唐宇迪 人工智能 深度学习系统班 第九期V9.2 百度网盘下载

唐宇迪 人工智能 深度学习系统班 第九期V9.2 百度网盘下载

资源目录:

├──0咕泡机器学习

| ├──01-第一模块:Python快速入门

| | ├──01-1-Python环境配置

| | | └──01-1-Python环境配置.ts 35.95M

| | ├──02-2-Python库安装工具

| | | └──01-2-Python库安装工具.ts 35.18M

| | ├──03-3-Notebook工具使用

| | | └──01-3-Notebook工具使用.ts 64.51M

| | ├──04-4-Python简介

| | | └──01-4-Python简介.ts 49.55M

| | ├──05-5-Python数值运算

| | | └──01-5-Python数值运算.ts 32.70M

| | ├──06-6-Python字符串操作

| | | └──01-6-Python字符串操作.ts 30.17M

| | ├──07-7-1-索引结构

| | | └──01-7-1-索引结构.ts 20.56M

| | ├──08-7-2-List基础结构

| | | └──01-7-2-List基础结构.ts 27.73M

| | ├──09-8-List核心操作

| | | └──01-8-List核心操作.ts 28.85M

| | ├──10-9-字典基础定义

| | | └──01-9-字典基础定义.ts 17.50M

| | ├──11-10-字典的核心操作

| | | └──01-10-字典的核心操作.ts 25.56M

| | ├──12-11-Set结构

| | | └──01-11-Set结构.ts 24.08M

| | ├──13-12-赋值机制

| | | └──01-12-赋值机制.ts 6.38M

| | ├──14-13-判断结构

| | | └──01-13-判断结构.ts 14.24M

| | ├──15-14-循环结构

| | | └──01-14-循环结构.ts 24.35M

| | ├──16-15-函数定义

| | | └──01-15-函数定义.ts 29.27M

| | ├──17-16-模块与包

| | | └──01-16-模块与包.ts 28.98M

| | ├──18-17-异常处理模块

| | | └──01-17-异常处理模块.ts 44.00M

| | ├──19-18-文件操作

| | | └──01-18-文件操作.ts 43.48M

| | ├──20-19-类的基本定义

| | | └──01-19-类的基本定义.ts 28.69M

| | ├──21-20-类的属性操作

| | | └──01-20-类的属性操作.ts 31.41M

| | ├──22-21-时间操作

| | | └──01-21-时间操作.ts 15.63M

| | ├──23-22-Python练习题-1

| | | └──01-22-Python练习题-1.ts 29.86M

| | └──24-23-Python练习题-2

| | | └──01-23-Python练习题-2.ts 44.01M

| ├──02-第二模块:Python数据科学必备工具包实战

| | ├──01-科学计算库-Numpy

| | | ├──01-1-Numpy概述.ts 29.58M

| | | ├──02-2-Array数组.ts 30.33M

| | | ├──03-3-数组结构.ts 60.18M

| | | ├──04-4-数组类型.ts 20.89M

| | | ├──05-5-数值运算.ts 43.42M

| | | ├──06-6-排序操作.ts 36.49M

| | | ├──07-7-数组形状操作.ts 54.66M

| | | ├──08-8-数组生成函数.ts 43.90M

| | | ├──09-9-常用生成函数.ts 26.20M

| | | ├──10-10-四则运算.ts 28.10M

| | | ├──11-11-随机模块.ts 48.71M

| | | ├──12-12-文件读写.ts 32.82M

| | | ├──13-13-数组保存.ts 43.61M

| | | ├──14-14-练习题-1.ts 47.33M

| | | ├──15-15-练习题-2.ts 44.87M

| | | ├──16-16-练习题-3.ts 61.90M

| | | ├──17-13-Pandas常用操作.ts 32.59M

| | | └──18-14-Pandas常用操作2.ts 30.31M

| | ├──02-数据分析处理库-Pandas

| | | ├──01-1-Pandas概述.ts 52.17M

| | | ├──02-2-Pandas基本操作.ts 66.31M

| | | ├──03-3-Pandas索引.ts 59.70M

| | | ├──04-4-groupby操作.ts 37.34M

| | | ├──05-5-数值运算1.ts 34.41M

| | | ├──06-6-对象操作.ts 27.50M

| | | ├──07-7-对象操作2.ts 28.42M

| | | ├──08-8-merge操作.ts 30.32M

| | | ├──09-9-显示设置.ts 19.67M

| | | ├──10-10-数据透视表.ts 34.07M

| | | ├──11-11-时间操作.ts 28.19M

| | | ├──12-12-时间序列操作.ts 37.98M

| | | ├──13-15-Groupby操作延伸.ts 49.19M

| | | ├──14-16-字符串操作.ts 19.75M

| | | ├──15-17-索引进阶.ts 24.79M

| | | ├──16-18-Pandas绘图操作.ts 42.84M

| | | └──17-19-大数据处理技巧.ts 73.53M

| | ├──03-.可视化库-Matplotlib

| | | ├──01-1-Matplotlib概述.ts 29.07M

| | | ├──02-2-子图与标注.ts 51.55M

| | | ├──03-3-风格设置.ts 12.81M

| | | ├──04-4-条形图.ts 30.13M

| | | ├──05-5-条形图细节.ts 30.78M

| | | ├──06-6-条形图外观.ts 32.36M

| | | ├──07-7-盒图绘制.ts 20.42M

| | | ├──08-8-盒图细节.ts 33.80M

| | | ├──09-9-绘图细节设置.ts 31.18M

| | | ├──10-10-绘图细节设置2.ts 32.54M

| | | ├──11-11-直方图与散点图.ts 39.07M

| | | ├──12-12-3D图绘制.ts 51.00M

| | | ├──13-13-pie图.ts 33.43M

| | | ├──14-14-子图布局.ts 46.46M

| | | └──15-15-结合pandas与sklearn.ts 37.16M

| | └──04-可视化库-Seaborn

| | | ├──01-0-课程简介.ts 5.80M

| | | ├──02-1整体布局风格设置.ts 20.22M

| | | ├──03-2风格细节设置.ts 19.80M

| | | ├──04-3调色板.ts 23.02M

| | | ├──05-4调色板颜色设置.ts 19.53M

| | | ├──06-5单变量分析绘图.ts 24.05M

| | | ├──07-6回归分析绘图.ts 23.12M

| | | ├──08-7多变量分析绘图.ts 24.22M

| | | ├──09-8分类属性绘图.ts 25.34M

| | | ├──10-9Facetgrid使用方法.ts 19.82M

| | | ├──11-10Facetgrid绘制多变量.ts 24.63M

| | | └──12-11热度图绘制.ts 37.72M

| ├──03-第三模块:人工智能-必备数学课程

| | ├──01-高等数学基础

| | | ├──01-0-课程简介.ts 4.60M

| | | ├──02-1-函数.ts 13.42M

| | | ├──03-2-极限.ts 18.06M

| | | ├──04-3-无穷小与无穷大.ts 16.75M

| | | ├──05-4-连续性与导数.ts 23.39M

| | | ├──06-5-偏导数.ts 17.96M

| | | ├──07-6-方向导数.ts 22.11M

