源码分析
├──9-经典视觉项目实战：行为识别、姿态估计、目标追踪
| ├──1-slowfast算法知识点通俗解读
| ├──10-OpenPose算法源码分析
| ├──11-deepsort算法知识点解读
| ├──12-deepsort源码解读
| ├──13-YOLO-V4版本算法解读
| ├──14-V5版本项目配置
| ├──15-V5项目工程源码解读
| ├──2-slowfast项目环境配置与配置文件
| ├──3-slowfast源码详细解读
| ├──4-基于3D卷积的视频分析与动作识别
| ├──5-视频异常检测算法与元学习
| ├──6-视频异常检测CVPR2021论文及其源码解读
| ├──7-基础补充-Resnet模型及其应用实例
| ├──8-课程介绍
| └──9-姿态估计OpenPose系列算法解读
| ├──2-视觉Transformer及其源码分析
| | └──1-视觉Transformer及其源码分析.mp4 878.23M
| ├──3-VIT算法模型源码解读
| | ├──1-项目配置说明.mp4 43.27M
| | ├──2-输入序列构建方法解读.mp4 29.80M
| | ├──3-注意力机制计算.mp4 28.04M
| | └──4-输出层计算结果.mp4 37.72M
| ├──4-swintransformer算法原理解析
| | ├──1-swintransformer整体概述.mp4 14.76M
| | ├──10-分层计算方法.mp4 21.71M
| | ├──2-要解决的问题及其优势分析.mp4 22.33M
| | ├──3-一个block要完成的任务.mp4 17.36M
| | ├──4-获取各窗口输入特征.mp4 18.99M
| | ├──5-基于窗口的注意力机制解读.mp4 29.53M
| | ├──6-窗口偏移操作的实现.mp4 24.27M
| | ├──7-偏移细节分析及其计算量概述.mp4 20.41M
| | ├──8-整体网络架构整合.mp4 20.88M
| | └──9-下采样操作实现方法.mp4 22.24M
| ├──5-swintransformer源码解读
| | ├──1-数据与环境配置解读.mp4 59.59M
| | ├──2-图像数据patch编码.mp4 37.62M
| | ├──3-数据按window进行划分计算.mp4 31.46M
| | ├──4-基础attention计算模块.mp4 27.58M
| | ├──5-窗口位移模块细节分析.mp4 36.81M
| | ├──6-patchmerge下采样操作.mp4 25.24M
| | ├──7-各block计算方法解读.mp4 27.91M
| | └──8-输出层概述.mp4 41.11M
| ├──6-基于Transformer的detr目标检测算法
| | ├──1-DETR目标检测基本思想解读.mp4 19.27M
| | ├──2-整体网络架构分析.mp4 31.54M
| | ├──3-位置信息初始化query向量.mp4 19.90M
| | ├──4-注意力机制的作用方法.mp4 20.79M
| | └──5-训练过程的策略.mp4 28.34M
| ├──7-detr目标检测源码解读
| | ├──1-项目环境配置解读.mp4 40.33M
| | ├──2-数据处理与dataloader.mp4 63.98M
| | ├──3-位置编码作用分析.mp4 47.86M
| | ├──4-backbone特征提取模块.mp4 35.54M
| | ├──5-mask与编码模块.mp4 34.68M
| | ├──6-编码层作用方法.mp4 42.78M
| | ├──7-Decoder层操作与计算.mp4 30.08M
| | ├──8-输出预测结果.mp4 41.20M
| | └──9-损失函数与预测输出.mp4 41.18M
| ├──8-DeformableDetr算法解读
| | └──1-DeformableDetr算法解读.mp4 730.35M
| ├──9-DeformableDetr物体检测源码分析
| | ├──1-特征提取与位置编码.mp4 38.16M
| | ├──10-分类与回归输出模块.mp4 49.72M
| | ├──11-预测输出结果与标签匹配模块.mp4 44.31M
| | ├──2-序列特征展开并迭加.mp4 51.07M
| | ├──3-得到相对位置点编码.mp4 28.80M
| | ├──4-准备Encoder编码层所需全部输入.mp4 37.91M
| | ├──5-编码层中的序列分析.mp4 39.73M
