课程介绍

人工智能（Artificial Intelligence, AI）研究生课程库通常包含了一系列旨在培养学生在人工智能领域的理论知识和实践技能的课程。这些课程可以跨越多个学科，包括计算机科学、数据科学、认知科学、工程学等。以下是一些典型的人工智能研究生课程的例子：

1. 机器学习（Machine Learning）：
   • 基础理论：包括监督学习、非监督学习、强化学习等。
   • 算法与应用：决策树、支持向量机、神经网络、深度学习等。
2. 深度学习（Deep Learning）：
   • 神经网络架构：卷积神经网络（CNN）、递归神经网络（RNN）、长短期记忆网络（LSTM）等。
   • 应用实践：图像识别、语音识别、自然语言处理等。
3. 自然语言处理（Natural Language Processing, NLP）：
   • 文本分析：分词、词性标注、句法分析等。
   • 语言模型：n-gram模型、词嵌入（word embeddings）、Transformer等。
4. 计算机视觉（Computer Vision）：
   • 图像处理：特征检测、图像分割、目标跟踪等。
   • 视觉识别：面部识别、姿态估计、3D重建等。
5. 认知科学与人工智能（Cognitive Science and AI）：
   • 认知模型：人类认知过程的模拟和理解。
   • 人机交互：智能用户界面设计、情感计算等。
6. 强化学习（Reinforcement Learning）：
   • 决策过程：马尔可夫决策过程（MDP）、Q学习、策略梯度方法等。
   • 应用案例：游戏AI、机器人控制等。
7. 机器人学（Robotics）：
   • 机器人运动学和动力学。
   • 自主系统：路径规划、避障等。
8. 伦理与法律问题（Ethics and Law in AI）：
   • 数据隐私保护法律。
   • 人工智能伦理：偏见、责任、透明度等。
9. 数据挖掘与分析（Data Mining and Analysis）：
   • 数据预处理：数据清洗、特征工程等。
   • 挖掘技术：聚类分析、关联规则、异常检测等。
10. 专题研究（Special Topics）：
    • 特定领域的深入研究，如自动驾驶、医疗诊断、金融分析等。

研究生课程通常还包含了实验室工作、项目实践、研究论文和研讨会等，以便学生能够将理论知识应用于实际问题解决中。此外，不同的大学和研究机构会根据自己的研究方向和专长，提供独特的课程和专业方向供学生选择。

课程目录

/8-031-深度之眼-人工智能研究生课程库-899元/
│├─01-软件安装及环境配置
│├─02-人工智能数学基础
│├─03-Python基础+数据科学入门
│├─04-机器学习算法应用实战
│├─05-李航《统计学习方法》训练营（含无监督学习部分）
│├─06-《机器学习》西瓜书训练营
│├─07-吴恩达《机器学习》作业班
│├─08-深度学习TensorFlow2.0框架班
│├─09-深度学习PyTorch框架班
│├─10-《深度学习》花书训练营
│├─11-李飞飞斯坦福CS231n计算机视觉课
│├─12-斯坦福CS224n自然语言处理课训练营
│├─13-人工智能项目实战班
│├─14-04 神经网络基础知识
│├─15-06 OpenCV 图像基础
│├─16-【论文】baseline基础篇目——NLP
│├─17-【论文】baseline基础篇目——CV
│├─18-【NLP经典大赛】数据科学： 疫情期间网民情绪识别赛
│├─19-面试刷题班
│├─20-05 NLP基础知识
│├─代码资料汇总
│├─课件合集PDF版本

详细目录

01-软件安装及环境配置/
│├─02-Anaconda介绍及安装.mp4 31.5MB
│├─03-【Python 3.6】 Python安装及验证.mp4 15.6MB
│├─04-【Python 3.6】 Python配置环境变量.mp4 7.9MB
│├─05-【Python 3.6】 Python卸载及验证.mp4 6.2MB
│├─06-【PyTorch 1.2】 PyTorch简介与安装.mp4 48.3MB
│├─07-【Pytorch1.2】 Pytorch开发环境安装.mp4 210.8MB
│├─08-【TensorFlow 2.1.0】环境安装-ubuntu.mp4 174.7MB
│├─09-【TensorFlow 2.1.0】环境安装-windows.mp4 132.4MB
│├─10-【GPU驱动安装】GPU_driver_windows.mp4 19.8MB
│├─11-【GPU驱动安装】GPU_driver_Linux.mp4 96MB
│├─12-Linux 常用命令.mp4 92.5MB
│├─13-【数据分析工具】 MySQL.mp4 34.3MB
│├─14-【数据分析工具】 Navicate.mp4 18.1MB
│├─15-【数据分析工具】 Tableau Public.mp4 35.8MB
02-人工智能数学基础/
│├─05-【第一章 线性代数(上)】章节导读.mp4 11.1MB
│├─06-【第一章 线性代数(上)】-1 矩阵及其基本运算①.mp4 34.7MB
│├─07-【第一章 线性代数(上)】-2 矩阵及其基本运算②.mp4 64.4MB
│├─08-【第一章 线性代数(上)】-3 矩阵的行列式①.mp4 38.9MB
│├─09-【第一章 线性代数(上)】-4 矩阵的行列式②.mp4 47MB
│├─10-【第一章 线性代数(上)】-5 矩阵的行列式③.mp4 37.8MB
│├─11-【第一章 线性代数(上)】-6 矩阵的行列式④.mp4 10MB
│├─12-【第一章 线性代数(上)】-7 矩阵的逆①.mp4 41.3MB
│├─13-【第一章 线性代数(上)】-8 矩阵的逆②.mp4 26.8MB
│├─14-【第一章 线性代数(上)】-9 矩阵的逆③.mp4 30.4MB
│├─15-【第二章 线性代数(下)】章节导读.mp4 9.9MB
│├─16-【第二章 线性代数(下)】-1 矩阵的初等变换①.mp4 50.4MB
│├─17-【第二章 线性代数(下)】-2 矩阵的初等变换②.mp4 24MB
│├─18-【第二章 线性代数(下)】-3 矩阵的初等变换③.mp4 62.9MB
│├─19-【第二章 线性代数(下)】-4 矩阵的初等变换④.mp4 24.7MB
│├─20-【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①.mp4 55MB
│├─21-【第二章 线性代数(下)】-6 矩阵的特征值与特征向量②.mp4 46.5MB
│├─22-【第二章 线性代数(下)】-7 矩阵的特征值与特征向量③.mp4 39.7MB
│├─23-【第二章 线性代数(下)】-8 矩阵对角化以及二次型①.mp4 48.7MB
│├─24-【第二章 线性代数(下)】-9 矩阵对角化以及二次型②.mp4 34MB
│├─25-【第二章 线性代数(下)】-10 矩阵对角化以及二次型③.mp4 32.5MB
│├─26-【第二章 线性代数(下)】-11svd分解的应用.mp4 49.8MB
│├─27-【第三章 微积分】-01常用函数的导数以及到导数的常用公式.mp4 50.3MB
│├─28-【第三章 微积分】-02 中值定理&洛必达法则&泰勒公式及应用.mp4 46MB
│├─29-【第三章 微积分】-03 函数的凹凸性&函数的极值.mp4 45.4MB
│├─30-【第三章 微积分】-04 不定积分.mp4 28.3MB
│├─31-【第三章 微积分】-05 定积分.mp4 29.7MB
│├─32-【第三章 微积分】-06 偏导数&多元函数复合求导法则链式求导法则.mp4 43.2MB
│├─33-【第三章 微积分】-07 方向导数与梯度及其应用.mp4 53.2MB
│├─34-【第三章 微积分】-08 多元函数泰勒公式与海森矩阵&多元函数的极值.mp4 37.6MB
│├─35-【第三章 微积分】-09 矩阵的求导.mp4 43.9MB
│├─36-【第三章 微积分】-10 矩阵的求导在深度学习中的应用.mp4 47.4MB
│├─37-【第四章 概率论】-01随机实验样本空间随机事件&概率的定义.mp4 53.4MB
│├─38-【第四章 概率论】-02全概率公式与贝叶斯公式及应用&独立性.mp4 37.2MB
│├─39-【第四章 概率论】-03随机变量与多维随机变量.mp4 47MB
│├─40-【第四章 概率论】-04期望与方差part1.mp4 42.5MB
│├─41-【第四章 概率论】-05期望与方差part2.mp4 19.2MB
│├─42-【第四章 概率论】-06参数的估计.mp4 47.8MB
│├─43-【第五章 最优化】-1 无约束最优化梯度下降.mp4 49.5MB
│├─44-【第五章 最优化】-2 无约束最优化梯度下降.mp4 49.6MB
│├─45-【第五章 最优化】-3 约束最优化.mp4 43.1MB
03-Python基础+数据科学入门/
│├─05-第一章 绪论和环境配置.mp4 43.1MB
│├─06-【作业讲解】第一章：助教实际演示配置环境过程.mp4 23.9MB
│├─07-第二章 Python 基本语法元素.mp4 92MB
│├─08-【作业讲解】第二章：Python基本语法元素.mp4 48.4MB
│├─09-第三章 基本数据类型.mp4 79MB
│├─10-【作业讲解】第三章：基本数据类型.mp4 42.3MB
│├─11-第四章 组合数据类型.mp4 82.1MB
│├─12-【作业讲解】第四章：复杂数据类型.mp4 59MB
│├─13-第五章 程序控制结构.mp4 72.9MB
│├─14-【作业讲解】第五章：程序控制结构.mp4 20.8MB
│├─15-第六章 函数-面向过程的编程.mp4 110.3MB
│├─16-【作业讲解】第六章：函数.mp4 33.6MB
│├─17-第七章 类-面向对象的编程.mp4 67.4MB
│├─18-【作业讲解】第七章：类.mp4 21.3MB
│├─19-第八章 文件-异常和模块.mp4 100.7MB
│├─20-【作业讲解】第八章：文件-异常和模块.mp4 10.3MB
│├─21-第九章 有益的探索.mp4 111.5MB
│├─22-【作业讲解】第九章：有益的探索.mp4 25.3MB
│├─23-第十章 Python标准库.mp4 78.5MB
│├─24-【作业讲解】第十章：Python标准库.mp4 9.6MB
│├─25-第十一章 科学计算库—Numpy应用.mp4 68.5MB
│├─26-【作业讲解】第十一章：Numpy库.mp4 19.3MB
│├─27-第十二章 Pandas库.mp4 117MB
│├─28-【作业讲解】第十二章：Pandas库.mp4 22.1MB
│├─29-第十三章 Matplotlib.mp4 83.3MB
│├─30-【作业讲解】第十三章：Matplotlib.mp4 31.5MB
│├─31-第十四章 Sklearn常规用法.mp4 51.6MB
│├─32-【作业讲解】第十四章：Sklearn常规用法.mp4 37.3MB
│├─33-第十五章 再谈编程.mp4 61.6MB
│├─35-【比赛实战】大牛手把手指导如何打一场完整的二分类比赛.mp4 103.7MB
│├─36-【比赛实战】二分类算法比赛小测验—提供银行精准营销解决方案.mp4 7.5MB
04-机器学习算法应用实战/
│├─05-01-01-机器学习概述.mp4 35.4MB
│├─06-02-01线性回归简介-数学符号-假设函数-损失函数-代价函数.mp4 23.3MB
│├─07-02-02-梯度下降法..mp4 24.1MB
│├─08-02-03-梯度下降法代码实现.mp4 14.8MB
│├─09-02-04-使用梯度下降法求解线性回归问题.mp4 26.1MB
│├─10-02-05-线性回归代码实现.mp4 37.4MB
│├─100-08-02协方差矩阵的特征值分解算法.mp4 13MB
│├─101-08-03协方差矩阵的特征值分解算法代码实现.mp4 24.5MB
│├─102-08-04基于数据矩阵的奇异值分解算法.mp4 12.2MB
│├─103-08-05基于数据矩阵的奇异值分解算法代码实现.mp4 10.9MB
│├─104-08-【实战】-Sklearn实现PCA.mp4 15.3MB
│├─105-08-【案例】PCA实现照片压缩.mp4 21.1MB
│├─106-09-01-集成学习介绍.mp4 5.7MB
│├─107-09-02-Voting能够提高准确度的原因.mp4 12.1MB
│├─108-09-03-Voting原理.mp4 8.4MB
│├─109-09-04-Voting代码实现.mp4 17.6MB
│├─11-02-06-线性回归代码实现-做特征归一化.mp4 30MB
│├─110-09-05-Bagging与随机森林及其代码实现.mp4 32.8MB
│├─111-09-06-Boosting.mp4 18.1MB
│├─112-09-07-Adaboost举例.mp4 26.3MB