| | | └──08-7-梯度.ts 34.85M

| | ├──02-微积分

| | | ├──01-1-微积分基本想法.ts 16.09M

| | | ├──02-2-微积分的解释.ts 20.36M

| | | ├──03-3-定积分.ts 21.59M

| | | ├──04-4-定积分性质.ts 13.38M

| | | └──05-5-牛顿-莱布尼茨公式.ts 32.60M

| | ├──03-泰勒公式与拉格朗日

| | | ├──01-1-泰勒公式出发点.ts 15.53M

| | | ├──02-2-一点一世界.ts 24.08M

| | | ├──03-3-阶数的作用.ts 21.26M

| | | ├──04-4-阶乘的作用.ts 17.36M

| | | ├──05-5-拉格朗日乘子法.ts 30.44M

| | | └──06-6-求解拉格朗日乘子法.ts 29.76M

| | ├──04-线性代数基础

| | | ├──01-1-行列式概述.ts 14.48M

| | | ├──02-2-矩阵与数据的关系.ts 22.64M

| | | ├──03-3-矩阵基本操作.ts 30.59M

| | | ├──04-4-矩阵的几种变换.ts 13.97M

| | | ├──05-5-矩阵的秩.ts 34.37M

| | | └──06-6-内积与正交.ts 31.27M

| | ├──05-特征值与矩阵分解

| | | ├──01-1-特征值与特征向量.ts 17.73M

| | | ├──02-2-特征空间与应用.ts 11.76M

| | | ├──03-1-SVD要解决的问题.ts 17.83M

| | | ├──04-4-特征值分解.ts 14.34M

| | | └──05-5-SVD矩阵分解.ts 35.13M

| | ├──06-随机变量

| | | ├──01-1-离散型随机变量.ts 19.33M

| | | ├──02-2-连续型随机变量.ts 29.58M

| | | ├──03-3-简单随机抽样.ts 5.74M

| | | ├──04-4-似然函数.ts 19.04M

| | | └──05-5-极大似然估计.ts 27.43M

| | ├──07-概率论基础

| | | ├──01-1-概率与频率.ts 17.19M

| | | ├──02-2-古典概型.ts 18.68M

| | | ├──03-3-条件概率.ts 23.01M

| | | ├──04-4-条件概率小例子.ts 17.83M

| | | ├──05-5-独立性.ts 21.22M

| | | ├──06-6-二维离散型随机变量.ts 22.47M

| | | ├──07-7-二维连续型随机变量.ts 16.40M

| | | ├──08-8-边缘分布.ts 28.56M

| | | ├──09-9-期望.ts 12.45M

| | | ├──10-10-期望求解.ts 23.91M

| | | ├──11-11-马尔科夫不等式.ts 22.56M

| | | ├──12-12-切比雪夫不等式.ts 33.57M

| | | ├──13-13-后验概率估计.ts 26.26M

| | | ├──14-14-贝叶斯拼写纠错实例.ts 20.84M

| | | └──15-15-垃圾邮件过滤实例.ts 25.58M

| | ├──08-数据科学你得知道的几种分布

| | | ├──01-1-正太分布.ts 85.21M

| | | ├──02-2-二项式分布.ts 54.99M

| | | ├──03-3-泊松分布.ts 77.44M

| | | ├──04-4-均匀分布.ts 13.11M

| | | ├──05-5-卡方分布.ts 37.05M

| | | └──06-6-beta分布.ts 66.78M

| | ├──09-核函数变换

| | | ├──01-1-核函数的目的.ts 17.89M

| | | ├──02-2-线性核函数.ts 13.33M

| | | ├──03-3-多项式核函数.ts 10.59M

| | | ├──04-4-核函数实例.ts 27.58M

| | | ├──05-5-高斯核函数.ts 22.82M

| | | └──06-6-参数的影响.ts 23.99M

| | ├──10-熵与激活函数

| | | ├──01-1-熵的概念.ts 11.69M

| | | ├──02-2-熵的大小意味着什么.ts 42.29M

| | | ├──03-3-激活函数.ts 15.92M

| | | └──04-4-激活函数的问题.ts 24.80M

| | ├──11-回归分析

| | | ├──01-1-回归分析概述.ts 25.63M

| | | ├──02-2-回归方程定义.ts 18.59M

| | | ├──03-3-误差项的定义.ts 33.84M

| | | ├──04-4-最小二乘法推导与求解.ts 43.03M

| | | ├──05-5-回归方程求解小例子.ts 27.71M

| | | ├──06-6-回归直线拟合优度.ts 47.87M

| | | ├──07-7-多元与曲线回归问题.ts 44.29M

| | | ├──08-8-Python工具包介绍.ts 52.95M

| | | ├──09-9-statsmodels回归分析.ts 38.31M

| | | ├──10-10-高阶与分类变量实例.ts 67.63M

| | | ├──11-11-案例:汽车价格预测任务概述.ts 46.70M

| | | ├──12-12-案例:缺失值填充.ts 101.56M

| | | ├──13-13-案例:特征相关性.ts 99.22M

| | | ├──14-14-案例:预处理问题.ts 50.84M

| | | └──15-15-案例:回归求解.ts 85.40M

| | ├──12-假设检验

| | | ├──01-1-假设检验基本思想.ts 43.24M

| | | ├──02-2-左右侧检验与双侧检验.ts 55.85M

| | | ├──03-3-Z检验基本原理.ts 22.13M

| | | ├──04-4-Z检验实例.ts 68.35M

| | | ├──05-5-T检验基本原理.ts 64.96M

| | | ├──06-6-T检验实例.ts 27.62M

| | | ├──07-7-T检验应用条件.ts 32.64M

| | | ├──08-8-卡方检验.ts 60.31M

| | | ├──09-9-假设检验中的两类错误.ts 56.62M

| | | ├──10-10-Python假设检验实例.ts 62.29M

| | | └──11-11-Python卡方检验实例.ts 29.28M

| | ├──13-相关分析

| | | ├──01-1-相关分析概述.ts 33.44M

| | | ├──02-2-皮尔森相关系数.ts 29.11M

| | | ├──03-3-计算与检验.ts 73.50M

| | | ├──04-4-斯皮尔曼等级相关.ts 61.97M

| | | ├──05-5-肯德尔系数.ts 33.98M

| | | ├──06-6-质量相关分析.ts 56.80M

| | | └──07-7-偏相关与复相关.ts 42.45M

| | ├──14-方差分析

| | | ├──01-1-方差分析概述.ts 23.00M

| | | ├──02-2-方差的比较.ts 52.96M

| | | ├──03-3-方差分析计算方法.ts 68.54M

| | | ├──04-4-方差分析中的多重比较.ts 34.55M

| | | ├──05-5-多因素方差分析.ts 51.04M

| | | └──06-6-Python方差分析实例.ts 34.00M

| | ├──15-聚类分析

| | | ├──01-1-层次聚类概述.ts 21.73M

| | | ├──02-2-层次聚类流程.ts 60.55M

| | | ├──03-3-层次聚类实例.ts 60.55M

| | | ├──04-4-1-KMEANS算法概述.ts 20.71M

| | | ├──05-4-2-KMEANS工作流程.ts 16.11M

| | | ├──06-4-3-KMEANS迭代可视化展示.ts 27.23M

| | | ├──07-5-1-DBSCAN聚类算法.ts 21.56M

| | | ├──08-5-2-DBSCAN工作流程.ts 31.14M

| | | ├──09-5-3-DBSCAN可视化展示.ts 28.39M

| | | ├──10-6-1-多种聚类算法概述.ts 7.78M

| | | └──11-6-2-聚类案例实战.ts 60.33M