| | ├──6-偏移量offset计算.mp4 46.09M
| | ├──7-偏移量对齐操作.mp4 39.80M
| | ├──8-Encoder层完成特征对齐.mp4 51.84M
| | └──9-Decoder要完成的操作.mp4 38.98M
├──10-论文必备-Transformer实战系列
| ├──1-Transformer算法解读
| | └──1-Transformer算法解读.mp4 557.22M
| ├──10-MedicalTrasnformer论文解读
| | ├──1-论文整体分析.mp4 23.72M
| | ├──2-核心思想分析.mp4 54.26M
| | ├──3-网络结构计算流程概述.mp4 44.46M
| | ├──4-论文公式计算分析.mp4 46.93M
| | ├──5-位置编码的作用与效果.mp4 46.55M
| | └──6-拓展应用分析.mp4 56.52M
| ├──11-MedicalTransformer源码解读
| | ├──1-项目环境配置.mp4 25.29M
| | ├──2-医学数据介绍与分析.mp4 56.68M
| | ├──3-基本处理操作.mp4 25.77M
| | ├──4-AxialAttention实现过程.mp4 36.87M
| | ├──5-位置编码向量解读.mp4 27.80M
| | ├──6-注意力计算过程与方法.mp4 52.13M
| | └──7-局部特征提取与计算.mp4 40.92M
| ├──12-商汤LoFTR算法解读
| | ├──1-特征匹配的应用场景.mp4 87.35M
| | ├──10-总结分析.mp4 39.42M
| | ├──2-特征匹配的基本流程分析.mp4 15.91M
| | ├──3-整体流程梳理分析.mp4 16.46M
| | ├──4-CrossAttention的作用与效果.mp4 15.69M
| | ├──5-transformer构建匹配特征.mp4 33.79M
| | ├──6-粗粒度匹配过程与作用.mp4 26.00M
| | ├──7-特征图拆解操作.mp4 14.34M
| | ├──8-细粒度匹配的作用与方法.mp4 19.87M
| | └──9-基于期望预测最终位置.mp4 23.08M
| ├──13-局部特征关键点匹配实战
| | ├──1-项目与参数配置解读.mp4 44.48M
| | ├──10-得到精细化输出结果.mp4 19.35M
| | ├──11-通过期望计算最终输出.mp4 40.24M
| | ├──2-DEMO效果演示.mp4 39.57M
| | ├──3-backbone特征提取模块.mp4 28.65M
| | ├──4-注意力机制的作用与效果分析.mp4 30.98M
| | ├──5-特征融合模块实现方法.mp4 29.29M
| | ├──6-cross关系计算方法实例.mp4 29.30M
| | ├──7-粗粒度匹配过程.mp4 49.80M
| | ├──8-完成基础匹配模块.mp4 63.33M
| | └──9-精细化调整方法与实例.mp4 42.73M
| ├──14-分割模型Maskformer系列
| | └──1-分割模型Maskformer系列.mp4 776.88M
| ├──15-Mask2former源码解读
| | ├──1-Backbone获取多层级特征.mp4 35.79M
| | ├──10-正样本筛选损失计算.mp4 41.78M
| | ├──11-标签分类匹配结果分析.mp4 62.04M
| | ├──12-最终损失计算流程.mp4 52.29M
| | ├──13-汇总所有损失完成迭代.mp4 35.76M
| | ├──2-多层级采样点初始化构建.mp4 41.46M
| | ├──3-多层级输入特征序列创建方法.mp4 43.83M
| | ├──4-偏移量与权重计算并转换.mp4 48.78M
| | ├──5-Encoder特征构建方法实例.mp4 49.77M
| | ├──6-query要预测的任务解读.mp4 45.61M
| | ├──7-Decoder中的AttentionMask方法.mp4 50.89M
| | ├──8-损失模块输入参数分析.mp4 40.84M
| | └──9-标签分配策略解读.mp4 42.53M
| ├──16-BEV特征空间
| | └──1-BEV特征空间.mp4 523.07M
| ├──17-BevFormer源码解读
| | ├──1-环境配置方法解读.mp4 42.79M
| | ├──10-获取当前BEV特征.mp4 35.90M
| | ├──11-Decoder级联校正模块.mp4 41.58M
