课程目录：

├──1-直播回放
| ├──1-开班典礼
| | └──1-开班典礼.mp4 872.85M
| ├──10-直播9：自监督任务
| | └──1-自监督任务.mp4 1.24G
| ├──11-直播10：知识蒸馏
| | └──1-知识蒸馏.mp4 1.53G
| ├──12-直播11：分割Mask2former算法
| | └──1-分割Mask2former算法.mp4 452.34M
| ├──13-直播12：多模态与交叉注意力应用
| | └──1-多模态与交叉注意力应用.mp4 1.43G
| ├──14-直播13：时间序列timesnet与地理分类任务
| | └──1-时间序列timesnet与地理分类任务.mp4 1.27G
| ├──15-直播14：论文写作与就业简历
| | └──1-论文写作与就业简历.mp4 1.15G
| ├──16-直播15：知识图谱与LORA
| | └──1-知识图谱与LORA.mp4 1.49G
| ├──2-直播1：神经网络
| | └──1-神经网络.mp4 1.27G
| ├──3-直播2：卷积神经网络
| | └──1-卷积神经网络.mp4 1.46G
| ├──4-直播3：Transformer架构解读
| | └──1-Transformer架构解读.mp4 1.02G
| ├──5-直播4：视觉Transformer- VIT源码解读
| | └──1-视觉Transformer- VIT源码解读.mp4 1.43G
| ├──6-直播5：图神经网络
| | └──1-图神经网络.mp4 1.36G
| ├──7-直播6：Transformer Decoder在视觉任务的应用
| | └──1-Transformer Decoder在视觉任务的应用.mp4 1.40G
| ├──8-直播7：对比学习与多模态任务
| | └──1-对比学习与多模态任务.mp4 1.33G
| └──9-直播8：GPT与Hugging face
| | ├──1-GPT与Hugging face(1).mp4 1.57G
| | └──1-GPT与Hugging face.mp4 1.57G
├──10-2022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
| ├──2-视觉Transformer及其源码分析
| | └──1-视觉Transformer及其源码分析.mp4 878.23M
| ├──20-Huggingface与NLP（讲故事）
| | └──1-Huggingface与NLP（讲故事）.mp4 163.59M
| ├──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-序列特征展开并叠加.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
├──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
| | ├──2-基本解决方案概述.mp4 17.42M
| | ├──3-整体网络概述.mp4 20.61M
| | ├──4-网络计算流程.mp4 25.52M
| | └──5-输入与计算结果.mp4 65.02M
| ├──6-点云补全实战解读
| | ├──1-数据与项目配置解读.mp4 41.86M
| | ├──2-待补全数据准备方法.mp4 29.26M
| | ├──3-整体框架概述.mp4 49.10M
| | ├──4-MRE特征提取模块.mp4 40.36M
| | ├──5-分层预测输出模块.mp4 31.04M
| | ├──6-补全点云数据.mp4 35.21M
| | └──7-判别模块.mp4 48.59M
| ├──7-点云配准及其案例实战
| | ├──1-点云配准任务概述.mp4 20.00M
| | ├──2-配准要完成的目标解读.mp4 17.64M
| | ├──3-训练数据构建.mp4 23.43M
| | ├──4-任务基本流程.mp4 15.56M
| | ├──5-数据源配置方法.mp4 45.42M
| | ├──6-参数计算模块解读.mp4 21.85M
| | ├──7-基于模型预测输出参数.mp4 24.88M
| | ├──8-特征构建方法分析.mp4 34.65M
| | └──9-任务总结.mp4 33.31M
| └──8-基础补充-对抗生成网络架构原理与实战解析
| | ├──1-对抗生成网络通俗解释.mp4 18.39M
| | ├──2-GAN网络组成.mp4 10.73M
| | ├──3-损失函数解释说明.mp4 39.88M
| | ├──4-数据读取模块.mp4 29.93M
| | └──5-生成与判别网络定义.mp4 44.24M
├──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
| | ├──1-深度估计效果与应用.mp4 98.47M
| | ├──10-损失计算.mp4 30.51M
| | ├──2-kitti数据集介绍.mp4 59.45M
| | ├──3-使用backbone获取层级特征.mp4 22.18M
| | ├──4-差异特征计算边界信息.mp4 26.49M
| | ├──5-SPP层的作用.mp4 15.27M
| | ├──6-空洞卷积与ASPP.mp4 18.94M
| | ├──7-特征拼接方法分析.mp4 21.24M
| | ├──8-网络coarse-to-fine过程.mp4 26.50M
| | └──9-权重参数预处理.mp4 27.50M
| ├──10-NeuralRecon项目源码解读
| | ├──1-Backbone得到特征图.mp4 36.02M
| | ├──2-初始化体素位置.mp4 41.51M
| | ├──3-坐标映射方法实现.mp4 26.66M
| | ├──4-得到体素所对应特征图.mp4 50.70M
| | ├──5-插值得到对应特征向量.mp4 32.36M
| | ├──6-得到一阶段输出结果.mp4 38.08M
| | ├──7-完成三个阶段预测结果.mp4 45.77M
| | └──8-项目总结.mp4 108.40M
| ├──11-TSDF算法与应用
| | ├──1-TSDF整体概述分析.mp4 23.16M
| | ├──2-合成过程DEMO演示.mp4 27.58M
| | ├──3-布局初始化操作.mp4 12.69M
| | ├──4-TSDF计算基本流程解读.mp4 23.93M
| | ├──5-坐标转换流程分析.mp4 31.10M
| | └──6-输出结果融合更新.mp4 34.23M
| ├──12-TSDF实战案例
| | ├──1-环境配置概述.mp4 32.66M
| | ├──2-初始化与数据读取.mp4 21.30M
| | └──3-计算得到TSDF输出.mp4 44.10M
| ├──13-轨迹估计算法与论文解读
| | ├──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
| ├──14-轨迹估计预测实战
| | ├──1-数据与环境配置.mp4 35.43M
| | ├──2-训练数据准备.mp4 27.75M
| | ├──3-Agent特征提取方法.mp4 37.97M
| | ├──4-DataLoader构建图结构.mp4 28.68M
| | └──5-SubGraph与Attention模型流程.mp4 34.64M
| ├──15-特斯拉无人驾驶解读
| | └──1-特斯拉无人驾驶解读.mp4 644.17M
| ├──2-深度估计项目实战
| | ├──1-项目环境配置解读.mp4 52.89M
| | ├──10-损失函数通俗解读.mp4 65.84M
| | ├──11-模型DEMO输出结果.mp4 80.63M
| | ├──2-数据与标签定义方法.mp4 74.34M
| | ├──3-数据集dataloader制作.mp4 36.83M
| | ├──4-使用backbone进行特征提取.mp4 42.38M
| | ├──5-计算差异特征.mp4 30.69M
| | ├──6-权重参数标准化操作.mp4 42.56M
| | ├──7-网络结构ASPP层.mp4 47.25M
| | ├──8-特征拼接方法解读.mp4 47.64M
| | └──9-输出深度估计结果.mp4 25.45M
| ├──3-车道线检测算法与论文解读
| | ├──1-数据标签与任务分析.mp4 84.49M
| | ├──2-网络整体框架分析.mp4 28.89M
| | ├──3-输出结果分析.mp4 18.12M
| | ├──4-损失函数计算方法.mp4 27.30M
| | └──5-论文概述分析.mp4 62.39M
| ├──4-基于深度学习的车道线检测项目实战
| | ├──1-车道数据与标签解读.mp4 65.61M
| | ├──10-车道线规则损失函数限制.mp4 44.61M
| | ├──11-DEMO制作与配置.mp4 40.28M
| | ├──2-项目环境配置演示.mp4 29.98M
| | ├──3-制作数据集dataloader.mp4 54.62M
| | ├──4-车道线标签数据处理.mp4 34.18M
| | ├──5-四条车道线标签位置矩阵.mp4 22.28M
| | ├──6-grid设置方法.mp4 41.70M
| | ├──7-完成数据与标签制作.mp4 24.65M
| | ├──8-算法网络结构解读.mp4 59.95M
| | └──9-损失函数计算模块分析.mp4 45.66M
| ├──5-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
| ├──6-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 19.39M
| | ├──11-通过期望计算最终输出.mp4 40.24M
| | ├──2-DEMO效果演示.mp4 39.56M
| | ├──3-backbone特征提取模块.mp4 28.70M
| | ├──4-注意力机制的作用与效果分析.mp4 31.04M
| | ├──5-特征融合模块实现方法.mp4 29.35M
| | ├──6-cross关系计算方法实例.mp4 29.36M
| | ├──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 42.81M
| ├──7-三维重建应用与坐标系基础
| | ├──1-三维重建概述分析.mp4 66.80M
| | ├──2-三维重建应用领域概述.mp4 13.17M
| | ├──3-成像方法概述.mp4 16.33M
| | ├──4-相机坐标系.mp4 17.15M
| | ├──5-坐标系转换方法解读.mp4 20.91M
| | ├──6-相机内外参.mp4 17.01M
| | ├──7-通过内外参数进行坐标变换.mp4 16.47M
| | └──8-相机标定简介.mp4 5.50M
| ├──8-NeuralRecon算法解读
| | ├──1-任务流程分析.mp4 19.35M
| | ├──2-基本框架熟悉.mp4 27.45M
| | ├──3-特征映射方法解读.mp4 34.68M
| | ├──4-片段融合思想.mp4 16.72M
| | └──5-整体架构重构方法.mp4 23.00M
| └──9-NeuralRecon项目环境配置
| | ├──1-数据集下载与配置方法.mp4 52.41M
| | ├──2-Scannet数据集内容概述.mp4 37.26M
| | ├──3-TSDF标签生成方法.mp4 55.30M
| | ├──4-ISSUE的作用.mp4 49.23M
| | └──5-完成依赖环境配置.mp4 57.11M
├──14-对比学习与多模态任务实战
| ├──1-对比学习算法与实例
| | └──1-对比学习算法与实例.mp4 549.52M
| ├──2-CLIP系列
| | └──1-CLIP系列.mp4 621.00M
| ├──3-多模态3D目标检测算法源码解读
| | ├──1-环境配置与数据集概述.mp4 51.52M
| | ├──10-3D卷积特征融合.mp4 56.76M
| | ├──11-输出层预测结果.mp4 80.80M
| | ├──2-数据与标注文件介绍.mp4 37.49M
| | ├──3-基本流程梳理并进入debug模式.mp4 50.33M
| | ├──4-数据与图像特征提取模块.mp4 58.02M
| | ├──5-体素索引位置获取.mp4 64.72M
| | ├──6-体素特征提取方法解读.mp4 37.57M
| | ├──7-体素特征计算方法分析.mp4 70.71M
| | ├──8-全局体素特征提取.mp4 95.96M
| | └──9-多模态特征融合.mp4 68.36M
| ├──4-多模态文字识别
| | └──1-多模态文字识别.mp4 766.02M
| └──5-ANINET源码解读
| | ├──1-数据集与环境概述.mp4 55.58M
| | ├──2-配置文件修改方法.mp4 52.49M
| | ├──3-Bakbone模块得到特征.mp4 42.10M
| | ├──4-视觉Transformer模块的作用.mp4 45.97M
| | ├──5-视觉模型中的编码与解码的效果.mp4 54.49M
| | ├──6-文本模型中的结构分析.mp4 38.66M
| | ├──7-迭代修正模块.mp4 38.14M
| | └──8-输出层与损失计算.mp4 52.81M
├──15-缺陷检测实战
| ├──1-课程介绍
| | └──1-课程介绍.mp4 26.71M
| ├──10-基于Opencv缺陷检测项⽬实战
| | ├──1-任务需求与环境配置.mp4 15.40M
| | ├──2-数据读取与基本处理.mp4 26.63M
| | ├──3-缺陷形态学操作.mp4 26.46M
| | ├──4-整体流程解读.mp4 23.65M
| | └──5-缺陷检测效果演示.mp4 50.91M
| ├──11-基于视频流⽔线的Opencv缺陷检测项⽬
| | ├──1-数据与任务概述.mp4 16.48M
| | ├──2-视频数据读取与轮廓检测.mp4 20.83M
| | ├──3-目标质心计算.mp4 32.47M
| | ├──4-视频数据遍历方法.mp4 31.41M
| | ├──5-缺陷区域提取.mp4 36.00M
| | ├──6-不同类型的缺陷检测方法.mp4 36.77M
| | └──7-检测效果演示.mp4 25.73M
| ├──12-图像分割deeplab系列算法
| | ├──1-deeplab分割算法概述.mp4 13.81M
| | ├──2-空洞卷积的作用.mp4 16.74M
| | ├──3-感受野的意义.mp4 19.37M
| | ├──4-SPP层的作用.mp4 19.02M
| | ├──5-ASPP特征融合策略.mp4 13.45M
| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M
| ├──13-基于deeplabV3+版本进⾏VOC分割实战
| | ├──1-PascalVoc数据集介绍.mp4 70.12M
| | ├──2-项目参数与数据集读取.mp4 60.32M
| | ├──3-网络前向传播流程.mp4 33.10M