│├─113-09-08-AdaBoost代码实现.mp4 24.6MB
│├─114-09-09-GBDT之提升和提升树概念.mp4 31.9MB
│├─115-09-10-GBDT梯度提升树.mp4 11.3MB
│├─116-09-11-XGBoost介绍，目标函数，正则项.mp4 21.7MB
│├─117-09-12-XGBoost求解.mp4 23.5MB
│├─118-09-13-XGBoost树结构生成.mp4 11.2MB
│├─119-09-14-XGBoost代码实现1.mp4 39.2MB
│├─12-02-07-批量梯度下降，随机梯度下降，小批量梯度下降.mp4 11.3MB
│├─120-09-15-XGBoost代码实现2.mp4 44MB
│├─121-09-16-Stacking.mp4 16.5MB
│├─122-09-17-Stacking 代码实现.mp4 11.5MB
│├─123-10-【银行营销策略分析】-01 数据说明.mp4 28.4MB
│├─124-10-【银行营销策略分析】-02探索性分析.mp4 23.5MB
│├─125-10-【银行营销策略分析】-03数据预处理与特征工程.mp4 37.5MB
│├─126-10-【银行营销策略分析】-04模型训练.mp4 25.5MB
│├─127-10-【信用卡发欺诈模型】-01数据说明及不平衡数据的训练集及测试及分割方法.mp4 24.5MB
│├─128-10-【信用卡发欺诈模型】-02采样之上采样.mp4 35.4MB
│├─129-10-【信用卡发欺诈模型】-03采样之下采样.mp4 26.7MB
│├─13-02-08-模型评价 · 几种常见的模型评价指标.mp4 24.1MB
│├─130-10-【信用卡发欺诈模型】-04建模与调参.mp4 28.2MB
│├─14-02-09-欠拟合与过拟合.mp4 12.2MB
│├─15-02-10-Ridge回归求解与代码实现.mp4 22.9MB
│├─16-02-11-LASSO回归求解.mp4 26.2MB
│├─17-02-12-LASSO回归求解举例说明.mp4 13.8MB
│├─18-02-13-LASSO回归代码实现.mp4 18MB
│├─19-02-14-最小二乘法求线性回归.mp4 19.3MB
│├─20-02-15-最小二乘法代码实现.mp4 9.2MB
│├─21-02-【实战】使用Sklearn实现Ridge，LASSO和ElasticNet.mp4 22MB
│├─22-02-【案例】波士顿房价预测(上).mp4 34.2MB
│├─23-02-【案例】-波士顿房价预测(下).mp4 41.2MB
│├─24-03-01-逻辑回归简介-假设函数-损失函数-成本函数.mp4 19MB
│├─25-03-02-逻辑回归求解.mp4 23.7MB
│├─26-03-03-一个示例解释逻辑回归的求解公式.mp4 12.4MB
│├─27-03-04-逻辑回归代码实现(上).mp4 29MB
│├─28-03-04-逻辑回归代码实现(下).mp4 26.1MB
│├─29-03-06-逻辑回归的正则化.mp4 17.2MB
│├─30-03-07-逻辑回归实现多分类方法.mp4 24.8MB
│├─31-03-08-【实战】使用Sklearn实现逻辑回归.mp4 17.7MB
│├─32-03-【案例】鸢尾花分类.mp4 43.2MB
│├─33-03-【案例】手写数字识别.mp4 35.3MB
│├─34-04-01-决策树简介-熵.mp4 17.7MB
│├─35-04-02条件熵及计算举例.mp4 13.5MB
│├─36-04-03信息增益-ID3算法.mp4 16.8MB
│├─37-04-04决策树代码实现(1-熵的计算).mp4 17.8MB
│├─38-04-05决策树代码实现(2-划分数据集-选择最好的特征).mp4 32.4MB
│├─39-04-06决策树代码实现(3-类别投票表决).mp4 11.6MB
│├─40-04-07决策树代码实现( 4-决策树递归生成，决策树对新数据进行预测).mp4 25.2MB
│├─41-04-08 C4.5算法.mp4 10MB
│├─42-04-09基尼指数(Gini Index)生成决策树.mp4 17.5MB
│├─43-04-10决策树剪枝.mp4 16.7MB
│├─44-04-11决策树处理连续值与缺失值.mp4 23.5MB
│├─45-04-12多变量决策树.mp4 12.5MB
│├─46-04-【实战】Sklearn实现决策树.mp4 31.5MB
│├─47-04-【案例】：使用决策树进行个人信用风险评估(1.数据集介绍-数据预处理).mp4 32.2MB
│├─48-04-【案例】：使用决策树进行个人信用风险评估(2.模型评估指标).mp4 29.9MB
│├─49-04-【案例】：使用决策树进行个人信用风险评估(3.模型评估，优化).mp4 17.9MB
│├─50-05-01-贝叶斯决策简介.mp4 18.4MB
│├─51-05-02-贝叶斯决策模型.mp4 10.3MB
│├─52-05-03-朴素贝叶斯模型.mp4 18.2MB
│├─53-05-04-朴素贝叶斯代码实现(1.训练过程).mp4 32.7MB
│├─54-05-05-朴素贝叶斯代码实现(2.预测过程).mp4 13.6MB
│├─55-05-06-拉普拉斯修正及代码实现.mp4 22.1MB
│├─56-05-07-朴素贝叶斯如何处理连续型数据.mp4 9MB
│├─57-05-08-Sklearn实现朴素贝叶斯.mp4 12.8MB
│├─58-05-【案例】垃圾邮件识别(1.实现原理).mp4 12.7MB
│├─59-05-【案例】垃圾邮件识别(2.代码实现).mp4 34.2MB
│├─60-06-01-支持向量机简介.mp4 8.8MB
│├─61-06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).mp4 31.9MB
│├─62-06-03-拉格朗日乘子法求带有等式约束的极值问题.mp4 24.8MB
│├─63-06-04-拉格朗日乘子法求带有不等式约束的极值问题-KKT条件.mp4 23.9MB
│├─64-06-05-目标函数求解(1.对偶问题-先对w-b求极小).mp4 24.5MB
│├─65-06-06-目标函数求解(2.对alpha求极大).mp4 12.6MB
│├─66-06-07-SVM求解举例.mp4 36.7MB
│├─67-06-08-线性支持向量机的目标函数.mp4 13.2MB
│├─68-06-09-线性支持向量机目标函数优化.mp4 22.5MB
│├─69-06-10-非线性支持向量机简介.mp4 31.3MB
│├─70-06-11-非线性支持向量机的目标函数.mp4 9.9MB
│├─71-06-12-SMO算法推导结果.mp4 21MB
│├─72-06-13-1SVM代码实现之简易版(上).mp4 53.2MB
│├─73-06-14-1SVM代码实现之简易版(下).mp4 15MB
│├─74-06-15-2SVM代码实现之改进版.mp4 33.8MB
│├─75-06-16-3SVM代码实现之引进核函数版.mp4 21.8MB
│├─76-06-17-SMO算法推导过程1.mp4 15.8MB
│├─77-06-18-SMO算法推导过程2.mp4 16.8MB
│├─78-06-19-SMO算法推导过程3.mp4 10.4MB
│├─79-06-20-SMO算法推导过程4.mp4 17.8MB
│├─80-06-21-SVM总结.mp4 9.5MB
│├─81-06-【实战】-Sklearn实现SVM1.mp4 11.9MB
│├─82-06-【实战】-Sklearn实现SVM2-3，输出常用属性值，使用高斯核.mp4 18.9MB
│├─83-06-【实战】-Sklearn实现SVM4，调参.mp4 18MB
│├─84-06-【案例】使用SVM完成人脸识别.mp4 47.1MB
│├─85-07-01-K-means基本原理及推导.mp4 14.1MB
│├─86-07-02-K-means中距离计算方法.mp4 12.4MB
│├─87-07-03-K-means代码实现(1原生代码实现).mp4 34.7MB
│├─88-07-04-K-means代码实现(2sklearn实现KMeans).mp4 6.6MB
│├─89-07-05-层次聚类原理及距离计算.mp4 13.6MB
│├─90-07-06层次聚类举例.mp4 9.7MB
│├─91-07-07Sklearn实现层次聚类.mp4 8.8MB
│├─92-07-08密度聚类.mp4 13.6MB
│├─93-07-09Sklearn实现密度聚类.mp4 7.3MB
│├─94-07-10-高斯混合模型介绍.mp4 14.6MB
│├─95-07-11-高斯混合模型参数估计.mp4 24.5MB
│├─96-07-12高斯混合模型原生代码实现.mp4 35.6MB
│├─97-07-13 Sklearn实现高斯混合模型.mp4 10MB
│├─98-07-【案例】对亚洲足球队进行聚类分析.mp4 11.9MB
│├─99-08-01-主成分分析介绍.mp4 16.1MB
05-李航《统计学习方法》训练营（含无监督学习部分）/
│├─06-第一章 1.1 导论.mp4 123.9MB
│├─07-第一章 1.2 极大似然估计.mp4 40.1MB
│├─08-第一章 1.3 梯度下降法.mp4 31.4MB
│├─09-第一章作业讲解-极大似然估计.mp4 16.3MB
│├─10-第二章 2.1 导论.mp4 110MB
│├─100-第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法.mp4 50.6MB
│├─101-第十九章 作业讲解.mp4 18.1MB
│├─102-第二十章20.1LDA分布-模型与Gibbs抽样算法.mp4 67.3MB
│├─103-第二十章20.2LDA的变分EM算法.mp4 59MB
│├─104-第二十章 作业讲解.mp4 24.9MB
│├─105-第二十一章21.1PageRank算法的定义与幂法计算.mp4 39.5MB
│├─106-第二十一章 作业讲解.mp4 8.4MB
│├─107-第二十二章 22无监督学习方法总结.mp4 9.3MB
│├─11-第二章 2.2 对偶形式.mp4 46.5MB
│├─12-第二章 2.3 收敛性.mp4 50.2MB
│├─13-code——感知机.mp4 127.4MB
│├─14-第二章作业讲解-感知机自编程实现.mp4 29MB
│├─15-第二章作业讲解-感知机sklearn实现.mp4 35MB
│├─16-第三章 3.1 导论.mp4 54.7MB
│├─17-第三章 3.2 kd树.mp4 76.7MB
│├─18-code——k近邻.mp4 80.7MB
│├─19-第三章作业讲解-KNN 自编程.mp4 19.6MB
│├─20-第三章作业讲解-KNN-sklearn.mp4 27.4MB
│├─21-第四章 4.1 导论.mp4 89.4MB
│├─22-第四章 4.2 贝叶斯估计.mp4 15.1MB
│├─23-第四章 4.3 期望风险最小化.mp4 28.8MB
│├─24-code——朴素贝叶斯.mp4 100.2MB
│├─25-第四章作业讲解-贝叶斯估计.mp4 17.3MB
│├─26-第四章作业讲解-朴素贝叶斯.mp4 50.6MB
│├─27-第五章 5.1 导论.mp4 126.4MB
│├─28-第五章 5.2 剪枝.mp4 66.3MB
│├─29-code——决策树.mp4 96.2MB
│├─30-第五章作业讲解-决策树.mp4 39.1MB
│├─31-第六章 6.1 逻辑斯蒂回归与最大熵.mp4 99.1MB
│├─32-第六章 6.2 改进的迭代尺度法.mp4 60.4MB
│├─33-第六章作业讲解-逻辑斯谛回归.mp4 60.3MB
│├─34-code——逻辑斯蒂回归与最大熵.mp4 108.2MB
│├─35-第七章 7.1 导论.mp4 174.9MB
│├─36-第七章 7.2 存在唯一性.mp4 50.1MB
│├─37-第七章作业讲解-支持向量机习题7.1.mp4 50.2MB
│├─38-第七章作业讲解-支持向量机 sklearn习题7.2.mp4 23.1MB
│├─39-第七章作业讲解-支持向量机习题7.3.mp4 17.3MB
│├─40-code——支持向量机.mp4 164.2MB
│├─41-第八章 8.1 导论.mp4 99.1MB
│├─42-第八章 8.2 前向分步算法.mp4 47MB
│├─43-第八章 8.3 adaboost的训练误差.mp4 70.1MB
│├─44-第八章作业讲解-提升方法.mp4 34.3MB
│├─45-code——提升方法.mp4 181.8MB
│├─46-第九章 9.1 导论.mp4 75.1MB
│├─47-第九章 9.2 高斯混合模型.mp4 68.5MB
│├─48-第九章作业讲解-EM算法.mp4 43.9MB