| | └──16-贝叶斯分析

| | | ├──01-1-贝叶斯分析概述.ts 32.38M

| | | ├──02-2-概率的解释.ts 29.26M

| | | ├──03-3-贝叶斯学派与经典统计学派的争论.ts 27.77M

| | | ├──04-4-贝叶斯算法概述.ts 12.72M

| | | ├──05-5-贝叶斯推导实例.ts 13.36M

| | | ├──06-6-贝叶斯拼写纠错实例.ts 20.84M

| | | ├──07-7-垃圾邮件过滤实例.ts 25.58M

| | | ├──08-8-贝叶斯解释.ts 49.07M

| | | ├──09-9-经典求解思路.ts 39.26M

| | | ├──10-10-MCMC概述.ts 54.71M

| | | ├──11-11-PYMC3概述.ts 29.91M

| | | ├──12-12-模型诊断.ts 47.69M

| | | └──13-13-模型决策.ts 71.46M

| ├──04-第四模块:机器学习算法精讲及其案例应用

| | ├──01-线性回归原理推导

| | | ├──01-0-课程简介1.ts 5.80M

| | | ├──02-1-回归问题概述.ts 22.55M

| | | ├──03-2-误差项定义.ts 30.49M

| | | ├──04-3-独立同分布的意义.ts 27.75M

| | | ├──05-4-似然函数的作用.ts 33.60M

| | | ├──06-5-参数求解.ts 35.51M

| | | ├──07-6-梯度下降通俗解释.ts 24.30M

| | | ├──08-7参数更新方法.ts 28.56M

| | | └──09-8-优化参数设置.ts 30.72M

| | ├──02-线性回归代码实现

| | | ├──01-线性回归整体模块概述.ts 16.59M

| | | ├──02-初始化步骤.ts 27.46M

| | | ├──03-实现梯度下降优化模块.ts 44.66M

| | | ├──04-损失与预测模块.ts 52.57M

| | | ├──05-数据与标签定义.ts 49.71M

| | | ├──06-训练线性回归模型.ts 50.70M

| | | ├──07-得到线性回归方程.ts 40.13M

| | | ├──08-整体流程debug解读.ts 38.70M

| | | ├──09-多特征回归模型.ts 69.21M

| | | └──10-非线性回归.ts 55.45M

| | ├──03-模型评估方法

| | | ├──01-1-Sklearn工具包简介.ts 40.56M

| | | ├──02-2-数据集切分.ts 29.42M

| | | ├──03-3-交叉验证的作用.ts 54.09M

| | | ├──04-4-交叉验证实验分析.ts 73.17M

| | | ├──05-5-混淆矩阵.ts 27.14M

| | | ├──06-6-评估指标对比分析.ts 59.23M

| | | ├──07-7-阈值对结果的影响.ts 50.18M

| | | └──08-8-ROC曲线.ts 36.23M

| | ├──04-线性回归实验分析

| | | ├──01-1-实验目标分析.ts 24.24M

| | | ├──02-2-参数直接求解方法.ts 28.78M

| | | ├──03-3-预处理对结果的影响.ts 62.63M

| | | ├──04-4-梯度下降模块.ts 24.06M

| | | ├──05-5-学习率对结果的影响.ts 37.42M

| | | ├──06-6-随机梯度下降得到的效果.ts 50.87M

| | | ├──07-7-MiniBatch方法.ts 35.89M

| | | ├──08-8-不同策略效果对比.ts 38.01M

| | | ├──09-9-多项式回归.ts 43.14M

| | | ├──10-10-模型复杂度.ts 73.75M

| | | ├──11-11-样本数量对结果的影响.ts 68.80M

| | | ├──12-12-正则化的作用.ts 38.78M

| | | ├──13-13-岭回归与lasso.mp4 103.52M

| | | └──14-14-实验总结.ts 63.42M

| | ├──05-逻辑回归实验分析

| | | ├──01-1-逻辑回归算法原理.ts 26.38M

| | | └──02-2-化简与求解.ts 33.63M

| | ├──06-逻辑回归代码实现

| | | ├──01-1-多分类逻辑回归整体思路.ts 23.82M

| | | ├──02-2-训练模块功能.ts 49.11M

| | | ├──03-3-完成预测模块.ts 41.65M

| | | ├──04-4-优化目标定义.ts 44.05M

| | | ├──05-5-迭代优化参数.ts 55.67M

| | | ├──06-6-梯度计算.ts 54.90M

| | | ├──07-7-得出最终结果.ts 61.91M

| | | ├──08-8-鸢尾花数据集多分类任务.ts 31.14M

| | | ├──09-9-训练多分类模型.ts 53.69M

| | | ├──10-10-准备测试数据.ts 45.91M

| | | ├──11-11-决策边界绘制.ts 62.27M

| | | └──12-12-非线性决策边界.ts 25.90M

| | ├──07-逻辑回归实验分析

| | | ├──01-1-逻辑回归实验概述.ts 58.26M

| | | ├──02-2-概率结果随特征数值的变化.ts 52.07M

| | | ├──03-3-可视化展示.ts 38.08M

| | | ├──04-4-坐标棋盘制作.ts 44.06M

| | | ├──05-5-分类决策边界展示分析.ts 69.03M

| | | └──06-6-多分类-softmax.ts 68.18M

| | ├──08-聚类算法-Kmeans&Dbscan原理

| | | ├──01-1-KMEANS算法概述.ts 20.71M

| | | ├──02-2-KMEANS工作流程.ts 16.11M

| | | ├──03-3-KMEANS迭代可视化展示.ts 27.23M

| | | ├──04-4-DBSCAN聚类算法.ts 21.56M

| | | ├──05-5-DBSCAN工作流程.ts 31.14M

| | | └──06-6-DBSCAN可视化展示.ts 28.39M

| | ├──09-Kmeans代码实现

| | | ├──01-1-Kmeans算法模块概述.ts 11.81M

| | | ├──02-2-计算得到簇中心点.ts 27.66M

| | | ├──03-3-样本点归属划分.ts 29.23M

| | | ├──04-4-算法迭代更新.ts 31.69M

| | | ├──05-5-鸢尾花数据集聚类任务.ts 36.89M

| | | └──06-6-聚类效果展示.ts 58.94M

| | ├──10-聚类算法实验分析

| | | ├──01-1-Kmenas算法常用操作.ts 46.99M

| | | ├──02-2-Kmenas算法常用操作_20190805_232034.ts 46.99M

| | | ├──03-1-聚类结果展示.ts 22.25M

| | | ├──04-2-聚类结果展示_20190805_232030.ts 22.25M

| | | ├──05-1-建模流程解读.ts 55.64M

| | | ├──06-2-建模流程解读_20190805_232032.ts 55.64M

| | | ├──07-2-不稳定结果_20190805_232028.ts 20.87M

| | | ├──08-1-不稳定结果.ts 20.87M

| | | ├──09-1-评估指标-Inertia.ts 53.70M

| | | ├──10-2-评估指标-Inertia_20190805_232027.ts 53.70M

| | | ├──11-1-如何找到合适的K值_20190805_232026.ts 39.23M

| | | ├──12-2-如何找到合适的K值_20190805_232026.ts 39.23M

| | | ├──13-2-Kmenas算法存在的问题.ts 38.90M

| | | ├──14-1-轮廓系数的作用_20190805_232028.ts 47.53M

| | | ├──15-1-Kmenas算法存在的问题_20190805_232023.ts 38.90M

| | | ├──16-2-应用实例-图像分割.ts 45.60M