| | ├──4-ASPP层特征融合.mp4 51.19M
| | └──5-分割模型训练.mp4 34.97M
| ├──14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程
| | ├──1-数据集与任务概述.mp4 31.09M
| | ├──2-开源项目应用方法.mp4 36.52M
| | ├──3-github与kaggle中需要注意的点.mp4 40.24M
| | ├──4-源码的利用方法.mp4 89.46M
| | ├──5-数据集制作方法.mp4 75.53M
| | ├──6-数据路径配置.mp4 54.55M
| | ├──7-训练模型.mp4 34.38M
| | └──8-任务总结.mp4 43.02M
| ├──2-物体检框架YOLO-V4版本算法解读
| | ├──1-V4版本整体概述.mp4 15.06M
| | ├──10-PAN模块解读.mp4 20.64M
| | ├──11-激活函数与整体架构总结.mp4 19.19M
| | ├──2-V4版本贡献解读.mp4 10.06M
| | ├──3-数据增强策略分析.mp4 24.70M
| | ├──4-DropBlock与标签平滑方法.mp4 19.36M
| | ├──5-损失函数遇到的问题.mp4 14.26M
| | ├──6-CIOU损失函数定义.mp4 10.82M
| | ├──7-NMS细节改进.mp4 16.66M
| | ├──8-SPP与CSP网络结构.mp4 14.81M
| | └──9-SAM注意力机制模块.mp4 22.48M
| ├──3-物体检测框架YOLOV5版本项目配置
| | ├──1-整体项目概述.mp4 35.77M
| | ├──2-训练自己的数据集方法.mp4 41.32M
| | ├──3-训练数据参数配置.mp4 51.48M
| | └──4-测试DEMO演示.mp4 50.47M
| ├──4-物体检测框架YOLOV5项目工程源码解读
| | ├──1-数据源DEBUG流程解读.mp4 48.13M
| | ├──10-完成配置文件解析任务.mp4 58.80M
| | ├──11-前向传播计算.mp4 30.80M
| | ├──12-BottleneckCSP层计算方法.mp4 33.82M
| | ├──13-SPP层计算细节分析.mp4 29.17M
| | ├──14-Head层流程解读.mp4 29.19M
| | ├──15-上采样与拼接操作.mp4 21.48M
| | ├──16-输出结果分析.mp4 41.71M
| | ├──17-超参数解读.mp4 34.94M
| | ├──18-命令行参数介绍.mp4 44.26M
| | ├──19-训练流程解读.mp4 46.81M
| | ├──2-图像数据源配置.mp4 34.65M
| | ├──20-各种训练策略概述.mp4 38.43M
| | ├──21-模型迭代过程.mp4 38.42M
| | ├──3-加载标签数据.mp4 26.33M
| | ├──4-Mosaic数据增强方法.mp4 28.19M
| | ├──5-数据四合一方法与流程演示.mp4 41.69M
| | ├──6-getItem构建batch.mp4 33.03M
| | ├──7-网络架构图可视化工具安装.mp4 34.33M
| | ├──8-V5网络配置文件解读.mp4 35.74M
| | └──9-Focus模块流程分析.mp4 21.93M
| ├──5-基于YOLOV5的钢材缺陷检测实战
| | ├──1-任务需求与项目概述.mp4 14.14M
| | ├──2-数据与标签配置方法.mp4 38.42M
| | ├──3-标签转换格式脚本制作.mp4 30.57M
| | ├──4-各版本模型介绍分析.mp4 33.52M
| | ├──5-项目参数配置.mp4 27.21M
| | ├──6-缺陷检测模型训练.mp4 34.15M
| | └──7-输出结果与项目总结.mp4 45.20M
| ├──6-Semi-supervised布料缺陷检测实战
| | ├──1-任务目标与流程概述.mp4 53.72M
| | ├──2-论文思想与模型分析.mp4 129.03M
| | ├──3-项目配置解读.mp4 63.00M
| | ├──4-网络流程分析.mp4 37.48M
| | └──5-输出结果展示.mp4 39.29M
| ├──7-Opencv图像常⽤处理⽅法实例
| | ├──1-计算机眼中的图像.mp4 30.88M
| | ├──10-膨胀操作.mp4 12.25M
| | ├──11-开运算与闭运算.mp4 9.32M
| | ├──12-梯度计算.mp4 7.85M
| | ├──13-礼帽与黑帽.mp4 15.88M
| | ├──2-视频的读取与处理.mp4 46.97M
| | ├──3-ROI区域.mp4 15.37M
| | ├──4-边界填充.mp4 21.46M
| | ├──5-数值计算.mp4 40.04M
| | ├──6-图像阈值.mp4 30.85M
| | ├──7-图像平滑处理.mp4 24.77M
| | ├──8-高斯与中值滤波.mp4 20.61M
| | └──9-腐蚀操作.mp4 20.99M
| ├──8-Opencv梯度计算与边缘检测实例
| | ├──1-Canny边缘检测流程.mp4 18.97M
| | ├──2-非极大值抑制.mp4 18.32M
| | ├──3-边缘检测效果.mp4 36.63M
| | ├──4-Sobel算子.mp4 27.00M
| | ├──5-梯度计算方法.mp4 30.29M
| | └──6-scharr与lapkacian算子.mp4 27.39M
| └──9-Opencv轮廓检测与直⽅图
| | ├──1-图像金字塔定义.mp4 19.68M
| | ├──10-均衡化效果.mp4 27.21M
| | ├──11-傅里叶概述.mp4 38.86M
| | ├──12-频域变换结果.mp4 26.32M
| | ├──13-低通与高通滤波.mp4 27.40M
| | ├──2-金字塔制作方法.mp4 25.47M
| | ├──3-轮廓检测方法.mp4 19.37M
| | ├──4-轮廓检测结果.mp4 34.44M
| | ├──5-轮廓特征与近似.mp4 37.62M
| | ├──6-模板匹配方法.mp4 47.45M
| | ├──7-匹配效果展示.mp4 21.20M
| | ├──8-直方图定义.mp4 23.64M
| | └──9-均衡化原理.mp4 31.35M
├──16-行人重识别实战
| ├──1-行人重识别原理及其应用
| | ├──1-行人重识别要解决的问题.mp4 17.26M
| | ├──2-挑战与困难分析.mp4 35.89M
| | ├──3-评估标准rank1指标.mp4 14.05M
| | ├──4-map值计算方法.mp4 15.70M
| | ├──5-triplet损失计算实例.mp4 25.16M
| | └──6-Hard-Negative方法应用.mp4 27.27M
| ├──2-基于注意力机制的Reld模型论文解读
| | ├──1-论文整体思想及注意力机制的作用解读.mp4 50.47M
| | ├──2-空间权重值计算流程分析.mp4 32.88M
| | ├──3-融合空间注意力所需特征.mp4 27.38M
| | └──4-基于特征图的注意力计算.mp4 66.01M
| ├──3-基于Attention的行人重识别项目实战
| | ├──1-项目环境与数据集配置.mp4 49.78M
| | ├──2-参数配置与整体架构分析.mp4 65.40M
| | ├──3-进入debug模式解读网络计算流程.mp4 30.56M
| | ├──4-获得空间位置点之间的关系.mp4 43.11M
| | ├──5-组合关系特征图.mp4 39.65M
| | ├──6-计算得到位置权重值.mp4 38.01M
| | ├──7-基于特征图的权重计算.mp4 25.57M
| | ├──8-损失函数计算实例解读.mp4 60.36M
| | └──9-训练与测试模块演示.mp4 75.66M
| ├──4-AAAI2020顶会算法精讲
| | ├──1-论文整体框架概述.mp4 16.23M
| | ├──2-局部特征与全局关系计算方法.mp4 15.39M
| | ├──3-特征分组方法.mp4 15.12M
| | ├──4-GCP模块特征融合方法.mp4 28.45M
| | ├──5-oneVsReset方法实例.mp4 15.63M
| | └──6-损失函数应用位置.mp4 16.80M
| ├──5-项目实战-基于行人局部特征融合的再识别实战
| | ├──1-项目配置与数据集介绍.mp4 67.72M
| | ├──10-得到所有分组特征结果.mp4 51.20M
| | ├──11-损失函数与训练过程演示.mp4 42.52M
| | ├──12-测试与验证模块.mp4 47.02M
| | ├──2-数据源构建方法分析.mp4 41.23M
| | ├──3-dataloader加载顺序解读.mp4 27.96M
| | ├──4-debug模式解读.mp4 62.34M
| | ├──5-网络计算整体流程演示.mp4 30.51M
| | ├──6-特征序列构建.mp4 41.00M
| | ├──7-GCP全局特征提取.mp4 39.65M
| | ├──8-局部特征提取实例.mp4 52.39M
| | └──9-特征组合汇总.mp4 49.29M
| ├──6-旷视研究院最新算法解读（基于图模型）
| | ├──1-关键点位置特征构建.mp4 22.40M
| | ├──2-图卷积与匹配的作用.mp4 24.41M
| | ├──3-局部特征热度图计算.mp4 24.78M
| | ├──4-基于图卷积构建人体拓扑关系.mp4 29.82M
| | ├──5-图卷积模块实现方法.mp4 27.54M
| | ├──6-图匹配在行人重识别中的作用.mp4 18.07M
| | └──7-整体算法框架分析.mp4 24.09M
| ├──7-基于拓扑图的行人重识别项目实战
| | ├──1-数据集与环境配置概述.mp4 48.08M
| | ├──10-整体项目总结.mp4 79.79M
| | ├──2-局部特征准备方法.mp4 47.66M
| | ├──3-得到一阶段热度图结果.mp4 42.07M
| | ├──4-阶段监督训练.mp4 78.61M
| | ├──5-初始化图卷积模型.mp4 34.82M
| | ├──6-mask矩阵的作用.mp4 40.13M
| | ├──7-邻接矩阵学习与更新.mp4 50.98M
| | ├──8-基于拓扑结构组合关键点特征.mp4 63.20M
| | └──9-图匹配模块计算流程.mp4 67.63M
| └──8-额外补充：行人搜索源码分析
| | ├──1-项目概述.mp4 26.15M
| | ├──2-项目概述.mp4 31.61M
| | ├──3-数据与标签读取模块.mp4 57.97M
| | ├──4-通过配置文件读取模型位置.mp4 37.97M
| | ├──5-BackBone位置与流程.mp4 52.30M
| | ├──6-Neck层操作方法.mp4 33.12M
| | ├──7-Head层预测模块.mp4 40.06M
| | ├──8-损失函数计算模块.mp4 54.31M
| | └──9-总结概述.mp4 34.10M
├──17-对抗生成网络实战
| ├──1-课程介绍
| | └──1-课程介绍.mp4 28.55M
| ├──2-对抗生成网络架构原理与实战解析
| | ├──1-对抗生成网络通俗解释.mp4 18.39M
| | ├──2-GAN网络组成.mp4 10.73M
| | ├──3-损失函数解释说明.mp4 39.88M
| | ├──4-数据读取模块.mp4 29.93M
| | └──5-生成与判别网络定义.mp4 44.24M
| ├──3-基于CycleGan开源项目实战图像合成
| | ├──1-CycleGan网络所需数据.mp4 37.56M
| | ├──10-额外补充：VISDOM可视化配置.mp4 38.69M
| | ├──2-CycleGan整体网络架构.mp4 21.36M
| | ├──3-PatchGan判别网络原理.mp4 11.45M
| | ├──4-Cycle开源项目简介.mp4 46.41M
| | ├──5-数据读取与预处理操作.mp4 57.93M
| | ├──6-生成网络模块构造.mp4 48.52M
| | ├──7-判别网络模块构造.mp4 19.77M
| | ├──8-损失函数：identity loss计算方法.mp4 37.16M
| | └──9-生成与判别损失函数指定.mp4 54.69M
| ├──4-stargan论文架构解析
| | ├──1-stargan效果演示分析.mp4 27.95M
| | ├──2-网络架构整体思路解读.mp4 30.84M
| | ├──3-建模流程分析.mp4 42.55M
| | ├──4-V1版本存在的问题及后续改进思路.mp4 60.74M
| | ├──5-V2版本在整体网络架构.mp4 63.67M
| | ├──6-编码器训练方法.mp4 53.45M
| | ├──7-损失函数公式解析.mp4 49.43M
| | └──8-训练过程分析.mp4 34.17M
| ├──5-stargan项目实战及其源码解读
| | ├──1-测试模块效果与实验分析.mp4 29.95M
| | ├──10-生成模块损失计算.mp4 70.07M
| | ├──2-项目配置与数据源下载.mp4 21.51M
| | ├──3-测试效果演示.mp4 34.97M
| | ├──4-项目参数解析.mp4 27.62M
| | ├──5-生成器模块源码解读.mp4 53.18M
| | ├──6-所有网络模块构建实例.mp4 46.52M
| | ├──7-数据读取模块分析.mp4 56.60M
| | ├──8-判别器损失计算.mp4 32.90M
| | └──9-损失计算详细过程.mp4 45.76M
| ├──6-基于starganvc2的变声器论文原理解读
| | ├──1-论文整体思路与架构解读.mp4 34.66M
| | ├──2-VCC2016输入数据.mp4 20.76M
| | ├──3-语音特征提取.mp4 30.57M
| | ├──4-生成器模型架构分析.mp4 15.81M
| | ├──5-InstanceNorm的作用解读.mp4 18.58M
| | ├──6-AdaIn的目的与效果.mp4 13.18M
| | └──7-判别器模块分析.mp4 114.03M
| ├──7-starganvc2变声器项目实战及其源码解读
| | ├──1-数据与项目文件解读.mp4 21.80M
| | ├──10-源码损失计算流程.mp4 34.82M
| | ├──11-测试模块-生成转换语音.mp4 47.17M
| | ├──2-环境配置与工具包安装.mp4 37.11M
| | ├──3-数据预处理与声音特征提取.mp4 88.49M
| | ├──4-生成器构造模块解读.mp4 41.33M
| | ├──5-下采样与上采样操作.mp4 35.48M
| | ├──6-starganvc2版本标签输入分析.mp4 49.96M
| | ├──7-生成器前向传播维度变化.mp4 26.49M
| | ├──8-判别器模块解读.mp4 35.22M