│├─49-code——EM算法及推广.mp4 79.7MB
│├─50-第十章 10.1 导论.mp4 83.2MB
│├─51-第十章 10.2 前向算法.mp4 35.3MB
│├─52-第十章 10.3 维特比算法.mp4 29.2MB
│├─53-第十章作业讲解-隐马尔可夫模型.mp4 39.8MB
│├─54-code——隐马尔可夫.mp4 160.2MB
│├─55-第十一章 11.1 导论.mp4 53.1MB
│├─56-第十一章 11.2 拟牛顿法.mp4 21.2MB
│├─57-第十一章 11.3 条件随机场的矩阵形式.mp4 20.1MB
│├─58-第十一章作业讲解-条件随机场.mp4 20.8MB
│├─59-第十三章无监督学习导论.mp4 44.1MB
│├─60-第十四章14.1聚类的基本概念.mp4 61.3MB
│├─61-第十四章14.2.1距离与相似度.mp4 41MB
│├─62-第十四章14.2.2聚合聚类 距离公式介绍.mp4 34.1MB
│├─63-第十四章14.2.3距离公式证明.mp4 59.6MB
│├─64-第十四章14.2.4确定最佳聚类数.mp4 30.8MB
│├─65-第十四章14.2.5有序样本分类法.mp4 35.2MB
│├─66-第十四章14.3K均值聚类.mp4 27.6MB
│├─67-第十四章14.1作业讲解- K-Means算法和高斯混合模型的比较.mp4 17.5MB
│├─68-第十四章14.2作业讲解- 14.2 有关类的定义推导.mp4 8.4MB
│├─69-第十四章14.3作业讲解- 离差平方和距离推导公式证明.mp4 13.5MB
│├─70-第十四章14.3作业讲解-重心距离推导公式证明.mp4 21.9MB
│├─71-第十五章15.1矩阵奇异值分解步骤.mp4 23.3MB
│├─72-第十五章15.2矩阵奇异值分解基本定理.mp4 22.1MB
│├─73-第十五章15.3矩阵奇异值分解性质与计算.mp4 23.4MB
│├─74-第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4 37.8MB
│├─75-第十五章15.5矩阵奇异值分解的应用.mp4 27.2MB
│├─76-第十五章作业讲解- 奇异值分解01.mp4 22.9MB
│├─77-第十五章作业讲解- 奇异值分解02.mp4 25.1MB
│├─78-第十六章16.1主成分分析介绍.mp4 31.9MB
│├─79-第十六章16.2主成分分析基本定理.mp4 25.7MB
│├─80-第十六章16.3主成分的性质与选择.mp4 18.9MB
│├─81-第十六章16.4主成分的特征.mp4 21.1MB
│├─82-第十六章16.5牛顿迭代与梯度下降法.mp4 34.6MB
│├─83-第十六章16.6拟牛顿迭代法.mp4 60.7MB
│├─84-第十六章16.1作业讲解- 样本主成分分析.mp4 32.3MB
│├─85-第十六章16.2 作业讲解-样本方差无偏估计的理解.mp4 16.8MB
│├─86-第十六章16.3作业讲解- 求第一主成分.mp4 9.6MB
│├─87-第十七章17.1LSA导入.mp4 20.6MB
│├─88-第十七章17.2LSA算法实现.mp4 12.8MB
│├─89-第十七章17.3非负矩阵分解算法.mp4 16.1MB
│├─90-第十七章17.4LSA案例分析与编程实现.mp4 21.3MB
│├─91-第十七章 作业讲解.mp4 18.5MB
│├─92-第十八章18.1PLSA生成模型.mp4 25.9MB
│├─93-第十八章18.2PLSA共现模型.mp4 13.2MB
│├─94-第十八章18.3PLSA模型算法实现.mp4 24.1MB
│├─95-第十八章18.4PLSA模型EM算法详解.mp4 21.1MB
│├─96-第十八章 作业讲解.mp4 15.2MB
│├─97-第十九章19.1蒙特卡罗法引入.mp4 16.4MB
│├─98-第十九章19.2马尔科夫链的定义与性质.mp4 35.5MB
│├─99-第十九章19.3连续状态马尔科夫链.mp4 47.2MB
06-《机器学习》西瓜书训练营/
│├─06-【第一周】机器学习绪论.mp4 38.3MB
│├─08-【第二周】西瓜书公式推导学习指南.mp4 11.2MB
│├─09-【第二周】一元线性回归公式.mp4 51.9MB
│├─10-【第二周】多元线性回归公式.mp4 58.3MB
│├─11-【第二周】对数几率回归公式.mp4 60.7MB
│├─14-【第二周】【作业讲解】逻辑回归.mp4 29.5MB
│├─15-【第三周】决策树的分裂准则.mp4 56.6MB
│├─19-【第三周】【作业讲解】决策树.mp4 15.6MB
│├─20-【第四周】支持向量机原始模型的建立和求解.mp4 113.8MB
│├─21-【第四周】核函数和软间隔支持向量机.mp4 54.9MB
│├─24-【第四周】【作业讲解】SVM.mp4 61.2MB
│├─25-【第五周】极大似然估计与朴素贝叶斯.mp4 84.8MB
│├─26-【第五周】EM算法1.mp4 32.8MB
│├─27-【第五周】EM算法2.mp4 39.6MB
│├─28-【第五周】EM算法3.mp4 44.8MB
│├─31-【第五周】【作业讲解】贝叶斯和EM算法.mp4 25MB
│├─32-【第六周】神经网络结构.mp4 67MB
│├─35-【第六周】【作业讲解】神经网络.mp4 8.2MB
│├─41-【第七周】【作业讲解】模型评估与选择.mp4 14.9MB
│├─47-【第八周】【作业讲解】特征选择.mp4 16.1MB
│├─52-【第九周】【作业讲解】k-means.mp4 37.3MB
│├─53-【第十周】聚类.mp4 61.9MB
│├─54-【第十周】HMM-1.mp4 89.3MB
│├─55-【第十周】HMM-2.mp4 47.5MB
│├─56-【第十周】HMM-3.mp4 32.4MB
│├─61-【达观杯nlp比赛】第一节课 了解NLP任务和熟悉比赛题目-赛前介绍和准备.mp4 48.8MB
│├─62-【达观杯nlp比赛】第二节课 了解NLP任务和熟悉比赛题目-赛题介绍和思路分析.mp4 71.4MB
│├─63-【达观杯nlp比赛】第三节课 数据分析及处理.mp4 114.2MB
│├─64-【达观杯nlp比赛】第四节课——Baseline实现.mp4 107.1MB
│├─65-【达观杯nlp比赛】第五节课 验证集构建和交叉验证.mp4 120.8MB
07-吴恩达《机器学习》作业班/
│├─06-【先修】学习绪论视频，了解预备知识.mp4 26.1MB
│├─07-【学前准备】开营仪式回放-老师部分.mp4 177.9MB
│├─08-【学前准备】开营仪式回放-班主任部分.mp4 224.4MB
│├─14-Week2 Day2【作业讲解】对照作业讲解视频查漏补缺.mp4 150MB
│├─19-Week3-Day2 【作业讲解】完成编程作业2 (1).mp4 153.9MB
│├─20-Week3-Day2 【作业讲解】完成编程作业2 (2).mp4 130.6MB
│├─21-Week3-Day4 【达观杯文本智能处理挑战赛】（入门指导）.mp4 22MB
│├─25-Week4-Day2【作业讲解】编程作业3：神经网络（上）.mp4 80.2MB
│├─26-Week4-Day2【作业讲解】编程作业3：神经网络（下）.mp4 56.9MB
│├─27-Week4-Day4【达观杯文本智能处理挑战赛】（进阶指导）.mp4 30.6MB
│├─30-Week5-Day2【作业讲解】编程作业4（上）.mp4 90.7MB
│├─31-Week5-Day2【作业讲解】编程作业5.mp4 93.5MB
│├─32-Week5-Day2【作业讲解】编程作业4（下）.mp4 133MB
│├─36-Week6-Day2【作业讲解】编程作业5.mp4 93.5MB
│├─40-Week7-Day2【作业讲解】编程作业6（上）.mp4 113.7MB
│├─41-Week7-Day2【作业讲解】编程作业6（下）.mp4 75.5MB
│├─47-Week8-Day4【作业讲解】编程作业7（上）.mp4 109.9MB
│├─48-Week8-Day4【作业讲解】编程作业7（下）.mp4 68.4MB
│├─52-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P1.mp4 76.1MB
│├─53-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P2.mp4 96.3MB
│├─54-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P3.mp4 48.6MB
│├─56-Week10-Day1【kaggle大赛】进阶指导.mp4 7MB
08-深度学习TensorFlow2.0框架班/
│├─05-Week1【任务1】tensorflow 2.0简介.mp4 46.8MB
│├─06-Week1【任务2】tensorflow2.0环境安装-ubuntu.mp4 126.3MB
│├─07-Week1【任务2】tensorflow2.0环境安装-windows.mp4 132.4MB
│├─09-Week2【任务1】张量与操作 & 三种自定义模型.mp4 103.9MB
│├─10-Week2【任务2】keras模型训练.mp4 124.1MB
│├─11-Week2【任务3】tensorflow2.0模型训练.mp4 83.3MB
│├─12-Week2【任务4】计算图机制详解.mp4 60.9MB
│├─13-Week2【任务5】计算图机制详解.mp4 60.8MB
│├─15-Week3【任务1】自定义层详解.mp4 87.9MB
│├─16-Week3【任务2】常用损失函数和自定义损失函数.mp4 108.6MB
│├─17-Week3【任务3】常用评估函数和自定义评估函数.mp4 92.3MB
│├─18-Week3【任务4】tensorboard小试牛刀.mp4 93.5MB
│├─19-Week4【任务1】tf.data简介.mp4 56.7MB
│├─20-Week4【任务2】tf.data简介.mp4 114.6MB
│├─21-Week4【任务3】tfrecord详解.mp4 71.5MB
│├─23-Week5【任务1】cnn介绍.mp4 88.6MB
│├─24-Week5【任务2】实战项目上.mp4 56.5MB
│├─25-Week5【任务3】实战项目下.mp4 148.8MB
│├─26-Week6 【任务1】循环神经网络讲解.mp4 97.5MB
│├─27-Week6【任务2】word2vec简介.mp4 46.9MB
│├─28-Week6【任务3】实战四.mp4 124.3MB
│├─29-Week7【任务1】ransformer简介.mp4 107MB
│├─30-Week7【任务2】实战5.mp4 325.1MB
│├─31-Week8【任务1】GPU分布式训练.mp4 65.8MB
│├─32-Week 8【任务2】TPU训练.mp4 84.5MB
│├─33-Week 9【任务1】TF.hub使用.mp4 52MB
│├─34-Week 9【任务2】BERT实战.mp4 125MB
│├─35-Week9【任务3】模型部署.mp4 78.2MB
09-深度学习PyTorch框架班/
│├─05-【必看】深入浅出PyTorch.mp4 71MB
│├─06-【第一周】PyTorch简介与安装.mp4 46.3MB
│├─07-【第一周】补充-pytorch开发环境安装.mp4 135.1MB
│├─08-【第一周】张量简介与创建.mp4 48MB
│├─09-【第一周】张量操作与线性回归.mp4 57.1MB
│├─10-【第一周】计算图与动态图机制.mp4 34.6MB
│├─11-【第一周】autograd与逻辑回归.mp4 55.2MB
│├─12-【第一周】作业讲解1.mp4 25.6MB
│├─13-【第一周】作业讲解2.mp4 23.3MB
│├─14-【第一周】作业讲解3.mp4 22.5MB
│├─15-【第二周】数据读取机制Dataloader与Dataset.mp4 50.3MB
│├─16-【第二周】数据预处理transforms模块机制.mp4 47.7MB
│├─17-【第二周】二十二种transforms数据预处理方法.mp4 91.6MB
│├─18-【第二周】学会自定义transforms方法.mp4 98.3MB
│├─19-【第二周】作业讲解.mp4 82.2MB
│├─20-【第三周】模型创建步骤与nn.Module.mp4 51.9MB
│├─21-【第三周】模型容器与AlexNet构建.mp4 55.3MB
│├─22-【第三周】nn网络层-卷积层.mp4 57.1MB
│├─23-【第三周】nn网络层-池化-线性-激活函数层.mp4 54.2MB
│├─24-【第三周】作业讲解.mp4 53.2MB