| | ├──12-损失函数与预测可视化.mp4 49.48M
| | ├──2-数据集下载与配置方法.mp4 53.57M
| | ├──3-特征提取以及BEV空间初始化.mp4 43.81M
| | ├──4-特征对齐与位置编码初始化.mp4 43.63M
| | ├──5-Reference初始点构建.mp4 37.26M
| | ├──6-BEV空间与图像空间位置对应.mp4 37.67M
| | ├──7-注意力机制模块计算方法.mp4 38.61M
| | ├──8-BEV空间特征构建.mp4 34.01M
| | └──9-Decoder要完成的任务分析.mp4 33.95M
| ├──18-时间序列预测
| | └──1-时间序列预测.mp4 375.40M
| ├──19-Informer时间序列源码解读
| | └──1-Informer时间序列源码解读.mp4 829.10M
| ├──20-Huggingface与NLP（讲故事）
| | └──1-Huggingface与NLP（讲故事）.mp4 163.59M
├──11-图神经网络实战
| ├──1-图神经网络基础
| | ├──1-图神经网络应用领域分析.mp4 26.40M
| | ├──2-图基本模块定义.mp4 10.51M
| | ├──3-邻接矩阵的定义.mp4 16.06M
| | ├──4-GNN中常见任务.mp4 19.17M
| | ├──5-消息传递计算方法.mp4 14.23M
| | └──6-多层GCN的作用.mp4 13.00M
| ├──10-基于图模型的时间序列预测
| | └──1-基于图模型的时间序列预测.mp4 1021.16M
| ├──11-异构图神经网络
| | └──1-异构图神经网络.mp4 754.04M
| ├──2-图卷积GCN模型
| | ├──1-GCN基本模型概述.mp4 13.24M
| | ├──2-图卷积的基本计算方法.mp4 12.56M
| | ├──3-邻接的矩阵的变换.mp4 18.38M
| | └──4-GCN变换原理解读.mp4 21.12M
| ├──3-图模型必备神器PyTorch Geometric安装与使用
| | ├──1-PyTorch Geometric工具包安装与配置方法.mp4 45.07M
| | ├──2-数据集与邻接矩阵格式.mp4 51.92M
| | ├──3-模型定义与训练方法.mp4 41.92M
| | └──4-文献引用数据集分类案例实战.mp4 47.75M
| ├──4-使用PyTorch Geometric构建自己的图数据集
| | ├──1-构建数据集基本方法.mp4 13.47M
| | ├──2-数据集与任务背景概述.mp4 21.63M
| | ├──3-数据集基本预处理.mp4 31.50M
| | ├──4-用户行为图结构创建.mp4 36.67M
| | ├──5-数据集创建函数介绍.mp4 34.87M
| | ├──6-网络结构定义模块.mp4 36.87M
| | ├──7-TopkPooling进行下采样任务.mp4 31.30M
| | ├──8-获取全局特征.mp4 25.71M
| | └──9-模型训练与总结.mp4 35.84M
| ├──5-图注意力机制与序列图模型
| | ├──1-图注意力机制的作用与方法.mp4 16.53M
| | ├──2-邻接矩阵计算图Attention.mp4 21.40M
| | ├──3-序列图神经网络TGCN应用.mp4 12.59M
| | └──4-序列图神经网络细节.mp4 23.67M
| ├──6-图相似度论文解读
| | ├──1-要完成的任务分析.mp4 47.79M
| | ├──2-基本方法概述解读.mp4 52.67M
| | ├──3-图模型提取全局与局部特征.mp4 47.42M
| | ├──4-NTN模块的作用与效果.mp4 41.09M
| | ├──5-点之间的对应关系计算.mp4 51.22M
| | └──6-结果输出与总结.mp4 71.18M
| ├──7-图相似度计算实战
| | ├──1-数据集与任务概述.mp4 18.11M
| | ├──2-图卷积特征提取模块.mp4 55.92M
| | ├──3-分别计算不同Batch点的分布.mp4 31.70M
| | ├──4-获得直方图特征结果.mp4 21.11M
| | ├──5-图的全局特征构建.mp4 31.45M
| | ├──6-NTN图相似特征提取.mp4 39.25M
| | └──7-预测得到相似度结果.mp4 18.64M
| ├──8-基于图模型的轨迹估计