| | └──9-论文损失函数.mp4 100.48M
| ├──8-图像超分辨率重构实战
| | ├──1-论文概述.mp4 46.83M
| | ├──2-网络架构.mp4 106.93M
| | ├──3-数据与环境配置.mp4 26.90M
| | ├──4-数据加载与配置.mp4 39.14M
| | ├──5-生成模块.mp4 48.50M
| | ├──6-判别模块.mp4 44.60M
| | ├──7-VGG特征提取网络.mp4 35.88M
| | ├──8-损失函数与训练.mp4 89.00M
| | └──9-测试模块.mp4 90.79M
| └──9-基于GAN的图像补全实战
| | ├──1-论文概述.mp4 75.09M
| | ├──2-网络架构.mp4 30.75M
| | ├──3-细节设计.mp4 77.69M
| | ├──4-论文总结.mp4 67.30M
| | ├──5-数据与项目概述.mp4 45.92M
| | ├──6-参数基本设计.mp4 81.81M
| | ├──7-网络结构配置.mp4 71.57M
| | ├──8-网络迭代训练.mp4 92.87M
| | └──9-测试模块.mp4 48.39M
├──18-强化学习与AI黑科技实例
| ├──1-强化学习简介及其应用
| | ├──1-一张图通俗解释强化学习.mp4 17.69M
| | ├──2-强化学习的指导依据.mp4 20.19M
| | ├──3-强化学习AI游戏DEMO.mp4 20.36M
| | ├──4-应用领域简介.mp4 17.34M
| | ├──5-强化学习工作流程.mp4 14.78M
| | └──6-计算机眼中的状态与行为.mp4 20.09M
| ├──10-CLIP系列
| | └──1-CLIP系列.mp4 621.00M
| ├──11-Diffusion模型解读
| | └──1-Diffusion模型解读.mp4 737.53M
| ├──12-Dalle2及其源码解读
| | └──1-Dalle2源码解读.mp4 614.12M
| ├──13-ChatGPT
| | └──1-ChatGPT.mp4 382.23M
| ├──2-PPO算法与公式推导
| | ├──1-基本情况介绍.mp4 28.05M
| | ├──2-与环境交互得到所需数据.mp4 23.17M
| | ├──3-要完成的目标分析.mp4 24.51M
| | ├──4-策略梯度推导.mp4 21.76M
| | ├──5-baseline方法.mp4 18.36M
| | ├──6-OnPolicy与OffPolicy策略.mp4 20.77M
| | ├──7-importance sampling的作用.mp4 23.19M
| | └──8-PPO算法整体思路解析.mp4 26.57M
| ├──3-PPO实战-月球登陆器训练实例
| | ├──1-Critic的作用与效果.mp4 40.06M
| | ├──2-PPO2版本公式解读.mp4 31.64M
| | ├──3-参数与网络结构定义.mp4 33.70M
| | ├──4-得到动作结果.mp4 29.01M
| | ├──5-奖励获得与计算.mp4 36.29M
| | └──6-参数迭代与更新.mp4 49.26M
| ├──4-Q-learning与DQN算法
| | ├──1-整体任务流程演示.mp4 23.90M
| | ├──2-探索与action获取.mp4 28.41M
| | ├──3-计算target值.mp4 22.46M
| | ├──4-训练与更新.mp4 34.15M
| | ├──5-算法原理通俗解读.mp4 25.99M
| | ├──6-目标函数与公式解析.mp4 25.54M
| | ├──7-Qlearning算法实例解读.mp4 16.65M
| | ├──8-Q值迭代求解.mp4 22.46M
| | └──9-DQN简介.mp4 15.36M
| ├──5-DQN改进与应用技巧
| | ├──1-DoubleDqn要解决的问题.mp4 22.34M
| | ├──2-DuelingDqn改进方法.mp4 19.06M
| | ├──3-Dueling整体网络架构分析.mp4 21.73M
| | ├──4-MultiSetp策略.mp4 8.67M
| | └──5-连续动作处理方法.mp4 22.24M
| ├──6-Actor-Critic算法分析（A3C）
| | ├──1-AC算法回顾与知识点总结.mp4 17.31M
| | ├──2-优势函数解读与分析.mp4 19.87M
| | ├──3-计算流程实例.mp4 17.59M
| | ├──4-A3C整体架构分析.mp4 16.43M
| | └──5-损失函数整理.mp4 22.40M
| ├──7-用A3C玩转超级马里奥
| | ├──1-整体流程与环境配置.mp4 26.97M
| | ├──2-启动游戏环境.mp4 32.19M
| | ├──3-要计算的指标回顾.mp4 37.00M
| | ├──4-初始化局部模型并加载参数.mp4 32.22M
| | ├──5-与环境交互得到训练数据.mp4 39.26M
| | └──6-训练网络模型.mp4 44.24M
| ├──8-GPT系列生成模型
| | └──1-GPT系列.mp4 442.99M
| └──9-GPT建模与预测流程
| | ├──1-生成模型可以完成的任务概述.mp4 28.91M
| | ├──2-数据样本生成方法.mp4 72.04M
| | ├──3-训练所需参数解读.mp4 57.68M
| | ├──4-模型训练过程.mp4 51.48M
| | └──5-部署与网页预测展示.mp4 79.57M
├──2-深度学习必备核⼼算法
| ├──1-神经网络结构
| | └──1-神经网络结构.mp4 604.62M
| ├──2-卷积神经网络
| | └──1-卷积神经网络.mp4 676.23M
| ├──3-Transformer
| | └──1-Transformer.mp4 557.22M
| └──4-VIT源码解读
| | └──1-VIT源码解读.mp4 878.23M
├──20-CV与NLP经典大模型解读
| ├──1-课程简介
| | └──1-课程简介.mp4 10.19M
| ├──10-openai-dalle2论文解读
| | ├──1-论文基本思想与核心模块分析.mp4 42.10M
| | ├──2-不同模块对比分析.mp4 34.78M
| | ├──3-算法核心流程解读.mp4 62.78M
| | └──4-各模块实现细节讲解.mp4 78.77M
| ├──11-openai-dalle2源码解读
| | ├──1-项目整体流程分析.mp4 53.51M
| | ├──2-源码实现细节分析.mp4 41.14M
| | ├──3-源码公式对应论文分析.mp4 47.57M
| | ├──4-Decoder模块实现细节解读.mp4 44.83M
| | └──5-源码实现流程总结.mp4 56.49M
| ├──12-自监督任务-对比学习思想
| | ├──1-对比学习要解决的问题分析.mp4 47.41M
| | ├──2-正负样本构建方法.mp4 34.18M
| | ├──3-Simclr框架流程分析.mp4 40.15M
| | └──4-下游任务应用概述.mp4 45.04M
| ├──13-视觉自监督BEIT算法解读
| | ├──1-视觉自监督任务分析.mp4 56.86M
| | ├──2-任务训练目标分析.mp4 72.80M
| | ├──3-建模流程分析与效果展示.mp4 101.08M
| | ├──4-codebook模块的作用.mp4 81.31M
| | └──5-任务总结分析.mp4 114.38M
| ├──14-视觉自监督任务BEITV2论文解读
| | ├──1-BEITV2版本论文出发点解读.mp4 48.00M
| | ├──2-自监督任务中两大核心任务分析.mp4 56.24M
| | ├──3-整体网络架构图分析.mp4 43.98M
| | ├──4-框架实现细节流程分析.mp4 21.84M
| | └──5-论文细节模块实现解读.mp4 99.31M
| ├──15-视觉自监督任务BEITV2源码解读
| | ├──1-mmselfup源码实现解读.mp4 42.02M
| | ├──2-网络结构搭建细节解读.mp4 49.16M
| | └──3-源码实现流程总结.mp4 45.78M
| ├──16-BEV感知特征空间算法解读
| | ├──1-BEV要解决的问题通俗解读.mp4 57.89M
| | ├──10-整体架构总结.mp4 51.47M
| | ├──2-BEV中的3D与4D分析.mp4 23.58M
| | ├──3-特征融合过程中可能遇到的问题.mp4 22.25M
| | ├──4-BEV汇总特征方法实例解读.mp4 35.67M
| | ├──5-DeformableAttention回顾.mp4 40.86M
| | ├──6-空间注意力模块解读.mp4 33.92M
| | ├──7-时间模块与拓展补充.mp4 27.10M
| | ├──8-论文知识点分析.mp4 50.40M
| | └──9-核心模块论文分析.mp4 57.14M
| ├──17-BEVformer项目源码解读
| | ├──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-补充-视觉大模型基础-deformableAttention
| | ├──1-DeformableAttention概述分析.mp4 26.55M
| | ├──2-可变形偏移量分析.mp4 37.05M
| | ├──3-应用场景分析解读.mp4 48.64M
| | ├──4-论文计算公式解读.mp4 70.45M
| | ├──5-整体框架流程实例.mp4 52.61M
| | └──6-下游任务应用场景.mp4 29.34M
| ├──2-GPT系列算法解读
| | ├──1-GPT系列算法概述.mp4 26.53M
| | ├──2-GPT三代版本分析.mp4 29.33M
| | ├──3-GPT初代版本要解决的问题.mp4 30.99M
| | ├──4-GPT第二代版本训练策略.mp4 28.94M
| | ├──5-采样策略与多样性.mp4 28.20M
| | ├──6-GPT3的提示与生成方法.mp4 74.39M
| | ├──7-应用场景CODEX分析.mp4 36.50M
| | └──8-DEMO应用演示.mp4 98.82M
| ├──3-GPT2训练与预测部署流程
| | ├──1-生成模型可以完成的任务概述.mp4 28.91M
| | ├──2-数据样本生成方法.mp4 72.04M
| | ├──3-训练所需参数解读.mp4 57.68M
| | ├──4-模型训练过程.mp4 51.48M
| | └──5-部署与网页预测展示.mp4 79.57M
| ├──4-chatgpt算法解读分析
| | ├──1-chatgpt概述.mp4 21.49M
| | ├──2-挑战及其与有监督问题差异.mp4 22.41M
| | ├──3-强化学习登场.mp4 17.69M
| | ├──4-强化学习的作用效果.mp4 33.81M
| | ├──5-奖励模型设计方法.mp4 26.20M
| | ├──6-RLHF训练流程解读.mp4 38.53M
| | └──7-总结分析.mp4 69.21M
| ├──5-LLM与LORA微调策略解读
| | ├──1-大模型如何做下游任务.mp4 33.43M
| | ├──2-LLM落地微调分析.mp4 37.03M
| | ├──3-LLAMA与LORA介绍.mp4 30.10M
| | ├──4-LORA微调的核心思想.mp4 22.08M
| | └──5-LORA模型实现细节.mp4 40.79M
| ├──6-LLM下游任务训练自己模型实战
| | ├──1-提示工程的作用.mp4 44.01M
| | ├──2-基本API调用方法.mp4 59.69M
| | ├──3-数据文档切分操作.mp4 47.88M
| | ├──4-样本索引与向量构建.mp4 66.44M
| | └──5-数据切块方法.mp4 61.14M
| ├──7-视觉大模型SAM
| | ├──1-DEMO效果演示.mp4 57.83M
| | ├──2-论文解读分析.mp4 74.48M
| | ├──3-完成的任务分析.mp4 76.96M
| | ├──4-数据闭环方法.mp4 93.66M
| | ├──5-预训练模型的作用.mp4 144.99M
| | ├──6-Decoder的作用与项目源码.mp4 94.78M
| | ├──7-分割任务模块设计.mp4 62.84M
| | ├──8-实现细节分析.mp4 62.98M
| | └──9-总结分析.mp4 60.65M
| ├──8-视觉QA算法与论文解读
| | ├──1-视觉QA要解决的问题.mp4 51.72M
| | ├──2-论文概述分析.mp4 66.38M
| | ├──3-实现流程路线图.mp4 64.44M
| | ├──4-答案关注区域分析.mp4 54.45M
| | └──5-VQA任务总结.mp4 51.51M
| └──9-扩散模型diffusion架构算法解读
| | ├──1-扩散模型概述与GAN遇到的问题.mp4 43.24M
| | ├──10-基本建模训练效果.mp4 81.38M
| | ├──2-要完成的任务分析.mp4 62.27M
| | ├──3-公式原理推导解读.mp4 51.48M
| | ├──4-分布相关计算操作.mp4 45.08M
| | ├──5-算法实现细节推导.mp4 41.52M
| | ├──6-公式推导结果分析.mp4 49.07M
| | ├──7-细节实现总结.mp4 59.60M
| | ├──8-论文流程图解读.mp4 46.55M
| | └──9-案例流程分析.mp4 53.76M
├──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
| | ├──1-卷积神经网络应用领域.mp4 21.20M
| | ├──10-VGG网络架构.mp4 19.34M
| | ├──11-残差网络Resnet.mp4 18.02M
| | ├──12-感受野的作用.mp4 16.86M
| | ├──2-卷积的作用.mp4 22.67M
| | ├──3-卷积特征值计算方法.mp4 21.23M
| | ├──4-得到特征图表示.mp4 18.23M
| | ├──5-步长与卷积核大小对结果的影响.mp4 19.86M
| | ├──6-边缘填充方法.mp4 17.28M
| | ├──7-特征图尺寸计算与参数共享.mp4 21.99M
| | ├──8-池化层的作用.mp4 11.31M
| | └──9-整体网络架构.mp4 16.98M
| ├──10-基于deeplab的心脏视频数据诊断分析
| | ├──1-数据集与任务概述.mp4 45.55M
| | ├──2-项目基本配置参数.mp4 33.31M
| | ├──3-任务流程解读.mp4 69.12M
| | ├──4-文献报告分析.mp4 122.67M
| | ├──5-补充：视频数据源特征处理方法概述.mp4 26.33M
| | └──6-补充：R(2plus1)D处理方法分析.mp4 18.88M
| ├──11-YOLO系列物体检测算法原理解读