| | | ├──17-1-应用实例-图像分割_20190805_232021.ts 45.60M

| | | ├──18-2-半监督学习_20190805_232033.ts 53.94M

| | | ├──19-1-半监督学习.ts 53.94M

| | | ├──20-1-DBSCAN算法.ts 61.67M

| | | └──21-2-DBSCAN算法_20190805_232033.ts 61.67M

| | ├──11-决策树原理

| | | ├──01-1-决策树算法概述.ts 27.92M

| | | ├──02-2-熵的作用.ts 25.92M

| | | ├──03-3-信息增益原理.ts 34.56M

| | | ├──04-4-决策树构造实例.ts 28.78M

| | | ├──05-5-信息增益率与gini系数.ts 21.01M

| | | ├──06-6-预剪枝方法.ts 28.69M

| | | ├──07-7-后剪枝方法.ts 28.22M

| | | └──08-8-回归问题解决.ts 20.84M

| | ├──12-决策树代码实现

| | | ├──01-整体模块概述.ts 13.33M

| | | ├──02-递归生成树节点.ts 32.04M

| | | ├──03-整体框架逻辑.ts 23.15M

| | | ├──04-熵值计算.ts 45.05M

| | | ├──05-数据集切分.ts 30.99M

| | | ├──06-完成树模型构建.ts 31.42M

| | | └──07-测试算法效果.ts 25.64M

| | ├──13-决策树实验分析

| | | ├──01-1-树模型可视化展示.ts 35.33M

| | | ├──02-2-决策边界展示分析.ts 46.83M

| | | ├──03-3-树模型预剪枝参数作用.ts 48.24M

| | | └──04-4-回归树模型.ts 47.30M

| | ├──14-集成算法原理

| | | ├──01-1-随机森林算法原理.ts 36.30M

| | | ├──02-2-随机森林优势与特征重要性指标.ts 30.26M

| | | ├──03-3-提升算法概述.ts 26.42M

| | | └──04-4-stacking堆叠模型.ts 22.91M

| | ├──15-集成算法实验分析

| | | ├──01-1-构建实验数据集.ts 19.22M

| | | ├──02-2-硬投票与软投票效果对比.ts 76.45M

| | | ├──03-3-Bagging策略效果.ts 49.68M

| | | ├──04-4-集成效果展示分析.ts 56.12M

| | | ├──05-5-OOB袋外数据的作用.ts 20.66M

| | | ├──06-6-特征重要性热度图展示.ts 59.90M

| | | ├──07-7-Adaboost算法概述.ts 13.39M

| | | ├──08-8-Adaboost决策边界效果.ts 68.06M

| | | ├──09-9-GBDT提升算法流程.ts 27.40M

| | | ├──10-10-集成参数对比分析.ts 95.26M

| | | ├──11-11-模型提前停止策略.ts 35.69M

| | | ├──12-12-停止方案实施.ts 55.01M

| | | └──13-13-堆叠模型.ts 25.62M

| | ├──16-支持向量机原理推导

| | | ├──01-1-支持向量机要解决的问题.ts 22.48M

| | | ├──02-2-距离与数据定义.ts 23.14M

| | | ├──03-3-目标函数推导.ts 29.55M

| | | ├──04-4-拉格朗日乘子法求解.ts 24.86M

| | | ├──05-5-化简最终目标函数.ts 19.20M

| | | ├──06-6-求解决策方程.ts 36.56M

| | | ├──07-7-软间隔优化.ts 41.10M

| | | ├──08-8-核函数的作用.ts 37.04M

| | | └──09-9-知识点总结.ts 29.29M

| | ├──17-支持向量机实验分析

| | | ├──01-1-支持向量机所能带来的效果.ts 33.67M

| | | ├──02-2-决策边界可视化展示.ts 38.83M

| | | ├──03-3-软间隔的作用.ts 37.29M

| | | ├──04-4-非线性SVM.ts 25.79M

| | | └──05-5-核函数的作用与效果.ts 76.40M

| | ├──18-神经网络算法原理

| | | ├──01-1-深度学习要解决的问题.ts 23.08M

| | | ├──02-2-深度学习应用领域.ts 56.11M

| | | ├──03-3-计算机视觉任务.ts 20.13M

| | | ├──04-4-视觉任务中遇到的问题.ts 37.12M

| | | ├──05-5-得分函数.ts 21.48M

| | | ├──06-6-损失函数的作用.ts 35.13M

| | | ├──07-7-前向传播整体流程.ts 44.21M

| | | ├──08-8-返向传播计算方法.ts 29.33M

| | | ├──09-9-神经网络整体架构.ts 34.50M

| | | ├──10-10-神经网络架构细节.ts 41.95M

| | | ├──11-11-神经元个数对结果的影响.ts 64.51M

| | | ├──12-12-正则化与激活函数.ts 32.65M

| | | └──13-13-神经网络过拟合解决方法.ts 45.28M

| | ├──19-神经网络代码实现

| | | ├──01-1-神经网络整体框架概述.ts 24.96M

| | | ├──02-2-参数初始化操作.ts 48.12M

| | | ├──03-3-矩阵向量转换.ts 35.80M

| | | ├──04-4-向量反变换.ts 39.44M

| | | ├──05-5-完成前向传播模块.ts 40.72M

| | | ├──06-6-损失函数定义.ts 40.10M

| | | ├──07-7-准备反向传播迭代.ts 33.71M

| | | ├──08-8-差异项计算.ts 45.01M

| | | ├──09-9-逐层计算.ts 43.47M

| | | ├──10-10-完成全部迭代更新模块.ts 73.34M

| | | ├──11-11-手写字体识别数据集.ts 44.86M

| | | ├──12-12-算法代码错误修正.ts 61.52M

| | | ├──13-13-模型优化结果展示.ts 61.04M

| | | └──14-14-测试效果可视化展示.ts 70.10M

| | ├──20-贝叶斯算法原理

| | | ├──01-1-贝叶斯要解决的问题.ts 16.13M

| | | ├──02-2-贝叶斯公式推导.ts 22.24M

| | | ├──03-3-垃圾邮件过滤实例.ts 25.58M

| | | └──04-4-拼写纠错实例.ts 37.39M

| | ├──21-贝叶斯代码实现

| | | ├──01-1-朴素贝叶斯算法整体框架.ts 20.80M

| | | ├──02-2-邮件数据读取.ts 19.20M

| | | ├──03-3-预料表与特征向量构建.ts 39.54M

| | | ├──04-4-分类别统计词频.ts 37.00M

| | | ├──05-5-贝叶斯公式对数变换.ts 33.84M

| | | └──06-6-完成预测模块.ts 39.85M

| | ├──22-关联规则实战分析

| | | ├──01-1-关联规则概述.ts 24.16M

| | | ├──02-2-支持度与置信度.ts 37.12M

| | | ├──03-3-提升度的作用.ts 46.28M

| | | ├──04-4-Python实战关联规则.ts 38.29M

| | | ├──05-5-数据集制作.ts 36.69M

| | | └──06-6-电影数据集题材关联分析.ts 62.97M

| | ├──23-关联规则代码实现

| | | ├──01-1-Apripri算法整体流程.ts 37.97M

| | | ├──02-2-数据集demo.ts 14.10M

| | | ├──03-3-扫描模块.ts 27.32M

| | | ├──04-4-拼接模块.ts 24.71M

| | | ├──05-5-挖掘频繁项集.ts 30.23M

| | | ├──06-6-规则生成模块.ts 30.10M

| | | ├──07-7-完成全部算法流程.ts 34.33M