│├─25-【第四周】权值初始化.mp4 53.5MB
│├─26-【第四周】损失函数（一）.mp4 86.6MB
│├─27-【第四周】损失函数(二).mp4 88MB
│├─28-【第四周】优化器optimizer的概念.mp4 57.2MB
│├─29-【第四周】torch.optim.SGD.mp4 66.7MB
│├─30-【第四周】作业讲解.mp4 27.9MB
│├─31-【第五周】学习率调整策略.mp4 73.9MB
│├─32-【第五周】TensorBoard简介与安装.mp4 37.7MB
│├─33-【第五周】TensorBoard使用（一）.mp4 60.2MB
│├─34-【第五周】TensorBoard使用（二）.mp4 96.2MB
│├─35-【第五周】hook函数与CAM可视化.mp4 72.4MB
│├─36-【第五周】作业讲解.mp4 37.4MB
│├─37-【第六周】正则化之weight_decay.mp4 52.7MB
│├─38-【第六周】正则化之Dropout.mp4 53.3MB
│├─39-【第六周】Batch Normalization.mp4 73MB
│├─40-【第六周】Normalizaiton_layers.mp4 52.7MB
│├─41-【第六周】作业讲解.mp4 32.6MB
│├─42-【第七周】模型保存与加载.mp4 39.1MB
│├─43-【第七周】模型finetune.mp4 56.4MB
│├─44-【第七周】GPU的使用.mp4 61.8MB
│├─45-【第七周】PyTorch常见报错.mp4 50.9MB
│├─46-【第七周】作业讲解.mp4 19.2MB
│├─47-【第八周】图像分类一瞥.mp4 75.6MB
│├─48-【第八周】图像分割一瞥.mp4 97.5MB
│├─49-【第八周】图像目标检测一瞥（上）.mp4 67.7MB
│├─50-【第八周】图像目标检测一瞥（下）.mp4 120.6MB
│├─51-【第九周】生成对抗网络一瞥.mp4 82.4MB
│├─52-【第九周】循环神经网络一瞥.mp4 54.9MB
10-《深度学习》花书训练营/
│├─05-第一周【任务1】矩阵对角化以及SVD分解.mp4 91.3MB
│├─06-第一周【任务1】逆矩阵-最小二乘及PCA原理推导.mp4 54.9MB
│├─07-第一周【任务2】：极大似然估计.mp4 28.6MB
│├─08-第一周【任务2】：无约束最优化.mp4 74MB
│├─09-第一周【任务2】：有约束最优化.mp4 41.1MB
│├─10-【第一周作业讲解】为什么要用最小二乘.mp4 4.2MB
│├─11-【第一周作业讲解】矩阵的分解及其应用.mp4 6.4MB
│├─12-【第一周作业讲解】极大似然估计以及优化理论.mp4 11.3MB
│├─13-【第一周作业讲解】熟悉svd分解算法的流程.mp4 11MB
│├─14-第二周【任务1】：机器学习算法基本概念.mp4 47.8MB
│├─15-第二周【任务1】：过拟合欠拟合超参数验证集.mp4 45MB
│├─16-第二周【任务2】：估计-偏差和方差.mp4 22.3MB
│├─17-第二周【任务2】：贝叶斯估计.mp4 23.4MB
│├─18-第二周【任务2】：逻辑回归.mp4 61.9MB
│├─19-第二周作业讲解.mp4 14.7MB
│├─20-第三周【任务1】学习支持向量机LDA.mp4 69.9MB
│├─21-第三周【任务1】其他监督学习算法SVM.mp4 100.4MB
│├─22-第三周【任务2】决策树-kmeans算法.mp4 60.1MB
│├─23-第三周作业讲解.mp4 14.8MB
│├─24-第四周【任务1】：前馈神经网络结构表达能力.mp4 72.1MB
│├─25-第四周【任务1】：激活函数损失函数.mp4 90.2MB
│├─26-第四周【任务2】前馈神经网络技巧.mp4 51.4MB
│├─27-第四周【任务2】前向后向算法.mp4 72.5MB
│├─28-第四周作业讲解.mp4 10.2MB
│├─29-第五周【任务1】范数惩罚正则化.mp4 70.8MB
│├─30-第五周【任务1】：数据增强bagging&dropout.mp4 107.9MB
│├─31-第五周【任务2】深度模型中的优化.mp4 183.4MB
│├─32-第五周作业讲解.mp4 7.7MB
│├─33-第六周【任务1】cnn前向后向.mp4 84.3MB
│├─34-第六周【任务1】局部感知权值共享.mp4 95.9MB
│├─35-第六周【任务2】lenet&alexnet.mp4 104.8MB
│├─36-第六周【任务2】vggnet googlenet.mp4 109.8MB
│├─37-第六周【任务3】CNN应用——RCNN目标检测.mp4 95.1MB
│├─38-第六周【任务3】CNN应用——Bounding_box regression.mp4 61.7MB
│├─39-第六周【任务3】CNN应用——FastRCNN.mp4 96.6MB
│├─40-第六周【任务3】CNN应用——CNN人脸特征点定位.mp4 33.9MB
│├─41-第六周作业讲解.mp4 6.9MB
│├─42-【论文精读（选修）】mobilenet-01-背景介绍.mp4 38.1MB
│├─43-【论文精读（选修）】mobilenet-02-论文结构&摘要精读.mp4 64.5MB
│├─44-【论文精读（选修）】mobilenet-03-主体架构&深度可分离卷积.mp4 67.4MB
│├─45-【论文精读（选修）】mobilenet-04-超参数.mp4 44.4MB
│├─46-【论文精读（选修）】mobilenet-05-后续创新及改进.mp4 47.7MB
│├─47-【论文精读（选修）】mobilenet-06-代码结构.mp4 35.8MB
│├─48-【论文精读（选修）】mobilenet-07-模型设计.mp4 20.8MB
│├─49-【论文精读（选修）】mobilenet-08-模型评估.mp4 41.2MB
│├─50-第七周【任务1】RNN概念&前向传播.mp4 84MB
│├─51-第七周【任务1】RNN反向传播与并行计算.mp4 62.5MB
│├─52-第七周【任务2】lstm.mp4 72MB
│├─53-第七周【任务2】gru.mp4 45.4MB
│├─54-第七周【任务3】plstm&lstm在ocr的应用.mp4 112.5MB
│├─55-第七周作业讲解.mp4 7.3MB
│├─56-第八周【任务1】推理加速.mp4 101.7MB
│├─57-第八周【任务1】训练加速.mp4 48.5MB
│├─58-第八周【任务2】自适应技术.mp4 37.8MB
│├─59-第8周作业讲解.mp4 37MB
11-李飞飞斯坦福CS231n计算机视觉课/
│├─05-计算机视觉发展历史及一些计算机视觉任务概念.mp4 10.9MB
│├─08-knn与线性分类器知识点提点.mp4 18.9MB
│├─10-学习内容总结+观看作业解答视频.mp4 58MB
│├─11-损失函数和优化导读.mp4 10.1MB
│├─12-svm多分类损失函数与softmax.mp4 30.5MB
│├─15-学习反向传播.mp4 7.7MB
│├─16-作业讲解视频.mp4 68MB
│├─17-作业讲解视频.mp4 90.4MB
│├─19-学习卷积神经网络历史.mp4 7.3MB
│├─20-学习卷积和池化.mp4 27.7MB
│├─21-学习激活函数-数据处理-权重初始化.mp4 11.4MB
│├─22-作业讲解视频.mp4 38.6MB
│├─25-学习优化策略.mp4 16.8MB
│├─27-作业讲解视频.mp4 42.9MB
│├─30-学习比较流行的cnn网络结构.mp4 15.9MB
│├─31-学习rnn，lstm，gru.mp4 8.7MB
│├─33-学习图像分割学习任务，分类和定位.mp4 22.9MB
│├─35-学习特征可视化方法.mp4 11.3MB
│├─37-学习Pixel RNN，Pixel CNN与变分自编码.mp4 17.9MB
│├─45-【kaggle猫狗分类比赛】比赛简介.mp4 5.9MB
│├─46-【学习kaggle猫狗分类比赛】详细操作.mp4 24.7MB
12-斯坦福CS224n自然语言处理课训练营/
│├─05-学习CS224n第一课和课程导学.mp4 55.4MB
│├─06-【作业讲解】：assignment1讲解.mp4 78.7MB
│├─07-打达观杯NLP比赛（报名指导和入门指导）.mp4 22MB
│├─08-学习CS224n第二课和重难点讲解视频.mp4 57.7MB
│├─09-学习CS224n第三课和课程导学.mp4 65.7MB
│├─10-python numpy pytorch学习及编程作业解析.mp4 36.9MB
│├─11-学习CS224n第四课和课程导学.mp4 74MB
│├─12-观看看作业解答视频.mp4 52.7MB
│├─13-学习CS224n Lecture 05及导学.mp4 38.5MB
│├─15-Assignment 3作业讲解.mp4 69.4MB
│├─16-学习CS224n Lecture 06及导学.mp4 67.1MB
│├─18-观看作业解答视频.mp4 56.4MB
│├─19-观看作业解答视频2.mp4 120.6MB
│├─20-观看作业解答视频3.mp4 62.1MB
│├─21-神经机器翻译及attention.mp4 85MB
│├─23-Neural Machine Translation with RNN.mp4 48.5MB
│├─24-基于卷积神经网络的nlp.mp4 76.1MB
│├─26-观看作业解答视频.mp4 82.4MB
│├─27-观看A5作业讲解视频2.mp4 73.7MB
│├─28-transformers and BERT.mp4 92.9MB
│├─29-Lecture 14.mp4 64.1MB
│├─30-Natural Language Generation.mp4 86.5MB
│├─33-Lecture 18.mp4 165.4MB
│├─35-Future of NLP + Deep Learning.mp4 69.8MB
│├─36-kaggle文本分类比赛-比赛介绍.mp4 22.1MB
│├─37-kaggle文本分类比赛-数据分析.mp4 10.4MB
│├─38-kaggle文本分类比赛-baseline模型(1).mp4 28.8MB
│├─39-kaggle文本分类比赛-baseline模型(2).mp4 30MB
│├─40-kaggle文本分类比赛-提交数据+提分策略.mp4 17.8MB
13-人工智能项目实战班/
│├─05-【试听CV项目】1.1-背景介绍.mp4 39.2MB
│├─06-【试听CV项目】1.2.1-图像初步-可视化.mp4 41MB
│├─07-【试听】算法工作分享——1面试准备.mp4 93MB
│├─08-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅰ课程导读.mp4 13.6MB
│├─09-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅱ知识图谱的概念与应用.mp4 15.6MB
│├─10-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅲ信息抽取构建知识图谱实例.mp4 11MB
│├─11-【NLP项目一人工智能辅助信息抽取】第三周第二节-正则表达式与AC自动机算法讲解与应用.mp4 37.1MB
│├─12-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅰ中文自然语言处理基础.mp4 18.5MB
│├─13-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅱ命名实体识别详解.mp4 27.8MB
│├─14-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅲ隐马尔可夫模型与维特比算法.mp4 52.2MB
│├─15-【NLP项目一人工智能辅助信息抽取】第三周第四节：条件随机场.mp4 61.1MB
│├─16-【NLP项目一人工智能辅助信息抽取】第四周-2.1深度学习NLP问题.mp4 9MB
│├─17-【NLP项目一人工智能辅助信息抽取】第四周-2.2文本表示.mp4 71.1MB
│├─18-【NLP项目一人工智能辅助信息抽取】第四周-2.3文本特征抽取.mp4 80.9MB
│├─19-【NLP项目一人工智能辅助信息抽取】第四周-2.4常见NLP任务模型结构.mp4 15.5MB
│├─20-【NLP项目一人工智能辅助信息抽取】第四周-2.5 bilstm-crf模型介绍.mp4 36.9MB
│├─21-【NLP项目一人工智能辅助信息抽取】第四周-2.6 bilstm-crf实战.mp4 134.9MB