| | ├──1-数据集与标注信息解读.mp4 57.53M
| | ├──2-整体三大模块分析.mp4 71.83M
| | ├──3-特征工程的作用与效果.mp4 41.75M
| | ├──4-传统方法与现在向量空间对比.mp4 51.83M
| | ├──5-输入细节分析.mp4 49.96M
| | ├──6-子图模块构建方法.mp4 42.55M
| | ├──7-特征融合模块分析.mp4 47.67M
| | └──8-VectorNet输出层分析.mp4 85.45M
| ├──9-图模型轨迹估计实战
| | ├──1-数据与环境配置.mp4 35.36M
| | ├──2-训练数据准备.mp4 27.69M
| | ├──3-Agent特征提取方法.mp4 37.87M
| | ├──4-DataLoader构建图结构.mp4 28.61M
| | └──5-SubGraph与Attention模型流程.mp4 34.55M
├──12-3D点云实战
| ├──1-3D点云实战 3D点云应用领域分析
| | ├──1-点云数据概述.mp4 49.53M
| | ├──2-点云应用领域与发展分析.mp4 82.18M
| | ├──3-点云分割任务.mp4 52.03M
| | ├──4-点云补全任务.mp4 29.17M
| | ├──5-点云检测与配准任务.mp4 59.58M
| | └──6-点云数据特征提取概述与预告.mp4 22.69M
| ├──2-3D点云PointNet算法
| | ├──1-3D数据应用领域与点云介绍.mp4 40.05M
| | ├──2-点云数据可视化展示.mp4 40.07M
| | ├──3-点云数据特性和及要解决的问题.mp4 33.08M
| | ├──4-PointNet算法出发点解读.mp4 17.46M
| | └──5-PointNet算法网络架构解读.mp4 31.01M
| ├──3-PointNet++算法解读
| | ├──1-PointNet升级版算法要解决的问题.mp4 22.08M
| | ├──2-最远点采样方法.mp4 21.00M
| | ├──3-分组Group方法原理解读.mp4 32.79M
| | ├──4-整体流程概述分析.mp4 16.37M
| | ├──5-分类与分割问题解决方案.mp4 21.74M
| | └──6-遇到的问题及改进方法分析.mp4 13.43M
| ├──4-Pointnet++项目实战
| | ├──1-项目文件概述.mp4 29.02M
| | ├──11-分割任务数据与配置概述.mp4 51.28M
| | ├──12-分割需要解决的任务概述.mp4 33.94M
| | ├──13-上采样完成分割任务.mp4 44.75M
| | ├──2-数据读取模块配置.mp4 39.23M
| | ├──3-DEBUG解读网络模型架构.mp4 24.25M
| | ├──4-最远点采样介绍.mp4 19.48M
| | ├──5-采样得到中心点.mp4 31.77M
| | ├──6-组区域划分方法.mp4 24.88M
| | ├──7-实现group操作得到各中心簇.mp4 35.00M
| | ├──8-特征提取模块整体流程.mp4 40.04M
| | └──9-预测结果输出模块.mp4 38.74M
| ├──5-点云补全PF-Net论文解读
| | ├──1-点云补全要解决的问题.mp4 23.13M
├──13-面向深度学习的无人驾驶实战
| ├──1-深度估计算法原理解读
| ├──10-NeuralRecon项目源码解读
| ├──11-TSDF算法与应用
| ├──12-TSDF实战案例
| ├──13-轨迹估计算法与论文解读
| ├──14-轨迹估计预测实战
| ├──15-特斯拉无人驾驶解读
| ├──2-深度估计项目实战
| ├──3-车道线检测算法与论文解读
| ├──4-基于深度学习的车道线检测项目实战
| ├──5-商汤LoFTR算法解读
| ├──6-局部特征关键点匹配实战
| ├──7-三维重建应用与坐标系基础
| ├──8-NeuralRecon算法解读
| └──9-NeuralRecon项目环境配置
├──14-对比学习与多模态任务实战
| ├──1-对比学习算法与实例
| ├──2-CLIP系列
| ├──3-多模态3D目标检测算法源码解读
| ├──4-多模态文字识别
| └──5-ANINET源码解读
├──15-缺陷检测实战
| ├──1-课程介绍
| ├──10-基于Opencv缺陷检测项⽬实战
| ├──11-基于视频流⽔线的Opencv缺陷检测项⽬
| ├──12-图像分割deeplab系列算法
