课程介绍

不多介绍,看下面目录

课程目录

/14-115-唐宇迪视频37门课程合集/
│├─01、python数据分析与机器学习实战
│├─02、深度学习入门视频课程（上篇）
│├─03、深度学习入门视频课程（下篇）
│├─04、深度学习框架-Tensorflow案例实战视频课程
│├─05、深度学习框架-Caffe使用案例视频课程
│├─06、深度学习项目实战视频课程-人脸检测
│├─07、大数据-深度学习项目实战-关键点定位视频教程
│├─08、Python数据分析(机器学习)经典案例
│├─09、决胜AI-强化学习实战系列视频课程
│├─10、Tensorflow项目实战视频课程-文本分类
│├─11、深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程
│├─12、深度学习项目实战视频课程-Seq2Seq序列生模型
│├─13、深度学习顶级论文算法详解视频课程
│├─14、自然语言处理word2vec
│├─15、深度学习项目实战视频课程-StyleTransfer(基于Tensorflow)
│├─16、机器学习-对抗生成网络
│├─17､ 机器学习-推荐系统
│├─18、TensorFlow-图像处理
│├─19、Tensorflow-自然语言处理
│├─20、Tensorflow-物体检测-Faster-Rcnn
│├─21、数据科学人工智能-必备数学基础
│├─22、NLP-文本相似度
│├─23、深度学习30天系统实训-非加密
│├─24、python-机器学习-进阶实战
│├─25、Python Kaggle竞赛案例实战
│├─26、LSTM行为识别
│├─27、问答机器人
│├─28、OpenCV计算机视觉图像识别深度学习实战
│├─29、python3数据分析与挖掘实战
│├─30、量化交易课程
│├─31、数据挖掘课程
│├─32、OpenCV+TensorFlow 入门人工智能图像处理
│├─33、OpenCV计算机视觉实战(Python版)
│├─34 大数据 Python数据分析处理库-pandas实战视频课程
│├─35 大数据 Python科学计算库-Numpy实战视频课程
│├─36 大数据——Python数据可视化-Matplotlib实战视频课程
│├─37.2024Ai必会Agent(应用解读+项目实战)
│├─37、2024 抖音唐宇迪AI Agent合并版

详细目录

01、python数据分析与机器学习实战/
│├─视频课程
│视频课程/
││├─01人工智能入门指南（有基础的同学请略过！）
││├─02Python科学计算库-Numpy
││├─03python数据分析处理库-Pandas
││├─04Python数据可视化库-Matplotlib
││├─05Python可视化库Seaborn
││├─06线性回归算法原理推导
││├─07梯度下降策略
││├─08逻辑回归算法
││├─09案例实战：Python实现逻辑回归与梯度下降策略
││├─10项目实战-交易数据异常检测
││├─11决策树算法
││├─12案例实战：使用sklearn构造决策树模型
││├─13集成算法与随机森林
││├─14案例实战：泰坦尼克获救预测
││├─15贝叶斯算法
││├─16Python文本数据分析：新闻分类任务
││├─17支持向量机
││├─18案例：SVM调参实例
││├─19聚类算法-Kmeans
││├─20聚类算法-DBSCAN
││├─21案例实战：聚类实践
││├─22降维算法-PCA主成分分析
││├─23神经网络
││├─24Xgboost集成算法
││├─25自然语言处理词向量模型-Word2Vec
││├─26使用Gensim库构造中文维基百度数据词向量模型
││├─27scikit-learn模型建立与评估
││├─28Python库分析科比生涯数据
││├─29Python时间序列分析
││├─30机器学习项目实战-贷款申请最大化利润
││├─31机器学习项目实战-用户流失预警
││├─32探索性数据分析-足球赛事数据集
││├─33探索性数据分析-农粮组织数据集
││├─34机器学习项目实战-HTTP日志聚类分析
││01人工智能入门指南（有基础的同学请略过！）/
│││├─课时1课程介绍（主题与大纲.flv 75.2MB
│││├─课时2AI时代首选Python.flv 20MB
│││├─课时3Python我该怎么学.flv 10.5MB
│││├─课时4人工智能的核心-机器学习.flv 21.8MB
│││├─课时5机器学习怎么学？.mp4 26.6MB
│││├─课时6算法推导与案例.mp4 27.4MB
││02Python科学计算库-Numpy/
│││├─课时10Numpy基础结构.mp4 38.5MB
│││├─课时11Numpy矩阵基础.mp4 24MB
│││├─课时12Numpy常用函数.mp4 49.6MB
│││├─课时13矩阵常用操作.mp4 37MB
│││├─课时14不同复制操作对比.mp4 38.2MB
│││├─课时7使用Anaconda安装python环境（Python新手先看这个）.flv 102.9MB
│││├─课时9科学计算库Numpy.mp4 48.7MB
││03python数据分析处理库-Pandas/
│││├─课时15Pandas数据读取.mp4 72.8MB
│││├─课时16Pandas索引与计算.mp4 56.5MB
│││├─课时17Pandas数据预处理实例.mp4 58MB
│││├─课时18Pandas常用预处理方法.mp4 43.9MB
│││├─课时19Pandas自定义函数.mp4 41.1MB
│││├─课时20Series结构.mp4 84.3MB
││04Python数据可视化库-Matplotlib/
│││├─课时21折线图绘制.mp4 43.4MB
│││├─课时22子图操作.mp4 69.7MB
│││├─课时23条形图与散点图.mp4 59.7MB
│││├─课时24柱形图与盒图.mp4 49.2MB
│││├─课时25细节设置.mp4 50MB
││05Python可视化库Seaborn/
│││├─课时26Seaborn简介.mp4 9.7MB
│││├─课时27整体布局风格设置.mp4 47.8MB
│││├─课时28风格细节设置.mp4 50.7MB
│││├─课时29调色板.mp4 39MB
│││├─课时30调色板颜色设置.mp4 37.5MB
│││├─课时31单变量分析绘图.mp4 47.8MB
│││├─课时32回归分析绘图.mp4 51.2MB
│││├─课时33多变量分析绘图.mp4 46.5MB
│││├─课时34分类属性绘图.mp4 51MB
│││├─课时35Facetgrid使用方法.mp4 35.2MB
│││├─课时36Facetgrid绘制多变量.mp4 54.6MB
│││├─课时37热度图绘制.mp4 76.2MB
││06线性回归算法原理推导/
│││├─课时38线性回归算法概述.mp4 39.7MB
│││├─课时39误差项分析.mp4 34.4MB
│││├─课时40似然函数求解.mp4 24.9MB
│││├─课时41目标函数推导.mp4 25.8MB
│││├─课时42线性回归求解.mp4 30.3MB
││07梯度下降策略/
│││├─课时43梯度下降原理.mp4 37MB
│││├─课时44梯度下降方法对比.mp4 22.3MB
│││├─课时45学习率对结果的影响.mp4 17.4MB
││08逻辑回归算法/
│││├─课时46逻辑回归算法原理推导.mp4 31.3MB
│││├─课时47逻辑回归求解.mp4 44.5MB
││09案例实战：Python实现逻辑回归与梯度下降策略/
│││├─课时48Python实现逻辑回归任务概述.mp4 33.2MB
│││├─课时49完成梯度下降模块.mp4 56.3MB
│││├─课时50停止策略与梯度下降案例.mp4 51.8MB
│││├─课时51实验对比效果.mp4 66.6MB
││10项目实战-交易数据异常检测/
│││├─课时52案例背景和目标.mp4 38.8MB
│││├─课时53样本不均衡解决方案.mp4 47.3MB
│││├─课时54下采样策略.mp4 31.2MB
│││├─课时55交叉验证.mp4 44.5MB
│││├─课时56模型评估方法.mp4 41.9MB
│││├─课时57正则化惩罚.mp4 26.9MB
│││├─课时58逻辑回归模型.mp4 39.6MB
│││├─课时59混淆矩阵.mp4 52MB
│││├─课时60逻辑回归阈值对结果的影响.mp4 46.4MB
│││├─课时61SMOTE样本生成策略.mp4 104MB
││11决策树算法/
│││├─课时62决策树原理概述.mp4 34.9MB
│││├─课时63衡量标准-熵.mp4 35.2MB
│││├─课时64决策树构造实例.mp4 30.5MB
│││├─课时65信息增益率.mp4 16.6MB
│││├─课时66决策树剪枝策略.mp4 49.1MB
││12案例实战：使用sklearn构造决策树模型/
│││├─课时67决策树复习.mp4 27.2MB
│││├─课时68决策树涉及参数.mp4 80.1MB
│││├─课时69树可视化与sklearn库简介.mp4 164.3MB
│││├─课时70sklearn参数选择.mp4 59.2MB
││13集成算法与随机森林/
│││├─课时71集成算法-随机森林.mp4 35.3MB
│││├─课时72特征重要性衡量.mp4 34.6MB
│││├─课时73提升模型.mp4 33.5MB
│││├─课时74堆叠模型.mp4 19.6MB
││14案例实战：泰坦尼克获救预测/
│││├─课时75船员数据分析.mp4 48.1MB
│││├─课时76数据预处理.mp4 52.5MB
│││├─课时77使用回归算法进行预测.mp4 54.2MB
│││├─课时78使用随机森林改进模型.mp4 62.9MB
│││├─课时79随机森林特征重要性分析.mp4 71.4MB
││15贝叶斯算法/
│││├─课时80贝叶斯算法概述.mp4 19.2MB
│││├─课时81贝叶斯推导实例.mp4 20.7MB
│││├─课时82贝叶斯拼写纠错实例.mp4 30.9MB
│││├─课时83垃圾邮件过滤实例.mp4 38.9MB
│││├─课时84贝叶斯实现拼写检查器.mp4 84.1MB
││16Python文本数据分析：新闻分类任务/
│││├─课时85文本分析与关键词提取.mp4 33MB
│││├─课时86相似度计算.mp4 34.5MB
│││├─课时87新闻数据与任务简介.mp4 78.7MB
│││├─课时88TF-IDF关键词提取.mp4 117.6MB
│││├─课时89LDA建模.mp4 69.6MB
│││├─课时90基于贝叶斯算法进行新闻分类.mp4 124MB
││17支持向量机/
│││├─课时91支持向量机要解决的问题.mp4 27.2MB
│││├─课时92距离与数据的定义.mp4 28.2MB
│││├─课时93目标函数.mp4 27MB
│││├─课时94目标函数求解.mp4 29.9MB
│││├─课时95SVM求解实例.mp4 38.1MB
│││├─课时96支持向量的作用.mp4 32.9MB
│││├─课时97软间隔问题.mp4 17.9MB
│││├─课时98SVM核变换.mp4 62.9MB
││18案例：SVM调参实例/
│││├─课时100SVM参数选择.mp4 86.7MB
│││├─课时99sklearn求解支持向量机.mp4 62.8MB
││19聚类算法-Kmeans/
│││├─课时101KMEANS算法概述.mp4 32.3MB
│││├─课时102KMEANS工作流程.mp4 25.3MB
│││├─课时103KMEANS迭代可视化展示.mp4 54.5MB
│││├─课时104使用Kmeans进行图像压缩.mp4 33.5MB
││20聚类算法-DBSCAN/
│││├─课时105DBSCAN聚类算法.mp4 34.6MB
│││├─课时106DBSCAN工作流程.mp4 51.3MB
│││├─课时107DBSCAN可视化展示.mp4 54.3MB
││21案例实战：聚类实践/
│││├─课时108多种聚类算法概述.mp4 11.9MB
│││├─课时109聚类案例实战.mp4 134MB
││22降维算法-PCA主成分分析/
│││├─课时110PCA降维概述.mp4 21.9MB
│││├─课时111PCA要优化的目标.mp4 37.4MB
│││├─课时112PCA求解.mp4 32MB
│││├─课时113PCA实例.mp4 49.2MB
││23神经网络/
│││├─课时114初识神经网络.mp4 43.8MB
│││├─课时115计算机视觉所面临的挑战.mp4 31MB
│││├─课时116K近邻尝试图像分类.mp4 29.1MB
│││├─课时117超参数的作用.mp4 30.1MB
│││├─课时118线性分类原理.mp4 23.1MB
│││├─课时119神经网络-损失函数.mp4 25.8MB
│││├─课时120神经网络-正则化惩罚项.mp4 18.9MB
│││├─课时121神经网络-softmax分类器.mp4 34.6MB
│││├─课时122神经网络-最优化形象解读.mp4 20.2MB
│││├─课时123神经网络-梯度下降细节问题.mp4 30.5MB
│││├─课时124神经网络-反向传播.mp4 40.7MB
│││├─课时125神经网络架构.mp4 26.6MB
│││├─课时126神经网络实例演示.mp4 109.1MB
│││├─课时127神经网络过拟合解决方案.mp4 43MB
│││├─课时128感受神经网络的强大.mp4 48.4MB
││24Xgboost集成算法/
│││├─课时129集成算法思想.mp4 14.3MB
│││├─课时130xgboost基本原理.mp4 27.7MB
│││├─课时131xgboost目标函数推导.mp4 33MB
│││├─课时132xgboost求解实例.mp4 36.6MB
│││├─课时133xgboost安装.mp4 16.7MB
│││├─课时134xgboost实战演示.mp4 78MB
│││├─课时135Adaboost算法概述.mp4 39.2MB
││25自然语言处理词向量模型-Word2Vec/