| | ├──1-检测任务中阶段的意义.mp4 15.14M
| | ├──10-置信度误差与优缺点分析.mp4 26.86M
| | ├──11-V2版本细节升级概述.mp4 13.43M
| | ├──12-网络结构特点.mp4 15.69M
| | ├──13-架构细节解读.mp4 18.92M
| | ├──14-基于聚类来选择先验框尺寸.mp4 24.24M
| | ├──15-偏移量计算方法.mp4 27.55M
| | ├──16-坐标映射与还原.mp4 10.08M
| | ├──17-感受野的作用.mp4 28.11M
| | ├──18-特征融合改进.mp4 19.20M
| | ├──19-V3版本改进概述.mp4 18.27M
| | ├──2-不同阶段算法优缺点分析.mp4 10.68M
| | ├──20-多scale方法改进与特征融合.mp4 17.07M
| | ├──21-经典变换方法对比分析.mp4 10.83M
| | ├──22-残差连接方法解读.mp4 18.64M
| | ├──23-整体网络模型架构分析.mp4 12.93M
| | ├──24-先验框设计改进.mp4 13.04M
| | ├──25-sotfmax层改进.mp4 10.61M
| | ├──26-V4版本整体概述.mp4 15.06M
| | ├──27-V4版本贡献解读.mp4 10.06M
| | ├──28-数据增强策略分析.mp4 24.70M
| | ├──29-DropBlock与标签平滑方法.mp4 19.36M
| | ├──3-IOU指标计算.mp4 11.74M
| | ├──30-损失函数遇到的问题.mp4 14.26M
| | ├──31-CIOU损失函数定义.mp4 10.82M
| | ├──32-NMS细节改进.mp4 16.66M
| | ├──33-SPP与CSP网络结构.mp4 14.81M
| | ├──34-SAM注意力机制模块.mp4 22.48M
| | ├──35-PAN模块解读.mp4 20.64M
| | ├──36-激活函数与整体架构总结.mp4 19.19M
| | ├──4-评估所需参数计算.mp4 26.23M
| | ├──5-map指标计算.mp4 19.63M
| | ├──6-YOLO算法整体思路解读.mp4 14.75M
| | ├──7-检测算法要得到的结果.mp4 13.63M
| | ├──8-整体网络架构解读.mp4 30.67M
| | └──9-位置损失计算.mp4 18.97M
| ├──12-基于YOLO5细胞检测实战
| | ├──1-任务与细胞数据集介绍.mp4 49.79M
| | ├──2-模型与算法配置参数解读.mp4 42.47M
| | ├──3-网络训练流程演示.mp4 42.34M
| | ├──4-效果评估与展示.mp4 32.65M
| | └──5-细胞检测效果演示.mp4 43.21M
| ├──13-知识图谱原理解读
| | ├──1-知识图谱通俗解读.mp4 19.87M
| | ├──10-视觉领域图编码实例.mp4 20.97M
| | ├──11-图谱知识融合与总结分析.mp4 23.98M
| | ├──2-知识图谱在搜索引擎中的应用.mp4 26.60M
| | ├──3-知识图谱在医疗领域应用实例.mp4 102.89M
| | ├──4-金融与推荐领域的应用.mp4 20.39M
| | ├──5-数据获取分析.mp4 35.93M
| | ├──6-数据关系抽取分析.mp4 27.31M
| | ├──7-常用NLP技术点分析.mp4 22.09M
| | ├──8-graph-embedding的作用与效果.mp4 26.15M
| | └──9-金融领域图编码实例.mp4 12.77M
| ├──14-Neo4j数据库实战
| | ├──1-Neo4j图数据库介绍.mp4 63.50M
| | ├──2-Neo4j数据库安装流程演示.mp4 27.67M
| | ├──3-可视化例子演示.mp4 43.59M
| | ├──4-创建与删除操作演示.mp4 25.32M
| | └──5-数据库更改查询操作演示.mp4 27.14M
| ├──15-基于知识图谱的医药问答系统实战
| | ├──1-项目概述与整体架构分析.mp4 37.04M
| | ├──10-完成对话系统构建.mp4 39.47M
| | ├──2-医疗数据介绍及其各字段含义.mp4 62.65M
| | ├──3-任务流程概述.mp4 39.73M
| | ├──4-环境配置与所需工具包安装.mp4 36.37M
| | ├──5-提取数据中的关键字段信息.mp4 61.33M
| | ├──6-创建关系边.mp4 39.41M
| | ├──7-打造医疗知识图谱模型.mp4 59.14M
| | ├──8-加载所有实体数据.mp4 42.46M
| | └──9-实体关键词字典制作.mp4 31.84M
| ├──16-词向量模型与RNN网络架构
| | ├──1-词向量模型通俗解释.mp4 21.72M
| | ├──2-模型整体框架.mp4 28.24M
| | ├──3-训练数据构建.mp4 15.85M
| | ├──4-CBOW与Skip-gram模型.mp4 23.83M
| | ├──5-负采样方案.mp4 29.51M
| | └──6-额外补充-RNN网络模型解读.mp4 23.75M
| ├──17-医学糖尿病数据命名实体识别
| | ├──1-数据与任务介绍.mp4 22.73M
| | ├──2-整体模型架构.mp4 15.01M
| | ├──3-数据-标签-语料库处理.mp4 39.99M
| | ├──4-输入样本填充补齐.mp4 36.22M
| | ├──5-训练网络模型.mp4 40.37M
| | └──6-医疗数据集（糖尿病）实体识别.mp4 81.44M
| ├──2-PyTorch框架基本处理操作
| | ├──1-PyTorch实战课程简介.mp4 22.98M
| | ├──2-PyTorch框架发展趋势简介.mp4 25.22M
| | ├──3-框架安装方法（CPU与GPU版本）.mp4 18.60M
| | ├──4-PyTorch基本操作简介.mp4 28.68M
| | ├──5-自动求导机制.mp4 33.36M
| | ├──6-线性回归DEMO-数据与参数配置.mp4 22.62M
| | ├──7-线性回归DEMO-训练回归模型.mp4 39.40M
| | ├──8-补充：常见tensor格式.mp4 19.59M
| | └──9-补充：Hub模块简介.mp4 53.11M
| ├──3-PyTorch框架必备核心模块解读
| | ├──1-卷积网络参数定义.mp4 26.46M
| | ├──10-加载训练好的网络模型.mp4 50.00M
| | ├──11-优化器模块配置.mp4 24.63M
| | ├──12-实现训练模块.mp4 33.20M
| | ├──13-训练结果与模型保存.mp4 41.24M
| | ├──14-加载模型对测试数据进行预测.mp4 52.81M
| | ├──15-额外补充-Resnet论文解读.mp4 117.98M
| | ├──16-额外补充-Resnet网络架构解读.mp4 18.27M
| | ├──2-网络流程解读.mp4 37.49M
| | ├──3-Vision模块功能解读.mp4 23.53M
| | ├──4-分类任务数据集定义与配置.mp4 29.73M
| | ├──5-图像增强的作用.mp4 14.68M
| | ├──6-数据预处理与数据增强模块.mp4 37.24M
| | ├──7-Batch数据制作.mp4 43.65M
| | ├──8-迁移学习的目标.mp4 11.75M
| | └──9-迁移学习策略.mp4 15.47M
| ├──4-基于Resnet的医学数据集分类实战
| | ├──1-医学疾病数据集介绍.mp4 18.85M
| | ├──2-Resnet网络架构原理分析.mp4 24.81M
| | ├──3-dataloader加载数据集.mp4 64.78M
| | ├──4-Resnet网络前向传播.mp4 35.82M
| | ├──5-残差网络的shortcut操作.mp4 47.34M
| | ├──6-特征图升维与降采样操作.mp4 26.89M
| | └──7-网络整体流程与训练演示.mp4 67.45M
| ├──5-图像分割及其损失函数概述
| | ├──1-语义分割与实例分割概述.mp4 20.24M
| | ├──2-分割任务中的目标函数定义.mp4 20.00M
| | └──3-MIOU评估标准.mp4 9.03M
| ├──6-Unet系列算法讲解
| | ├──1-Unet网络编码与解码过程.mp4 18.29M
| | ├──2-网络计算流程.mp4 16.13M
| | ├──3-Unet升级版本改进.mp4 15.75M
| | └──4-后续升级版本介绍.mp4 18.37M
| ├──7-unet医学细胞分割实战
| | ├──1-医学细胞数据集介绍与参数配置.mp4 71.21M
| | ├──2-数据增强工具.mp4 61.47M
| | ├──3-Debug模式演示网络计算流程.mp4 41.37M
| | ├──4-特征融合方法演示.mp4 30.05M
| | ├──5-迭代完成整个模型计算任务.mp4 33.55M
| | └──6-模型效果验证.mp4 47.29M
| ├──8-deeplab系列算法
| | ├──1-deeplab分割算法概述.mp4 13.81M
| | ├──2-空洞卷积的作用.mp4 16.74M
| | ├──3-感受野的意义.mp4 19.37M
| | ├──4-SPP层的作用.mp4 19.02M
| | ├──5-ASPP特征融合策略.mp4 13.45M
| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M
| └──9-基于deeplabV3+版本进行VOC分割实战
| | ├──1-PascalVoc数据集介绍.mp4 70.12M
| | ├──2-项目参数与数据集读取.mp4 60.32M
| | ├──3-网络前向传播流程.mp4 33.10M
| | ├──4-ASPP层特征融合.mp4 51.19M
| | └──5-分割模型训练.mp4 34.97M
├──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
| | ├──1- jetson nano 硬件介绍.mp4 22.06M
| | ├──2-jetson nano 刷机.mp4 105.19M
| | ├──3- jetson nano 系统安装过程.mp4 84.51M
| | ├──4-感受nano的GPU算力.mp4 62.42M
| | └──5-安装使用摄像头csi usb.mp4 43.16M
| ├──10-模型剪枝-Network Slimming算法分析
| | ├──1-论文算法核心框架概述.mp4 19.64M
| | ├──2-BatchNorm要解决的问题.mp4 18.48M
| | ├──3-BN的本质作用.mp4 22.56M
| | ├──4-额外的训练参数解读.mp4 20.11M
| | └──5-稀疏化原理与效果.mp4 23.90M
| ├──11-模型剪枝-Network Slimming实战解读
| | ├──1-整体案例流程解读.mp4 32.40M
| | ├──2-加入L1正则化来进行更新.mp4 28.38M
| | ├──3-剪枝模块介绍.mp4 31.01M
| | ├──4-筛选需要的特征图.mp4 36.30M
| | ├──5-剪枝后模型参数赋值.mp4 49.50M
| | └──6-微调完成剪枝模型.mp4 46.91M
| ├──12-Mobilenet三代网络模型架构
| | ├──1-模型剪枝分析.mp4 22.35M
| | ├──10-V2整体架构与效果分析.mp4 10.48M
| | ├──11-V3版本网络架构分析.mp4 11.56M
| | ├──12-SE模块作用与效果解读.mp4 31.91M
| | ├──13-代码实现mobilenetV3网络架构.mp4 68.85M
| | ├──2-常见剪枝方法介绍.mp4 21.73M
| | ├──3-mobilenet简介.mp4 8.62M
| | ├──4-经典卷积计算量与参数量分析.mp4 13.21M
| | ├──5-深度可分离卷积的作用与效果.mp4 14.31M
| | ├──6-参数与计算量的比较.mp4 39.68M
| | ├──7-V1版本效果分析.mp4 24.94M
| | ├──8-V2版本改进以及Relu激活函数的问题.mp4 19.55M
| | └──9-倒残差结构的作用.mp4 17.43M
| ├──2-AIoT人工智能物联网之AI 实战
| | ├──1- jetson-inference 入门.mp4 59.71M
| | ├──2-docker 的安装使用.mp4 86.11M
| | ├──3-docker中运行分类模型.mp4 197.54M
| | ├──4-训练自己的目标检测模型准备.mp4 77.71M
| | ├──5- 训练出自己目标识别模型a.mp4 109.79M
| | ├──6-训练出自己目标识别模型b.mp4 91.42M
| | └──7-转换出onnx模型，并使用.mp4 74.62M
| ├──3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
| | ├──1-NVIDIA TAO介绍和安装.mp4 74.35M
| | ├──2-NVIDIA TAO数据准备和环境设置.mp4 74.09M
| | ├──3-NVIDIA TAO数据转换.mp4 146.27M
| | ├──4-NVIDIA TAO预训练模型和训练a.mp4 100.69M
| | ├──5-NVIDIA TAO预训练模型和训练b.mp4 18.72M
| | ├──6-NVIDIA TAO预训练模型和训练c…mp4 42.86M
| | └──7-TAO 剪枝在训练推理验证.mp4 198.78M
| ├──4- AIoT人工智能物联网之deepstream
| | ├──1-deepstream 介绍安装.mp4 108.78M
| | ├──2-deepstream HelloWorld.mp4 51.92M
| | ├──3-GStreamer RTP和RTSP1.mp4 90.64M
| | ├──4-GStreamer RTP和RTSP2.mp4 138.80M
| | ├──5-python实现RTP和RTSP.mp4 118.05M
| | ├──6-deepstream推理.mp4 117.90M
| | └──7-deepstream集成yolov4.mp4 117.19M
| ├──6-pyTorch框架部署实践
| | ├──1-所需基本环境配置.mp4 22.07M
| | ├──2-模型加载与数据预处理.mp4 39.61M
| | ├──3-接收与预测模块实现.mp4 37.66M
| | ├──4-效果实例演示.mp4 43.27M
| | └──5-课程简介.mp4 8.15M
| ├──7-YOLO-V3物体检测部署实例
| | ├──1-项目所需配置文件介绍.mp4 24.63M
| | ├──2-加载参数与模型权重.mp4 35.63M
| | ├──3-数据预处理.mp4 53.86M