| | | └──08-8-规则结果展示.ts 32.63M

| | ├──24-词向量word2vec通俗解读

| | | ├──01-1-词向量模型通俗解释.ts 24.40M

| | | ├──02-2-模型整体框架.ts 31.87M

| | | ├──03-3-训练数据构建.ts 17.84M

| | | ├──04-4-CBOW与Skip-gram模型.ts 26.88M

| | | └──05-5-负采样方案.ts 33.10M

| | ├──25-代码实现word2vec词向量模型

| | | ├──01-1-数据与任务流程.ts 50.76M

| | | ├──02-2-数据清洗.ts 30.85M

| | | ├──03-3-batch数据制作.ts 57.85M

| | | ├──04-4-网络训练.ts 55.18M

| | | └──05-5-可视化展示.ts 54.54M

| | ├──26-线性判别分析降维算法原理解读

| | | ├──01-1-线性判别分析要解决的问题.ts 22.71M

| | | ├──02-2-线性判别分析要优化的目标.ts 21.75M

| | | ├──03-3-线性判别分析求解.ts 22.37M

| | | ├──04-4-实现线性判别分析进行降维任务.ts 28.05M

| | | └──05-5-求解得出降维结果.ts 26.59M

| | ├──27-主成分分析降维算法原理解读

| | | ├──01-1-PCA基本概念.ts 54.02M

| | | ├──02-2-方差与协方差.ts 28.93M

| | | ├──03-3-PCA结果推导.ts 38.44M

| | | └──04-4-PCA降维实例.ts 46.92M

| | ├──28-隐马尔科夫模型

| | | ├──01-1-马尔科夫模型.ts 19.90M

| | | ├──02-2-隐马尔科夫模型基本出发点.ts 21.82M

| | | ├──03-3-组成与要解决的问题.ts 16.74M

| | | ├──04-4-暴力求解方法.ts 31.65M

| | | ├──05-5-复杂度计算.ts 17.36M

| | | ├──06-6-前向算法.ts 41.13M

| | | ├──07-7-前向算法求解实例.ts 37.99M

| | | ├──08-8-Baum-Welch算法.ts 30.68M

| | | ├──09-9-参数求解.ts 19.59M

| | | └──10-10-维特比算法.ts 48.87M

| | └──29-HMM应用实例

| | | ├──01-1-hmmlearn工具包.ts 22.28M

| | | ├──02-2-工具包使用方法.ts 61.41M

| | | ├──03-3-中文分词任务.ts 15.36M

| | | └──04-4-实现中文分词.ts 40.58M

| ├──05-第五模块:机器学习算法建模实战项目

| | ├──01-项目实战-交易数据异常检测

| | | ├──01-1-任务目标解读.ts 40.62M

| | | ├──02-2-项目挑战与解决方案制定.ts 55.09M

| | | ├──03-3-数据标准化处理.ts 56.17M

| | | ├──04-4-下采样数据集制作.ts 26.99M

| | | ├──05-5-交叉验证.ts 30.69M

| | | ├──06-6-数据集切分.ts 26.65M

| | | ├──07-7-模型评估方法与召回率.ts 38.00M

| | | ├──08-8-正则化惩罚项.ts 36.50M

| | | ├──09-9-训练逻辑回归模型.ts 77.71M

| | | ├──10-10-混淆矩阵评估分析.ts 60.84M

| | | ├──11-11-测试集遇到的问题.ts 26.55M

| | | ├──12-12-阈值对结果的影响.ts 42.84M

| | | ├──13-13-SMOTE样本生成策略.ts 32.07M

| | | └──14-14-过采样效果与项目总结.ts 47.39M

| | ├──02-基于随机森林的气温预测实战

| | | ├──01-1-基于随机森林的气温预测任务概述.ts 44.89M

| | | ├──02-2-基本随机森林模型建立.ts 46.11M

| | | ├──03-3-可视化展示与特征重要性.ts 92.33M

| | | ├──04-4-加入新的数据与特征.ts 54.87M

| | | ├──05-5-数据与特征对结果的影响.ts 49.21M

| | | ├──06-6-效率对比分析.ts 59.63M

| | | ├──07-7-网格与随机参数选择.ts 41.44M

| | | ├──08-8-随机参数选择方法实践.ts 48.26M

| | | └──09-9-调参优化细节.ts 56.64M

| | ├──03-贝叶斯新闻分类实战

| | | ├──01-1-新闻数据与任务概述.ts 27.82M

| | | ├──02-2-中文分词与停用词过滤.ts 38.88M

| | | ├──03-3-文本关键词提取.ts 78.35M

| | | ├──04-4-词袋模型.ts 49.53M

| | | ├──05-5-贝叶斯建模结果.ts 55.17M

| | | └──06-6-TF-IDF特征分析对比.ts 48.80M

| | ├──04-推荐系统实战

| | | ├──01-1-音乐推荐任务概述.ts 72.88M

| | | ├──02-2-数据集整合.ts 59.67M

| | | ├──03-3-基于物品的协同过滤.ts 70.77M

| | | ├──04-4-物品相似度计算与推荐.ts 72.30M

| | | ├──05-5-SVD矩阵分解.ts 35.13M

| | | └──06-6-基于矩阵分解的音乐推荐.ts 93.14M

| | ├──05-fbprophe时间序列预测

| | | ├──01-1-fbprophet股价预测任务概述.ts 85.77M

| | | ├──02-2-时间序列分析.ts 80.52M

| | | ├──03-3-fbprophet时间序列预测实例.mp4 97.53M

| | | ├──04-4-亚马逊股价趋势.mp4 63.27M

| | | └──05-5-突变点调参.ts 89.54M

| | └──06-京东用户购买意向预测

| | | ├──01-1-项目与数据介绍.ts 55.40M

| | | ├──02-2-数据挖掘流程.ts 42.65M

| | | ├──03-3-数据检查.ts 32.97M

| | | ├──04-4-构建用户特征表单.ts 60.96M

| | | ├──05-5-构建商品特征表单.ts 45.96M

| | | ├──06-6-数据探索概述.ts 21.82M

| | | ├──07-7-购买因素分析.ts 33.05M

| | | ├──08-8-特征工程.ts 70.36M

| | | ├──09-9-基本特征构造.ts 50.96M

| | | ├──10-10-行为特征.ts 33.79M

| | | ├──11-11-累积行为特征.ts 51.86M

| | | └──12-12-Xgboost模型.ts 25.98M

| ├──06-第六模块:机器学习案例实战应用集锦

| | ├──01-Python实战关联规则

| | | ├──01-1-关联规则概述.ts 24.16M

| | | ├──02-2-支持度与置信度.ts 37.12M

| | | ├──03-3-提升度的作用.ts 46.28M

| | | ├──04-4-Python实战关联规则.ts 38.29M

| | | ├──05-5-数据集制作.ts 36.69M

| | | └──06-6-电影数据集题材关联分析.ts 62.97M

| | ├──02-爱彼迎数据集分析与建模

| | | ├──01-1-数据与任务分析.ts 51.73M

| | | ├──02-2-提取月份信息进行统计分析.ts 26.44M

| | | ├──03-3-房价随星期变化的可视化展示.ts 49.79M

| | | ├──04-4-房屋信息指标分析.ts 92.06M

| | | ├──05-5-提取房屋常见设施.ts 77.40M

| | | ├──06-6-房屋规格热度图分析.ts 55.44M

| | | ├──07-7-预处理与建模准备.ts 61.30M

| | | ├──08-8-随机森林与LightGBM.ts 48.24M

| | | └──09-9-训练与评估.ts 69.44M

| | ├──03-基于相似度的酒店推荐系统