│├─22-【NLP项目一人工智能辅助信息抽取】第四周-2.7 关系抽取介绍.mp4 25.9MB
│├─23-【NLP项目一人工智能辅助信息抽取】第四周-2.8 PCNN介绍.mp4 28.7MB
│├─24-【NLP项目一人工智能辅助信息抽取】第四周-2.9 PCNN实战.mp4 88.6MB
│├─25-【NLP项目一人工智能辅助信息抽取】3.1 图像预训练模型.mp4 22.7MB
│├─26-【NLP项目一人工智能辅助信息抽取】3.2 NLP预训练模型.mp4 53.8MB
│├─27-【NLP项目一人工智能辅助信息抽取】3.3 信息抽取深度学习综述.mp4 51.9MB
│├─28-【NLP项目一人工智能辅助信息抽取】3.4 BERT NER实战.mp4 110.7MB
│├─29-【NLP项目一人工智能辅助信息抽取】3.5 总结与展望.mp4 42.2MB
│├─30-【CV项目一图像分割深度学习实战】第一周-1.1-背景介绍.mp4 39.2MB
│├─31-【CV项目一图像分割深度学习实战】第一周1.2.1-图像初步-可视化.mp4 41MB
│├─32-【CV项目一图像分割深度学习实战】第一周1.2.2-图像初步-图像运算.mp4 30.8MB
│├─33-【CV项目一图像分割深度学习实战】第一周1.3-训练数据准备.mp4 42.7MB
│├─34-【CV项目一图像分割深度学习实战】第一周-1.4-1-深度学习代码框架.mp4 46.3MB
│├─35-【CV项目一图像分割深度学习实战】第一周-1.4-2-pytorch基础知识.mp4 183.4MB
│├─36-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-A.mp4 53.2MB
│├─37-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-B.mp4 67.2MB
│├─38-【CV项目一图像分割深度学习实战】第二周2.2-调参基础篇.mp4 27MB
│├─39-【CV项目一图像分割深度学习实战】第二周2.3-选择损失函数.mp4 11.9MB
│├─41-【CV项目一图像分割深度学习实战】第二周-2.5-调参-总结.mp4 13.9MB
│├─42-【CV项目一图像分割深度学习实战】第二周2.6-U-Net理论课.mp4 217.5MB
│├─43-【CV项目一图像分割深度学习实战】第二周2.7-DeepLabv3+理论课.mp4 120.8MB
│├─49-【CV项目一图像分割深度学习实战】第三周-3.3-梯度累积法.mp4 21.8MB
│├─50-【CV项目一图像分割深度学习实战】第三周-3.4-选择模型权重.mp4 24.2MB
│├─51-【CV项目一图像分割深度学习实战】第三周-U-Net理论课进阶-迁移学习.mp4 115.9MB
│├─53-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-a.mp4 21.5MB
│├─54-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-b.mp4 41.8MB
│├─58-【CV项目一图像分割深度学习实战】第四周-4.3-bad.mp4 13.1MB
│├─59-【CV项目一图像分割深度学习实战】第四周-算法工作分享——1面试准备.mp4 93MB
│├─60-【CV项目一图像分割深度学习实战】第四周-算法工作分享——2工作日常.mp4 94.1MB
│├─61-【CV项目一图像分割深度学习实战】第四周-算法工作分享——3职业前景.mp4 45.9MB
│├─62-【推荐系统项目一电影推荐项目】1.1：推荐系统简介.mp4 55.9MB
│├─63-【推荐系统项目一电影推荐项目】1.2： 简单的电影推荐.mp4 66.5MB
│├─64-【推荐系统项目一电影推荐项目】1.3： IMDB评分.mp4 47.4MB
│├─65-【推荐系统项目一电影推荐项目】1.4：基于内容推荐.mp4 115.7MB
│├─66-【推荐系统项目一电影推荐项目】1.5：协同过滤算法.mp4 83MB
│├─67-【推荐系统项目】2.1criteo ctr.mp4 89.9MB
│├─68-【推荐系统项目】2.2FM&FFM.mp4 82.6MB
│├─69-【推荐系统项目】2.3Wide&Deep.mp4 71.6MB
│├─70-【推荐系统项目】2.4DeepFM.mp4 74.7MB
│├─71-【医疗知识图谱构建及图表征学习实践项目】课时0：项目先导课.mp4 30.7MB
│├─72-【医疗知识图谱构建及图表征学习实践项目】课时1：数据获取—爬虫.mp4 19.8MB
│├─73-【医疗知识图谱构建及图表征学习实践项目】课时2：数据处理.mp4 29.4MB
│├─74-【医疗知识图谱构建及图表征学习实践项目】课时3：BiLSTM+CRF.mp4 33.3MB
│├─75-【医疗知识图谱构建及图表征学习实践项目】课时4：NLP前沿技术讲解.mp4 66.1MB
│├─76-【医疗知识图谱构建及图表征学习实践项目】课时5：Neo4j.mp4 33.5MB
│├─77-【医疗知识图谱构建及图表征学习实践项目】课时6：图表征学习.mp4 40.1MB
│├─78-【医疗知识图谱构建及图表征学习实践项目】课时7：图表征算法代码学习.mp4 34.6MB
│├─79-【医疗知识图谱构建及图表征学习实践项目】课时8：项目总结.mp4 16MB
│├─80-【医疗知识图谱构建及图表征学习实践项目】补充内容：额外的LSTM.mp4 13.7MB
│├─81-【医疗知识图谱构建及图表征学习实践项目】补充内容：额外的python编码.mp4 18.6MB
14-04 神经网络基础知识/
│├─02-01-神经网络基础与多层感知机-0.mp4 50.3MB
│├─03-01-神经网络基础与多层感知机-1.mp4 39.2MB
│├─04-01-神经网络基础与多层感知机-2.mp4 58MB
│├─05-01-神经网络基础与多层感知机-3.mp4 36.5MB
│├─06-01-神经网络基础与多层感知机-4.mp4 72.9MB
│├─07-02-卷积神经网络-0.mp4 56.5MB
│├─08-02-卷积神经网络-1.mp4 88MB
│├─09-02-卷积神经网络-2.mp4 45.8MB
│├─10-03-循环神经网络-0.mp4 41.3MB
│├─11-03-循环神经网络-1.mp4 77MB
│├─12-03-循环神经网络-2.mp4 53.8MB
15-06 OpenCV 图像基础/
│├─02-1-1图像基础知识.mp4 25.9MB
│├─03-1-2图像基础知识.mp4 30.4MB
│├─04-1-3图像基础知识.mp4 50.6MB
│├─05-1-4图像基础知识.mp4 40.8MB
│├─06-2-1图像基本处理.mp4 54.2MB
│├─07-2_2图像基本处理.mp4 24.5MB
│├─08-2_3图像基本处理.mp4 44.2MB
│├─09-2_4图像基本处理.mp4 52.1MB
│├─10-2_5图像基本操作_图像滤波.mp4 58.9MB
│├─11-2_6图像基本操作_图像增强.mp4 40.2MB
│├─12-2-7形态学操作_腐蚀..mp4 43.7MB
│├─13-2_8形态学操作_膨胀开运算与闭运算.mp4 61.3MB
│├─14-3_1固定阈值分割.mp4 41.3MB
│├─15-3_2自动阈值分割.mp4 51.6MB
│├─16-3_3边缘检测算子.mp4 64.3MB
│├─17-3_4连通区域_区域生长算法.mp4 48.3MB
│├─18-3_5分水岭算法图像分割.mp4 42.8MB
│├─19-4_1特征描述_HOG.mp4 47.2MB
│├─20-4_2特征描述Harris和SIFT算法.mp4 38.3MB
│├─21-4_3纹理特征LBP算法.mp4 46.9MB
│├─22-4_4模板匹配算法.mp4 36.4MB
│├─23-4_5人脸检测算法.mp4 58.8MB
│├─24-5_1摄像头调用和视频的读取保存.mp4 52.4MB
│├─25-5_2帧差法视频目标识别.mp4 43.9MB
│├─26-5_3光流法和背景减除法..mp4 50.6MB
16-【论文】baseline基础篇目——NLP/
│├─02-1.1 joint-bert.mp4 72.2MB
│├─03-1.2 joint-bert.mp4 20.5MB
│├─04-1.3 joint-bert.mp4 10.5MB
│├─05-1.4 joint-bert.mp4 163.6MB
│├─06-1.5 joint-bert.mp4 20.3MB
│├─07-1.6 joint-bert.mp4 2.4MB
│├─08-1.7 joint-bert.mp4 59.4MB
│├─09-1.8 joint-bert-代码.mp4 41.7MB
│├─10-1.9 joint-bert-代码.mp4 171.6MB
│├─11-01 cnn_for-re-01（新版）.mp4 44.7MB
│├─12-01 cnn_for-re-02（新版）.mp4 62.2MB
│├─13-01 cnn_for-re-03（新版）.mp4 73MB
│├─14-01 cnn_for-re-04（新版）.mp4 77.7MB
│├─15-01 cnn_for-re-05（新版）.mp4 60.9MB
│├─16-01 code_cnn_for_re-06（新版）.mp4 89.2MB
│├─17-01 code_cnn_for_re-07（新版）.mp4 84.5MB
│├─18-01 code_cnn_for_re-08（新版）.mp4 98.8MB
│├─19-01 code_cnn_for_re-09（新版）.mp4 109.7MB
│├─20-01 code_cnn_for_re-10（新版）.mp4 69MB
│├─21-03elmo-01-elmo的下游任务介绍..mp4 47MB
│├─22-03elmo-02-feature_based和fine_tuning.mp4 44.1MB
│├─23-03elmo-03-word2vec和charcnn回顾.mp4 35.8MB
│├─24-03elmo-04-Bidirectional_language_models.mp4 46.1MB
│├─25-03elmo-05-how to use emol..mp4 39.4MB
│├─26-03elmo-06-论文回顾..mp4 117.2MB
│├─27-03elmo-07-代码预处理部分.mp4 242.9MB
│├─28-03elmo-08-代码模型结构部分.mp4 218.7MB
│├─29-03elmo-09-代码crf流程..mp4 163.5MB
│├─30-03elmo-10-代码crf实现..mp4 233.3MB
│├─31-01nodevec-01-研究背景.mp4.mp4 70.4MB
│├─32-01nodevec-02-研究成果.mp4.mp4 177.3MB
│├─33-01nodevec-03-图的应用.mp4.mp4 98.8MB
│├─34-01nodevec-04-模型结构&BFS&DFS.mp4.mp4 401.9MB
│├─35-01nodevec-05-模型算法&alias算法.mp4.mp4 593.9MB
│├─36-01nodevec-06-实验分析.mp4.mp4 515MB
│├─37-01nodevec-07-论文总结.mp4.mp4 255.5MB
│├─38-01nodevec-08-代码整体介绍.mp4 415MB
│├─39-01nodevec-09-代码节点和边的alias实现.mp4.mp4 457.6MB
│├─40-01nodevec-10-代码有偏随机游走和模型训练.mp4.mp4 183.1MB
│├─41-01nodevec-11-代码结果展示和总结.mp4.mp4 85.8MB
│├─42-01transformer-01-论文背景&研究成果.mp4 134.1MB
│├─43-01transformer-02-attention回顾.mp4 126.2MB
│├─44-01transformer-03-模型框架和self_attention.mp4 114.9MB
│├─45-01transformer-04-模型小trick..mp4 240.7MB
│├─46-01transformer-05-代码框架部分和encoder.mp4 423.8MB
│├─47-01transformer-06-代码decoder和self_attention.mp4 433.5MB
│├─48-01transformer-07-代码训练部分和预测部分.mp4 537.3MB
│├─49-1.1 word2vec1-1背景知识.mp4 200.2MB
│├─50-1.2 word2vec1-2论文泛读.mp4 164MB
│├─51-1.3 word2vec2-1对比模型.mp4 160.8MB
│├─52-1.4 word2vec2-2原理.mp4 89.2MB
│├─53-1.5 word2vec2-3word2vec关键技术.mp4 123.2MB