| | └──4-返回线性预测结果.mp4 44.91M
| ├──8-docker实例演示
| | ├──1-docker简介.mp4 15.95M
| | ├──2-docker安装与配置.mp4 48.52M
| | ├──3-阿里云镜像配置.mp4 26.97M
| | ├──4-基于docker配置pytorch环境.mp4 36.52M
| | ├──5-安装演示环境所需依赖.mp4 31.47M
| | ├──6-复制所需配置到容器中.mp4 28.20M
| | └──7-上传与下载配置好的项目.mp4 45.48M
| └──9-tensorflow-serving实战
| | ├──1-tf-serving项目获取与配置.mp4 30.47M
| | ├──2-加载并启动模型服务.mp4 31.27M
| | ├──3-测试模型部署效果.mp4 43.37M
| | ├──4-fashion数据集获取.mp4 38.63M
| | └──5-加载fashion模型启动服务.mp4 33.40M
├──22-自然语言处理经典案例实战
| ├──1-NLP常用工具包实战
| | ├──1-Python字符串处理.mp4 41.33M
| | ├──10-名字实体匹配.mp4 21.37M
| | ├──11-恐怖袭击分析.mp4 40.53M
| | ├──12-统计分析结果.mp4 47.69M
| | ├──13-结巴分词器.mp4 28.14M
| | ├──14-词云展示.mp4 87.56M
| | ├──2-正则表达式基本语法.mp4 31.03M
| | ├──3-正则常用符号.mp4 37.06M
| | ├──4-常用函数介绍.mp4 40.13M
| | ├──5-NLTK工具包简介.mp4 32.26M
| | ├──6-停用词过滤.mp4 27.63M
| | ├──7-词性标注.mp4 35.92M
| | ├──8-数据清洗实例.mp4 41.37M
| | └──9-Spacy工具包.mp4 47.11M
| ├──10-NLP-文本特征方法对比
| | ├──1-任务概述.mp4 37.49M
| | ├──2-词袋模型.mp4 28.12M
| | ├──3-词袋模型分析.mp4 63.59M
| | ├──4-TFIDF模型.mp4 47.59M
| | ├──5-word2vec词向量模型.mp4 54.40M
| | └──6-深度学习模型.mp4 39.28M
| ├──11-NLP-相似度模型
| | ├──1-任务概述.mp4 13.15M
| | ├──2-数据展示.mp4 22.65M
| | ├──3-正负样本制作.mp4 37.95M
| | ├──4-数据预处理.mp4 36.08M
| | ├──5-网络模型定义.mp4 55.90M
| | ├──6-基于字符的训练.mp4 58.94M
| | └──7-基于句子的相似度训练.mp4 42.44M
| ├──12-LSTM情感分析
| | ├──1-RNN网络架构.mp4 19.86M
| | ├──2-LSTM网络架构.mp4 17.80M
| | ├──3-案例：使用LSTM进行情感分类.mp4 30.99M
| | ├──4-情感数据集处理.mp4 33.58M
| | └──5-基于word2vec的LSTM模型.mp4 50.52M
| ├──13-机器人写唐诗
| | ├──1-任务概述与环境配置.mp4 13.71M
| | ├──2-参数配置.mp4 21.87M
| | ├──3-数据预处理模块.mp4 35.34M
| | ├──4-batch数据制作.mp4 27.96M
| | ├──5-RNN模型定义.mp4 17.97M
| | ├──6-完成训练模块.mp4 28.00M
| | ├──7-训练唐诗生成模型.mp4 11.13M
| | └──8-测试唐诗生成效果.mp4 21.38M
| ├──14-对话机器人
| | ├──1-效果演示.mp4 30.57M
| | ├──2-参数配置与数据加载.mp4 51.00M
| | ├──3-数据处理.mp4 41.99M
| | ├──4-词向量与投影.mp4 38.22M
| | ├──5-seq网络.mp4 30.68M
| | └──6-网络训练.mp4 37.99M
| ├──2-商品信息可视化与文本分析
| | ├──1-在线商城商品数据信息概述.mp4 32.31M
| | ├──2-商品类别划分方式.mp4 37.31M
| | ├──3-商品类别可视化展示.mp4 41.28M
| | ├──4-商品描述长度对价格的影响分析.mp4 33.72M
| | ├──5-关键词的词云可视化展示.mp4 51.86M
| | ├──6-基于tf-idf提取关键词信息.mp4 35.32M
| | ├──7-通过降维进行可视化展示.mp4 39.05M
| | └──8-聚类分析与主题模型展示.mp4 57.03M
| ├──3-贝叶斯算法
| | ├──1-贝叶斯算法概述.mp4 11.34M
| | ├──2-贝叶斯推导实例.mp4 11.92M
| | ├──3-贝叶斯拼写纠错实例.mp4 18.58M
| | ├──4-垃圾邮件过滤实例.mp4 22.82M
| | └──5-贝叶斯实现拼写检查器.mp4 36.77M
| ├──4-新闻分类任务实战
| | ├──1-文本分析与关键词提取.mp4 19.44M
| | ├──2-相似度计算.mp4 19.50M
| | ├──3-新闻数据与任务简介.mp4 33.21M
| | ├──4-TF-IDF关键词提取.mp4 45.75M
| | ├──5-LDA建模.mp4 28.05M
| | └──6-基于贝叶斯算法进行新闻分类.mp4 50.88M
| ├──5-HMM隐马尔科夫模型
| | ├──1-马尔科夫模型.mp4 17.50M
| | ├──10-维特比算法.mp4 43.08M
| | ├──2-隐马尔科夫模型基本出发点.mp4 18.72M
| | ├──3-组成与要解决的问题.mp4 14.85M
| | ├──4-暴力求解方法.mp4 28.00M
| | ├──5-复杂度计算.mp4 15.28M
| | ├──6-前向算法.mp4 36.14M
| | ├──7-前向算法求解实例.mp4 33.34M
| | ├──8-Baum-Welch算法.mp4 26.86M
| | └──9-参数求解.mp4 17.22M
| ├──6-HMM工具包实战
| | ├──1-hmmlearn工具包.mp4 19.55M
| | ├──2-工具包使用方法.mp4 55.62M
| | ├──3-中文分词任务.mp4 13.44M
| | └──4-实现中文分词.mp4 35.77M
| ├──7-语言模型
| | ├──1-开篇.mp4 8.52M
| | ├──10-负采样模型.mp4 10.50M
| | ├──2-语言模型.mp4 8.82M
| | ├──3-N-gram模型.mp4 13.62M
| | ├──4-词向量.mp4 13.55M
| | ├──5-神经网络模型.mp4 15.87M
| | ├──6-Hierarchical Softmax.mp4 15.19M
| | ├──7-CBOW模型实例.mp4 18.54M
| | ├──8-CBOW求解目标.mp4 8.68M
| | └──9-锑度上升求解.mp4 15.93M
| ├──8-使用Gemsim构建词向量
| | ├──1-使用Gensim库构造词向量.mp4 16.84M
| | ├──2-维基百科中文数据处理.mp4 39.14M
| | ├──3-Gensim构造word2vec模型.mp4 20.97M
| | └──4-测试模型相似度结果.mp4 20.04M
| └──9-基于word2vec的分类任务
| | ├──1-影评情感分类.mp4 46.92M
| | ├──2-基于词袋模型训练分类器.mp4 28.07M
| | ├──3-准备word2vec输入数据.mp4 24.19M
| | └──4-使用gensim构建word2vec词向量（新）.mp4 67.73M
├──23-自然语言处理必备神器Huggingface系列实战
| ├──1-Huggingface与NLP介绍解读
| | └──1-Huggingface与NLP介绍解读.mp4 163.59M
| ├──10-图谱知识抽取实战
| | ├──1-应用场景概述分析.mp4 91.97M
| | ├──2-数据标注格式样例分析.mp4 70.01M
| | ├──3-数据处理与读取模块.mp4 39.11M
| | ├──4-实体抽取模块分析.mp4 44.33M
| | ├──5-标签与数据结构定义方法.mp4 49.68M
| | ├──6-模型构建与计算流程.mp4 43.10M
| | ├──7-网络模型前向计算方法.mp4 32.93M
| | └──8-关系抽取模型训练.mp4 42.25M
| ├──11-补充Huggingface数据集制作方法实例
| | ├──1-数据结构分析.mp4 47.87M
| | ├──2-Huggingface中的预处理实例.mp4 72.56M
| | └──3-数据处理基本流程.mp4 72.59M
| ├──2-Transformer工具包基本操作实例解读
| | ├──1-工具包与任务整体介绍.mp4 33.38M
| | ├──2-NLP任务常规流程分析.mp4 29.18M
| | ├──3-文本切分方法实例解读.mp4 42.74M
| | ├──4-AttentionMask配套使用方法.mp4 35.30M
| | ├──5-数据集与模型.mp4 42.97M
| | ├──6-数据Dataloader封装.mp4 50.18M
| | ├──7-模型训练所需配置参数.mp4 36.95M
| | └──8-模型训练DEMO.mp4 58.66M
| ├──3-transformer原理解读
| | └──1-transformer原理解读.mp4 367.64M
| ├──4-BERT系列算法解读
| | ├──1-BERT模型训练方法解读.mp4 23.92M
| | ├──2-ALBERT基本定义.mp4 38.60M
| | ├──3-ALBERT中的简化方法解读.mp4 43.38M
| | ├──4-RoBerta模型训练方法解读.mp4 28.45M
| | └──5-DistilBert模型解读.mp4 16.06M
| ├──5-文本标注工具与NER实例
| | ├──1-文本标注工具Doccano配置方法.mp4 33.01M
| | ├──2-命名实体识别任务标注方法实例.mp4 39.35M
| | ├──3-标注导出与BIO处理.mp4 39.39M
| | ├──4-标签处理并完成对齐操作.mp4 38.62M
| | ├──5-预训练模型加载与参数配置.mp4 41.50M
| | └──6-模型训练与输出结果预测.mp4 43.06M
| ├──6-文本预训练模型构建实例
| | ├──1-预训练模型效果分析.mp4 31.96M
| | ├──2-文本数据截断处理.mp4 45.78M
| | └──3-预训练模型自定义训练.mp4 97.91M
| ├──7-GPT系列算法
| | ├──1-GPT系列算法概述.mp4 26.53M
| | ├──2-GPT三代版本分析.mp4 29.33M
| | ├──3-GPT初代版本要解决的问题.mp4 30.99M
| | ├──4-GPT第二代版本训练策略.mp4 28.94M
| | ├──5-采样策略与多样性.mp4 28.20M
| | ├──6-GPT3的提示与生成方法.mp4 74.39M
| | ├──7-应用场景CODEX分析.mp4 36.50M
| | └──8-DEMO应用演示.mp4 98.82M
| ├──8-GPT训练与预测部署流程
| | ├──1-生成模型可以完成的任务概述.mp4 28.91M
| | ├──2-数据样本生成方法.mp4 72.04M
| | ├──3-训练所需参数解读.mp4 57.68M
| | ├──4-模型训练过程.mp4 51.48M
| | └──5-部署与网页预测展示.mp4 79.57M
| └──9-文本摘要建模
| | ├──1-中文商城评价数据处理方法.mp4 66.36M
| | ├──2-模型训练与测试结果.mp4 108.10M
| | ├──3-文本摘要数据标注方法.mp4 55.92M
| | └──4-训练自己标注的数据并测试.mp4 27.68M
├──24-时间序列预测
| ├──1-Informer原理解读
| | ├──1-时间序列预测要完成的任务.mp4 33.27M
| | ├──2-常用模块分析.mp4 24.25M
| | ├──3-论文要解决的问题分析.mp4 30.47M
| | ├──4-Query采样方法解读.mp4 23.11M
| | ├──5-probAttention计算流程.mp4 31.40M
| | ├──6-编码器全部计算流程.mp4 24.05M
| | └──7-解码器流程分析.mp4 24.85M
| ├──2-Informer源码解读
| | ├──1-项目使用说明.mp4 63.92M
| | ├──10-核心采样计算方法.mp4 50.11M
| | ├──11-完成注意力机制计算模块.mp4 28.39M
| | ├──12-平均向量的作用.mp4 33.70M
| | ├──13-解码器预测输出.mp4 74.46M
| | ├──2-数据集解读.mp4 60.61M
| | ├──3-模型训练所需参数解读.mp4 37.37M
| | ├──4-数据集构建与读取方式.mp4 44.54M
| | ├──5-数据处理相关模块.mp4 44.58M
| | ├──6-时间相关特征提取方法.mp4 39.96M
| | ├──7-dataloader构建实例.mp4 41.03M
| | ├──8-整体架构分析.mp4 36.91M
| | └──9-编码器模块实现.mp4 39.16M
| └──3-Timesnet时序预测
| | ├──1-时序预测故事背景.mp4 81.92M
| | ├──2-论文核心思想解读.mp4 64.34M
| | ├──3-时序特征周期拆解.mp4 72.51M
| | ├──4-计算公式流程拆解.mp4 52.93M
| | ├──5-全部计算流程解读.mp4 66.52M
| | ├──6-周期间特征分析.mp4 74.13M
| | ├──7-源码流程解读.mp4 54.10M
| | └──8-傅里叶变换流程.mp4 33.97M
├──3-深度学习框架PyTorch
| ├──1-PyTorch框架介绍与配置安装
| | ├──1-PyTorch框架与其他框架区别分析.mp4 33.24M
| | └──2-CPU与GPU版本安装方法解读.mp4 100.57M
| ├──2-使用神经网络进行分类任务
| | ├──1-数据集与任务概述.mp4 43.34M
| | ├──2-基本模块应用测试.mp4 47.62M
| | ├──3-网络结构定义方法.mp4 55.60M
| | ├──4-数据源定义简介.mp4 38.98M
| | ├──5-损失与训练模块分析.mp4 42.31M
| | ├──6-训练一个基本的分类模型.mp4 54.59M
| | └──7-参数对结果的影响.mp4 51.65M
| ├──3-神经网络回归任务-气温预测
| | └──1-神经网络回归任务-气温预测.mp4 198.56M
| ├──4-卷积网络参数解读分析
| | ├──1-输入特征通道分析.mp4 42.48M