| ├──13-基于deeplabV3+版本进⾏VOC分割实战
| ├──14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程
| ├──2-物体检框架YOLO-V4版本算法解读
| ├──3-物体检测框架YOLOV5版本项目配置
| ├──4-物体检测框架YOLOV5项目工程源码解读
| ├──5-基于YOLOV5的钢材缺陷检测实战
| ├──6-Semi-supervised布料缺陷检测实战
| ├──7-Opencv图像常⽤处理⽅法实例
| ├──8-Opencv梯度计算与边缘检测实例
| └──9-Opencv轮廓检测与直⽅图
├──16-行人重识别实战
| ├──1-行人重识别原理及其应用
| ├──2-基于注意力机制的Reld模型论文解读
| ├──3-基于Attention的行人重识别项目实战
| ├──4-AAAI2020顶会算法精讲
| ├──5-项目实战-基于行人局部特征融合的再识别实战
| ├──6-旷视研究院最新算法解读（基于图模型）
| ├──7-基于拓扑图的行人重识别项目实战
| └──8-额外补充：行人搜索源码分析
├──17-对抗生成网络实战
| ├──1-课程介绍
| ├──2-对抗生成网络架构原理与实战解析
| ├──3-基于CycleGan开源项目实战图像合成
| ├──4-stargan论文架构解析
| ├──5-stargan项目实战及其源码解读
| ├──6-基于starganvc2的变声器论文原理解读
| ├──7-starganvc2变声器项目实战及其源码解读
| ├──8-图像超分辨率重构实战
| └──9-基于GAN的图像补全实战
├──18-强化学习与AI黑科技实例
| ├──1-强化学习简介及其应用
| ├──10-CLIP系列
| ├──11-Diffusion模型解读
| ├──12-Dalle2及其源码解读
| ├──13-ChatGPT
| ├──2-PPO算法与公式推导
| ├──3-PPO实战-月球登陆器训练实例
| ├──4-Q-learning与DQN算法
| ├──5-DQN改进与应用技巧
| ├──6-Actor-Critic算法分析（A3C）
| ├──7-用A3C玩转超级马里奥
| ├──8-GPT系列生成模型
| └──9-GPT建模与预测流程
├──19-CV与NLP经典大模型解读
| ├──1-课程简介
| ├──10-openai-dalle2论文解读
| ├──11-openai-dalle2源码解读
| ├──12-自监督任务-对比学习思想
| ├──13-视觉自监督BEIT算法解读
| ├──14-视觉自监督任务BEITV2论文解读
| ├──15-视觉自监督任务BEITV2源码解读
| ├──16-BEV感知特征空间算法解读
| ├──17-BEVformer项目源码解读
| ├──18-补充-视觉大模型基础-deformableAttention
| ├──2-GPT系列算法解读
| ├──3-GPT2训练与预测部署流程
| ├──4-chatgpt算法解读分析
| ├──5-LLM与LORA微调策略解读
| ├──6-LLM下游任务训练自己模型实战
| ├──7-视觉大模型SAM
| ├──8-视觉QA算法与论文解读
| └──9-扩散模型diffusion架构算法解读
├──20-面向医学领域的深度学习实战
| ├──1-卷积神经网络原理与参数解读
| ├──10-基于deeplab的心脏视频数据诊断分析
| ├──11-YOLO系列物体检测算法原理解读
| ├──12-基于YOLO5细胞检测实战
| ├──13-知识图谱原理解读
| ├──14-Neo4j数据库实战
| ├──15-基于知识图谱的医药问答系统实战
| ├──16-词向量模型与RNN网络架构
| ├──17-医学糖尿病数据命名实体识别
| ├──2-PyTorch框架基本处理操作
| ├──3-PyTorch框架必备核心模块解读
| ├──4-基于Resnet的医学数据集分类实战
| ├──5-图像分割及其损失函数概述
| ├──6-Unet系列算法讲解
| ├──7-unet医学细胞分割实战
| ├──8-deeplab系列算法
| └──9-基于deeplabV3+版本进行VOC分割实战
├──21-深度学习模型部署与剪枝优化实战
| ├──1-AIoT人工智能物联网之认识 jetson nano
| ├──10-模型剪枝-Network Slimming算法分析
| ├──11-模型剪枝-Network Slimming实战解读
| ├──12-Mobilenet三代网络模型架构
| ├──2-AIoT人工智能物联网之AI 实战