│││├─课时136自然语言处理与深度学习.mp4 32.6MB
│││├─课时137语言模型.mp4 14.3MB
│││├─课时138-N-gram模型.mp4 23.5MB
│││├─课时139词向量.mp4 22.6MB
│││├─课时140神经网络模型.mp4 27.5MB
│││├─课时141Hierarchical Softmax-课时142CBOW模型实例.mp4 59.2MB
│││├─课时143CBOW求解目标.mp4 15.6MB
│││├─课时144梯度上升求解.mp4 27.9MB
│││├─课时145负采样模型.mp4 17.5MB
││26使用Gensim库构造中文维基百度数据词向量模型/
│││├─课时146使用Gensim库构造词向量.mp4 37.8MB
│││├─课时147维基百科中文数据处理.mp4 86.9MB
│││├─课时148Gensim构造word2vec模型.mp4 43.6MB
│││├─课时149测试模型相似度结果.mp4 41.1MB
││27scikit-learn模型建立与评估/
│││├─课时150使用python库分析汽车油耗效率.mp4 60.3MB
│││├─课时151使用scikit-learn库建立回归模型.mp4 50.1MB
│││├─课时152使用逻辑回归改进模型效果.mp4 48.3MB
│││├─课时153 模型效果衡量标准.mp4 74.2MB
│││├─课时154ROC指标与测试集的价值.mp4 70.1MB
│││├─课时155交叉验证.mp4 69.9MB
│││├─课时156多类别问题.mp4 64.2MB
││28Python库分析科比生涯数据/
│││├─课时157Kobe Bryan生涯数据读取与简介.mp4 39.6MB
│││├─课时158特征数据可视化展示.mp4 64.2MB
│││├─课时159数据预处理.mp4 57.6MB
│││├─课时160使用Scikit-learn建立模型.mp4 53.1MB
││29Python时间序列分析/
│││├─课时161章节简介.mp4 5.2MB
│││├─课时162Pandas生成时间序列.mp4 62.5MB
│││├─课时163Pandas数据重采样.mp4 42.4MB
│││├─课时164Pandas滑动窗口.mp4 29.8MB
│││├─课时165数据平稳性与差分法.mp4 40.3MB
│││├─课时166ARIMA模型.mp4 27.5MB
│││├─课时167相关函数评估方法.mp4 45.7MB
│││├─课时168建立ARIMA模型.mp4 41.4MB
│││├─课时169参数选择.mp4 72.5MB
│││├─课时170股票预测案例.mp4 62MB
│││├─课时171使用tsfresh库进行分类任务.mp4 120.6MB
│││├─课时172维基百科词条EDA.mp4 111.4MB
││30机器学习项目实战-贷款申请最大化利润/
│││├─课时173数据清洗过滤无用特征.mp4 93.1MB
│││├─课时174数据预处理.mp4 85.5MB
│││├─课时175获得最大利润的条件与做法.mp4 50.3MB
│││├─课时176预测结果并解决样本不均衡问题.mp4 67.9MB
││31机器学习项目实战-用户流失预警/
│││├─课时177数据背景介绍.mp4 39.3MB
│││├─课时178数据预处理.mp4 45.3MB
│││├─课时179尝试多种分类器效果.mp4 33.3MB
│││├─课时180结果衡量指标的意义.mp4 60.6MB
│││├─课时181应用阈值得出结果.mp4 34.4MB
││32探索性数据分析-足球赛事数据集/
│││├─课时182内容简介.mp4 9.6MB
│││├─课时183数据背景介绍.mp4 61.6MB
│││├─课时184数据读取与预处理.mp4 92.4MB
│││├─课时185数据切分模块.mp4 85.5MB
│││├─课时186缺失值可视化分析.mp4 115MB
│││├─课时187特征可视化展示.mp4 73.1MB
│││├─课时188多特征之间关系分析.mp4 68.4MB
│││├─课时189报表可视化分析.mp4 69.2MB
│││├─课时190红牌和肤色的关系.mp4 150.8MB
││33探索性数据分析-农粮组织数据集/
│││├─课时191数据背景简介.mp4 75.5MB
│││├─课时192数据切片分析.mp4 121.5MB
│││├─课时193单变量分析.mp4 118.8MB
│││├─课时194峰度与偏度.mp4 54.8MB
│││├─课时195数据对数变换.mp4 46.3MB
│││├─课时196数据分析维度.mp4 49.3MB
│││├─课时197变量关系可视化展示.mp4 105.2MB
││34机器学习项目实战-HTTP日志聚类分析/
│││├─课时198建立特征工程.mp4 75.2MB
│││├─课时199特征数据预处理.mp4 59.3MB
│││├─课时200应用聚类算法得出异常ip点.mp4 70.5MB
02、深度学习入门视频课程（上篇）/
│├─nn代码.rar 661.4KB
│├─第1章 深度学习必备基础知识点
│├─第2章 神经网络模型
│├─第3章 神经网络案例实战
│第1章 深度学习必备基础知识点/
││├─1.wmv 137.6MB
││├─10.wmv 20.7MB
││├─11.wmv 28.7MB
││├─2.wmv 26MB
││├─3.wmv 26.3MB
││├─4.wmv 27.1MB
││├─5.wmv 16.1MB
││├─6.wmv 21MB
││├─7.wmv 14MB
││├─8.wmv 28.8MB
││├─9.wmv 13.2MB
│第2章 神经网络模型/
││├─1.wmv 19.3MB
││├─2.wmv 74.7MB
││├─3.wmv 31MB
│第3章 神经网络案例实战/
││├─1.wmv 55.8MB
││├─2.wmv 24.4MB
││├─3.wmv 85.4MB
││├─4.wmv 42.9MB
││├─5.wmv 60.9MB
││├─6.wmv 57.4MB
││├─7.wmv 61.8MB
03、深度学习入门视频课程（下篇）/
│├─001、深度学习入门课程01 感受卷积神经网络的强大.mp4 31MB
│├─002、深度学习入门课程02 卷积层详解.mp4 13.7MB
│├─003、深度学习入门课程03 卷积计算流程.mp4 19.7MB
│├─004、深度学习入门课程04 卷积核参数分析.mp4 20MB
│├─005、深度学习入门课程05 卷积参数共享原则.mp4 11.5MB
│├─006、深度学习入门课程06 池化层（Pooling）原理.mp4 11.3MB
│├─007、深度学习入门课程07 卷积神经网络反向传播原理.mp4 21MB
│├─008、深度学习入门课程08 实现卷积层的前向传播与反向传播.mp4 27.1MB
│├─009、深度学习入门课程09 实现Pooling层的前向传播与反向传播.mp4 44.1MB
│├─010、深度学习入门课程10 经典卷及网络架构实例.mp4 51.3MB
│├─011、深度学习入门课程11 RNN网络结构.mp4 9.4MB
│├─012、RNN网络细节.mp4 10MB
│├─013、深度学习入门课程12 python实现RNN算法.mp4 104.8MB
│├─014、深度学习入门课程13 LSTM网络结构简介.mp4 11.8MB
│├─015、深度学习入门课程14 分类与回归（Location）任务应用详解.mp4 42.5MB
│├─016、深度学习入门额课程15 物体检测实例.mp4 45.5MB
│├─017、深度学习入门课程16 如何巧妙设计网络结构.mp4 28.3MB
│├─018、深度学习入门课程17 训练技巧之数据增强.mp4 16.5MB
│├─019、深度学习入门课程18 训练技巧之Transfer Learning.mp4 13.7MB
│├─020、深度学习入门课程19 深度学习框架Caffe简介.mp4 43.3MB
│├─021、深度学习入门课程20 深度学习框架Caffe训练过程.mp4 173MB
│├─022、深度学习入门课程21 深度学习框架Caffe接口使用实例.mp4 42.9MB
04、深度学习框架-Tensorflow案例实战视频课程/
│├─001、Tensorflow案例实战视频课程01 课程简介.mp4 1MB
│├─002、Tensorflow案例实战视频课程02 Tensorflow安装.mp4 20.6MB
│├─003、Tensorflow案例实战视频课程03 基本计算单元-变量.mp4 17.8MB
│├─004、Tensorflow案例实战视频课程04 常用基本操作.mp4 38.1MB
│├─005、Tensorflow案例实战视频课程05 构造线性回归模型.mp4 38.9MB
│├─006、Tensorflow案例实战视频课程06 Mnist数据集简介.mp4 35.5MB
│├─007、Tensorflow案例实战视频课程07 逻辑回归框架.mp4 26.3MB
│├─008、Tensorflow案例实战视频课程08 迭代完成逻辑回归模型.mp4 64.1MB
│├─009、Tensorflow案例实战视频课程09 神经网络模型架构.mp4 14.6MB
│├─010、Tensorflow案例实战视频课程10 训练神经网络.mp4 46.1MB
│├─011、Tensorflow案例实战视频课程11 卷积神经网络模型架构.mp4 23.8MB
│├─012、Tensorflow案例实战视频课程12 卷积神经网络模型参数.mp4 91.3MB
│├─013、Tensorflow案例实战视频课程13 模型的保存和读取.mp4 93MB
│├─014、Tensorflow案例实战视频课程14 加载训练好的VGG网络模型.mp4 29.6MB
│├─015、Tensorflow案例实战视频课程15 使用VGG模型进行测试.mp4 67.7MB
│├─016、Tensorflow案例实战视频课程16 使用RNN处理Mnist数据集.mp4 15.5MB
│├─017、Tensorflow案例实战视频课程17 RNN网络模型.mp4 44MB
│├─018、Tensorflow案例实战视频课程18 训练RNN网络.mp4 92MB
│├─019、Tensorflow案例实战视频课程19 验证码数据生成.mp4 34.1MB
│├─020、Tensorflow案例实战视频课程20 构造网络的输入数据和标签.mp4 30.1MB
│├─021、Tensorflow案例实战视频课程21 卷积网络模型定义.mp4 60MB
│├─022、Tensorflow案例实战视频课程22 迭代及测试网络效果.mp4 48.8MB
│├─唐宇迪-Tensorflow课程
│唐宇迪-Tensorflow课程/
││├─tensorflow.pptx 792.8KB
││├─tensorflow代码.zip 2.1MB
││├─验证码识别.zip 156.9MB
05、深度学习框架-Caffe使用案例视频课程/
│├─01深度学习框架caffe简介.mp4 27.8MB
│├─03网络配置-数据层详解.mp4 60.2MB
│├─04网络配置-各计算层详解.mp4 82.2MB
│├─05solver超参数配置文件.mp4 71.1MB
│├─06制作LMDB数据源训练分类网络.mp4 130.1MB
│├─07多label问题之HDF5数据源.mp4 88.9MB
│├─08使用命令行训练网络1.mp4 65.2MB
│├─09使用python定义自己的层.mp4 86.7MB
│├─10绘制网络结构图.mp4 46.3MB
│├─11生成网络配置文件.mp4 48.2MB
│├─12对训练的网络模型绘制LOSS曲线.mp4 47.5MB
│├─13对训练结果进行分类任务.mp4 88.3MB
│├─caffe案例资料-昕昕网络教程【www.xinxin2018.com】.txt 92byte
│├─唐宇迪-深度学习-caffe案例.zip 432.8MB
06、深度学习项目实战视频课程-人脸检测/
│├─01-人脸检测项目概述.mp4 6.2MB
│├─02-课程数据，代码下载链接.txt 31byte
│├─03-数据收集.mp4 50.4MB
│├─04-正负样本裁剪策略.mp4 47.4MB
│├─05-Caffe数据源准.mp4 50.7MB
│├─06-LMDB脚本文件.mp4 30.2MB
│├─07-制作LMDB数据源.mp4 42.9MB
│├─08-网络模型配置文件.mp4 46.2MB
│├─09-选择合适的参数并训练网络模型.mp4 53.8MB
│├─10-检测算法框架原理.mp4 53.1MB
│├─11-实现多尺度人脸检测算法.mp4 69.2MB
│├─12-坐标映射变换.mp4 57.6MB
│├─13-完成检测代码.mp4 38.7MB
│├─14-检测效果及改进.mp4 44.9MB
│├─15-优化策略分析.mp4 56.2MB
│├─16-模型准确率影响因素分析.mp4 27.1MB
│├─17-项目总结.mp4 59MB
│├─人脸检测-昕昕网络教程【www.xinxin2018.com】.docx 491.3KB
│├─唐宇迪 深度学习 人脸检测数据代码
│唐宇迪 深度学习 人脸检测数据代码/
││├─alexnet_iter_50000_full_conv.caffemodel 217MB
││├─alexnet_trainval.prototxt 5.4KB
││├─deploy.prototxt 暂时无用 4.7KB
││├─deploy_full_conv.prototxt 4.6KB
││├─face-lmdb.sh 1.6KB
││├─faceTrain.zip 3.1GB
││├─face_detect.ipynb 205.5KB
││├─face_rect.txt 1.1MB
││├─result.jpg 329.4KB
││├─run_face_detect_batch.py 7.8KB
││├─solver.prototxt 493byte
││├─testTrain.zip 796.6MB
││├─tmp9055.jpg 185.5KB
││├─train.prototxt 5.7KB