│├─54-1.6 word2vec2-4模型复杂度.mp4 57.4MB
│├─55-1.7 word2vec2-5实验结果.mp4 164.2MB
│├─56-1.8 word2vec3-1代码部分上.mp4 240.5MB
│├─57-1.9 word2vec3-2代码部分下.mp4 264.1MB
│├─58-1.1- BiLSTM-CRF-论文研究背景.mp4 130MB
│├─59-1.2- BiLSTM-CRF-论文算法总览.mp4 92.2MB
│├─60-1.3-BiLSTM-CRF模型结构.mp4 73.2MB
│├─61-1.4-BiLSTM-CRF损失函数与维特比解码.mp4 56.3MB
│├─62-1.5- BiLSTM-CRF-实验结果与论文总结.mp4 35.2MB
│├─63-1.6- BiLSTM-CRF代码讲解.mp4 180.9MB
│├─64-1.7- BiLSTM-CRF-NCR-Fpp代码详解.mp4 155.8MB
│├─65-01DSSM-00专题引言.mp4 34.4MB
│├─66-01DSSM-01-学习目标..mp4 9.8MB
│├─67-01DSSM-02-论文背景-贡献及意义.mp4 21.7MB
│├─68-01DSSM-03摘要精读-总结.mp4 15.8MB
│├─69-01DSSM-04-上节回顾.mp4 12.4MB
│├─70-01DSSM-05-词哈希.mp4 27.4MB
│├─71-01DSSM-06-DSSM整体结构.mp4 13MB
│├─72-01DSSM-07-优化函数-实验与总结.mp4 20.3MB
│├─73-01DSSM-08-代码总览.mp4 22.3MB
│├─74-01DSSM-09-词哈希表的建立与数据载入.mp4 47MB
│├─75-01DSSM-10-模型的搭建与训练-测试.mp4 36.9MB
17-【论文】baseline基础篇目——CV/
│├─02-1.1 CRNN-泛读-背景论文.mp4 239.7MB
│├─03-1.2 CRNN-泛读-研究成果及意义.mp4 79.3MB
│├─04-1.3 CRNN-泛读-LSTM-CTC-Beam Search-论文泛读.mp4 134.2MB
│├─05-1.4 CRNN-精读-原有模型.mp4 38MB
│├─07-1.6 CRNN-精读-论文细节二三四.mp4 98.3MB
│├─08-1.7 CRNN-精读-实验结果及总结.mp4 40.1MB
│├─09-1.8 CRNN-code1.mp4 71.6MB
│├─10-1.9 CRNN-code2.mp4 75.5MB
│├─11-1.10 CRNN-code3.mp4 76.3MB
│├─12-1.11 CRNN-code4.mp4 26.2MB
│├─13-1.12 CRNN-code5.mp4 29MB
│├─14-YOLO-01-发展历史和YOLO v1.mp4 79.2MB
│├─15-YOLO-02-YOLO v2.mp4.mp4 112.1MB
│├─16-YOLO-03-YOLO v3_2.mp4.mp4 117.6MB
│├─17-YOLO-04-代码复现.mp4 45.5MB
│├─18-YOLO-05-数据预处理和网络结构代码讲解.mp4.mp4 290.8MB
│├─19-YOLO-06-训练和检测代码讲解.mp4 45.2MB
│├─20-03{white}Faster{white}R-CNN-01-论文泛读_RCNN演变.mp4 197.2MB
│├─21-03 Faster R-CNN-02-论文泛读_摘要和网络结构.mp4 291.9MB
│├─22-03 Faster R-CNN-03-精读_结构总览.mp4.mp4 189.8MB
│├─23-03 Faster R-CNN-04-精读Paper_背景介绍.mp4.mp4 216MB
│├─24-03 Faster R-CNN-05-精读Paper_RPN与rpn_loss.mp4.mp4 536MB
│├─25-03 Faster R-CNN-06-精读Paper_RPN训练.mp4.mp4 317.9MB
│├─26-03 Faster R-CNN-07-精读Paper_实验和结论.MP4.mp4 459.8MB
│├─27-03 Faster R-CNN-08-精读PPT_Anchor和RPN.mp4.mp4 231.2MB
│├─28-03 Faster R-CNN-09-精读PPT_网络细节.mp4 102.3MB
│├─29-03 Faster R-CNN-10-代码讲解_训练VOC数据集.mp4 211.1MB
│├─30-03 Faster R-CNN-11-代码讲解_backbone网络讲解.mp4 378.8MB
│├─31-03 Faster R-CNN-12-代码讲解_RPN.mp4 48MB
│├─32-03 Faster R-CNN-13-代码讲解_数据和标签的同步处理(Dataset类).mp4 287.5MB
│├─33-03 Faster R-CNN-14代码讲解_建议框的生成(Proposal layer).mp4 154.3MB
│├─34-03 Faster R-CNN-15-代码讲解_Anchor box的生成和正负样本的划分.mp4 380.3MB
│├─35-01GAN-01-论文摘要.mp4 147.7MB
│├─36-01GAN-02-论文背景.mp4 59.7MB
│├─37-01GAN-03-论文泛读.mp4 198.4MB
│├─38-01GAN-04-价值函数.mp4 86.4MB
│├─39-01GAN-05-训练流程&理论证明1.mp4 75.7MB
│├─40-01GAN-06-理论证明2&实验结果&总结展望.mp4 115.9MB
│├─41-01GAN-07-代码分析综述.mp4 131.8MB
│├─42-01GAN-08-代码分析精讲.mp4 194.7MB
│├─43-01mobileNet-01-背景介绍.mp4 51.8MB
│├─44-01mobileNet-02-论文结构&摘要精读.mp4 143.8MB
│├─45-01mobileNet-03-主体架构&深度可分离卷积.mp4 187.3MB
│├─46-01MobileNet-04-超参数.mp4 128.3MB
│├─47-01mobileNet-05-后续创新及改进.mp4 119.4MB
│├─49-01MobileNets-07-模型设计.mp4 88.3MB
│├─50-01MobileNets-08-模型评估.mp4 150.8MB
│├─51-01FCN-01-语意分割简介.mp4 60.3MB
│├─52-01FCN-02常用数据集-指标-研究成果..mp4 66.1MB
│├─53-01FCN-03-论文摘要精读..mp4 202.5MB
│├─54-01FCN-04-论文引言-全局信息及部分信息.mp4 114.8MB
│├─55-01FCN-05-感受域&平移不变性.mp4 112.5MB
│├─56-01FCN-06-经典算法&本文算法-上采样.mp4 57.4MB
│├─57-01FCN-07-算法架构..mp4 103.2MB
│├─58-01FCN-08-训练技巧&实验结果及分析..mp4 119.3MB
│├─59-01FCN-09-讨论&总结.mp4 28.2MB
│├─60-01FCN-10-代码实现.mp4 63.7MB
│├─61-01FCN-11-数据预处理..mp4 138.4MB
│├─62-01FCN-12-模型搭建.mp4 155.8MB
│├─63-01FCN-13-训练-验证&预测函数搭建..mp4 104.2MB
│├─64-01FCN-14-损失函数.mp4 95.1MB
│├─65-01FCN-15-指标计算.mp4 130.9MB
│├─66-01AlexNet-01-研究背景.mp4 155.8MB
│├─67-01AlexNet-02- 研究成果意义.mp4 24MB
│├─68-01AlexNet-03-论文结构.mp4 81.1MB
│├─69-01AlexNet-04-结构.mp4 71.6MB
│├─70-01AlexNet-05网络结构特点.mp4 226.1MB
│├─71-01AlexNet-06-训练技巧.mp4 78.9MB
│├─72-01AlexNet-07实验结果及分析.mp4 95.7MB
│├─73-01AlexNet-08-论文总结.mp4 52.2MB
│├─74-01AlexNet-09-准备工作&代码结构.mp4 93.6MB
│├─75-01AlexNet-10-代码结构.mp4 196.1MB
│├─76-01AlexNet-11-代码结构.mp4 83.1MB
│├─77-01AlexNet-12- 代码结构4&训练方法.mp4 421.7MB
│├─78-1.1 特征脸识别-人脸识别背景介绍.mp4 109MB
│├─79-1.2 特征脸识别-论文研究背景成果以及意义.mp4 78.7MB
│├─80-1.3 特征脸识别-论文泛读摘要部分.mp4 131.9MB
│├─81-1.4 特征脸识别-论文泛读介绍部分.mp4 81.4MB
│├─82-1.5 特征脸识别-论文泛读相关工作部分.mp4 100.5MB
│├─83-1.6 特征脸识别-论文精读PCA补充.mp4 133.7MB
│├─84-1.7 特征脸识别-论文精读特征脸计算上.mp4 245.6MB
│├─85-1.8 特征脸识别-论文精读特征脸计算中.mp4 162.8MB
│├─86-1.9 特征脸识别-论文精读特征脸计算下.mp4 267.5MB
│├─87-1.10 特征脸识别-代码讲解pca计算.mp4 118.1MB
│├─88-1.11 特征脸识别-代码讲解特征提取以及人脸重构.mp4 78.6MB
│├─89-1.12 特征脸识别-代码讲解人脸分类之最短距离方法.mp4 77.8MB
│├─90-1.13 特征脸识别-代码讲解人脸分类之SVM方法.mp4 68.6MB
│├─91-1.14 特征脸识别-代码讲解人脸分类之神经网络方法.mp4 153.8MB
│├─92-1.15 特征脸识别-论文总结.mp4 28.7MB
18-【NLP经典大赛】数据科学： 疫情期间网民情绪识别赛/
│├─01-打造舒适的AI开发环境.mp4 100.8MB
│├─02-【01课】赛题详解.mp4 156.4MB
│├─03-【02课】比赛专题讲解.mp4 125.3MB
│├─04-【03课】模型调参和文本增强比赛专题讲解.mp4 121.7MB
│├─05-【04课】比赛思路进阶专题讲解.mp4 99.2MB
│├─06-【05课】比赛思路全复盘（纯干货）.mp4 126.6MB
19-面试刷题班/
│├─04-开营仪式—老师部分.mp4 81.3MB
│├─05-【了解机器学习中的特征工程和模型评估】P1快速排序.mp4 35.4MB
│├─06-【了解机器学习中的特征工程和模型评估】P2堆排序.mp4 34.9MB
│├─07-【了解机器学习中的特征工程和模型评估】P3滑动窗口.mp4 25.2MB
│├─08-【了解机器学习中的特征工程和模型评估】P4双指针.mp4 27.9MB
│├─09-【了解监督学习中的经典算法】P1逻辑回归.mp4 32.7MB
│├─10-【了解监督学习中的经典算法】P2决策树.mp4 41.3MB
│├─12-【学习支持向量机】P1几个重要的概念.mp4 22.2MB
│├─13-【学习支持向量机】P2svm最优化问题.mp4 39.2MB
│├─14-【学习支持向量机】P3硬间隔SVM最优化问题的推导.mp4 96.9MB
│├─15-【学习支持向量机】P4线性可分SVM.mp4 66MB
│├─16-【学习支持向量机】P5核函数.mp4 77.8MB
│├─17-【学习支持向量机】P6smo算法.mp4 129.7MB
│├─18-【数据结构和算法】P1KMP算法.mp4 76.6MB
│├─19-【数据结构和算法】P2二分搜索.mp4 67MB
│├─20-【数据结构和算法】P3哈希表.mp4 34.2MB
│├─21-【了解机器学习中如何降维处理】PCA和LDA.mp4 67.5MB
│├─23-【了解机器学习中的非监督学习算法】K-means.mp4 55.1MB
│├─24-【数据结构和算法】P1虚拟头结点.mp4 78.5MB
│├─25-【数据结构和算法】P2链表中环的入口结点.mp4 78.5MB
│├─26-【数据结构和算法】P3删除链表中重复的结点.mp4 38.3MB
│├─27-【数据结构和算法】P4栈，队列.mp4 53.2MB
│├─28-【机器学习中的概率图模型】P1hmm的引出和问题的介绍.mp4 35.7MB
│├─29-【机器学习中的概率图模型】P2HMM预测问题之维特比算法.mp4 125.4MB
│├─30-【机器学习中的概率图模型】P3crf的一些基础概念.mp4 81.5MB
│├─31-【机器学习中的概率图模型】P4crf具体介绍.mp4 101.9MB
│├─33-【数据结构和算法】P1DFS和BFS.mp4 38.7MB
│├─34-【数据结构和算法】P2最短路径.mp4 35.7MB