| ├──3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
| ├──4- AIoT人工智能物联网之deepstream
| ├──6-pyTorch框架部署实践
| ├──7-YOLO-V3物体检测部署实例
| ├──8-docker实例演示
| └──9-tensorflow-serving实战
├──22-自然语言处理经典案例实战
| ├──1-NLP常用工具包实战
| ├──10-NLP-文本特征方法对比
| ├──11-NLP-相似度模型
| ├──12-LSTM情感分析
| ├──13-机器人写唐诗
| ├──14-对话机器人
| ├──2-商品信息可视化与文本分析
| ├──3-贝叶斯算法
| ├──4-新闻分类任务实战
| ├──5-HMM隐马尔科夫模型
| ├──6-HMM工具包实战
| ├──7-语言模型
| ├──8-使用Gemsim构建词向量
| └──9-基于word2vec的分类任务
├──23-自然语言处理必备神器Huggingface系列实战
| ├──1-Huggingface与NLP介绍解读
| ├──10-图谱知识抽取实战
| ├──11-补充Huggingface数据集制作方法实例
| ├──2-Transformer工具包基本操作实例解读
| ├──3-transformer原理解读
| ├──4-BERT系列算法解读
| ├──5-文本标注工具与NER实例
| ├──6-文本预训练模型构建实例
| ├──7-GPT系列算法
| ├──8-GPT训练与预测部署流程
| └──9-文本摘要建模
├──24-时间序列预测
| ├──1-Informer原理解读
| ├──2-Informer源码解读
| └──3-Timesnet时序预测
├──25-自然语言处理通用框架-BERT实战
| ├──1-自然语言处理通用框架BERT原理解读
| ├──2-谷歌开源项目BERT源码解读与应用实例
| ├──3-项目实战-基于BERT的中文情感分析实战
| ├──4-项目实战-基于BERT的中文命名实体识别识别实战
| ├──5-必备基础知识点-woed2vec模型通俗解读
| ├──6-必备基础-掌握Tensorflow如何实现word2vec模型
| ├──7-必备基础知识点-RNN网络架构与情感分析应用实例
| └──8-医学糖尿病数据命名实体识别
├──26-知识图谱实战系列
| ├──1-知识图谱介绍及其应用领域分析
| ├──2-知识图谱涉及技术点分析
| ├──3-Neo4j数据库实战
| ├──4-使用python操作neo4j实例
| ├──5-基于知识图谱的医药问答系统实战
| ├──6-文本关系抽取实践
| ├──7-金融平台风控模型实践
| └──8-医学糖尿病数据命名实体识别
├──27-语音识别实战系列
| ├──1-seq2seq序列网络模型
| ├──2-LAS模型语音识别实战
| ├──3-starganvc2变声器论文原理解读
| ├──4-staeganvc2变声器源码实战
| ├──5-语音分离ConvTasnet模型
| ├──6-ConvTasnet语音分离实战
| └──7-语音合成tacotron最新版实战
├──28-推荐系统实战系列
| ├──1-推荐系统介绍及其应用
| ├──10-基本统计分析的电影推荐
| ├──11-补充-基于相似度的酒店推荐系统
| ├──2-协同过滤与矩阵分解
| ├──3-音乐推荐系统实战
| ├──4-知识图谱与Neo4j数据库实例
| ├──5-基于知识图谱的电影推荐实战
| ├──6-点击率估计FM与DeepFM算法
| ├──7-DeepFM算法实战
| ├──8-推荐系统常用工具包演示
| └──9-基于文本数据的推荐实例
├──29-论文创新点常用方法及其应用实例
| └──1-通用创新点
├──30-2024Ai必会Agent(应用解读+项目实战)
| ├──001-课程介绍 .mp4 74.82M
| ├──002-1-Agent要解决的问题分析 .mp4 21.66M
| ├──003-2-Agent需要具备的基本能力 .mp4 21.18M
| ├──004-3-与大模型的关系分析 .mp4 18.35M
| ├──005-4-多智能体定义分析 .mp4 17.06M
| ├──006-5-框架的作用和能解决的问题 .mp4 26.34M
| ├──007-6-整体总结分析 .mp4 12.99M
| ├──008-7-GPTS分析一波 .mp4 30.61M
| ├──009-8-经典任务分析 .mp4 25.44M
| ├──010-1-GPTS任务流程概述分析 .mp4 47.78M