││├─train.sh 218byte
││├─train.txt 1022.7KB
││├─train.zip 647.2MB
07、大数据-深度学习项目实战-关键点定位视频教程/
│├─001、深度学习项目实战01 人脸关键点检测算法框架.mp4 18.8MB
│├─002、深度学习项目实战02 多标签数据源制作以及标签坐标转换.mp4 105.4MB
│├─003、深度学习项目实战03 对原始数据进行数据增强.mp4 37.2MB
│├─004、深度学习项目实战04 完成第一阶段HDF5数据源制作.mp4 68.8MB
│├─005、深度学习项目实战05 第一阶段网络训练.mp4 40.2MB
│├─006、深度学习项目实战06 第二三阶段网络数据源制作.mp4 120.6MB
│├─007、深度学习项目实战07 第二三阶段网络模型训练.mp4 46.8MB
│├─008、深度学习项目实战08 网络模型参数初始化.mp4 48.8MB
│├─009、深度学习项目实战09 完成全部测试结果.mp4 53.8MB
│├─010、深度学习项目实战10 人脸关键点检测效果.mp4 46.8MB
│├─011、深度学习项目实战11 项目总结分析.mp4 30.3MB
│├─012、深度学习项目实战12 算法框架分析.mp4 35.7MB
│├─唐宇迪-深度学习-人脸关键点
│唐宇迪-深度学习-人脸关键点/
││├─deep_landmark.zip 586MB
││├─课上代码
││课上代码/
│││├─code.zip 21.4KB
08、Python数据分析(机器学习)经典案例/
│├─课时01.课程简介.flv 26.9MB
│├─课时02.课程数据，代码下载.swf 111.3KB
│├─课时03.使用Anaconda搭建python环境.flv 67.9MB
│├─课时04.Kobe.Bryan生涯数据读取与简介.flv 32.2MB
│├─课时05.特征数据可视化展示.flv 66.5MB
│├─课时06.数据预处理.flv 52.2MB
│├─课时07.使用scikit-learn建立分类模型.flv 47.9MB
│├─课时08.数据简介及面临的挑战.flv 48.3MB
│├─课时09.数据不平衡问题解决方案.flv 47.8MB
│├─课时10.逻辑回归进行分类预测.flv 71.5MB
│├─课时11.使用阈值来衡量预测标准.flv 90.8MB
│├─课时12.使用数据生成策略.flv 82.6MB
│├─课时13.数据简介与特征课时化展示.flv 62.3MB
│├─课时14.不同特征的分布规则.flv 26.8MB
│├─课时15.决策树模型参数详解.flv 43.2MB
│├─课时16.决策树中参数的选择.flv 46.7MB
│├─课时17.将建立好决策树可视化展示出来.flv 54.8MB
│├─课时18.船员数据分析.flv 19.7MB
│├─课时19.数据预处理.flv 50MB
│├─课时20.使用回归算法进行预测.flv 66.5MB
│├─课时21.使用随机森林改进模型.flv 61.3MB
│├─课时22.随机森林特征重要性分析.flv 53.3MB
│├─课时23.级联模型原理.flv 13.5MB
│├─课时24.数据预处理与热度图.flv 51.5MB
│├─课时25.二阶段输入特征制作.flv 16.3MB
│├─课时26.使用级联模型进行预测.flv 100.1MB
│├─课时27.数据简介与特征预处理.flv 63.1MB
│├─课时28.员工不同属性指标对结果的影响.flv 67.8MB
│├─课时29.数据预处理.flv 45.6MB
│├─课时30.构建预测模型.flv 34MB
│├─课时31.基于聚类模型的分析.flv 29.9MB
│├─课时32.tensorflow框架的安装.flv 18.4MB
│├─课时33.神经网络模型概述.flv 28.5MB
│├─课时34.使用tensorflow设定基本参数.flv 34.9MB
│├─课时35.卷积神经网络模型.flv 29MB
│├─课时36.构建完整的神经网络模型.flv 51.1MB
│├─课时37.训练神经网络模型.flv 81.2MB
│├─课时38.PCA原理简介.flv 9.4MB
│├─课时39.数据预处理.flv 31.2MB
│├─课时40.协方差分析.flv 38.8MB
│├─课时41.使用PCA进行降维.flv 32.6MB
│├─课时42.数据简介与故事背景.flv 27.9MB
│├─课时43.基于词频的特征提取.flv 52.7MB
│├─课时44.改进特征选择方法.flv 64.6MB
│├─课时45.数据清洗.flv 60.8MB
│├─课时46.数据预处理.flv 69.8MB
│├─课时47.盈利方法和模型评估.flv 42.5MB
│├─课时48.预测结果.flv 60.1MB
09、决胜AI-强化学习实战系列视频课程/
│├─1-1.强化学习简介.mp4 72.1MB
│├─1-10.求解流程详解.mp4 101.2MB
│├─1-2.强化学习基本概念.mp4 48.3MB
│├─1-3.马尔科夫决策过程.mp4 38.4MB
│├─1-4.Bellman方程.mp4 58.5MB
│├─1-5.值迭代求解.mp4 58.6MB
│├─1-6.代码实战求解过程.mp4 78.8MB
│├─1-7.Q-Learning基本原理.mp4 38.2MB
│├─1-8.Q-Learning迭代计算实例.mp4 43.7MB
│├─1-9.Q-Learning迭代效果.mp4 41.7MB
│├─2-1.Deep-Q-Network原理.mp4 34.9MB
│├─2-10.完整代码流程分析.mp4 123.2MB
│├─2-11.Deep Q-Learning效果演示.mp4 45.1MB
│├─2-2.Deep-Q-Learning网络细节.mp4 53.8MB
│├─2-3,Deep Q-Learning网络参数配置.mp4 55.6MB
│├─2-4.搭建Deep Q-Learning网络模型.mp4 81.5MB
│├─2-5.Deep Q Learning卷积操作定义.mp4 74.8MB
│├─2-6.数据预处理.mp4 84.5MB
│├─2-7.实现阶段数据存储.mp4 59.5MB
│├─2-8.实现训练模块.mp4 76MB
│├─2-9.Debug解读训练代码.mp4 53.4MB
│├─唐宇迪-强化学习课件及代码
│唐宇迪-强化学习课件及代码/
││├─ValueIteration.py 2.4KB
││├─bird.zip 125.7MB
││├─强化学习.pdf 2.2MB
10、Tensorflow项目实战视频课程-文本分类/
│├─1.wmv 6.4MB
│├─10.wmv 66MB
│├─11.wmv 58.9MB
│├─12.wmv 67MB
│├─13.wmv 64.5MB
│├─14.wmv 35.9MB
│├─15.wmv 50.7MB
│├─2.wmv 9.6MB
│├─3.wmv 16.3MB
│├─4.wmv 28.6MB
│├─5.wmv 61.2MB
│├─6.wmv 52.6MB
│├─7.wmv 56.4MB
│├─8.wmv 52.2MB
│├─9.wmv 52.9MB
│├─文本分类
│文本分类/
││├─数据-代码.zip 174byte
11、深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程/
│├─RNN手写字体识别（三课时）
│├─TensorFlow打造唐诗生成网络（八课时）
│├─唐诗生成资料
│├─递归神经网络原理(四课时)
│RNN手写字体识别（三课时）/
││├─1.wmv 40.1MB
││├─2.wmv 50MB
││├─3.wmv 62MB
│TensorFlow打造唐诗生成网络（八课时）/
││├─1.wmv 34.9MB
││├─2.wmv 41.9MB
││├─3.wmv 64.4MB
││├─4.wmv 53.3MB
││├─5.wmv 26.4MB
││├─6.wmv 55.7MB
││├─7.wmv 17.2MB
││├─8.wmv 40.2MB
│唐诗生成资料/
││├─RNN与LSTM.pptx 1.1MB
││├─poem.zip 97MB
││├─tensorflow-RNN.pptx 792.8KB
│递归神经网络原理(四课时)/
││├─1.wmv 3.5MB
││├─2.wmv 22.8MB
││├─3.wmv 18.9MB
││├─4.wmv 18.4MB
12、深度学习项目实战视频课程-Seq2Seq序列生模型/
│├─Seq2Seq网络.rar 658.1KB
│├─seq2seq网络架构原理
│├─序列排序生成
│├─文章摘要生成
│seq2seq网络架构原理/
││├─1.wmv 7.4MB
││├─2.wmv 14.4MB
││├─3.wmv 14MB
││├─4.wmv 24.7MB
││├─5.wmv 26.5MB
│序列排序生成/
││├─1.wmv 27.8MB
││├─2.wmv 39.2MB
││├─3.wmv 48MB
││├─4.wmv 51.7MB
││├─5.wmv 48.2MB
│文章摘要生成/
││├─1.wmv 50.1MB
││├─2.wmv 48.3MB
││├─3.wmv 51MB
││├─4.wmv 76.7MB
13、深度学习顶级论文算法详解视频课程/
│├─DeepLearning(期刊论文)
│├─第一课.课程简介.txt 74byte
│├─第七课.wmv 48.4MB
│├─第三课.wmv 130.4MB
│├─第九课.wmv 26.7MB
│├─第二课.wmv 205.6MB
│├─第五课.wmv 50.4MB
│├─第八课.wmv 22.5MB
│├─第六课.wmv 82.9MB
│├─第十一集.wmv 62.8MB
│├─第十三课.avi 235MB
│├─第十二课.mp4 45.3MB
│├─第十五课.wmv 173.9MB
│├─第十六课.avi 222.8MB
│├─第十四.avi 221.7MB
│├─第十课.wmv 33.1MB
│├─第四课.wmv 64.3MB
│DeepLearning(期刊论文)/
││├─4166643538787b5802a551e0f477a5ee0a76aa.pdf 5.1MB
││├─61991ea3586e3039a1f35302945da0e62ed276.pdf 800.2KB
││├─83f2b0137888ff19f7d3236cfac42ffbee5685.pdf 4.6MB
││├─c2da8f6984015ae113e2401190107a348be42c.pdf 2.9MB
││├─d9a9027182bae247583555443e5015383b2c29.pdf 6.5MB
14、自然语言处理word2vec/
│├─Gensim构造词向量模型
│├─word2vec
│├─实战word2vec
│Gensim构造词向量模型/
││├─1-昕昕网络教程【www.xinxin2018.com】.wmv 35.2MB
││├─2-昕昕网络教程【www.xinxin2018.com】.wmv 72.2MB
││├─3-昕昕网络教程【www.xinxin2018.com】.wmv 40.2MB
││├─4-昕昕网络教程【www.xinxin2018.com】.wmv 37.3MB
│word2vec/
││├─1-昕昕网络教程【www.xinxin2018.com】.wmv 14.6MB
││├─10-昕昕网络教程【www.xinxin2018.com】.wmv 22.3MB
││├─11-昕昕网络教程【www.xinxin2018.com】.wmv 14MB
││├─2-昕昕网络教程【www.xinxin2018.com】.wmv 26.6MB
││├─3-昕昕网络教程【www.xinxin2018.com】.wmv 10.9MB
││├─4-昕昕网络教程【www.xinxin2018.com】.wmv 20.5MB
││├─5-昕昕网络教程【www.xinxin2018.com】.wmv 16.4MB
││├─6-昕昕网络教程【www.xinxin2018.com】.wmv 24.1MB
││├─7-昕昕网络教程【www.xinxin2018.com】.wmv 20.4MB
││├─8-昕昕网络教程【www.xinxin2018.com】.wmv 28.5MB
││├─9-昕昕网络教程【www.xinxin2018.com】.wmv 13.2MB
│实战word2vec/
││├─1-昕昕网络教程【www.xinxin2018.com】.wmv 15.1MB
││├─2-昕昕网络教程【www.xinxin2018.com】.wmv 45.9MB
││├─3-昕昕网络教程【www.xinxin2018.com】.wmv 38.5MB
││├─4-昕昕网络教程【www.xinxin2018.com】.wmv 33.5MB
││├─5-昕昕网络教程【www.xinxin2018.com】.wmv 44.1MB
││├─6-昕昕网络教程【www.xinxin2018.com】.wmv 44.8MB
││├─7-昕昕网络教程【www.xinxin2018.com】.wmv 42.8MB
15、深度学习项目实战视频课程-StyleTransfer(基于Tensorflow)/
│├─001、课程简介.mp4 21.1MB
│├─002、Tensorflow安装.mp4 10.6MB
│├─003、style-transfer基本原理.mp4 24MB
│├─004、风格生成网络结构原理.mp4 13.9MB
│├─005、风格生成网络细节.mp4 21.5MB
│├─006、风格转换效果展示.mp4 27.8MB
│├─007、风格转换参数配置.mp4 56.9MB
│├─008、数据读取操作.mp4 37.4MB
│├─009、VGG体征提取网络结构.mp4 42.3MB
│├─010、内容与风格特征提取.mp4 37.9MB
│├─011、生成网络结构定义.mp4 9.6MB
│├─012、生成网络计算操作.mp4 44.2MB
│├─013、参数初始化.mp4 37.1MB
│├─014、Content损失计算.mp4 17.5MB
│├─015、Style损失计算.mp4 32.2MB