| | | ├──01-1-数据与任务介绍.ts 25.63M

| | | ├──02-2-文本词频统计.ts 35.59M

| | | ├──03-3-ngram结果可视化展示.ts 59.95M

| | | ├──04-4-文本清洗.ts 37.48M

| | | ├──05-5-相似度计算.ts 52.85M

| | | └──06-6-得出推荐结果.ts 68.39M

| | ├──04-商品销售额回归分析

| | | ├──01-1-数据任务分析.ts 66.71M

| | | ├──02-2-特征工程制作.ts 63.07M

| | | ├──03-3-统计指标生成.ts 61.49M

| | | ├──04-4-特征信息提取.ts 92.55M

| | | ├──05-5-标签变换.ts 47.89M

| | | ├──06-6-输入数据制作.ts 31.42M

| | | ├──07-7-Xgboost训练模型.ts 30.58M

| | | └──08-8-生成输出结果.ts 73.98M

| | ├──05-绝地求生数据集探索分析与建模

| | | ├──01-1-数据与任务简介.ts 41.41M

| | | ├──02-2-数据问题探索与解决方案.ts 60.59M

| | | ├──03-3-剔除开挂数据.ts 43.87M

| | | ├──04-5-绘图统计分析.ts 44.83M

| | | ├──05-6-热度图展示.ts 37.61M

| | | ├──06-7-随机森林建模.ts 36.65M

| | | └──07-8-特征重要性.ts 60.25M

| | ├──06-机器学习-模型解释方法实战

| | | ├──01-1-模型解释方法与实践.ts 51.18M

| | | ├──02-2-部分依赖图解释.ts 24.43M

| | | ├──03-3-双变量分析.ts 31.67M

| | | ├──04-4-ShapValues指标分析.ts 64.22M

| | | └──05-5-疾病引起原因分析实战.ts 60.99M

| | ├──07-自然语言处理必备工具包实战

| | | ├──01-1-Python字符串处理.ts 46.65M

| | | ├──02-2-正则表达式基本语法.ts 35.26M

| | | ├──03-3-正则常用符号.ts 41.60M

| | | ├──04-4-常用函数介绍.ts 45.33M

| | | ├──05-5-NLTK工具包简介.ts 36.13M

| | | ├──06-6-停用词过滤.ts 31.23M

| | | ├──07-7-词性标注.ts 40.28M

| | | ├──08-8-数据清洗实例.ts 46.25M

| | | ├──09-9-Spacy工具包.ts 52.37M

| | | ├──10-10-名字实体匹配.ts 24.30M

| | | ├──11-11-恐怖袭击分析.ts 45.72M

| | | ├──12-12-统计分析结果.ts 52.80M

| | | ├──13-13-结巴分词器.ts 31.56M

| | | └──14-14-词云展示.ts 95.80M

| | ├──08-NLP核心模型-Word2vec

| | | ├──01-1-词向量模型通俗解释.ts 24.40M

| | | ├──02-2-模型整体框架.ts 31.87M

| | | ├──03-3-训练数据构建.ts 17.84M

| | | ├──04-4-CBOW与Skip-gram模型.ts 26.88M

| | | └──05-5-负采样方案.ts 33.10M

| | ├──09-数据特征预处理

| | | ├──01-1-任务概述.ts 36.64M

| | | ├──02-2-词袋模型.ts 31.92M

| | | ├──03-3-词袋模型分析.ts 71.02M

| | | ├──04-4-TFIDF模型.ts 53.24M

| | | ├──05-5-word2vec词向量模型.ts 60.54M

| | | └──06-6-深度学习模型.ts 43.52M

| | ├──10-10文本特征处理方法对比

| | | ├──01-1-数据与任务介绍.ts 25.63M

| | | ├──02-2-数据分析与可视化展示.ts 33.74M

| | | ├──03-3-连续值离散化与可视化细节.ts 52.32M

| | | ├──04-4-加载数据坐标到实际地图中进行分析.ts 76.73M

| | | ├──05-5-特征相关性分析.ts 58.86M

| | | ├──06-6-缺失值填充.ts 22.43M

| | | ├──07-7-sklearn工具包预处理模块.ts 65.55M

| | | ├──08-8-离散属性特征处理.ts 37.44M

| | | ├──09-9-构建合适的特征.ts 57.03M

| | | ├──10-10-序列化执行预处理操作.ts 48.15M

| | | ├──11-11-完成所有预处理操作.ts 55.16M

| | | └──12-12-构建回归模型.ts 68.68M

| | ├──11-银行客户还款可能性预测

| | | ├──01-1-数据任务介绍及缺失值处理.ts 47.01M

| | | ├──02-2-EDA数据探索分析.ts 39.32M

| | | ├──03-3-特征展示分析.ts 33.59M

| | | ├──04-4-KDEPLOT展示.ts 34.66M

| | | ├──05-5-部分特征分析与可视化.ts 51.07M

| | | ├──06-6-数据检查与特征工程.ts 63.99M

| | | ├──07-7-多项式特征.ts 49.13M

| | | ├──08-8-自定义特征.ts 25.50M

| | | ├──09-9-逻辑回归模型.ts 74.57M

| | | ├──10-10-结果评估.ts 95.65M

| | | └──11-11-必杀神奇:lightgbm.ts 100.28M

| | └──12-图像特征聚类分析实践

| | | ├──01-1-数据与任务流程分析.ts 48.96M

| | | ├──02-2-图片数据导入.ts 42.33M

| | | ├──03-3-图像特征编码.ts 38.32M

| | | ├──04-4-数组保存与读取.ts 28.95M

| | | ├──05-5-得出聚类结果.ts 39.83M

| | | └──06-6-聚类效果可视化展示.ts 81.75M

| ├──07-第七模块:机器学习竞赛优胜解决方案实战

| | ├──01-快手短视频用户活跃度分析

| | | ├──01-1-任务目标与数据分析…ts 36.34M

| | | ├──02-2-整体模型架构.ts 16.91M

| | | ├──03-3-构建用户特征序列.ts 45.22M

| | | ├──04-4-序列特征提取方法.ts 37.01M

| | | ├──05-5-生成特征汇总表.ts 44.68M

| | | ├──06-6-标签制作.ts 35.38M

| | | ├──07-7-网络训练模块.ts 50.04M

| | | ├──08-8-得出最终模型结果.ts 41.59M

| | | └──09-0-课程简介.ts 4.60M

| | ├──02-工业化生产预测

| | | ├──01-1-数据任务概述.ts 30.01M

| | | ├──02-2-数据异常检查.ts 65.05M

| | | ├──03-3-时间特征提取.ts 66.96M

| | | ├──04-4-各道工序特征构建.ts 71.26M

| | | ├──05-5-准备训练数据.ts 49.51M

| | | └──06-6-训练xgboost模型.ts 57.08M

| | ├──03-智慧城市-道路通行时间预测

| | | ├──01-1-数据与任务目标分析.ts 35.12M

| | | ├──02-2-数据清洗与标签转换.ts 32.15M

| | | ├──03-3-道路通行时间序列数据生成.ts 44.55M

| | | ├──04-4-序列缺失补全方法.ts 42.65M

| | | ├──05-5-基于回归与插值完成序列特征.ts 62.58M

| | | ├──06-6-基于回归与插值进行序列补全.ts 36.11M

| | | ├──07-7-特征汇总.ts 57.77M

| | | └──08-8-建立回归模型进行预测.ts 54.76M

| | ├──04-特征工程建模可解释包

| | | ├──01-1-模型解释方法与实践.ts 51.18M