| | ├──2-卷积网络参数解读.mp4 31.46M
| | └──3-卷积网络模型训练.mp4 55.14M
| ├──5-图像识别模型与训练策略（重点）
| | ├──1-任务分析与图像数据基本处理.mp4 41.62M
| | ├──10-测试结果演示分析.mp4 110.98M
| | ├──2-数据增强模块.mp4 40.50M
| | ├──3-数据集与模型选择.mp4 45.32M
| | ├──4-迁移学习方法解读.mp4 44.66M
| | ├──5-输出层与梯度设置.mp4 61.42M
| | ├──6-输出类别个数修改.mp4 49.06M
| | ├──7-优化器与学习率衰减.mp4 52.48M
| | ├──8-模型训练方法.mp4 52.60M
| | └──9-重新训练全部模型.mp4 54.81M
| ├──6-DataLoader自定义数据集制作
| | ├──1-Dataloader要完成的任务分析.mp4 39.20M
| | ├──2-图像数据与标签路径处理.mp4 48.98M
| | ├──3-Dataloader中需要实现的方法分析.mp4 46.95M
| | └──4-实用Dataloader加载数据并训练模型.mp4 77.82M
| └──7-LSTM文本分类实战
| | ├──1-数据集与任务目标分析.mp4 52.81M
| | ├──2-文本数据处理基本流程分析.mp4 55.97M
| | ├──3-命令行参数与DEBUG.mp4 36.52M
| | ├──4-训练模型所需基本配置参数分析.mp4 40.92M
| | ├──5-预料表与字符切分.mp4 31.98M
| | ├──6-字符预处理转换ID.mp4 34.37M
| | ├──7-LSTM网络结构基本定义.mp4 34.73M
| | ├──8-网络模型预测结果输出.mp4 39.11M
| | └──9-模型训练任务与总结.mp4 45.16M
├──30-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
| | ├──1-BERT课程简介.mp4 29.78M
| | ├──10-BERT模型训练方法.mp4 20.67M
| | ├──11-训练实例.mp4 24.18M
| | ├──2-BERT任务目标概述.mp4 11.52M
| | ├──3-传统解决方案遇到的问题.mp4 22.69M
| | ├──4-注意力机制的作用.mp4 14.78M
| | ├──5-self-attention计算方法.mp4 23.80M
| | ├──6-特征分配与softmax机制.mp4 21.32M
| | ├──7-Multi-head的作用.mp4 19.37M
| | ├──8-位置编码与多层堆叠.mp4 16.84M
| | └──9-transformer整体架构梳理.mp4 22.34M
| ├──2-谷歌开源项目BERT源码解读与应用实例
| | ├──1-BERT开源项目简介.mp4 41.33M
| | ├──10-构建QKV矩阵.mp4 50.77M
| | ├──11-完成Transformer模块构建.mp4 40.81M
| | ├──12-训练BERT模型.mp4 54.66M
| | ├──2-项目参数配置.mp4 106.78M
| | ├──3-数据读取模块.mp4 54.26M
| | ├──4-数据预处理模块.mp4 40.10M
| | ├──5-tfrecord数据源制作.mp4 51.50M
| | ├──6-Embedding层的作用.mp4 30.98M
| | ├──7-加入额外编码特征.mp4 42.45M
| | ├──8-加入位置编码特征.mp4 23.61M
| | └──9-mask机制的作用.mp4 36.78M
| ├──3-项目实战-基于BERT的中文情感分析实战
| | ├──1-中文分类数据与任务概述.mp4 83.53M
| | ├──2-读取处理自己的数据集.mp4 53.09M
| | └──3-训练BERT中文分类模型.mp4 72.29M
| ├──4-项目实战-基于BERT的中文命名实体识别识别实战
| | ├──1-命名实体识别数据分析与任务目标.mp4 30.45M
| | ├──2-NER标注数据处理与读取.mp4 66.07M
| | └──3-构建BERT与CRF模型.mp4 66.46M
| ├──5-必备基础知识点-woed2vec模型通俗解读
| | ├──1-词向量模型通俗解释.mp4 21.72M
| | ├──2-模型整体框架.mp4 28.24M
| | ├──3-训练数据构建.mp4 15.85M
| | ├──4-CBOW与Skip-gram模型.mp4 23.83M
| | └──5-负采样方案.mp4 29.51M
| ├──6-必备基础-掌握Tensorflow如何实现word2vec模型
| | ├──1-数据与任务流程.mp4 45.67M
| | ├──2-数据清洗.mp4 27.60M
| | ├──3-batch数据制作.mp4 51.53M
| | ├──4-网络训练.mp4 49.09M
| | └──5-可视化展示.mp4 49.61M
| ├──7-必备基础知识点-RNN网络架构与情感分析应用实例
| | ├──1-RNN网络模型解读.mp4 23.75M
| | ├──2-NLP应用领域与任务简介.mp4 32.82M
| | ├──3-项目流程解读.mp4 42.18M
| | ├──4-加载词向量特征.mp4 32.32M
| | ├──5-正负样本数据读取.mp4 36.78M
| | ├──6-构建LSTM网络模型.mp4 46.69M
| | ├──7-训练与测试效果.mp4 91.77M
| | └──8-LSTM情感分析.mp4 576.33M
| └──8-医学糖尿病数据命名实体识别
| | ├──1-数据与任务介绍.mp4 22.73M
| | ├──2-整体模型架构.mp4 15.01M
| | ├──3-数据-标签-语料库处理.mp4 39.99M
| | ├──4-训练网络模型.mp4 40.37M
| | ├──5-医疗数据集（糖尿病）实体识别.mp4 81.44M
| | └──6-输入样本填充补齐.mp4 36.22M
├──31-知识图谱实战系列
| ├──1-知识图谱介绍及其应用领域分析
| | ├──1-知识图谱通俗解读.mp4 19.87M
| | ├──2-知识图谱在搜索引擎中的应用.mp4 26.60M
| | ├──3-知识图谱在医疗领域应用实例.mp4 102.89M
| | ├──4-金融与推荐领域的应用.mp4 20.39M
| | └──5-数据获取分析.mp4 35.93M
| ├──2-知识图谱涉及技术点分析
| | ├──1-数据关系抽取分析.mp4 27.31M
| | ├──2-常用NLP技术点分析.mp4 22.09M
| | ├──3-graph-embedding的作用与效果.mp4 26.15M
| | ├──4-金融领域图编码实例.mp4 12.77M
| | ├──5-视觉领域图编码实例.mp4 20.97M
| | └──6-图谱知识融合与总结分析.mp4 23.98M
| ├──3-Neo4j数据库实战
| | ├──1-Neo4j图数据库介绍.mp4 63.50M
| | ├──2-Neo4j数据库安装流程演示.mp4 27.67M
| | ├──3-可视化例子演示.mp4 43.59M
| | ├──4-创建与删除操作演示.mp4 25.32M
| | └──5-数据库更改查询操作演示.mp4 27.14M
| ├──4-使用python操作neo4j实例
| | ├──1-使用Py2neo建立连接.mp4 47.58M
| | ├──2-提取所需的指标信息.mp4 53.17M
| | ├──3-在图中创建实体.mp4 43.83M
| | └──4-根据给定实体创建关系.mp4 51.03M
| ├──5-基于知识图谱的医药问答系统实战
| | ├──1-项目概述与整体架构分析.mp4 37.04M
| | ├──10-完成对话系统构建.mp4 39.47M
| | ├──2-医疗数据介绍及其各字段含义.mp4 62.65M
| | ├──3-任务流程概述.mp4 39.73M
| | ├──4-环境配置与所需工具包安装.mp4 36.37M
| | ├──5-提取数据中的关键字段信息.mp4 61.33M
| | ├──6-创建关系边.mp4 39.41M
| | ├──7-打造医疗知识图谱模型.mp4 59.14M
| | ├──8-加载所有实体数据.mp4 42.46M
| | └──9-实体关键词字典制作.mp4 31.84M
| ├──6-文本关系抽取实践
| | ├──1-关系抽取要完成的任务演示与分析.mp4 18.57M
| | ├──2-LTP工具包概述介绍.mp4 46.52M
| | ├──3-pyltp安装与流程演示.mp4 41.82M
| | ├──4-得到分词与词性标注结果.mp4 47.19M
| | ├──5-依存句法概述.mp4 30.83M
| | ├──6-句法分析结果整理.mp4 39.09M
| | ├──7-语义角色构建与分析.mp4 54.17M
| | └──8-设计规则完成关系抽取.mp4 52.47M
| ├──7-金融平台风控模型实践
| | ├──1-竞赛任务目标.mp4 23.81M
| | ├──2-图模型信息提取.mp4 27.76M
| | ├──3-节点权重特征提取(PageRank).mp4 35.54M
| | ├──4-deepwalk构建图顶点特征.mp4 53.48M
| | ├──5-各项统计特征.mp4 56.04M
| | ├──6-app安装特征.mp4 37.41M
| | └──7-图中联系人特征.mp4 70.31M
| └──8-医学糖尿病数据命名实体识别
| | ├──1-数据与任务介绍.mp4 22.73M
| | ├──2-整体模型架构.mp4 15.01M
| | ├──3-数据-标签-语料库处理.mp4 39.99M
| | ├──4-输入样本填充补齐.mp4 36.22M
| | ├──5-训练网络模型.mp4 40.37M
| | └──6-医疗数据集（糖尿病）实体识别.mp4 81.44M
├──32-语音识别实战系列
| ├──1-seq2seq序列网络模型
| | ├──1-序列网络模型概述分析.mp4 17.30M
| | ├──2-工作原理概述.mp4 8.98M
| | ├──3-注意力机制的作用.mp4 14.86M
| | ├──4-加入attention的序列模型整体架构.mp4 20.57M
| | ├──5-TeacherForcing的作用与训练策略.mp4 16.61M
| | └──6-额外补充-RNN网络模型解读.mp4 23.75M
| ├──2-LAS模型语音识别实战
| | ├──1-数据源与环境配置.mp4 32.23M
| | ├──2-语料表制作方法.mp4 25.47M
| | ├──3-制作json标注数据.mp4 37.84M
| | ├──4-声音数据处理模块解读.mp4 62.84M
| | ├──5-Pack与Pad操作解析.mp4 35.92M
| | ├──6-编码器模块整体流程.mp4 31.43M
| | ├──7-加入注意力机制.mp4 33.29M
| | ├──8-计算得到每个输出的attention得分.mp4 36.42M
| | └──9-解码器与训练过程演示.mp4 43.78M
| ├──3-starganvc2变声器论文原理解读
| | ├──1-论文整体思路与架构解读.mp4 34.66M
| | ├──2-VCC2016输入数据.mp4 20.76M
| | ├──3-语音特征提取.mp4 30.57M
| | ├──4-生成器模型架构分析.mp4 15.81M
| | ├──5-InstanceNorm的作用解读.mp4 18.58M
| | ├──6-AdaIn的目的与效果.mp4 13.18M
| | └──7-判别器模块分析.mp4 114.03M
| ├──4-staeganvc2变声器源码实战
| | ├──1-数据与项目文件解读.mp4 21.80M
| | ├──10-源码损失计算流程.mp4 34.82M
| | ├──11-测试模块-生成转换语音.mp4 47.17M
| | ├──2-环境配置与工具包安装.mp4 37.11M
| | ├──3-数据预处理与声音特征提取.mp4 88.49M
| | ├──4-生成器构造模块解读.mp4 41.33M
| | ├──5-下采样与上采样操作.mp4 35.48M
| | ├──6-starganvc2版本标签输入分析.mp4 49.96M
| | ├──7-生成器前向传播维度变化.mp4 26.49M
| | ├──8-判别器模块解读.mp4 35.22M
| | └──9-论文损失函数.mp4 100.48M
| ├──5-语音分离ConvTasnet模型
| | ├──1-语音分离任务分析.mp4 9.16M
| | ├──2-经典语音分离模型概述.mp4 18.09M
| | ├──3-DeepClustering论文解读.mp4 16.26M
| | ├──4-TasNet编码器结构分析.mp4 41.61M
| | ├──5-DW卷积的作用与效果.mp4 10.17M
| | └──6-基于Mask得到分离结果.mp4 19.25M
| ├──6-ConvTasnet语音分离实战
| | ├──1-数据准备与环境配置.mp4 77.96M
| | ├──2-训练任务所需参数介绍.mp4 27.66M
| | ├──3-DataLoader定义.mp4 38.03M
| | ├──4-采样数据特征编码.mp4 37.67M
| | ├──5-编码器特征提取.mp4 55.01M
| | ├──6-构建更大的感受区域.mp4 53.48M
| | ├──7-解码得到分离后的语音.mp4 52.59M
| | └──8-测试模块所需参数.mp4 42.42M
| └──7-语音合成tacotron最新版实战
| | ├──1-语音合成项目所需环境配置.mp4 44.55M
| | ├──10-得到加权的编码向量.mp4 55.86M
| | ├──11-模型输出结果.mp4 53.26M
| | ├──12-损失函数与预测.mp4 47.96M
| | ├──2-所需数据集介绍.mp4 52.73M
| | ├──3-路径配置与整体流程解读.mp4 70.15M
| | ├──4-Dataloader构建数据与标签.mp4 66.68M
| | ├──5-编码层要完成的任务.mp4 46.37M
| | ├──6-得到编码特征向量.mp4 28.54M
| | ├──7-解码器输入准备.mp4 34.57M
| | ├──8-解码器流程梳理.mp4 41.40M
| | └──9-注意力机制应用方法.mp4 43.71M
├──33-推荐系统实战系列
| ├──1-推荐系统介绍及其应用
| | ├──1-1-推荐系统通俗解读.mp4 17.27M
| | ├──2-2-推荐系统发展简介.mp4 23.22M
| | ├──3-3-应用领域与多方位评估指标.mp4 26.51M
| | ├──4-4-任务流程与挑战概述.mp4 26.74M
| | ├──5-5-常用技术点分析.mp4 16.45M
| | └──6-6-与深度学习的结合.mp4 23.70M
| ├──10-基本统计分析的电影推荐