│├─016、完成训练模块.mp4 38.4MB
│├─017、模型保存与打印结果.mp4 32.5MB
│├─018、完成测试代码.mp4 56.8MB
│├─唐宇迪-StyleTransfer
│唐宇迪-StyleTransfer/
││├─style-transfer代码.zip 84MB
││├─数据下载地址.txt 229byte
││├─文件放哪.png 12.8KB
16、机器学习-对抗生成网络/
│├─1.课程简介.mp4 57.2MB
│├─10.DCGAN的网络模型架构.mp4 85.4MB
│├─11.DCGAN项目实战：DIY你要生成的数据.mp4 85.6MB
│├─12.DCGAN项目实战：配置参数.mp4 78.4MB
│├─13.DCGAN项目实战：基于卷积的生成网络架构.mp4 87.3MB
│├─14.DCGAN项目实战：基于卷积的判别网络.mp4 47.4MB
│├─15.DCGAN项目实战：训练DCGAN网络.mp4 45.5MB
│├─2.对抗生成网络形象解释.mp4 44.3MB
│├─3.对抗生成网络工作原理.mp4 43.3MB
│├─4.案例实战对抗生成网络：环境配置.mp4 49.5MB
│├─5.案例实战对抗生成网络：构造判别网络模型.mp4 59.8MB
│├─6.案例实战对抗生成网络：构造生成网络模型.mp4 52.7MB
│├─7.案例实战对抗生成网络：构造损失函数.mp4 44.1MB
│├─8.案例实战对抗生成网络：训练对抗生成网络.mp4 62.7MB
│├─9.DCGAN基本原理.mp4 62MB
│├─DCGAN.zip 284.6MB
│├─人脸数据.zip 647.3MB
│├─对抗生成网络资料
│对抗生成网络资料/
││├─DCGAN.zip 284.6MB
││├─GAN.pptx 2.1MB
││├─人脸数据.zip 647.3MB
17､ 机器学习-推荐系统/
│├─章节1-推荐系统工作原理
│├─章节2-使用Tensorflow构造隐语义模型
│├─章节3-使用Surprise库建立推荐系统
│章节1-推荐系统工作原理/
││├─01系列课程概述.mp4 7.9MB
││├─02推荐系统应用.mp4 32.7MB
││├─03数据,代码下载（点击参考资料下载）.zip 182byte
││├─04推荐系统要完成的任务.mp4 17.4MB
││├─05相似度计算.mp4 27.8MB
││├─06基于用户的协同过滤.mp4 24MB
││├─07基于物品的协同过滤.mp4 36.4MB
││├─08隐语义模型.mp4 19.9MB
││├─09隐语义模型求解.mp4 26.8MB
││├─10模型评估标准.mp4 17.5MB
│章节2-使用Tensorflow构造隐语义模型/
││├─11Surprise库与数据简介.mp4 34.2MB
││├─12Surprise库使用方法.mp4 43.3MB
││├─13得出推荐商品结果.mp4 63.3MB
│章节3-使用Surprise库建立推荐系统/
││├─14使用Tensorflow构建隐语义模型.mp4 46.6MB
││├─15模型架构.mp4 51.3MB
││├─16损失函数定义.mp4 51.8MB
││├─17训练网络.mp4 74.7MB
18、TensorFlow-图像处理/
│├─Tensorflow-图像处理视频课程01.mp4 244.8MB
│├─Tensorflow-图像处理视频课程02.mp4 143.8MB
│├─Tensorflow-图像处理视频课程03.mp4 184.7MB
│├─Tensorflow-图像处理视频课程04.mp4 159.7MB
│├─Tensorflow-图像处理视频课程05.mp4 98.9MB
│├─图像缺失补全
│├─超分辨率重构
│├─高阶API
│图像缺失补全/
││├─glcic图像补全.zip 178.8MB
││├─图像补全人脸数据.zip 1.3GB
│超分辨率重构/
││├─srdata.zip 4GB
││├─srgan超分辨率重构.zip 532.6MB
│高阶API/
││├─高阶API.zip 35.1MB
19、Tensorflow-自然语言处理/
│├─Tensorflow-自然语言处理.rar 777MB
20、Tensorflow-物体检测-Faster-Rcnn/
│├─Tensorflow-物体检测-Faster-Rcnn解读.zip 216byte
│├─物体检测-faster-rcnn
│├─第一章 三代物体检测算法概述.mp4 146.6MB
│├─第一章 三代物体检测算法概述.rar 89.5MB
│├─第三章 tensorflow版本实现解读.rar 631.1MB
│├─第二章 faster-rcnn论文解读.mp4 745.2MB
│物体检测-faster-rcnn/
││├─Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf 6.5MB
││├─FasterRcnn.zip 2.7GB
││├─faster-rcnn.pptx 3.2MB
││├─iccv15_tutorial_training_rbg.pdf 17.4MB
││├─物体检测-faster-rcnn
││物体检测-faster-rcnn/
│││├─Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf 6.5MB
│││├─FasterRcnn.zip 2.7GB
│││├─faster-rcnn.pptx 3.2MB
│││├─iccv15_tutorial_training_rbg.pdf 17.4MB
21、数据科学人工智能-必备数学基础/
│├─统计分析
│├─视频
│├─课件
│统计分析/
││├─统计分析-数据代码.zip 66.4MB
│视频/
││├─01-第一章.mp4 125.8MB
││├─02-第二章至第七章.mp4 893.4MB
││├─03-第八章.mp4 367.2MB
││├─04-第九章至第十章.mp4 231.1MB
││├─05-第十章补充.mp4 31.4MB
││├─06-第十一章至第十二章.mp4 1.2GB
││├─07-第十三章.mp4 411.2MB
││├─08-第十四至第十五.mp4 429.4MB
││├─09-第十六章.mp4 453MB
│课件/
││├─SVD.pdf 396.6KB
││├─似然函数.pdf 384.4KB
││├─后验概率估计.pdf 230.8KB
││├─微积分.pdf 960.9KB
││├─拉格朗日乘子法.pdf 599.3KB
││├─核函数.pdf 477.7KB
││├─梯度.pdf 702.1KB
││├─概率分布与概率密度.pdf 640.2KB
││├─概率论.pdf 2.3MB
││├─泰勒公式.pdf 777.5KB
││├─激活函数.pdf 264.4KB
││├─熵.pdf 267.7KB
││├─特征值与特征向量.pdf 386.9KB
││├─矩阵.pdf 1.3MB
││├─高等数学.pdf 1.1MB
22、NLP-文本相似度/
│├─文本相似度.zip 115.8MB
23、深度学习30天系统实训-非加密/
│├─第一章
│├─第七章-word2vec实战与对抗生成网络
│├─第三次课程代码
│├─第三章-tensorflow训练mnist数据集
│├─第二章
│├─第五章-CNN实战与验证码识别
│├─第八章-LSTM情感分析与黑科技概述
│├─第六章-自然语言处理-word2vec
│├─第四章-卷积神经网络
│第一章/
││├─1-1课程概述与环境配置.mp4 80.8MB
││├─1-2深度学习与人工智能概述.mp4 72.7MB
││├─1-3机器学习常规套路.mp4 50MB
││├─1-4K近邻与交叉验证.mp4 41.3MB
││├─1-5得分函数.mp4 35.3MB
││├─1-6损失函数.mp4 27MB
││├─1-7softmax分类器.mp4 25.3MB
││├─1-8课后讨论与答疑.mp4 189.9MB
││├─神经网络（上课）.pdf 11.7MB
│第七章-word2vec实战与对抗生成网络/
││├─7-1基于词袋模型训练分类器.mp4 78.7MB
││├─7-2准备word2vec输入数据.mp4 64.7MB
││├─7-3使用gensim构建word2.mp4 121.1MB
││├─7-4tfidf原理.mp4 136.7MB
││├─7-5对抗生成网络原理概述(GAN数据代码下载—).mp4 45.1MB
││├─7-6GAN网络结构定义.mp4 53.7MB
││├─7-7 Gan迭代生成.mp4 107.1MB
││├─7-8DCGAN网络特性（DCGAN数据代码下载—）.mp4 43.2MB
││├─7-9DCGAN网络细节.mp4 80.4MB
│第三次课程代码/
││├─imagenet-vgg-verydeep-19.mat 549.4MB
││├─tensorflow.pptx 792.8KB
││├─tensorflow代码.zip 2.1MB
│第三章-tensorflow训练mnist数据集/
││├─3-1tensorflow安装.mp4 41.1MB
││├─3-2tensorflow基本套路.mp4 55MB
││├─3-3tensorflow常用操作.mp4 40.7MB
││├─3-4tensorflow实现线性回归.mp4 97.7MB
││├─3-5tensorflow实现手写字体.mp4 65.6MB
││├─3-6参数初始化.mp4 47.7MB
││├─3-7迭代完成训练.mp4 72.6MB
││├─3-8课后讨论.mp4 155.8MB
││├─mnist.zip 11.1MB
│第二章/
││├─2-1梯度下降原理-2-2学习率的作用-2-3反向传播-2-4神经网络基础架构-2-5神经网络实例演示-2-6正则化与激活函数.mp4 320.7MB
││├─2-7drop-out.mp4 39.1MB
││├─2-8课后讨论.mp4 59.2MB
│第五章-CNN实战与验证码识别/
││├─5-1卷积网络复习（验证码数据代码下载–）.mp4 28.1MB
││├─5-2使用CNN训练mnist数.mp4 59.9MB
││├─5-3卷积与池化操作.mp4 38MB
││├─5-4定义卷积网络计算流程.mp4 68.2MB
││├─5-5完成迭代训练.mp4 84.6MB
││├─5-6验证码识别概述.mp4 50.7MB
││├─5-7验证码识别流程.mp4 122.9MB
││├─验证码案例.zip 76.1MB
│第八章-LSTM情感分析与黑科技概述/
││├─8-1 RNN网络架构.mp4 41.6MB
││├─8-2LSTM网络架构.mp4 33.6MB
││├─8-3案例：使用LSTM进行情.mp4 78.7MB
││├─8-4情感数据集处理.mp4 92MB
││├─8-5基于word2vec的LSTM模型.mp4 143.3MB
││├─8-6趣味网络串讲（数据代.mp4 55.3MB
││├─8-7课后讨论版.mp4 27.4MB
│第六章-自然语言处理-word2vec/
││├─6-1自然语言处理与深度学.mp4 36.5MB
││├─6-2语言模型.mp4 39.1MB
││├─6-3神经网络模型.mp4 30.4MB
││├─6-4CBOW模型.mp4 39.4MB
││├─6-5参数更新.mp4 45.2MB
││├─6-6负采样模型.mp4 20MB
││├─6-7案例：影评情感分类(数据.mp4 124.3MB
│第四章-卷积神经网络/
││├─4-1卷积体征提取.mp4 43.2MB
││├─4-2卷积计算流程.mp4 44MB
││├─4-3卷积层计算参数.mp4 74.7MB
││├─4-4池化层操作.mp4 53.5MB
││├─4-5卷积网络整体架构.mp4 36.7MB
││├─4-6经典网络架构.mp4 65.4MB
24、python-机器学习-进阶实战/
│├─1 数据特征.mp4 236.1MB
│├─10 HMM隐马尔科夫模型.mp4 117.2MB
│├─11 HMM案例实战.mp4 66.6MB
│├─12 推荐系统.mp4 71.6MB
│├─13 音乐推荐系统实战.mp4 208.4MB
│├─14 基于统计分析的电影推荐.mp4 233.2MB
│├─15 学习曲线.mp4 74.2MB
│├─16 NLP-文本特征方法对比.mp4 140.9MB
│├─17 使用word2vec分类任务.mp4 156.2MB
│├─18 和 19 章.mp4 180.6MB
│├─2 GBDT提升算法.mp4 62.1MB
│├─20 机器学习项目实战-数据处.mp4 195.6MB
│├─20181129_155828.mp4 105.7MB
│├─21 机器学习项目实战-建模与.mp4 154.6MB
│├─3 xgboost-gbdt-lightgbm提.mp4 72.6MB
│├─4 使用lightgbm进行饭店流.mp4 105MB
│├─5 人口普查数据集项目实战.mp4 221.1MB
│├─6 降维算法-线性判别分析.mp4 82.5MB
│├─7 贝叶斯优化及其工具包使用.mp4 125.9MB
│├─8 贝叶斯优化实战.mp4 93.8MB
│├─唐宇迪-机器学习-进阶实战-资料
│唐宇迪-机器学习-进阶实战-资料/
││├─1.数据特征
││├─10.HMM隐马尔科夫模型
││├─11.HMM案例实战
││├─12.推荐系统
││├─13.音乐推荐系统实战
││├─14.基于统计分析的电影推荐
││├─15.学习曲线
││├─16.NLP-文本特征方法对比
││├─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
││├─2.GBDT提升算法
││├─20.数据处理与特征工程
││├─3.xgboost-gbdt-lightgbm
││├─4.使用lightgbm进行饭店流量预测
││├─5.人口普查数据集项目实战-收入预测
││├─6.降维算法-线性判别分析
││├─7.贝叶斯优化及其工具包使用
││├─8.贝叶斯优化实战
││├─9.EM算法
││1.数据特征/
│││├─数值特征
│││数值特征/
││││├─.ipynb_checkpoints