| ├──011-2-调用API的控制方式 .mp4 20.84M
| ├──012-3-API相关配置完成 .mp4 28.98M
| ├──013-4-完成指令与脚本并生成 .mp4 49.13M
| ├──014-1-DEMO演示与整体架构分析 .mp4 60.73M
| ├──015-2-后端GPT项目部署启动 .mp4 51.37M
| ├──016-3-前端助手API与流程图配置 .mp4 56.36M
| ├──017-4-接入外部API的方法与流程 .mp4 40.71M
| ├──018-5-GPT中加入外部API调用方法 .mp4 46.15M
| ├──019-6-指令提示构建 .mp4 24.49M
| ├──020-1-论文概述分析 .mp4 37.87M
| ├──021-2-整体框架逻辑介绍 .mp4 52.22M
| ├──022-3-项目环境配置 .mp4 60.39M
| ├──023-4-基础解读-动作定义方式 .mp4 15.72M
| ├──024-5-基础解读-角色定义 .mp4 13.34M
| ├──025-6-单动作智能体实现方法 .mp4 20.16M
| ├──026-7-多动作配置方法 .mp4 18.19M
| ├──027-8-定时器任务环境配置 .mp4 36.54M
| ├──028-9-定时器任务流程解读分析 .mp4 44.89M
| ├──029-0-基本Agent的组成 .mp4 43.11M
| ├──030-1-Agent要完成的任务和业务逻辑定义 .mp4 45.89M
| ├──031-2-问题拆解与执行流程 .mp4 61.54M
| ├──032-3-检索得到重要的URL .mp4 30.41M
| ├──033-4-子问题生成总结结果 .mp4 47.26M
| ├──034-5-总结与结果输出 .mp4 23.43M
| ├──035-1-RAG要完成的任务解读 .mp4 14.28M
| ├──036-2-RAG整体流程解读 .mp4 18.02M
| ├──037-3-召回优化策略分析 .mp4 17.57M
| ├──038-4-召回改进方案解读 .mp4 23.11M
| ├──039-5-评估工具RAGAS .mp4 34.62M
| ├──040-6-外接本地数据库工具 .mp4 19.47M
| ├──041-1-整体故事解读 .mp4 35.47M
| ├──042-2-要解决的问题和整体框架分析 .mp4 48.80M
| ├──043-3-论文基本框架分析 .mp4 81.31M
| ├──044-4-Agent的记忆信息 .mp4 61.90M
| ├──045-5-感知与反思模块构建流程 .mp4 21.35M
| ├──046-6-计划模块实现细节 .mp4 29.96M
| ├──047-7-整体流程框架图 .mp4 19.73M
| ├──048-8-感知模块解读 .mp4 38.05M
| ├──049-9-思考模块解读 .mp4 40.37M
| ├──050-10-项目环境配置方法解读 .mp4 39.58M
| ├──051-1-langchain框架解读 .mp4 20.18M
| ├──052-2-基本API调用方法 .mp4 40.13M
| ├──053-3-数据文档切分操作 .mp4 35.52M
| ├──054-4-样本索引与向量构建 .mp4 39.13M
| ├──055-5-数据切块方法 .mp4 40.65M
| ├──056-1-MOE概述分析 .mp4 19.57M
| ├──057-2-MOE模块实现方法解读 .mp4 29.67M
| ├──058-3-效果分析与总结 .mp4 41.43M
| ├──059-1-大模型如何做下游任务 .mp4 27.81M
| ├──060-2-LLM落地微调分析 .mp4 33.70M
| ├──061-3-LLAMA与LORA介绍 .mp4 27.13M
| ├──062-4-LORA微调的核心思想 .mp4 20.57M
| ├──063-5-LORA模型实现细节 .mp4 36.76M
| ├──064-1-提示工程的作用 .mp4 37.72M
| ├──065-2-项目数据解读 .mp4 37.77M
| ├──066-3-源码调用DEBUG解读 .mp4 35.11M
| ├──067-4-训练流程演示 .mp4 43.75M
| ├──068-5-效果演示与总结分析 .mp4 29.12M
| ├──069-1-RAG与微调可以解决与无法解决的问题 .mp4 19.56M
| ├──070-2-RAG实践策略 .mp4 16.47M
| └──071-3-微调要解决的问题 .mp4 14.59M
└──资料