| | ├──1-1-电影数据与环境配置.mp4 64.07M
| | ├──2-2-数据与关键词信息展示.mp4 61.26M
| | ├──3-3-关键词云与直方图展示.mp4 45.97M
| | ├──4-4-特征可视化.mp4 38.67M
| | ├──5-5-数据清洗概述.mp4 57.31M
| | ├──6-6-缺失值填充方法.mp4 37.16M
| | ├──7-7-推荐引擎构造.mp4 50.93M
| | ├──8-8-数据特征构造.mp4 36.15M
| | └──9-9-得出推荐结果.mp4 51.85M
| ├──11-补充-基于相似度的酒店推荐系统
| | ├──1-1-酒店数据与任务介绍.mp4 22.01M
| | ├──2-2-文本词频统计.mp4 31.41M
| | ├──3-3-ngram结果可视化展示.mp4 53.07M
| | ├──4-4-文本清洗.mp4 32.90M
| | ├──5-5-相似度计算.mp4 47.62M
| | └──6-6-得出推荐结果.mp4 61.97M
| ├──2-协同过滤与矩阵分解
| | ├──1-1-协同过滤与矩阵分解简介.mp4 11.30M
| | ├──2-2-基于用户与商品的协同过滤.mp4 18.52M
| | ├──3-3-相似度计算与推荐实例.mp4 15.18M
| | ├──4-4-矩阵分解的目的与效果.mp4 20.65M
| | ├──5-5-矩阵分解中的隐向量.mp4 25.07M
| | ├──6-6-目标函数简介.mp4 13.75M
| | ├──7-7-隐式情况分析.mp4 14.10M
| | └──8-8-Embedding的作用.mp4 11.11M
| ├──3-音乐推荐系统实战
| | ├──1-1-音乐推荐任务概述.mp4 64.46M
| | ├──2-2-数据集整合.mp4 53.91M
| | ├──3-3-基于物品的协同过滤.mp4 63.10M
| | ├──4-4-物品相似度计算与推荐.mp4 63.37M
| | ├──5-5-SVD矩阵分解.mp4 30.83M
| | └──6-6-基于矩阵分解的音乐推荐.mp4 83.15M
| ├──4-知识图谱与Neo4j数据库实例
| | ├──1-1-知识图谱通俗解读.mp4 19.87M
| | ├──10-5-数据库更改查询操作演示.mp4 27.14M
| | ├──2-2-知识图谱在搜索引擎中的应用.mp4 26.60M
| | ├──3-3-知识图谱在医疗领域应用实例.mp4 102.89M
| | ├──4-4-金融与推荐领域的应用.mp4 20.39M
| | ├──5-5-数据获取分析.mp4 35.93M
| | ├──6-1-Neo4j图数据库介绍.mp4 63.50M
| | ├──7-2-Neo4j数据库安装流程演示.mp4 27.67M
| | ├──8-3-可视化例子演示.mp4 43.59M
| | └──9-4-创建与删除操作演示.mp4 25.32M
| ├──5-基于知识图谱的电影推荐实战
| | ├──1-1-知识图谱推荐系统效果演示.mp4 23.66M
| | ├──2-2-kaggle电影数据集下载与配置.mp4 63.41M
| | ├──3-3-图谱需求与任务流程解读.mp4 26.59M
| | ├──4-4-项目所需环境配置安装.mp4 48.84M
| | ├──5-5-构建用户电影知识图谱.mp4 61.49M
| | ├──6-6-图谱查询与匹配操作.mp4 19.62M
| | └──7-7-相似度计算与推荐引擎构建.mp4 39.17M
| ├──6-点击率估计FM与DeepFM算法
| | ├──1-1-CTR估计及其经典方法概述.mp4 21.94M
| | ├──2-2-高维特征带来的问题.mp4 12.95M
| | ├──3-3-二项式特征的作用与挑战.mp4 11.80M
| | ├──4-4-二阶公式推导与化简.mp4 20.88M
| | ├──5-5-FM算法解析.mp4 19.83M
| | ├──6-6-DeepFm整体架构解读.mp4 15.14M
| | ├──7-7-输入层所需数据样例.mp4 14.12M
| | └──8-8-Embedding层的作用与总结.mp4 21.52M
| ├──7-DeepFM算法实战
| | ├──1-1-数据集介绍与环境配置.mp4 57.76M
| | ├──2-2-广告点击数据预处理实例.mp4 49.15M
| | ├──3-3-数据处理模块Embedding层.mp4 34.38M
| | ├──4-4-Index与Value数据制作.mp4 29.32M
| | ├──5-5-一阶权重参数设计.mp4 33.52M
| | ├──6-6-二阶特征构建方法.mp4 28.85M
| | ├──7-7-特征组合方法实例分析.mp4 49.49M
| | ├──8-8-完成FM模块计算.mp4 24.56M
| | └──9-9-DNN模块与训练过程.mp4 37.53M
| ├──8-推荐系统常用工具包演示
| | ├──1-1-环境配置与数据集介绍.mp4 35.70M
| | ├──2-2-电影数据集预处理分析.mp4 32.75M
| | ├──3-3-surprise工具包基本使用.mp4 36.06M
| | ├──4-4-模型测试集结果.mp4 30.72M
| | └──5-5-评估指标概述.mp4 66.45M
| └──9-基于文本数据的推荐实例
| | ├──1-1-数据与环境配置介绍.mp4 19.81M
| | ├──2-2-数据科学相关数据介绍.mp4 31.25M
| | ├──3-3-文本数据预处理.mp4 37.37M
| | ├──4-4-TFIDF构建特征矩阵.mp4 31.28M
| | ├──5-5-矩阵分解演示.mp4 29.02M
| | ├──6-6-LDA主题模型效果演示.mp4 53.07M
| | └──7-7-推荐结果分析.mp4 43.00M
├──34-论文创新点常用方法及其应用实例
| └──1-通用创新点
| | ├──1-ACMIX（卷积与注意力融合）.mp4 86.05M
| | ├──10-Attention额外加入先验知识.mp4 7.42M
| | ├──11-结合GNN构建局部特征.mp4 25.87M
| | ├──12-损失函数约束项.mp4 8.42M
| | ├──13-自适应可学习参数.mp4 14.27M
| | ├──14-Coarse2Fine大框架.mp4 40.53M
| | ├──15-只能机器学习模型时凑工作量（特征工程）.mp4 6.02M
| | ├──16-自己数据集如何发的好(要开源).mp4 45.07M
| | ├──17-可变形卷积加入方法.mp4 23.44M
| | ├──18-在源码中加入各种注意力机制方法.mp4 122.48M
| | ├──2-GCnet(全局特征融合).mp4 74.35M
| | ├──3-Coordinate_attention.mp4 74.92M
| | ├──4-SPD（可替换下采样）.mp4 45.03M
| | ├──5-SPP改进.mp4 17.03M
| | ├──6-mobileOne(加速).mp4 45.26M
| | ├──7-Deformable(替换selfAttention).mp4 44.90M
| | ├──8-ProbAttention(采样策略).mp4 23.58M
| | └──9-CrossAttention融合特征.mp4 20.50M
├──4-深度学习框架Tensorflflow
| ├──1-tensorflflow安装与简介
| | ├──1-tensorflflow安装与简介.mp4 4.10M
| | ├──2-Tensorflow2版本简介与心得.mp4 31.99M
| | ├──3-Tensorflow2版本安装方法.mp4 55.40M
| | └──4-tf基础操作.mp4 24.41M
| ├──10-项目实战：基于RNN模型进行文本分类任务
| | ├──1-任务目标与数据介绍.mp4 36.29M
| | ├──2-RNN模型输入数据维度解读.mp4 19.36M
| | ├──3-数据映射表制作.mp4 44.43M
| | ├──4-embedding层向量制作.mp4 73.84M
| | ├──5-数据生成器构造.mp4 40.04M
| | ├──6-双向RNN模型定义.mp4 21.08M
| | ├──7-自定义网络模型架构.mp4 60.04M
| | ├──8-训练策略指定.mp4 32.72M
| | └──9-训练文本分类模型.mp4 37.99M
| ├──11-项目实战：将CNN网络应用于文本分类实战
| | ├──1-CNN应用于文本任务原理解析.mp4 23.19M
| | ├──2-整体流程解读.mp4 22.43M
| | └──3-网络架构设计与训练.mp4 44.93M
| ├──12-项目实战：时间序列预测
| | ├──1-任务目标与数据源.mp4 19.06M
| | ├──2-构建时间序列数据.mp4 27.57M
| | ├──3-训练时间序列数据预测结果.mp4 36.42M
| | ├──4-多特征预测结果.mp4 27.88M
| | └──5-序列结果预测.mp4 22.89M
| ├──13-项目实战：经典网络架构Resnet实战
| | ├──1-额外补充-Resnet论文解读.mp4 117.98M
| | ├──2-额外补充-Resnet网络架构解读.mp4 18.27M
| | ├──3-项目结构概述.mp4 24.09M
| | ├──4-数据集处理方法.mp4 27.18M
| | ├──5-训练数据构建.mp4 27.56M
| | ├──6-网络架构层次解读.mp4 34.05M
| | ├──7-前向传播配置.mp4 38.18M
| | └──8-训练resnet模型.mp4 30.32M
| ├──2-神经网络原理解读与整体架构
| | ├──1-深度学习要解决的问题.mp4 20.37M
| | ├──10-神经网络架构细节.mp4 37.44M
| | ├──11-神经元个数对结果的影响.mp4 58.63M
| | ├──12-正则化与激活函数.mp4 29.12M
| | ├──13-神经网络过拟合解决方法.mp4 40.47M
| | ├──2-深度学习应用领域.mp4 49.98M
| | ├──3-计算机视觉任务.mp4 17.86M
| | ├──4-视觉任务中遇到的问题.mp4 32.84M
| | ├──5-得分函数.mp4 18.89M
| | ├──6-损失函数的作用.mp4 31.04M
| | ├──7-前向传播整体流程.mp4 39.04M
| | ├──8-返向传播计算方法.mp4 25.63M
| | └──9-神经网络整体架构.mp4 30.49M
| ├──3-搭建神经⽹络进⾏分类与回归任务
| | ├──1-任务目标与数据集简介
| | ├──2-建模流程与API文档
| | ├──3-网络模型训练
| | ├──4-模型超参数调节与预测结果展示
| | ├──5-分类模型构建
| | ├──6-tf.data模块解读
| | └──7-模型保存与读取实例
| ├──4-卷积神经⽹络原理与参数解读
| | ├──1-卷积神经网络应用领域.mp4 21.20M
| | ├──10-VGG网络架构.mp4 19.34M
| | ├──11-残差网络Resnet.mp4 18.02M
| | ├──12-感受野的作用.mp4 16.86M
| | ├──2-卷积的作用.mp4 22.67M
| | ├──3-卷积特征值计算方法.mp4 21.23M
| | ├──4-得到特征图表示.mp4 18.23M
| | ├──5-步长与卷积核大小对结果的影响.mp4 19.86M
| | ├──6-边缘填充方法.mp4 17.28M
| | ├──7-特征图尺寸计算与参数共享.mp4 21.99M
| | ├──8-池化层的作用.mp4 11.31M
| | └──9-整体网络架构.mp4 16.98M
| ├──5-项目实战：猫狗识别实战
| | ├──1-猫狗识别任务与数据简介.mp4 23.39M
| | ├──2-卷积网络涉及参数解读.mp4 28.93M
| | ├──3-网络架构配置.mp4 29.98M
| | └──4-卷积模型训练与识别效果展示.mp4 50.86M
| ├──6-图像数据增强实例
| | ├──1-数据增强概述.mp4 44.25M
| | ├──2-图像数据变换.mp4 84.49M
| | └──3-猫狗识别任务数据增强实例.mp4 31.73M
| ├──7-训练策略-迁移学习实战
| | ├──1-迁移学习的目标.mp4 11.75M
| | ├──2-迁移学习策略.mp4 15.47M
| | ├──3-Resnet原理.mp4 107.88M
| | ├──4-加载训练好的经典网络模型.mp4 37.57M
| | ├──5-Callback模块与迁移学习实例.mp4 58.72M
| | ├──6-tfrecords数据源制作方法.mp4 38.45M
| | └──7-图像数据处理实例.mp4 46.13M
| ├──8-递归神经⽹络与词向量原理解读
| | ├──1-RNN网络架构解读.mp4 22.39M
| | ├──2-词向量模型通俗解释.mp4 21.72M
| | ├──3-模型整体框架.mp4 28.24M
| | ├──4-训练数据构建.mp4 15.85M
| | ├──5-CBOW与Skip-gram模型.mp4 23.83M
| | └──6-负采样方案.mp4 29.51M
| └──9-项目实战：基于TensorFlow实现word2vec
| | ├──1-任务流程解读.mp4 18.65M
| | ├──2-模型定义参数设置.mp4 17.58M
| | ├──3-文本词预处理操作.mp4 17.79M
| | ├──4-训练batch数据制作.mp4 43.10M
| | └──5-损失函数定义与训练结果展示.mp4 44.75M
├──5-Opencv图像处理框架实战
| ├──1-课程简介与环境配置
| | ├──1-课程简介.mp4 5.37M
| | ├──2-Python与Opencv配置安装.mp4 33.28M
| | └──3-Notebook与IDE环境.mp4 84.39M
| ├──10-项目实战-文档扫描OCR识别
| | ├──1-整体流程演示.mp4 21.50M
| | ├──2-文档轮廓提取.mp4 27.81M
| | ├──3-原始与变换坐标计算.mp4 26.24M
| | ├──4-透视变换结果.mp4 32.87M
| | ├──5-tesseract-ocr安装配置.mp4 41.23M
| | └──6-文档扫描识别效果.mp4 28.86M
| ├──11-图像特征-harris
| | ├──1-角点检测基本原理.mp4 15.53M
| | ├──2-基本数学原理.mp4 30.58M
| | ├──3-求解化简.mp4 31.79M
| | ├──4-特征归属划分.mp4 43.23M
| | └──5-opencv角点检测效果.mp4 31.04M
| ├──12-图像特征-sift
| | ├──1-尺度空间定义.mp4 20.04M
| | ├──2-高斯差分金字塔.mp4 21.68M
| | ├──3-特征关键点定位.mp4 48.15M
| | ├──4-生成特征描述.mp4 24.66M
| | ├──5-特征向量生成.mp4 43.73M