││││├─datasets
││││├─图像特征.ipynb 259.5KB
││││├─数值特征.ipynb 217.2KB
││││├─文本特征.ipynb 44.5KB
││││├─特征预处理.ipynb 11.7KB
││││.ipynb_checkpoints/
│││││├─Feature Engineering on Numeric Data-checkpoint.ipynb 238.7KB
│││││├─Feature Engineering on Temporal Data-checkpoint.ipynb 23.1KB
│││││├─Feature Engineering on Text Data-checkpoint.ipynb 47.6KB
│││││├─Feature Selection-checkpoint.ipynb 29.2KB
│││││├─图像特征-checkpoint.ipynb 791.8KB
│││││├─数值特征-checkpoint.ipynb 216.9KB
│││││├─文本特征-checkpoint.ipynb 42.5KB
│││││├─特征预处理-checkpoint.ipynb 11.7KB
││││datasets/
│││││├─Pokemon.csv 46.9KB
│││││├─cat.png 119.5KB
│││││├─desktop.ini 138byte
│││││├─dog.png 54.6KB
│││││├─fcc_2016_coder_survey_subset.csv 2.6MB
│││││├─item_popularity.csv 147byte
│││││├─song_views.csv 27.8KB
│││││├─vgsales.csv 1.3MB
││10.HMM隐马尔科夫模型/
│││├─HMM.pdf 1MB
││11.HMM案例实战/
│││├─HMM
│││├─data2.csv 130.7KB
│││├─hmm实践.ipynb 5.8KB
│││├─时间序列.ipynb 189KB
│││HMM/
││││├─__pycache__
││││├─data.py 318byte
││││├─get_hmm_param.py 2.6KB
││││├─hmm_start.py 823byte
││││__pycache__/
│││││├─data.cpython-36.pyc 216byte
│││││├─get_hmm_param.cpython-36.pyc 2.4KB
││12.推荐系统/
│││├─推荐系统.pdf 2.1MB
││13.音乐推荐系统实战/
│││├─Python实现音乐推荐系统
│││Python实现音乐推荐系统/
││││├─.ipynb_checkpoints
││││├─1.png 45.3KB
││││├─2.png 30.4KB
││││├─3.png 43KB
││││├─4.png 12KB
││││├─5.png 3.6KB
││││├─6.png 60.3KB
││││├─7.png 77.3KB
││││├─8.png 68.8KB
││││├─Recommenders.py 9.2KB
││││├─__pycache__
││││├─recommendation_engines.py 13.7KB
││││├─song_playcount_df.csv 8.5MB
││││├─track_metadata.db 711.6MB
││││├─track_metadata_df_sub.csv 5.9MB
││││├─train_triplets.txt 2.8GB
││││├─triplet_dataset_sub_song.csv 648.3MB
││││├─user_playcount_df.csv 44.1MB
││││├─推荐系统.ipynb 363.5KB
││││├─老版.ipynb 344.8KB
││││.ipynb_checkpoints/
│││││├─推荐系统-checkpoint.ipynb 344.8KB
││││__pycache__/
│││││├─Recommenders.cpython-36.pyc 5KB
││14.基于统计分析的电影推荐/
│││├─电影推荐.zip 10MB
││15.学习曲线/
│││├─学习曲线
│││学习曲线/
││││├─.ipynb_checkpoints
││││├─1.png 52.1KB
││││├─10.png 39.9KB
││││├─11.png 67.5KB
││││├─2.png 36KB
││││├─3.png 56.1KB
││││├─4.png 24.9KB
││││├─5.png 45.1KB
││││├─6.png 93.1KB
││││├─7.png 75.3KB
││││├─8.png 58.4KB
││││├─9.png 5.2KB
││││├─Folds5x2_pp.xlsx 1.9MB
││││├─学习曲线（Bias和Variance）.ipynb 137.1KB
││││.ipynb_checkpoints/
│││││├─学习曲线（Bias和Variance）-checkpoint.ipynb 137.1KB
││16.NLP-文本特征方法对比/
│││├─GoogleNews-vectors-negative300.bin 3.4GB
│││├─clean_data.csv 1.1MB
│││├─socialmedia_relevant_cols.csv 1.2MB
│││├─socialmedia_relevant_cols_clean.csv 1.2MB
│││├─socialmedia_relevant_cols_clean2.csv 1.2MB
│││├─自然语言处理方法对比.ipynb 1MB
││17.使用word2vec分类任务/
│││├─word2vec.zip 84.6MB
││18.Tensorflow自己打造word2vec/
│││├─word2vec
│││word2vec/
││││├─word2vec.zip 32.6MB
││19.制作自己常用工具包/
│││├─特征筛选
│││特征筛选/
││││├─.ipynb_checkpoints
││││├─__pycache__
││││├─data
││││├─feature_selector
││││├─images
││││├─工具.ipynb 396KB
││││.ipynb_checkpoints/
│││││├─Feature Selector Usage-checkpoint.ipynb 433.5KB
│││││├─工具-checkpoint.ipynb 353.3KB
││││__pycache__/
│││││├─feature_selector.cpython-36.pyc 19.5KB
││││data/
│││││├─AirQualityUCI.csv 615.1KB
│││││├─caravan-insurance-challenge.csv 1.7MB
│││││├─credit_example.csv 5.2MB
││││feature_selector/
│││││├─__init__.py 46byte
│││││├─feature_selector.py 27.9KB
││││images/
│││││├─collinear_dataframe.PNG 9.6KB
│││││├─example_collinear_heatmap.png 84.7KB
│││││├─example_cumulative_feature_importances.png 25.8KB
│││││├─example_missing_histogram.png 25.9KB
│││││├─example_top_feature_importances.png 48.4KB
│││││├─example_unique_histogram.png 23.4KB
│││││├─feature_importance_dataframe.PNG 16.9KB
││2.GBDT提升算法/
│││├─GBDT.pdf 763.8KB
││20.数据处理与特征工程/
│││├─机器学习项目实战流程
│││机器学习项目实战流程/
││││├─.ipynb_checkpoints
││││├─2016_nyc_benchmarking_data_disclosure_definitions.pdf 99KB
││││├─Building Data Report.pdf 769.6KB
││││├─auto_ml
││││├─data
││││├─hw_assignment.docx 13.9KB
││││├─hw_assignment.pdf 12.4KB
││││├─images
││││├─机器学习项目实战-1-数据预处理.ipynb 1.2MB
││││├─机器学习项目实战-2-建模.ipynb 318.2KB
││││├─机器学习项目实战-3-分析.ipynb 3.6MB
││││.ipynb_checkpoints/
│││││├─Exploratory_Work-checkpoint.ipynb 1.4MB
│││││├─机器学习项目实战-1-数据预处理-checkpoint.ipynb 1.2MB
│││││├─机器学习项目实战-2-建模-checkpoint.ipynb 362KB
│││││├─机器学习项目实战-3-分析-checkpoint.ipynb 3.6MB
││││auto_ml/
│││││├─tpot_exported_pipeline.py 1.3KB
││││data/
│││││├─Energy_and_Water_Data_Disclosure_for_Local_Law_84_2017__Data_for_Calendar_Year_2016_.csv 7.9MB
│││││├─X_test.csv 802.9KB
│││││├─X_train.csv 1.8MB
│││││├─Y_test.csv 13.9KB
│││││├─Y_train.csv 32.3KB
│││││├─cleaned_data.csv 6.4MB
│││││├─no_score.csv 373.3KB
│││││├─testing_features.csv 571.8KB
│││││├─testing_labels.csv 16.6KB
│││││├─training_features.csv 1.3MB
│││││├─training_labels.csv 38.8KB
││││images/
│││││├─annotated_individual_node.PNG 84.6KB
│││││├─correlation_examples.png 15.4KB
│││││├─cover_auto_ml.jpg 221.3KB
│││││├─cover_one.jpg 259.6KB
│││││├─cover_three.jpg 703.4KB
│││││├─cover_two.jpg 255KB
│││││├─data_formatted_with_score.PNG 22.5KB
│││││├─density_boroughs.png 108KB
│││││├─density_type.png 94.8KB
│││││├─df_info.PNG 41.2KB
│││││├─feature_importances.PNG 16.9KB
│││││├─feature_importances_graph.png 84KB
│││││├─feature_pairs.png 145.4KB
│││││├─formatted_train_data.PNG 41.4KB
│││││├─individual_node.png 7.2KB
│││││├─intrepretability_vs_accuracy.png 50.3KB
│││││├─kfold_cv.png 80.5KB
│││││├─lime_wrong_explanation.PNG 30.7KB
│││││├─local_explanation_one.png 92.5KB
│││││├─missing_values.PNG 23.5KB
│││││├─model_comparison.png 25.6KB
│││││├─negative_correlations.PNG 8.7KB
│││││├─nestimator_performance.png 38KB
│││││├─positive_correlations.PNG 7.5KB
│││││├─raw_data.PNG 20KB
│││││├─residual_distribution.png 22.6KB
│││││├─score_distribution.png 24.2KB
│││││├─score_vs_eui.png 333KB
│││││├─test_prediction_density.png 54.6KB
│││││├─test_values.png 54.6KB
│││││├─tpot-ml-pipeline.png 218.1KB
│││││├─tpot_training_information.PNG 82KB
│││││├─tree.dot 5.4KB
│││││├─tree.png 337KB
│││││├─tree_single.dot 12.6KB
│││││├─tree_single.png 964.9KB
│││││├─tree_single_small.dot 1.6KB
│││││├─tree_single_small.png 87.3KB
│││││├─tree_small.dot 2.9KB
│││││├─tree_small.png 150.5KB
│││││├─tree_verysmall.dot 885byte
│││││├─tree_verysmall.png 39.7KB
│││││├─weather_norm_eui.png 30.6KB
│││││├─wrong_explanation_plot.png 98.9KB
││3.xgboost-gbdt-lightgbm/
│││├─GBDT.zip 51.6MB
││4.使用lightgbm进行饭店流量预测/
│││├─GBDT.zip 51.6MB
││5.人口普查数据集项目实战-收入预测/