│├─35-【数据结构和算法】P3最小生成树.mp4 32.4MB
│├─36-【数据结构和算法】P4二叉树的遍历.mp4 27.8MB
│├─37-【数据结构和算法】P4二叉搜索树和平衡二叉树.mp4 81.7MB
│├─38-【前向神经网络】P1网络图和激活函数.mp4 27MB
│├─39-【前向神经网络】P2前向传播.mp4 49.2MB
│├─40-【前向神经网络】P3损失函数选用.mp4 26MB
│├─41-【前向神经网络】P4反向传播1.mp4 79MB
│├─42-【前向神经网络】P5反向传播2.mp4 57.3MB
│├─43-【了解序列数据中常用的循环神经网络】P1RNN.mp4 22.5MB
│├─44-【了解序列数据中常用的循环神经网络】P2GRU和LSTM.mp4 11.6MB
│├─46-【集成学习的原理和常见的集成学习】P1提升树算法.mp4 25.7MB
│├─47-【集成学习的原理和常见的集成学习】P2梯度提升树算法.mp4 26.2MB
│├─48-【集成学习的原理和常见的集成学习】P3二分类问题.mp4 37.5MB
│├─49-【集成学习的原理和常见的集成学习】P4多分类问题和回归问题.mp4 11.7MB
│├─50-【数据结构和算法】01背包问题.mp4 47.1MB
│├─51-【数据结构和算法】什么是动态规划(leetcode 70题).mp4 18.3MB
│├─52-【数据结构和算法】回溯法(机器人的运动范围).mp4 66.3MB
│├─53-【数据结构和算法】什么是递归(斐波那契额数列-跳台阶-变态跳台阶).mp4 38.5MB
│├─54-【数据结构和算法】leetcode416（01背包实例）.mp4 36.4MB
│├─55-【数据结构和算法】最长公共子序列(leetcode 1143题).mp4 27.3MB
│├─56-【数据结构和算法】最长上升子序列(leetcode 300题).mp4 24.1MB
│├─57-【xgboost的原理以及常见面试题】P1xgboost的一些预备知识.mp4 20.5MB
│├─58-【xgboost的原理以及常见面试题】P2结构分.mp4 26.8MB
│├─59-【xgboost的原理以及常见面试题】P3贪心算法寻找分裂点.mp4 33.8MB
│├─60-【xgboost的原理以及常见面试题】P4近似算法和加权分桶.mp4 45.6MB
│├─61-【xgboost的原理以及常见面试题】P5缺失值处理算法.mp4 20MB
│├─62-【xgboost的原理以及常见面试题】P6其他优化.mp4 11.1MB
│├─64-【了解优化算法的原理】P1深度学习中的优化问题.mp4 19MB
│├─65-【了解优化算法的原理】P2梯度下降简单的数学原理.mp4 23.2MB
│├─66-【了解优化算法的原理】P3随机梯度下降和小批量随机梯度下降.mp4 10.4MB
│├─67-【了解优化算法的原理】P4动量法.mp4 29.4MB
│├─68-【了解优化算法的原理】P5常见的一些改进的优化算法.mp4 34.3MB
│├─69-【了解常见的采样方法-作用-具体实现，以及应用】P1蒙塔卡罗模拟定积分和重要性采样.mp4 32.7MB
│├─70-【了解常见的采样方法-作用-具体实现，以及应用】P2.mp4 22.9MB
│├─71-【了解常见的采样方法-作用-具体实现，以及应用】P3.mp4 54.7MB
│├─72-【了解常见的采样方法-作用-具体实现，以及应用】P4.mp4 19.6MB
│├─74-面试刷题班 8月5日直播答疑.mp4 355.3MB
│├─76-面试刷题班 8月9日直播答疑.mp4 357.1MB
│├─78-面试刷题班 8月15日直播答疑.mp4 407.9MB
│├─80-面试刷题班 8月22日直播答疑.mp4 151.5MB
20-05 NLP基础知识/
│├─02-1-1 前言..mp4 181.9MB
│├─03-1-2 研究方向概述..mp4 142.6MB
│├─04-2-1 预备知识..mp4 82.8MB
│├─05-2-2 NLP问题中的特征..mp4 85.1MB
│├─06-2-3 特征输入..mp4 152.2MB
│├─07-2-4 文本的向量化表示与案例实现..mp4 120.6MB
│├─08-3-1 统计语言模型简介与案例实现..mp4 279.3MB
│├─09-3-2 语言模型任务评估..mp4 106.6MB
│├─10-3-3 神经语言模型简介与代码实现..mp4 340.9MB
│├─11-3-4 预训练的词表示及其使用实例..mp4 143.4MB
│├─12-4-1 word2vec原理..mp4 159.8MB
│├─13-4-2 word2vec代码复现..mp4 409.4MB
│├─14-4-3 word2vec项目实战展示..mp4 213.5MB
│├─15-4-4 BERT使用实战讲解..mp4 247.8MB
│├─16-4-5 MLP模型与实战..mp4 204.3MB
│├─17-4-6 RNN模型原理-代码复现与实战..mp4 339.9MB
│├─18-5-1 HMM序列标注..mp4 71MB
│├─19-5-2 HMM模型简介..mp4 130.7MB
│├─20-5-3 HMM样本生成..mp4 166.8MB
│├─21-5-4 HMM训练..mp4 90.6MB
│├─22-5-5 HMM预测..mp4 127.2MB
│├─23-5-6 HMM代码实现..mp4 287.9MB
代码资料汇总/
│├─02代码资料汇总
│02代码资料汇总/
││├─02线性回归
││├─03逻辑回归
││├─04决策树
││├─05朴素贝叶斯
││├─06支持向量机
││├─07聚类
││├─08主成分分析
││├─09集成学习
││├─10案例
││02线性回归/
│││├─代码
│││├─代码.zip 772.3KB
│││代码/
││││├─02线性回归
││││02线性回归/
│││││├─.ipynb_checkpoints
│││││├─02-03-梯度下降法代码实现(上课版) .ipynb 1.9KB
│││││├─02-03-梯度下降法代码实现(答案版).ipynb 16.2KB
│││││├─02-03-梯度下降法代码实现(练习版) .ipynb 16.2KB
│││││├─02-05-线性回归代码实现(上课版) .ipynb 26.2KB
│││││├─02-05-线性回归代码实现(答案版).ipynb 26.1KB
│││││├─02-07-常见的模型评价指标(上课版).ipynb 32.4KB
│││││├─02-07-常见的模型评价指标(答案版).ipynb 35.4KB
│││││├─02-10-Ridge回归求解与代码实现(上课版).ipynb 27.1KB
│││││├─02-10-Ridge回归求解与代码实现(答案版).ipynb 25.7KB
│││││├─02-10-Ridge回归求解与代码实现(练习版).ipynb 27.1KB
│││││├─02-13-LASSO回归代码实现(上课版) .ipynb 14.3KB
│││││├─02-13-LASSO回归代码实现(答案版).ipynb 14.1KB
│││││├─02-13-LASSO回归代码实现(练习版) .ipynb 14.2KB
│││││├─02-15-最小二乘法代码实现(上课版).ipynb 13.7KB
│││││├─02-15-最小二乘法代码实现(答案版).ipynb 13.7KB
│││││├─02-15-最小二乘法代码实现(练习版).ipynb 12.7KB
│││││├─02-16-使用Sklearn实现Ridge，LASSO和ElasticNet(上课版).ipynb 50.9KB
│││││├─02-16-使用Sklearn实现Ridge，LASSO和ElasticNet(答案版).ipynb 51KB
│││││├─02-16-使用Sklearn实现Ridge，LASSO和ElasticNet(练习版).ipynb 38.6KB
│││││├─02-17-波士顿房价预测(上课版) .ipynb 62.8KB
│││││├─02-17-波士顿房价预测(答案版).ipynb 62.6KB
│││││├─data
│││││├─house_train_model.m 651byte
│││││├─images
│││││.ipynb_checkpoints/
││││││├─02-03-梯度下降法代码实现(上课版) -checkpoint.ipynb 1.8KB
││││││├─02-03-梯度下降法代码实现(答案版)-checkpoint.ipynb 16.2KB
││││││├─02-03-梯度下降法代码实现(练习版) -checkpoint.ipynb 16.2KB
││││││├─02-05-线性回归代码实现(上课版) -checkpoint.ipynb 25.2KB
││││││├─02-05-线性回归代码实现(答案版)-checkpoint.ipynb 26.1KB
││││││├─02-07-常见的模型评价指标(上课版)-checkpoint.ipynb 27.5KB
││││││├─02-07-常见的模型评价指标(答案版)-checkpoint.ipynb 28.8KB
││││││├─02-10-Ridge回归求解与代码实现(上课版)-checkpoint.ipynb 27.1KB
││││││├─02-10-Ridge回归求解与代码实现(答案版)-checkpoint.ipynb 27.4KB
││││││├─02-10-Ridge回归求解与代码实现(练习版)-checkpoint.ipynb 27.1KB
││││││├─02-10-Ridge回归求解与代码实现-checkpoint.ipynb 26.2KB
││││││├─02-12-LASSO回归代码实现(上课版) -checkpoint.ipynb 14.2KB
││││││├─02-12-LASSO回归代码实现(答案版) -checkpoint.ipynb 14.2KB
││││││├─02-13-使用Sklearn实现Ridge，LASSO和ElasticNet-checkpoint.ipynb 51KB
││││││├─02-15-最小二乘法代码实现(上课版)-checkpoint.ipynb 12.7KB
││││││├─02-15-最小二乘法代码实现(答案版)-checkpoint.ipynb 13.7KB
││││││├─02-15-最小二乘法代码实现(练习版)-checkpoint.ipynb 12.7KB
││││││├─02-16-使用Sklearn实现Ridge，LASSO和ElasticNet(上课版)-checkpoint.ipynb 50.9KB
││││││├─02-16-使用Sklearn实现Ridge，LASSO和ElasticNet(练习版)-checkpoint.ipynb 38.6KB
││││││├─02-16-波士顿房价预测-checkpoint.ipynb 57.3KB
││││││├─02-17-波士顿房价预测(上课版) -checkpoint.ipynb 6.1KB
││││││├─02-17-波士顿房价预测-checkpoint.ipynb 62.6KB
││││││├─Untitled-checkpoint.ipynb 72byte
│││││data/
││││││├─boston.xls 98KB
││││││├─data1.txt 1.3KB
││││││├─data2.txt 657byte
│││││images/
││││││├─01.png 8.5KB
││││││├─02.png 8.7KB
││││││├─03.png 8.2KB
││││││├─04.png 6.7KB
││││││├─05.png 7KB
││││││├─06.png 5.2KB
││││││├─07.png 9.5KB
││││││├─08.png 11.2KB
││││││├─09.png 13.8KB
││││││├─10.png 2.6KB
││03逻辑回归/
│││├─.ipynb_checkpoints
│││├─03-04-逻辑回归代码实现(上课版) .ipynb 56.4KB
│││├─03-04-逻辑回归代码实现(答案版).ipynb 52.9KB
│││├─03-04-逻辑回归代码实现(练习版) .ipynb 52.4KB
│││├─03-05-逻辑回归正则化代码实现(上课版).ipynb 55.6KB
│││├─03-05-逻辑回归正则化代码实现(答案版).ipynb 55.5KB
│││├─03-05-逻辑回归正则化代码实现(练习版).ipynb 55.5KB
│││├─03-07-使用Sklearn实现逻辑回归(答案版).ipynb 35.5KB
│││├─03-07-使用Sklearn实现逻辑回归(练习版).ipynb 35.6KB
│││├─03-08-案例：鸢尾花分类(上课版).ipynb 43.8KB
│││├─03-08-案例：鸢尾花分类(答案版).ipynb 44.3KB
│││├─03-09-案例：手写数字识别(上课版).ipynb 57.1KB