| | └──6-opencv中sift函数使用.mp4 28.80M
| ├──13-案例实战-全景图像拼接
| | ├──1-特征匹配方法.mp4 28.56M
| | ├──2-RANSAC算法.mp4 34.50M
| | ├──3-图像拼接方法.mp4 44.96M
| | └──4-流程解读.mp4 21.65M
| ├──14-项目实战-停车场车位识别
| | ├──1-任务整体流程.mp4 71.40M
| | ├──2-所需数据介绍.mp4 34.31M
| | ├──3-图像数据预处理.mp4 56.75M
| | ├──4-车位直线检测.mp4 61.44M
| | ├──5-按列划分区域.mp4 54.67M
| | ├──6-车位区域划分.mp4 57.33M
| | ├──7-识别模型构建.mp4 41.19M
| | └──8-基于视频的车位检测.mp4 135.61M
| ├──15-项目实战-答题卡识别判卷
| | ├──1-整体流程与效果概述.mp4 29.49M
| | ├──2-预处理操作.mp4 24.08M
| | ├──3-填涂轮廓检测.mp4 25.66M
| | └──4-选项判断识别.mp4 57.12M
| ├──16-背景建模
| | ├──1-背景消除-帧差法.mp4 20.79M
| | ├──2-混合高斯模型.mp4 26.39M
| | ├──3-学习步骤.mp4 31.75M
| | └──4-背景建模实战.mp4 51.17M
| ├──17-光流估计
| | ├──1-基本概念.mp4 20.20M
| | ├──2-Lucas-Kanade算法.mp4 19.67M
| | ├──3-推导求解.mp4 25.94M
| | └──4-光流估计实战.mp4 64.22M
| ├──18-Opencv的DNN模块
| | ├──1-dnn模块.mp4 28.59M
| | └──2-模型加载结果输出.mp4 40.50M
| ├──19-项目实战-目标追踪
| | ├──1-目标追踪概述.mp4 49.75M
| | ├──2-多目标追踪实战.mp4 34.62M
| | ├──3-深度学习检测框架加载.mp4 43.62M
| | ├──4-基于dlib与ssd的追踪.mp4 73.02M
| | ├──5-多进程目标追踪.mp4 25.72M
| | └──6-多进程效率提升对比.mp4 78.13M
| ├──2-图像基本操作
| | ├──1-计算机眼中的图像.mp4 30.88M
| | ├──2-视频的读取与处理.mp4 46.97M
| | ├──3-ROI区域.mp4 15.37M
| | ├──4-边界填充.mp4 21.46M
| | └──5-数值计算.mp4 40.04M
| ├──20-卷积原理与操作
| | ├──1-卷积神经网络的应用.mp4 36.18M
| | ├──2-卷积层解释.mp4 22.31M
| | ├──3-卷积计算过程.mp4 27.61M
| | ├──4-pading与stride.mp4 26.12M
| | ├──5-卷积参数共享.mp4 17.69M
| | ├──6-池化层原理.mp4 16.09M
| | ├──7-卷积效果演示.mp4 24.58M
| | └──8-卷积操作流程.mp4 41.15M
| ├──21-项目实战-疲劳检测
| | ├──1-关键点定位概述.mp4 28.45M
| | ├──2-获取人脸关键点.mp4 36.07M
| | ├──3-定位效果演示.mp4 45.43M
| | ├──4-闭眼检测.mp4 71.07M
| | └──5-检测效果.mp4 40.60M
| ├──3-阈值与平滑处理
| | ├──1-图像阈值.mp4 30.78M
| | ├──2-图像平滑处理.mp4 24.69M
| | └──3-高斯与中值滤波.mp4 20.55M
| ├──4-图像形态学操作
| | ├──1-腐蚀操作.mp4 20.99M
| | ├──2-膨胀操作.mp4 12.25M
| | ├──3-开运算与闭运算.mp4 9.32M
| | ├──4-梯度计算.mp4 7.85M
| | └──5-礼帽与黑帽.mp4 15.88M
| ├──5-图像梯度计算
| | ├──1-Sobel算子.mp4 27.00M
| | ├──2-梯度计算方法.mp4 30.29M
| | └──3-scharr与lapkacian算子.mp4 27.39M
| ├──6-边缘检测

……篇幅过长，省略……
├──A咕泡机器学习
| ├──01-第一模块：Python快速入门
| | ├──01-1-Python环境配置
| | ├──02-2-Python库安装工具
| | ├──03-3-Notebook工具使用
| | ├──04-4-Python简介
| | ├──05-5-Python数值运算
| | ├──06-6-Python字符串操作
| | ├──07-7-1-索引结构
| | ├──08-7-2-List基础结构
| | ├──09-8-List核心操作
| | ├──10-9-字典基础定义
| | ├──11-10-字典的核心操作
| | ├──12-11-Set结构
| | ├──13-12-赋值机制
| | ├──14-13-判断结构
| | ├──15-14-循环结构
| | ├──16-15-函数定义
| | ├──17-16-模块与包
| | ├──18-17-异常处理模块
| | ├──19-18-文件操作
| | ├──20-19-类的基本定义
| | ├──21-20-类的属性操作
| | ├──22-21-时间操作
| | ├──23-22-Python练习题-1
| | └──24-23-Python练习题-2
| ├──02-第二模块：Python数据科学必备工具包实战
| | ├──01-科学计算库-Numpy
| | ├──02-数据分析处理库-Pandas
| | ├──03-.可视化库-Matplotlib
| | └──04-可视化库-Seaborn
| ├──03-第三模块：人工智能-必备数学课程
| | ├──01-高等数学基础
| | ├──02-微积分
| | ├──03-泰勒公式与拉格朗日
| | ├──04-线性代数基础
| | ├──05-特征值与矩阵分解
| | ├──06-随机变量
| | ├──07-概率论基础
| | ├──08-数据科学你得知道的几种分布
| | ├──09-核函数变换
| | ├──10-熵与激活函数
| | ├──11-回归分析
| | ├──12-假设检验
| | ├──13-相关分析
| | ├──14-方差分析
| | ├──15-聚类分析
| | └──16-贝叶斯分析
| ├──04-第四模块：机器学习算法精讲及其案例应用
| | ├──01-线性回归原理推导
| | ├──02-线性回归代码实现
| | ├──03-模型评估方法
| | ├──04-线性回归实验分析
| | ├──05-逻辑回归实验分析
| | ├──06-逻辑回归代码实现
| | ├──07-逻辑回归实验分析
| | ├──08-聚类算法-Kmeans&Dbscan原理
| | ├──09-Kmeans代码实现
| | ├──10-聚类算法实验分析
| | ├──11-决策树原理
| | ├──12-决策树代码实现
| | ├──13-决策树实验分析
| | ├──14-集成算法原理
| | ├──15-集成算法实验分析
| | ├──16-支持向量机原理推导
| | ├──17-支持向量机实验分析
| | ├──18-神经网络算法原理
| | ├──19-神经网络代码实现
| | ├──20-贝叶斯算法原理
| | ├──21-贝叶斯代码实现
| | ├──22-关联规则实战分析
| | ├──23-关联规则代码实现
| | ├──24-词向量word2vec通俗解读
| | ├──25-代码实现word2vec词向量模型
| | ├──26-线性判别分析降维算法原理解读
| | ├──27-主成分分析降维算法原理解读
| | ├──28-隐马尔科夫模型
| | └──29-HMM应用实例
| ├──05-第五模块：机器学习算法建模实战项目
| | ├──01-项目实战-交易数据异常检测
| | ├──02-基于随机森林的气温预测实战
| | ├──03-贝叶斯新闻分类实战
| | ├──04-推荐系统实战
| | ├──05-fbprophe时间序列预测
| | └──06-京东用户购买意向预测
| ├──06-第六模块：机器学习案例实战应用集锦
| | ├──01-Python实战关联规则
| | ├──02-爱彼迎数据集分析与建模
| | ├──03-基于相似度的酒店推荐系统
| | ├──04-商品销售额回归分析
| | ├──05-绝地求生数据集探索分析与建模
| | ├──06-机器学习-模型解释方法实战
| | ├──07-自然语言处理必备工具包实战
| | ├──08-NLP核心模型-Word2vec
| | ├──09-数据特征预处理
| | ├──10-10文本特征处理方法对比
| | ├──11-银行客户还款可能性预测
| | └──12-图像特征聚类分析实践
| ├──07-第七模块：机器学习竞赛优胜解决方案实战
| | ├──01-快手短视频用户活跃度分析
| | ├──02-工业化生产预测
| | ├──03-智慧城市-道路通行时间预测
| | ├──04-特征工程建模可解释包
| | ├──05-医学糖尿病数据命名实体识别
| | ├──06-贷款平台风控模型+特征工程
| | ├──07-新闻关键词抽取模型
| | ├──08-数据特征常用构建方法
| | ├──09-用电敏感客户分类
| | └──10-机器学习项目实战模板
| ├──08-第八模块：Python金融分析与量化交易实战
| | ├──01-课程内容与大纲介绍
| | ├──02-金融数据时间序列分析
| | ├──03-1双均线交易策略实战
| | ├──04-策略收益与风险评估指标解析
| | ├──05-量化交易与回测平台解读
| | ├──06-Ricequant回测选股分析实战
| | ├──07-因子数据预处理实战
| | ├──08-因子选股策略实战
| | ├──09-因子分析实战
| | ├──10-因子打分选股实战
| | ├──11-回归分析策略
| | ├──11-聚类分析策略
| | ├──12-拓展：fbprophet时间序列预测神器
| | └──13-基于深度学习的时间序列预测
| ├──09-第九模块：深度学习经典算法解析
| | ├──01-深度学习必备基础知识点础
| | ├──02-神经网络整体架构
| | ├──03-卷积神经网络原理与参数解读
| | ├──04-递归神经网络与词向量原理解读
| | ├──05-案例实战搭建神经网络
| | ├──06-案例实战卷积神经网络
| | └──07-案例实战LSTM时间序列预测任务
| ├──10-选修：Python数据分析案例实战
| | ├──01-KIVA贷款数据
| | ├──02-订单数据集分析
| | ├──03-基于统计分析的电影推荐
| | ├──04-纽约出租车建模
| | ├──05-商品信息可视化与文本分析
| | └──06-数据分析-机器学习模板
| ├──11-选修：机器学习进阶实战
| | ├──01-GBDT提升算法
| | ├──01-数据特征
| | ├──02-xgboost-gbdt-lightgbm提升算法框架对比
| | ├──04-4.使用lightgbm进行饭店流量预测
| | ├──05-降维算法-线性判别分析
| | ├──05-人口普查数据集项目实战-收入预测
| | ├──07-贝叶斯优化及其工具包使用
| | ├──08-贝叶斯优化实战
| | ├──09-EM算法
| | ├──10-HMM隐马尔科夫模型
| | ├──11-HMM案例实战
| | ├──12-推荐系统
| | ├──13-基于统计分析的电影推荐
| | ├──13-音乐推荐系统实战
| | ├──15-NLP-文本特征方法对比
| | ├──15-学习曲线
| | ├──17-使用word2vec分类任务
| | ├──18-Tensorflow自己打造word2vec
| | ├──19-制作自己常用工具包
| | ├──20-机器学习项目实战-数据处理与特征提取
| | └──21-机器学习项目实战-建模与分析
| └──资料
| | ├──第八模块：Python金融分析与量化交易实战
| | ├──第九模块：深度学习入门
| | ├──第六模块：Python数据分析与机器学习实战集锦
| | ├──第七模块：数据挖掘竞赛-优胜解决方案
| | ├──第三模块：数学基础
| | ├──第四模块：机器学习实训营（原理+复现+实验）
| | ├──第五模块：机器学习算法建模实战
| | ├──第一二模块：Python数据科学必备库（4个）
| | └──选修机器学习进阶实战
├──第八期资料
| └──配套资料
| | ├──第10章 经典视觉项目实战-目标追踪与姿态估计
| | ├──第10章 经典视觉项目实战-行为识别
| | ├──第11章 论文必备Transformer实战解读
| | ├──第12章 图神经⽹络实战
| | ├──第13章 3D点云实战
| | ├──第14章 ⾯向深度学习的⽆⼈驾驶实战
| | ├──第15章 对比学习与多模态任务实战
| | ├──第16章 缺陷检测实战
| | ├──第17章 ⾏⼈重识别实战
| | ├──第18章 对抗⽣成⽹络实战
| | ├──第19章-强化学习实战系列
| | ├──第1章 直播课
| | ├──第20章 面向医学领域的深度学习实战
| | ├──第21章 经典大模型解读
| | ├──第22章 深度学习模型部署与剪枝优化实战
| | ├──第23章 ⾃然语⾔处理经典案例实战
| | ├──第24章 自然语言处理必备神器Huggingface系列实战
| | ├──第25章 时间序列预测
| | ├──第26章 ⾃然语⾔处理通⽤框架-BERT实战
| | ├──第27章 知识图谱实战系列
| | ├──第28章 语音识别实战系列
| | ├──第29章 推荐系统实战系列
| | ├──第2章 AI课程所需安装软件教程
| | ├──第3章 深度学习必备核⼼算法
| | ├──第4章 深度学习核⼼框架PyTorch
| | ├──第5章 深度学习框架Tensorflow
| | ├──第6章 Opencv图像处理框架实战
| | ├──第7章 综合项⽬-物体检测经典算法实战
| | ├──第8章 图像分割实战
| | └──第9章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
├──数学基础课件
| ├──SVD.pdf 396.61kb
| ├──概率分布与概率密度.pdf 640.21kb
| ├──概率论.pdf 2.33M
| ├──高等数学.pdf 1.12M
| ├──核函数.pdf 477.72kb
| ├──后验概率估计.pdf 230.81kb
| ├──激活函数.pdf 264.40kb
| ├──矩阵.pdf 1.32M
| ├──拉格朗日乘子法.pdf 599.32kb
| ├──熵.pdf 267.74kb
| ├──似然函数.pdf 384.36kb
| ├──泰勒公式.pdf 777.52kb
| ├──特征值与特征向量.pdf 386.91kb
| ├──梯度.pdf 702.08kb
| ├──统计分析-数据代码.zip 66.35M
| └──微积分.pdf 960.85kb
├──1-人工智能深度学习系统班（第八期）.java 327.93kb

网盘目录：