│││├─1.png 186.7KB
│││├─2.png 62.6KB
│││├─3.png 698.3KB
│││├─机器学习数据分析模板.ipynb 4.2MB
││6.降维算法-线性判别分析/
│││├─9-LDA与PCA算法.pdf 1MB
│││├─降维算法.zip 443.7KB
││7.贝叶斯优化及其工具包使用/
│││├─贝叶斯优化：Hyperopt.zip 17.4MB
││8.贝叶斯优化实战/
│││├─贝叶斯优化：Hyperopt.zip 17.4MB
││9.EM算法/
│││├─10-EM算法.pdf 811.4KB
25、Python Kaggle竞赛案例实战/
│├─Kaggle第1课：机器学习算法、工具与流程概述
│├─Kaggle第2课：经济金融领域的应用
│├─Kaggle第3课：排序与CTR预估问题
│├─Kaggle第4课：自然语言处理类问题
│├─Kaggle第5课：能源预测与分配类问题案例
│├─Kaggle第6课：走起-深度学习
│├─Kaggle第7课：电商推荐与销量预测相关案例
│├─Kaggle第8课：金融风控问题
│├─（解压密码000000）课堂同步.zip 217.2MB
│Kaggle第1课：机器学习算法、工具与流程概述/
││├─Kaggle 第一次课 1.mp4 40.8MB
││├─Kaggle 第一次课2 .mp4 278.1MB
││├─Kaggle第1课：机器学习算法、工具与流程概述.pdf 5.9MB
│Kaggle第2课：经济金融领域的应用/
││├─Kaggle 第二次课.mp4 210.6MB
││├─第2课 经济金融领域的应用.pdf 5.7MB
│Kaggle第3课：排序与CTR预估问题/
││├─5-2.mp4 310.5MB
││├─New3.mp4 411.9MB
││├─kaggle第三课.mp4 357.9MB
│Kaggle第4课：自然语言处理类问题/
││├─Kaggle4_2.mp4 260.8MB
││├─Kaggle第四课第一部分.mp4 88.6MB
│Kaggle第5课：能源预测与分配类问题案例/
││├─5-1.mp4 177MB
││├─5-2.mp4 310.5MB
│Kaggle第6课：走起-深度学习/
││├─6.mp4 899.4MB
││├─第6课：走起-深度学习.pdf 4.5MB
│Kaggle第7课：电商推荐与销量预测相关案例/
││├─7.mp4 337.1MB
│Kaggle第8课：金融风控问题/
││├─baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg 4byte
││├─第8课：金融风控问题.pdf 1.6MB
││├─第八课.mp4 252.6MB
26、LSTM行为识别/
│├─行为识别.zip 59.8MB
27、问答机器人/
│├─QA问答.zip 880.5MB
28、OpenCV计算机视觉图像识别深度学习实战/
│├─opencv-3.0.0.zip 96.3MB
│├─第01讲 图像处理基础
│├─第02讲 初探计算机视觉
│├─第03讲 空域图像处理的洪荒之力
│├─第04讲 机器视觉中的特征提取与描述
│├─第05讲 坐标变换与视觉测量
│├─第06讲 深度学习在图像识别中的应用
│├─第07讲 图像检索
│├─第08讲 图像标注与问答
│├─第09讲 3D计算机视觉
│├─第10讲 机器视觉项目实战
│├─（解压密码000000）图像处理与计算机视觉基础总结.zip 62.7KB
│第01讲 图像处理基础/
││├─第一课.mkv 831.8MB
│第02讲 初探计算机视觉/
││├─第二课.mkv 746.6MB
││├─（解压密码000000）第二讲同步资料.zip 13MB
│第03讲 空域图像处理的洪荒之力/
││├─第三课上.mkv 594.5MB
││├─第三课下.mkv 223.7MB
││├─（解压密码000000）第三讲同步资料.zip 4.5MB
│第04讲 机器视觉中的特征提取与描述/
││├─第四课上.mkv 848.8MB
││├─第四课下.mkv 15.5MB
│第05讲 坐标变换与视觉测量/
││├─第五课.mkv 605.9MB
│第06讲 深度学习在图像识别中的应用/
││├─第六课上.mkv 646.4MB
││├─第六课下.mkv 155.6MB
││├─（解压密码000000）第六讲同步资料.zip 26.6MB
│第07讲 图像检索/
││├─第七课.mkv 561MB
││├─（解压密码000000）第七讲同步资料.zip 26.1MB
│第08讲 图像标注与问答/
││├─第八课.mkv 749.1MB
││├─（解压密码000000）第八讲同步资料.zip 57.1MB
│第09讲 3D计算机视觉/
││├─第九课上.mkv 645.8MB
││├─第九课下.mkv 117.8MB
││├─（解压密码000000）第九讲同步资料.zip 21.1MB
│第10讲 机器视觉项目实战/
││├─第十课.mkv 633.8MB
││├─（解压密码000000）第十讲同步资料.zip 1.2MB
29、python3数据分析与挖掘实战/
│├─Python3数据分析与挖掘实战
│├─源码.rar 329.6MB
│├─软件包及安装文档
│Python3数据分析与挖掘实战/
││├─第10章 Python数据分析与挖掘技术基础
││├─第11章 Python数据可视化分析实现
││├─第12章 Python数据清洗、集成与变换
││├─第13章 数据转换、属性构造、数据规约
││├─第14章 文本挖掘
││├─第15章 文本相似度分析
││├─第16章 Python数据分析与挖掘实战 上
││├─第17章 Python数据建模与分类实现 下
││├─第18章 Python数据分析与挖掘聚类实现与回归分析
││├─第19章 Python数据分析与挖掘实战
││├─第1章 Python基础 第一阶段
││├─第20章 Python降维技术与大型数据分析与挖掘项目实训上
││├─第21章 Python降维技术与大型数据分析与挖掘项目实训下
││├─第2章 Python基础 第二阶段
││├─第3章 Python 爬虫初识
││├─第4章 Urllib库实战
││├─第5章 爬虫防屏蔽手段之代理服务器实战
││├─第6章 爬虫实战及Scrapy框架的安装
││├─第7章 Scrapy爬虫
││├─第8章 用Scrapy爬取网站的数据
││├─第9章 补充以及作业讲解
││第10章 Python数据分析与挖掘技术基础/
│││├─042、快速了解数据分析与数据挖掘.mp4 38.7MB
│││├─043、数据分析与挖掘相关模块简介与安装.mp4 64.4MB
│││├─044、相关模块的使用.mp4 69.8MB
│││├─045、Python数据导入实战.mp4 91.9MB
│││├─046、答疑.mp4 37.7MB
││第11章 Python数据可视化分析实现/
│││├─047、matplotlib基础 折线图-散点图.mp4 93MB
│││├─048、直方图.mp4 74.4MB
│││├─049、读取和讯博客的数据并可视化分析.mp4 40.8MB
│││├─050、答疑.mp4 26.2MB
││第12章 Python数据清洗、集成与变换/
│││├─051、数据探索与数据与清洗概述（一）.mp4 85MB
│││├─052、数据探索与数据与清洗概述（二）.mp4 35.5MB
│││├─053、数据分布探索实战.mp4 80.9MB
│││├─054、数据集成实战.mp4 18.8MB
│││├─055、答疑.mp4 19MB
││第13章 数据转换、属性构造、数据规约/
│││├─056、数据转换.mp4 110.5MB
│││├─057、属性构造.mp4 38.3MB
│││├─058、数据规约.mp4 71.2MB
│││├─059、答疑.mp4 11.1MB
││第14章 文本挖掘/
│││├─060、文本挖掘 一.mp4 81.7MB
│││├─061、文本挖掘 二.mp4 111.9MB
│││├─062、答疑.mp4 33.8MB
││第15章 文本相似度分析/
│││├─063、文本相似度分析一.mp4 67.9MB
│││├─064、文本相似度分析二.mp4 50.8MB
│││├─065、文本相似度分析三.mp4 135.1MB
│││├─066、答疑.mp4 33.4MB
││第16章 Python数据分析与挖掘实战 上/
│││├─067、Python数据建模概述.mp4 7.7MB
│││├─068、Python数据分类实现过程.mp4 11.6MB
│││├─069、常见分类算法.mp4 2.2MB
│││├─070、knn算法（补录）.mp4 91.6MB
│││├─071、KNN算法与贝克斯方法.mp4 41.4MB
│││├─072、手写体数字识别.mp4 131.2MB
│││├─073、答疑.mp4 36.9MB
││第17章 Python数据建模与分类实现 下/
│││├─074、贝叶斯算法 上.mp4 79.2MB
│││├─075、贝叶斯课程 （补录）.mp4 21MB
│││├─076、贝叶斯算法 下.mp4 19.4MB
│││├─077、回归算法.mp4 102.7MB
│││├─078、决策树.mp4 57.1MB
│││├─079、答疑.mp4 10MB
││第18章 Python数据分析与挖掘聚类实现与回归分析/
│││├─080、决策树.mp4 75.7MB
│││├─081、聚类.mp4 98.5MB
│││├─082、答疑.mp4 33.8MB
││第19章 Python数据分析与挖掘实战/
│││├─083、贝叶斯应用.mp4 105.9MB
│││├─084、人工神经网络理论基础.mp4 45.9MB
│││├─085、人工神经网络实现实战.mp4 139.3MB
│││├─086、答疑.mp4 35.7MB
││第1章 Python基础 第一阶段/
│││├─001、课程介绍.mp4 25.3MB
│││├─002、初识python.mp4 31.8MB
│││├─003、python语法基础.mp4 70.8MB
│││├─004、python控制流.mp4 49.4MB
│││├─005、课后答疑.mp4 59.1MB
││第20章 Python降维技术与大型数据分析与挖掘项目实训上/
│││├─087、Apriori算法与项目实战.mp4 98.9MB
│││├─088、社交网络项目实战.mp4 137.6MB
│││├─089、答疑.mp4 111.6MB
││第21章 Python降维技术与大型数据分析与挖掘项目实训下/
│││├─090、微博接口开发上.mp4 36.4MB
│││├─091、微博接口开发下.mp4 42.1MB
│││├─094、文本分类及答疑.mp4 120.5MB
│││├─92-93课时 PhantomJS.rar 77.6MB
││第2章 Python基础 第二阶段/
│││├─006、python函数详解.mp4 49.7MB
│││├─007、python模块.mp4 55.2MB
│││├─008、python文件操作.mp4 49.3MB
│││├─009、python异常值处理.mp4 17.9MB
│││├─010、课后答疑.mp4 64.8MB
││第3章 Python 爬虫初识/
│││├─011、作业讲解及爬虫初识.mp4 112.7MB
│││├─012、网络爬虫原理.mp4 8.2MB
│││├─013、正则表达式实战.mp4 104.1MB
│││├─014、课后答疑.mp4 29MB
││第4章 Urllib库实战/
│││├─015、Urllib库实战.mp4 82.7MB
│││├─016、Urllib库实战（二）.mp4 36.6MB
│││├─017、Urllib库实战（三）.mp4 46.7MB
│││├─018、爬虫的异常处理.mp4 18.8MB
│││├─019、爬虫的浏览器伪装技术.mp4 21.9MB
│││├─020、python新闻爬虫实战.mp4 40.4MB
│││├─021、课后答疑.mp4 43.9MB
││第5章 爬虫防屏蔽手段之代理服务器实战/
│││├─022、爬虫防屏蔽手段之代理服务器实战.mp4 77.5MB
│││├─023、图片爬虫实战.mp4 163.7MB
│││├─024、课后答疑.mp4 105.1MB
││第6章 爬虫实战及Scrapy框架的安装/
│││├─025、抓包分析实战1.mp4 158.7MB
│││├─026、抓包分析实战2.mp4 111.6MB
│││├─027、微信爬虫实战.mp4 34.9MB
│││├─028、多线程爬虫实战.mp4 62.5MB
│││├─029、Scrapy框架的安装.mp4 19.2MB
│││├─030、课后答疑.mp4 46.4MB
││第7章 Scrapy爬虫/
│││├─031、Scrapy框架常见命令实战.mp4 111.7MB
│││├─032、第一个Scrapy爬虫.mp4 70.2MB
│││├─033、Scrapy自动爬虫实战.mp4 101.6MB
│││├─034、课后答疑.mp4 61.4MB
││第8章 用Scrapy爬取网站的数据/
│││├─035、天善智能课程自动爬虫实战.mp4 88.4MB
│││├─036、自动模拟登陆爬虫实战.mp4 119.6MB
│││├─037、当当商城爬虫实战.mp4 87.8MB
│││├─038、课后答疑.mp4 57.4MB
││第9章 补充以及作业讲解/
│││├─039、补充内容.mp4 74.5MB
│││├─040、上节课作业讲解.mp4 108.2MB
│││├─041、答疑.mp4 129.9MB
│软件包及安装文档/
││├─Python-3.5.x安装教程.pdf 331.1KB
││├─python-3.5.4-32位.exe 27.6MB
││├─python-3.5.4-64位.exe 28.5MB
30、量化交易课程/
│├─ML_机器学习与量化交易项目班
│ML_机器学习与量化交易项目班/
││├─ppt
││├─代码
││├─视频
││ppt/
│││├─机器学习和量化交易实战 Lecture 01[菜鸟自学网 cainzy.com].pdf 1.8MB
│││├─机器学习和量化交易实战 Lecture 02[菜鸟自学网 cainzy.com].pdf 2.6MB