│││├─03-09-案例：手写数字识别(答案版).ipynb 55.8KB
│││├─03-09-案例：手写数字识别(练习版).ipynb 3.7KB
│││├─__pycache__
│││├─data
│││├─images
│││├─tool
│││.ipynb_checkpoints/
││││├─03-04-逻辑回归代码实现(上课版) -checkpoint.ipynb 6KB
││││├─03-04-逻辑回归代码实现(答案版)-checkpoint.ipynb 52.9KB
││││├─03-04-逻辑回归代码实现(练习版) -checkpoint.ipynb 52.4KB
││││├─03-05-逻辑回归正则化代码实现(上课版)-checkpoint.ipynb 55.6KB
││││├─03-05-逻辑回归正则化代码实现(答案版)-checkpoint.ipynb 55.5KB
││││├─03-05-逻辑回归正则化代码实现(练习版)-checkpoint.ipynb 55.5KB
││││├─03-07-使用Sklearn实现逻辑回归(答案版)-checkpoint.ipynb 35.5KB
││││├─03-07-使用Sklearn实现逻辑回归(练习版)-checkpoint.ipynb 35.6KB
││││├─03-08-案例：鸢尾花分类(答案版)-checkpoint.ipynb 5.4KB
││││├─03-08-案例：鸢尾花分类-checkpoint.ipynb 43.8KB
││││├─03-09-案例：手写数字识别(上课版)-checkpoint.ipynb 4.3KB
││││├─03-09-案例：手写数字识别(练习版)-checkpoint.ipynb 3.7KB
││││├─03-09-案例：手写数字识别-checkpoint.ipynb 55.9KB
││││├─Untitled-checkpoint.ipynb 55.8KB
│││__pycache__/
││││├─Read_Minist_Tool.cpython-36.pyc 5KB
│││data/
││││├─data1.txt 3.7KB
││││├─minist
││││minist/
│││││├─t10k-images.idx3-ubyte 7.5MB
│││││├─t10k-labels.idx1-ubyte 9.8KB
│││││├─train-images.idx3-ubyte 44.9MB
│││││├─train-labels.idx1-ubyte 58.6KB
│││images/
││││├─01.png 3.6KB
││││├─02.png 7.3KB
││││├─03.png 4.9KB
││││├─04.png 8.8KB
││││├─05.png 11.8KB
││││├─06.png 10KB
│││tool/
││││├─Read_Minist_Tool.py 6.3KB
││││├─__pycache__
││││__pycache__/
│││││├─Read_Minist_Tool.cpython-36.pyc 5KB
││04决策树/
│││├─代码.rar 165.3KB
││05朴素贝叶斯/
│││├─代码.zip 119.2KB
││06支持向量机/
│││├─代码.rar 1.3MB
││07聚类/
│││├─代码.rar 242.9KB
││08主成分分析/
│││├─代码.rar 667.9KB
││09集成学习/
│││├─代码.rar 270.6KB
││10案例/
│││├─case1 银行营销策略分析
│││├─case2 信用卡反欺诈模型
│││case1 银行营销策略分析/
││││├─代码
││││代码/
│││││├─.ipynb_checkpoints
│││││├─case1 银行营销策略分析.ipynb 420.5KB
│││││├─data
│││││.ipynb_checkpoints/
││││││├─Untitled-checkpoint.ipynb 72byte
││││││├─case1 银行营销策略分析-checkpoint.ipynb 546.1KB
│││││data/
││││││├─bank-full.csv 4.4MB
││││││├─bank-names.txt 3.8KB
││││││├─bank.csv 450.7KB
││││││├─bank.zip 565.5KB
│││case2 信用卡反欺诈模型/
││││├─代码
││││代码/
│││││├─.ipynb_checkpoints
│││││├─Resample.ipynb 283.9KB
│││││├─case 2 信用卡反欺诈模型.ipynb 53.5KB
│││││├─data
│││││├─images
│││││.ipynb_checkpoints/
││││││├─Resample-checkpoint.ipynb 283.2KB
││││││├─case 2 信用卡反欺诈模型-checkpoint.ipynb 53.5KB
││││││├─case 2-checkpoint.ipynb 114.5KB
││││││├─case 2原版-checkpoint.ipynb 53.2KB
│││││data/
││││││├─creditcard.csv 143.8MB
││││││├─creditcard.zip 63.3MB
│││││images/
││││││├─01.png 109.9KB
││││││├─02.png 50.6KB
课件合集PDF版本/
│├─01机器学习概述
│├─02线性回归
│├─03逻辑回归
│├─04决策树
│├─05朴素贝叶斯
│├─06支持向量机
│├─07聚类
│├─08主成分分析
│├─09集成学习
│01机器学习概述/
││├─01-01-机器学习概述.pdf 2.4MB
│02线性回归/
││├─02-01-线性回归简介、数学符号、假设函数、损失函数、代价函数.pdf 3.3MB
││├─02-02-梯度下降法.pdf 3.2MB
││├─02-03-梯度下降法代码实现.pdf 3MB
││├─02-04-使用梯度下降法求解线性回归问题.pdf 3.2MB
││├─02-05-线性回归代码实现.pdf 1.8MB
││├─02-06-线性回归代码实现-做特征归一化.pdf 3MB
││├─02-07-批量梯度下降，随机梯度下降，小批量梯度下降.pdf 3.1MB
││├─02-08-几种常见的模型评价指标.pdf 3MB
││├─02-09-欠拟合与过拟合.pdf 1.9MB
││├─02-10-Ridge回归求解与代码实现.pdf 1.8MB
││├─02-11-LASSO回归求解.pdf 1.9MB
││├─02-12-LASSO回归求解举例说明.pdf 3.1MB
││├─02-13-LASSO回归代码实现.pdf 3MB
││├─02-14-最小二乘法求线性回归.pdf 3.1MB
││├─02-15-最小二乘法代码实现.pdf 3MB
││├─02-16-使用Sklearn实现Ridge，LASSO和ElasticNet.pdf 3.1MB
││├─02-17-波士顿房价预测.pdf 3.1MB
│03逻辑回归/
││├─03-01-逻辑回归简介、假设函数、损失函数、成本函数.pdf 3.4MB
││├─03-02-逻辑回归求解.pdf 3.6MB
││├─03-03-一个示例解释逻辑回归的求解公式.pdf 3.1MB
││├─03-04-逻辑回归代码实现.pdf 3MB
││├─03-05-逻辑回归的正则化.pdf 3MB
││├─03-06-逻辑回归实现多分类方法.pdf 3.3MB
││├─03-07-使用Sklearn实现逻辑回归.pdf 3MB
││├─03-08-案例：鸢尾花分类.pdf 3MB
││├─03-09-案例：手写数字识别.pdf 3.1MB
│04决策树/
││├─04-01-决策树简介、熵.pdf 1.9MB
││├─04-02-条件熵及计算举例.pdf 3.1MB
││├─04-03-信息增益、ID3算法.pdf 3.3MB
││├─04-04-决策树代码实现.pdf 3MB
││├─04-05-C4.pdf 3.1MB
││├─04-06-基尼指数(Gini Index)生成决策树.pdf 3.1MB
││├─04-07-决策树剪枝.pdf 3.1MB
││├─04-08-决策树处理连续值与缺失值.pdf 3.1MB
││├─04-09-多变量决策树.pdf 3.2MB
││├─04-10-Sklearn实现决策树.pdf 3MB
││├─04-11-案例：使用决策树进行个人信用风险评估.pdf 3.1MB
│05朴素贝叶斯/
││├─05-01-贝叶斯决策简介.pdf 3.2MB
││├─05-02-贝叶斯决策模型.pdf 3.2MB
││├─05-03-朴素贝叶斯模型.pdf 3.1MB
││├─05-04-朴素贝叶斯代码实现.pdf 3MB
││├─05-05-拉普拉斯修正及代码实现.pdf 3MB
││├─05-06-朴素贝叶斯如何处理连续型数据.pdf 3.1MB
││├─05-07-Sklearn实现朴素贝叶斯.pdf 3MB
││├─05-08-案例：垃圾邮件识别.pdf 3MB
│06支持向量机/
││├─06-01-支持向量机简介.pdf 3.1MB
││├─06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).pdf 3.5MB
││├─06-03-拉格朗日乘子法求带有等式约束的极值问题.pdf 3.2MB
││├─06-04-拉格朗日乘子法求带有不等式约束的极值问题、KKT条件.pdf 3.2MB
││├─06-05-目标函数求解(1.pdf 3.1MB
││├─06-06-目标函数求解(2.pdf 3.2MB
││├─06-07-SVM求解举例.pdf 3.3MB
││├─06-08-线性支持向量机的目标函数.pdf 1.7MB
││├─06-09-线性支持向量机目标函数优化.pdf 3.2MB
││├─06-10-非线性支持向量机简介.pdf 3.5MB
││├─06-11-非线性支持向量机的目标函数.pdf 3MB
││├─06-12-SMO算法推导结果.pdf 3.1MB
││├─06-13-SVM代码实现.pdf 3MB
││├─06-14-SMO算法推导过程.pdf 3.5MB
││├─06-15-SVM总结.pdf 3.2MB
││├─06-16-Sklearn实现SVM.pdf 3MB
││├─06-17-案例：使用SVM完成人脸识别.pdf 3MB
│07聚类/
││├─07-01-K-means基本原理及推导.pdf 3.2MB
││├─07-02-K-means中距离计算方法.pdf 3.1MB
││├─07-03-K-means代码实现.pdf 1.7MB
││├─07-04-层次聚类原理及距离计算.pdf 3.3MB
││├─07-05-层次聚类举例.pdf 3MB
││├─07-06-Sklearn实现层次聚类.pdf 3MB
││├─07-07-密度聚类.pdf 3.1MB
││├─07-08-Sklearn实现密度聚类.pdf 3MB
││├─07-09-高斯混合模型介绍.pdf 3.2MB
││├─07-10-高斯混合模型参数估计.pdf 3MB
││├─07-11-高斯混合模型代码实现.pdf 3MB
││├─07-12-案例：对亚洲足球队进行聚类分析.pdf 3MB
│08主成分分析/
││├─08-01-主成分分析介绍.pdf 3.1MB
││├─08-02-协方差矩阵的特征值分解算法.pdf 3.1MB
││├─08-03-协方差矩阵的特征值分解算法代码实现.pdf 3MB
││├─08-04-基于数据矩阵的奇异值分解算法.pdf 3MB
││├─08-05-基于数据矩阵的奇异值分解算法代码实现.pdf 3MB
││├─08-06-Sklearn实现PCA.pdf 3.1MB
││├─08-07-案例：PCA实现照片压缩.pdf 3MB
│09集成学习/
││├─09-01-集成学习介绍.pdf 3MB
││├─09-02-Voting能够提高准确度的原因.pdf 3MB
││├─09-03-Voting原理.pdf 3MB
││├─09-04-Voting代码实现.pdf 3MB
││├─09-05-Bagging与随机森林及其代码实现.pdf 3MB
││├─09-06-Boosting.pdf 3MB
││├─09-07-Adaboost举例.pdf 1.9MB
││├─09-08-AdaBoost代码实现.pdf 3MB
││├─09-09-GBDT之提升和提升树概念.pdf 3MB
││├─09-10-GBDT梯度提升树.pdf 3MB
││├─09-11-XGBoost介绍，目标函数，正则项.pdf 3.6MB
││├─09-12-XGBoost求解.pdf 3.1MB
││├─09-13-XGBoost树结构生成.pdf 3.3MB
││├─09-14-XGBoost代码实现.pdf 3MB
││├─09-15-Stacking.pdf 3.3MB
││├─09-16-Stacking 代码实现.pdf 3MB