| | | ├──02-2-部分依赖图解释.ts 24.43M

| | | ├──03-3-双变量分析.ts 31.67M

| | | ├──04-4-ShapValues指标分析.ts 64.22M

| | | ├──05-5-疾病引起原因分析实战.ts 60.99M

| | | ├──06-1-竞赛与目标分析.ts 32.87M

| | | ├──07-1-特征对比分析方法.ts 53.07M

| | | └──08-1-结果对比分析.ts 65.73M

| | ├──05-医学糖尿病数据命名实体识别

| | | ├──01-1-数据与任务介绍.ts 25.63M

| | | ├──02-2-整体模型架构.ts 16.91M

| | | ├──03-3-数据-标签-语料库处理.ts 45.39M

| | | ├──04-4-输入样本填充补齐.ts 40.83M

| | | ├──05-5-训练网络模型.ts 45.42M

| | | └──06-6-医疗数据集(糖尿病)实体识别.ts 89.39M

| | ├──06-贷款平台风控模型+特征工程

| | | ├──01-1-竞赛任务目标.ts 26.62M

| | | ├──02-2-图模型信息提取.ts 31.40M

| | | ├──03-3-节点权重特征提取(PageRank).ts 40.23M

| | | ├──04-4-deepwalk构建图顶点特征.ts 59.35M

| | | ├──05-5-各项统计特征.ts 61.55M

| | | ├──06-6-app安装特征.ts 41.54M

| | | └──07-7-图中联系人特征.ts 76.99M

| | ├──07-新闻关键词抽取模型

| | | ├──01-1-任务目标与数据集介绍.ts 80.12M

| | | ├──02-2-数据清洗与预处理.ts 59.32M

| | | ├──03-3-基本特征抽取.ts 74.70M

| | | ├──04-4-文章与词向量分析.ts 92.86M

| | | ├──05-5-权重划分.ts 54.53M

| | | ├──06-6-候选词统计特征.ts 38.02M

| | | ├──07-7-textrank特征提取.ts 34.11M

| | | ├──08-8-候选词相似度特征.ts 23.13M

| | | └──09-9-特征工程汇总.ts 93.11M

| | ├──08-数据特征常用构建方法

| | | ├──01-1-基本数值特征.ts 54.19M

| | | ├──02-2-常用特征构造手段.ts 57.57M

| | | ├──03-3-时间特征处理.ts 62.07M

| | | ├──04-4-文本特征处理.ts 121.74M

| | | ├──05-5-构造文本向量.ts 54.34M

| | | ├──06-6-词向量特征.ts 78.79M

| | | └──07-7-计算机眼中的图像.ts 26.11M

| | ├──09-用电敏感客户分类

| | | ├──01-1-任务与解决框架概述.ts 69.37M

| | | ├──02-2-特征工程分析与特征提取.ts 93.78M

| | | ├──03-3-离散数据处理.ts 66.57M

| | | ├──04-4-统计与文本特征.ts 65.72M

| | | ├──05-5-文本特征构建.ts 80.40M

| | | ├──06-6-构建低敏用户模型.ts 75.12M

| | | └──07-7-高敏模型概述.ts 52.72M

| | └──10-机器学习项目实战模板

| | | ├──01-1-建筑能源利用效率任务概述.ts 14.47M

| | | ├──02-2-处理流程与数据简介.ts 62.79M

| | | ├──03-3-能源信息各项指标数据预处理.ts 51.18M

| | | ├──04-4-单变量绘图分析.ts 29.14M

| | | ├──05-5-离群点剔除.ts 47.30M

| | | ├──06-6-变量与结果的关系.ts 40.65M

| | | ├──07-7-多变量展示.ts 64.95M

| | | ├──08-8-特征工程的价值和方法.ts 70.36M

| | | ├──09-1-dataleakage问题.ts 75.83M

| | | ├──10-2-基础模型对比.ts 70.34M

| | | ├──11-3-选择参数.ts 74.45M

| | | ├──12-4-测试模型.ts 60.88M

| | | ├──13-5-模型解释.ts 45.28M

| | | └──14-6-模型分析.ts 102.37M

| ├──08-第八模块:Python金融分析与量化交易实战

| | ├──01-课程内容与大纲介绍

| | | └──01-课程内容与大纲介绍.ts 51.66M

| | ├──02-金融数据时间序列分析

| | | ├──01-1-金融时间序列数据统计分析.ts 65.35M

| | | ├──02-2-序列变化情况分析计算.ts 34.54M

| | | ├──03-3-连续指标变化情况分析.ts 68.97M

| | | ├──04-4-时间序列重采样操作.ts 44.14M

| | | ├──05-5-短均与长均计算实例.ts 47.26M

| | | ├──06-6-指标相关情况分析.ts 41.83M

| | | └──07-7-回归方程与相关系数实例.ts 56.47M

| | ├──03-1双均线交易策略实战

| | | ├──01-1-金叉与死叉介绍.ts 16.76M

| | | ├──02-2-买点与卖点可视化分析.ts 40.06M

| | | ├──03-3-策略收益效果分析.ts 22.05M

| | | └──04-4-均线调参实例.ts 66.67M

| | ├──04-策略收益与风险评估指标解析

| | | ├──01-1-回测收益率指标解读.ts 32.27M

| | | ├──02-1-回测收益率指标解读.ts 32.27M

| | | ├──03-3-最大回撤区间.ts 39.03M

| | | ├──04-4-夏普比率的作用.ts 19.54M

| | | └──05-5-阿尔法与贝塔概述.ts 28.32M

| | ├──05-量化交易与回测平台解读

| | | ├──01-1-量化交易概述.ts 21.88M

| | | ├──02-2-量化交易所需技能分析.ts 31.18M

| | | └──03-3-Ricequant交易平台简介.ts 33.46M

| | ├──06-Ricequant回测选股分析实战

| | | ├──01-1-策略任务分析.ts 24.11M

| | | ├──02-2-股票池筛选.ts 41.50M

| | | ├──03-2-股票池筛选.ts 41.50M

| | | └──04-4-定时器功能与作用.ts 69.80M

| | ├──07-因子数据预处理实战

| | | ├──01-1-百分位去极值方法.ts 27.81M

| | | ├──02-2-基于百分位去极值实例.ts 28.76M

| | | ├──03-3-Mad法去极值演示.ts 24.64M

| | | ├──04-4-3Sigma方法实例.ts 25.65M

| | | ├──05-5-标准化处理方法.ts 31.18M

| | | ├──06-6-中性化处理方法通俗解释.ts 25.49M

| | | └──07-7-策略任务概述.ts 37.34M

| | ├──08-因子选股策略实战

| | | ├──01-1-股票数据获取.ts 19.81M

| | | ├──02-2-过滤筛选因子指标数据.ts 27.83M

| | | ├──03-3-因子数据预处理.ts 25.96M

| | | ├──04-4-股票池筛选.ts 25.37M

| | | └──05-5-策略效果评估分析.ts 59.53M

| | ├──09-因子分析实战

| | | ├──01-5-策略效果评估分析.ts 59.53M

| | | ├──02-2-Alphalens工具包介绍.ts 55.42M

| | | ├──03-3-获取因子指标数据.ts 24.96M

| | | ├──04-4-获取给定区间全部数据.ts 22.47M

| | | ├──05-5-数据格式转换.ts 19.40M

| | | ├──06-6-IC指标值计算.ts 42.65M

| | | ├──07-7-工具包绘图展示.ts 21.93M

| | | └──08-8-因子收益率简介.ts 30.90M

| | ├──10-因子打分选股实战

| | | ├──01-1-打分法选股策略概述.ts 17.80M