│││├─机器学习和量化交易实战 Lecture 03[菜鸟自学网 cainzy.com].pdf 1.6MB
│││├─机器学习和量化交易实战 Lecture 04[菜鸟自学网 cainzy.com].pdf 3.2MB
│││├─机器学习和量化交易实战 Lecture 06[菜鸟自学网 cainzy.com].pdf 6.5MB
│││├─机器学习和量化交易实战 Lecture 07[菜鸟自学网 cainzy.com].pptx 7.4MB
│││├─机器学习和量化交易实战 Lecture 09[菜鸟自学网 cainzy.com].pptx 7.6MB
│││├─机器学习和量化交易实战 Lecture 10[菜鸟自学网 cainzy.com].pptx 6.8MB
││代码/
│││├─lecture_code 03
│││├─lecture_code 04
│││├─lecture_code 05
│││├─lecture_code 08
│││lecture_code 03/
││││├─cadf[菜鸟自学网 cainzy.com].py 2.4KB
││││├─insert_symbols[菜鸟自学网 cainzy.com].py 2.3KB
││││├─price_retrieval[菜鸟自学网 cainzy.com].py 3.7KB
││││├─quandl_data[菜鸟自学网 cainzy.com].py 2.5KB
││││├─quantitative[菜鸟自学网 cainzy.com].sql 1.9KB
││││├─retrieving_data[菜鸟自学网 cainzy.com].py 868byte
││││├─securities_master[菜鸟自学网 cainzy.com].sql 1.7KB
│││lecture_code 04/
││││├─code for lecture 4[菜鸟自学网 cainzy.com].ipynb 534.3KB
│││lecture_code 05/
││││├─BB[菜鸟自学网 cainzy.com].py 844byte
││││├─CCI[菜鸟自学网 cainzy.com].py 1.2KB
││││├─FI[菜鸟自学网 cainzy.com].py 623byte
││││├─MA[菜鸟自学网 cainzy.com].py 1.3KB
││││├─ROC[菜鸟自学网 cainzy.com].py 1.1KB
││││├─evm[菜鸟自学网 cainzy.com].py 1.2KB
││││├─forecast[菜鸟自学网 cainzy.com].py 4KB
││││├─grid_search[菜鸟自学网 cainzy.com].py 1.5KB
│││lecture_code 08/
││││├─backtest[菜鸟自学网 cainzy.com].py 4.3KB
││││├─event[菜鸟自学网 cainzy.com].py 4.8KB
││││├─mac[菜鸟自学网 cainzy.com].py 3.4KB
││││├─portfolio[菜鸟自学网 cainzy.com].py 8.7KB
││视频/
│││├─10策略优化与课程总结[菜鸟自学网 cainzy.com].mkv 697.7MB
│││├─1自动化交易综述[菜鸟自学网 cainzy.com].mkv 785.6MB
│││├─2量化交易系统综述[菜鸟自学网 cainzy.com].mkv 707MB
│││├─3搭建自己的量化数据库[菜鸟自学网 cainzy.com].mkv 628.2MB
│││├─4用python进行金融数据分析[菜鸟自学网 cainzy.com].mkv 689.7MB
│││├─5策略建模综述[菜鸟自学网 cainzy.com].mkv 664.3MB
│││├─6策略建模：基于机器学习的策略建模[菜鸟自学网 cainzy.com].mkv 742.8MB
│││├─7模型评估与风险控制[菜鸟自学网 cainzy.com].mkv 710.1MB
│││├─8自动交易系统的搭建[菜鸟自学网 cainzy.com].mkv 610.4MB
│││├─9 量化策略的实现[菜鸟自学网 cainzy.com].mkv 758.9MB
31、数据挖掘课程/
│├─1-3课.zip 2.8GB
│├─4-6课.zip 2.6GB
│├─7-10课.zip 4GB
32、OpenCV+TensorFlow 入门人工智能图像处理/
│├─源码.zip 39.3MB
│├─第1章 课程导学
│├─第2章 计算机视觉入门
│├─第3章 计算机视觉加强之几何变换
│├─第4章 计算机视觉加强之图像特效&线段文字绘制
│├─第5章 计算机视觉加强之图像美化
│├─第6章 计算机视觉加强之机器学习
│├─第7章 手写数字识别
│├─第8章 “刷脸”识别
│├─第9章 课程总结
│第1章 课程导学/
││├─1-1 计算机视觉导学.mp4 48.2MB
│第2章 计算机视觉入门/
││├─2-1 本章介绍.mp4 31.4MB
││├─2-10 案例4：像素读取写入.mp4 12.4MB
││├─2-11 tensorflow常量变量定义.mp4 28.8MB
││├─2-12 tensorflow运算原理.mp4 32.9MB
││├─2-13 常量变量四则运算.mp4 63.7MB
││├─2-14 矩阵基础1.mp4 63.1MB
││├─2-15 矩阵基础2.mp4 35.6MB
││├─2-16 矩阵基础3.mp4 29MB
││├─2-17 numpy模块使用.mp4 38.5MB
││├─2-18 matplotlib模块的使用.mp4 28.8MB
││├─2-19 小综合：人工神经网络逼近股票价格1.mp4 48.7MB
││├─2-2 Mac下一站式开发环境anaconda搭建.mp4 34.8MB
││├─2-20 小综合：人工神经网络逼近股票价格2.mp4 27.2MB
││├─2-21 小综合：人工神经网络逼近股票价格3.mp4 53.4MB
││├─2-22 小综合：人工神经网络逼近股票价格4.mp4 91.9MB
││├─2-3 Windows下一站式开发环境anaconda搭建.mp4 21.4MB
││├─2-4 测试案例helloWorld.mp4 18.8MB
││├─2-5 案例1：图片的读取和展示.mp4 22.7MB
││├─2-6 Opencv模块组织结构.mp4 37.9MB
││├─2-7 案例2：图片写入.mp4 20.9MB
││├─2-8 案例3：不同图片质量保存.mp4 30.5MB
││├─2-9 像素操作基础.mp4 24.9MB
│第3章 计算机视觉加强之几何变换/
││├─3-1 本章介绍.mp4 36.7MB
││├─3-10 图片缩放.mp4 21.6MB
││├─3-11 图片仿射变换.mp4 42MB
││├─3-12 图片旋转.mp4 21.8MB
││├─3-13 图片几何变换小结.mp4 20.8MB
││├─3-2 图片缩放1.mp4 21.8MB
││├─3-3 图片缩放2.mp4 44MB
││├─3-4 图片缩放3.mp4 36.1MB
││├─3-5 图片剪切.mp4 16.6MB
││├─3-6 图片位移1.mp4 20.3MB
││├─3-7 图片移位2.mp4 30.6MB
││├─3-8 图片移位3.mp4 13MB
││├─3-9 图片镜像.mp4 46.1MB
│第4章 计算机视觉加强之图像特效&线段文字绘制/
││├─4-1 图像特效介绍.mp4 93.7MB
││├─4-10 边缘检测2.mp4 53.1MB
││├─4-11 浮雕效果.mp4 19.4MB
││├─4-12 颜色映射.mp4 21MB
││├─4-13 油画特效.mp4 56.4MB
││├─4-14 图像特效小结.mp4 24.7MB
││├─4-15 线段绘制.mp4 38.9MB
││├─4-16 矩形圆形任意多边形绘制.mp4 47MB
││├─4-17 文字图片绘制.mp4 28.6MB
││├─4-2 图像灰度处理1.mp4 20.3MB
││├─4-3 图像灰度处理2.mp4 29.9MB
││├─4-4 算法优化.mp4 33.9MB
││├─4-5 颜色反转.mp4 32.2MB
││├─4-6 马赛克.mp4 36.6MB
││├─4-7 毛玻璃.mp4 38.5MB
││├─4-8 图片融合.mp4 36.7MB
││├─4-9 边缘检测1.mp4 54.6MB
│第5章 计算机视觉加强之图像美化/
││├─5-1 美化效果章节介绍.mp4 59.9MB
││├─5-10 磨皮美白.mp4 25.9MB
││├─5-11 高斯均值滤波.mp4 52.5MB
││├─5-12 中值滤波.mp4 38.9MB
││├─5-13 图像美化章节小结.mp4 48.9MB
││├─5-2 彩色图片直方图.mp4 57.4MB
││├─5-3 直方图均衡化.mp4 54.3MB
││├─5-4 图片修补.mp4 45.1MB
││├─5-5 灰度直方图源码.mp4 25.9MB
││├─5-6 彩色直方图源码.mp4 33.7MB
││├─5-7 灰度直方图均衡化.mp4 76.7MB
││├─5-8 彩色直方图均衡化.mp4 50.3MB
││├─5-9 亮度增强.mp4 22.5MB
│第6章 计算机视觉加强之机器学习/
││├─6-1 机器学习章节介绍.mp4 32.6MB
││├─6-10 SVM支持向量机1.mp4 41.5MB
││├─6-11 SVM支持向量机2.mp4 71.6MB
││├─6-12 SVM小结.mp4 37MB
││├─6-13 Hog特征1.mp4 59.3MB
││├─6-14 Hog特征2.mp4 105.5MB
││├─6-15 Hog特征3.mp4 54.8MB
││├─6-16 Hog特征4.mp4 57.8MB
││├─6-17 Hog小结.mp4 64.5MB
││├─6-18 Hog_SVM小狮子识别1.mp4 117.7MB
││├─6-19 Hog_SVM小狮子识别2.mp4 88.9MB
││├─6-2 视频分解图片.mp4 43.9MB
││├─6-20 Hog_SVM小狮子识别3.mp4 93.3MB
││├─6-21 Hog_SVM小狮子识别4.mp4 105.1MB
││├─6-22 Hog_SVM小狮子识别5.mp4 129.7MB
││├─6-23 机器学习小结.mp4 166.3MB
││├─6-3 图片合成视频.mp4 17.9MB
││├─6-4 Haar特征1.mp4 24.6MB
││├─6-5 Haar特征2.mp4 33.7MB
││├─6-6 Haar特征3.mp4 17.2MB
││├─6-7 adaboost分类器1.mp4 128.3MB
││├─6-8 adaboost分类器2.mp4 76.4MB
││├─6-9 Haar+adaboost人脸识别.mp4 123.6MB
│第7章 手写数字识别/
││├─7-1 章节介绍.mp4 6MB
││├─7-10 knn数字识别8.mp4 88.6MB
││├─7-11 knn数字识别9.mp4 59.3MB
││├─7-12 knn数字识别10.mp4 116.4MB
││├─7-13 cnn实现手写数字识别1.mp4 53.1MB
││├─7-14 cnn实现手写数字识别2.mp4 107.4MB
││├─7-15 cnn实现手写数字识别3.mp4 89.5MB
││├─7-16 cnn实现手写数字识别4.mp4 112.7MB
││├─7-17 cnn实现手写数字识别5.mp4 91.1MB
││├─7-18 cnn实现手写数字识别6.mp4 115.1MB
││├─7-19 数字识别小结.mp4 131.9MB
││├─7-2 样本介绍.mp4 18.3MB
││├─7-3 knn数字识别1.mp4 23.9MB
││├─7-4 knn数字识别2.mp4 57.6MB
││├─7-5 knn数字识别3.mp4 110.8MB
││├─7-6 knn数字识别4.mp4 87.2MB
││├─7-7 knn数字识别5.mp4 124.2MB
││├─7-8 knn数字识别6.mp4 83.2MB
││├─7-9 knn数字识别7.mp4 102.1MB
│第8章 “刷脸”识别/
││├─8-1 章节介绍.mp4 22.1MB
││├─8-2 最简单的图片爬虫.mp4 122MB
││├─8-3 ffmpeg初识_音频.mp4.mp4 90.4MB
││├─8-4 OpenCV预处理.mp4 49.3MB
││├─8-5 神经网络训练识别1.mp4 21.8MB
││├─8-6 神经网络训练识别2.mp4 56MB
││├─8-7 神经网络训练识别3.mp4 63.9MB
││├─8-8 神经网络训练识别4.mp4 65.5MB
││├─8-9 本章小结.mp4 46.6MB
│第9章 课程总结/
││├─9-1 课程总结.mp4 27.5MB
33、OpenCV计算机视觉实战(Python版)/
│├─01、课程简介.mp4 112.5MB
│├─02、图像基本操作.mp4 64.2MB
│├─03、阈值与平滑处理.mp4 34.1MB
│├─04、图像形态学处理.mp4 35.4MB
│├─05、图像梯度处理.mp4 400.3MB
│├─06、边缘检测.mp4 335MB
│├─07、图像金字塔与轮廓检测.mp4 937.1MB
│├─08、直方图与傅里叶变换.mp4 792.6MB
│├─09、项目实战-信用卡数字识别.mp4 675.9MB
│├─10、项目实战-文档扫描OCR识别.mp4 721.2MB
│├─11、图像特征-harris.mp4 708.8MB
│├─12、图像特征-sift.mp4 891.6MB
│├─13、案例实战-全景图像拼接.mp4 576.7MB
│├─14、项目实战-停车场车位识别.mp4 1.3GB
│├─15、项目实战-答题卡识别判卷.mp4 546.7MB
│├─16、背景建模.mp4 508.6MB
│├─17、光流估计.mp4 559.7MB
│├─18、Opencv的DNN模块.mp4 317.1MB
│├─19、项目实战-目标追踪.mp4 1019MB
│├─20、卷积原理与操作.mp4 1.1GB
│├─21、项目实战-疲劳检测.mp4 696.4MB
│├─唐宇迪OpenCV小章节.zip 10.6GB
│├─唐宇迪课件
│├─资料
│唐宇迪课件/
││├─第11-12章notebook课件.zip 215byte
││├─第16-17章notebook课件.zip 215byte
││├─第2-7章notebook课件(1).zip 7.3MB
││├─第九章：项目实战-信用卡数字识别.zip 235byte
││├─第二十一章：项目实战-疲劳检测.zip 268byte
││├─第八章notebook课件.zip 209byte
││├─第十三章：案例实战-全景图像拼接.zip 235byte
││├─第十九章：项目实战-目标追踪.zip 227byte
││├─第十五章：项目实战-答题卡识别判卷.zip 239byte
││├─第十八章：Opencv的DNN模块.zip 223byte
││├─第十四章：项目实战-停车场车位识别.zip 239byte
││├─第十章：项目实战-文档扫描OCR识别.zip 237byte
│资料/
││├─第11-12章notebook课件.zip 52.1MB
││├─第16-17章notebook课件.zip 9.4MB
││├─第九章：项目实战-信用卡数字识别.zip 548.1KB
││├─第二十一章：人脸关键点定位.zip 69.8MB
││├─第二十一章：项目实战-疲劳检测.zip 74.1MB
││├─第八章notebook课件.zip 1.3MB
││├─第十三章：案例实战-全景图像拼接.zip 829.5KB
││├─第十九章：项目实战-目标追踪.zip 125.3MB
││├─第十五章：项目实战-答题卡识别判卷.zip 3.1MB
││├─第十八章：Opencv的DNN模块.zip 49.6MB
││├─第十四章：项目实战-停车场车位识别.zip 111.3MB
││├─第十章：项目实战-文档扫描OCR识别.zip 44.9MB
34 大数据 Python数据分析处理库-pandas实战视频课程/
│├─大数据 Python数据分析处理库-pandas实战视频课程1[菜鸟自学网 cainzy.com].mp4 133.8MB
│├─大数据 Python数据分析处理库-pandas实战视频课程2[菜鸟自学网 cainzy.com].mp4 104.6MB
│├─大数据 Python数据分析处理库-pandas实战视频课程3[菜鸟自学网 cainzy.com].mp4 112.2MB
│├─大数据 Python数据分析处理库-pandas实战视频课程4[菜鸟自学网 cainzy.com].mp4 121.2MB
│├─大数据 Python数据分析处理库-pandas实战视频课程5[菜鸟自学网 cainzy.com].mp4 109.2MB
│├─大数据 Python数据分析处理库-pandas实战视频课程6[菜鸟自学网 cainzy.com].mp4 111.4MB
│├─大数据 Python数据分析处理库-pandas实战视频课程7[菜鸟自学网 cainzy.com].mp4 80.1MB
│├─大数据Python数据分析处理库-pandas实战视频课程[菜鸟自学网 cainzy.com].zip 24.4MB
35 大数据 Python科学计算库-Numpy实战视频课程/
│├─numpy代码.zip 16.8KB
│├─大数据 Python科学计算库-Numpy实战视频课程1.mp4 96.8MB
│├─大数据 Python科学计算库-Numpy实战视频课程2.mp4 96.4MB
│├─大数据 Python科学计算库-Numpy实战视频课程3.mp4 97.2MB
│├─大数据 Python科学计算库-Numpy实战视频课程4.mp4 107MB
│├─大数据 Python科学计算库-Numpy实战视频课程5.mp4 77.9MB
36 大数据——Python数据可视化-Matplotlib实战视频课程/
│├─Matplotlib绘图.zip 3.7MB
│├─大数据——Python数据可视化-Matplotlib实战视频课程1.mp4 107.2MB
│├─大数据——Python数据可视化-Matplotlib实战视频课程2.mp4 104.1MB
│├─大数据——Python数据可视化-Matplotlib实战视频课程3.mp4 112.3MB
│├─大数据——Python数据可视化-Matplotlib实战视频课程4.mp4 118.1MB
│├─大数据——Python数据可视化-Matplotlib实战视频课程5.mp4 125MB
37.2024Ai必会Agent(应用解读+项目实战)/
│├─001-课程介绍.mp4 74.8MB
│├─002-1-Agent要解决的问题分析.mp4 21.7MB
│├─003-2-Agent需要具备的基本能力.mp4 21.2MB
│├─004-3-与大模型的关系分析.mp4 18.4MB
│├─005-4-多智能体定义分析.mp4 17.1MB
│├─006-5-框架的作用和能解决的问题.mp4 26.3MB
│├─007-6-整体总结分析.mp4 13MB
│├─008-7-GPTS分析一波.mp4 30.6MB
│├─009-8-经典任务分析.mp4 25.4MB
│├─010-1-GPTS任务流程概述分析.mp4 47.8MB
│├─011-2-调用API的控制方式.mp4 20.8MB
│├─012-3-API相关配置完成.mp4 29MB
│├─013-4-完成指令与脚本并生成.mp4 49.1MB
│├─014-1-DEMO演示与整体架构分析.mp4 60.7MB
│├─015-2-后端GPT项目部署启动.mp4 51.4MB
│├─016-3-前端助手API与流程图配置.mp4 56.4MB
│├─017-4-接入外部API的方法与流程.mp4 40.7MB
│├─018-5-GPT中加入外部API调用方法.mp4 46.2MB
│├─019-6-指令提示构建.mp4 24.5MB
│├─020-1-论文概述分析.mp4 37.9MB
│├─021-2-整体框架逻辑介绍.mp4 52.2MB
│├─022-3-项目环境配置.mp4 60.4MB
│├─023-4-基础解读-动作定义方式.mp4 15.7MB
│├─024-5-基础解读-角色定义.mp4 13.3MB
│├─025-6-单动作智能体实现方法.mp4 20.2MB
│├─026-7-多动作配置方法.mp4 18.2MB
│├─027-8-定时器任务环境配置.mp4 36.5MB
│├─028-9-定时器任务流程解读分析.mp4 44.9MB
│├─029-0-基本Agent的组成.mp4 43.1MB
│├─030-1-Agent要完成的任务和业务逻辑定义.mp4 45.9MB
│├─031-2-问题拆解与执行流程.mp4 61.5MB
│├─032-3-检索得到重要的URL.mp4 30.4MB
│├─033-4-子问题生成总结结果.mp4 47.3MB
│├─034-5-总结与结果输出.mp4 23.4MB
│├─035-1-RAG要完成的任务解读.mp4 14.3MB
│├─036-2-RAG整体流程解读.mp4 18MB
│├─037-3-召回优化策略分析.mp4 17.6MB
│├─038-4-召回改进方案解读.mp4 23.1MB
│├─039-5-评估工具RAGAS.mp4 34.6MB
│├─040-6-外接本地数据库工具.mp4 19.5MB
│├─041-1-整体故事解读.mp4 35.5MB
│├─042-2-要解决的问题和整体框架分析.mp4 48.8MB
│├─043-3-论文基本框架分析.mp4 81.3MB
│├─044-4-Agent的记忆信息.mp4 61.9MB
│├─045-5-感知与反思模块构建流程.mp4 21.4MB
│├─046-6-计划模块实现细节.mp4 30MB
│├─047-7-整体流程框架图.mp4 19.7MB
│├─048-8-感知模块解读.mp4 38MB
│├─049-9-思考模块解读.mp4 40.4MB
│├─050-10-项目环境配置方法解读.mp4 39.6MB
│├─051-1-langchain框架解读.mp4 20.2MB
│├─052-2-基本API调用方法.mp4 40.1MB
│├─053-3-数据文档切分操作.mp4 35.5MB
│├─054-4-样本索引与向量构建.mp4 39.1MB
│├─055-5-数据切块方法.mp4 40.7MB
│├─056-1-MOE概述分析.mp4 19.6MB
│├─057-2-MOE模块实现方法解读.mp4 29.7MB
│├─058-3-效果分析与总结.mp4 41.4MB
│├─059-1-大模型如何做下游任务.mp4 27.8MB
│├─060-2-LLM落地微调分析.mp4 33.7MB
│├─061-3-LLAMA与LORA介绍.mp4 27.1MB
│├─062-4-LORA微调的核心思想.mp4 20.6MB
│├─063-5-LORA模型实现细节.mp4 36.8MB
│├─064-1-提示工程的作用.mp4 37.7MB
│├─065-2-项目数据解读.mp4 37.8MB
│├─066-3-源码调用DEBUG解读.mp4 35.1MB
│├─067-4-训练流程演示.mp4 43.8MB
│├─068-5-效果演示与总结分析.mp4 29.1MB
│├─069-1-RAG与微调可以解决与无法解决的问题.mp4 19.6MB
│├─070-2-RAG实践策略.mp4 16.5MB
│├─071-3-微调要解决的问题.mp4 14.6MB
37、2024 抖音唐宇迪AI Agent合并版/
│├─t01.mp4 1.4GB
│├─t02.mp4 1.2GB
│├─t03.mp4 834.5MB
│├─t04.mp4 1.2GB
│├─t05.mp4 1GB
│├─t06.mp4 1GB
│├─t07.mp4 542.4MB
│├─t08.mp4 1.3GB
│├─t09.mp4 1009.7MB
│├─t10.mp4 1.3GB
│├─t11.mp4 1.6GB
│├─t12.mp4 275.3MB
│├─先看这个，必看
│├─全网最全的GPT指令合集.pdf 2.3MB
│├─课件
│先看这个，必看/
││├─t01-他08大章节1-76节合并版.jpg 119.1KB
││├─t09-t12大章节是77-104小节合并版.jpg 107.8KB
││├─必看内容.txt 158byte
│课件/
││├─Agent系列
││├─全网最全的GPT指令合集.pdf 2.3MB
││Agent系列/
│││├─1-Agent架构解读与应用分析
│││├─10-LLM下游任务训练自己模型实战
│││├─11-OPENAI-LLM模型优化总结
│││├─2-新增GPTS打造Agent实战
│││├─3，4-metagpt
│││├─5-RAG检索架构分析与应用
│││├─6-斯坦福AI小镇架构与项目解读
│││├─7-langchain工具实例
│││├─9-LLM与LORA微调策略解读
│││├─新增-Agent打造专属客服
│││├─新增autogen模块
│││1-Agent架构解读与应用分析/
││││├─1-Agent趋势.png 276.9KB
││││├─2-Agent流程.png 106.9KB
││││├─3-Ageng包括组件.png 62.8KB
││││├─4-Agent组成.png 307KB
││││├─5-多模态.png 148.6KB
││││├─6-多角色组成.png 122.2KB
││││├─7-Agent游戏.png 298.6KB
││││├─8-多智能体.png 149.1KB
││││├─9-多智能体2.png 84.7KB
││││├─Agent.pdf 81.3KB
││││├─Agent.png 100.1KB
│││10-LLM下游任务训练自己模型实战/
││││├─Huatuo-Llama-Med-Chinese-main.zip 44.7MB
│││11-OPENAI-LLM模型优化总结/
││││├─11.png 812.8KB
││││├─12.png 382.5KB
││││├─13.png 167.1KB
││││├─14.webp 9.2KB
││││├─15.png 376.7KB
││││├─16.png 306.6KB
││││├─2.png 205.8KB
││││├─3.png 274.7KB
││││├─4.png 395KB
││││├─6.png 248.3KB
││││├─7.png 201.8KB
││││├─8.png 387.5KB
││││├─9.png 128.3KB
│││2-新增GPTS打造Agent实战/
││││├─API复制这个不要改.docx 12.9KB
││││├─GPTS例子.docx 12.4KB
││││├─广告文案.docx 12.6KB
││││├─文章翻译.docx 12.5KB
││││├─短视频脚本.docx 11.4KB
││││├─组会不用愁.txt 1.5KB
││││├─语聚AI指定(只改动作即可).docx 10.4KB
│││3，4-metagpt/
││││├─MetaGPT-main.zip 7MB
││││├─examples.rar 243.4KB
││││├─metaGpt.pdf 15.9MB
│││5-RAG检索架构分析与应用/
││││├─RAG.pdf 106.1KB
││││├─RAG.png 123.1KB
│││6-斯坦福AI小镇架构与项目解读/
││││├─斯坦福AI小镇.pdf 84.8KB
││││├─斯坦福AI小镇.png 90.9KB
││││├─斯坦福小镇论文.pdf 11.4MB
│││7-langchain工具实例/
││││├─基本使用.rar 12.3MB
│││9-LLM与LORA微调策略解读/
││││├─大模型.pdf 1.4MB
│││新增-Agent打造专属客服/
││││├─Agent客服.rar 5.2MB
│││新增autogen模块/
││││├─AutogenStudio部署
││││├─rag_skill.rar 48.4KB
││││AutogenStudio部署/
│││││├─index.html 1.3KB
│││││├─style.css 799byte
│││││├─write.json 4.3KB
│││││├─代码地址.txt 44byte