| | | ├──02-2-整体任务流程梳理.ts 31.94M

| | | ├──03-3-策略初始化与数据读取.ts 34.18M

| | | ├──04-4-因子打分与排序.ts 34.50M

| | | ├──05-5-完成选股方法.ts 17.66M

| | | ├──06-6-完成策略交易展示结果.ts 34.75M

| | | └──07-7-策略总结与分析.ts 28.33M

| | ├──11-回归分析策略

| | | ├──01-1-回归问题概述.ts 22.55M

| | | ├──02-2-误差项定义.ts 30.49M

| | | ├──03-3-独立同分布的意义.ts 27.75M

| | | ├──04-4-似然函数的作用.ts 33.60M

| | | ├──05-5-参数求解.ts 35.51M

| | | ├──06-6-梯度下降通俗解释.ts 24.30M

| | | ├──07-7参数更新方法.ts 28.56M

| | | ├──08-8-优化参数设置.ts 30.72M

| | | ├──09-9-回归任务概述.ts 17.31M

| | | ├──10-10-特征可视化展示.ts 37.43M

| | | ├──11-11-构建回归方程.ts 43.66M

| | | └──12-12-回归分析结果.ts 29.79M

| | ├──11-聚类分析策略

| | | ├──01-1-KMEANS算法概述.ts 20.71M

| | | ├──02-2-KMEANS工作流程.ts 16.11M

| | | ├──03-3-KMEANS迭代可视化展示.ts 27.23M

| | | ├──04-4-DBSCAN聚类算法.ts 21.56M

| | | ├──05-5-DBSCAN工作流程.ts 31.14M

| | | ├──06-6-DBSCAN可视化展示.ts 28.39M

| | | ├──07-6-DBSCAN可视化展示.ts 28.39M

| | | ├──08-8-统计分析所需数据准备.ts 27.52M

| | | └──09-9-统计效果展示.ts 27.35M

| | ├──12-拓展:fbprophet时间序列预测神器

| | | ├──01-1-fbprophet股价预测任务概述.ts 85.77M

| | | ├──02-2-时间序列分析.ts 80.52M

| | | ├──03-3-fbprophet时间序列预测实例.mp4 97.53M

| | | ├──04-4-亚马逊股价趋势.ts 63.27M

| | | └──05-5-突变点调参.ts 89.54M

| | └──13-基于深度学习的时间序列预测

| | | ├──01-1-任务目标与数据源.ts 21.56M

| | | ├──02-2-构建时间序列数据.ts 31.02M

| | | ├──03-3-训练时间序列数据预测结果.ts 41.24M

| | | ├──04-4-多特征预测结果.ts 31.36M

| | | └──05-5-序列结果预测.ts 25.37M

| ├──09-第九模块:深度学习经典算法解析

| | ├──01-深度学习必备基础知识点础

| | | ├──01-1-深度学习要解决的问题.ts 23.08M

| | | ├──02-2-深度学习应用领域.ts 56.11M

| | | ├──03-3-计算机视觉任务.ts 20.13M

| | | ├──04-4-视觉任务中遇到的问题.ts 37.12M

| | | ├──05-5-得分函数.ts 37.12M

| | | ├──06-6-损失函数的作用.ts 35.13M

| | | └──07-7-前向传播整体流程.ts 44.21M

| | ├──02-神经网络整体架构

| | | ├──01-1-返向传播计算方法.ts 29.33M

| | | ├──02-2-神经网络整体架构.ts 34.50M

| | | ├──03-2-神经网络整体架构.ts 34.50M

| | | ├──04-4-神经元个数对结果的影响.ts 78.22M

| | | ├──05-5-正则化与激活函数.ts 32.65M

| | | └──06-6-神经网络过拟合解决方法.ts 45.28M

| | ├──03-卷积神经网络原理与参数解读

| | | ├──01-1-卷积神经网络应用领域.ts 24.01M

| | | ├──02-2-卷积的作用.ts 25.87M

| | | ├──03-3-卷积特征值计算方法.ts 24.19M

| | | ├──04-4-得到特征图表示.ts 20.74M

| | | ├──05-5-步长与卷积核大小对结果的影响.ts 22.62M

| | | ├──06-6-边缘填充方法.ts 19.66M

| | | ├──07-7-特征图尺寸计算与参数共享.ts 24.79M

| | | ├──08-8-池化层的作用.ts 12.99M

| | | ├──09-9-整体网络架构.ts 19.26M

| | | ├──10-10-VGG网络架构.ts 21.86M

| | | ├──11-11-残差网络Resnet.ts 20.62M

| | | └──12-12-感受野的作用.ts 19.08M

| | ├──04-递归神经网络与词向量原理解读

| | | ├──01-12-感受野的作用.ts 19.08M

| | | ├──02-2-词向量模型通俗解释.ts 24.40M

| | | ├──03-3-模型整体框架.ts 31.87M

| | | ├──04-4-训练数据构建.ts 17.84M

| | | ├──05-5-CBOW与Skip-gram模型.ts 26.88M

| | | └──06-6-负采样方案.ts 33.10M

| | ├──05-案例实战搭建神经网络

| | | ├──01-0-keras框架简介与安装.ts 16.35M

| | | ├──02-1-训练自己的数据集整体流程.ts 52.48M

| | | ├──03-2-数据加载与预处理.ts 41.21M

| | | ├──04-3-搭建网络模型.ts 60.75M

| | | ├──05-4-学习率对结果的影响.ts 55.26M

| | | ├──06-5-Drop-out操作.ts 49.82M

| | | ├──07-6-权重初始化方法对比.ts 70.51M

| | | ├──08-7-初始化标准差对结果的影响.ts 19.05M

| | | ├──09-8-正则化对结果的影响.ts 103.51M

| | | └──10-9-加载模型进行测试.ts 57.97M

| | ├──06-案例实战卷积神经网络

| | | ├──01-1-卷积层构造.ts 46.99M

| | | ├──02-1-卷积层构造.ts 46.99M

| | | ├──03-3-BatchNormalization效果.ts 62.33M

| | | ├──04-4-参数对比.ts 79.30M

| | | └──05-5-网络测试效果.ts 26.06M

| | └──07-案例实战LSTM时间序列预测任务

| | | ├──01-1-时间序列模型.ts 33.14M

| | | ├──02-2-网络结构与参数定义.ts 30.83M

| | | ├──03-3-构建LSTM模型.ts 34.50M

| | | ├──04-4-训练模型与效果展示.ts 52.20M

| | | ├──05-5-多序列预测结果.ts 61.22M

| | | ├──06-6-股票数据预测.ts 34.26M

| | | ├──07-7-数据预处理.ts 40.98M

| | | └──08-8-预测结果展示.ts 27.77M

| ├──10-选修:Python数据分析案例实战

| | ├──01-KIVA贷款数据

| | | ├──01-kiva贷款数据集介绍.ts 44.23M

| | | ├──02-2-各个国家贷款需求.ts 46.72M

| | | ├──03-3-贷款金额与还款间隔分析.ts 42.92M

| | | ├──04-5-深入各个行业分析.ts 53.11M

| | | ├──05-6-针对时间序列进行分析.ts 37.98M

| | | └──06-7-各项数据指标统计分析.ts 75.85M

| | ├──02-订单数据集分析

| | | ├──01-8-预测结果展示.ts 27.77M

| | | ├──02-2-双变量热度图绘制方法.ts 52.94M

| | | ├──03-3-复购情况对比分析.ts 35.23M

| | | ├──04-4-购物车情况与复购.ts 41.31M

| | | └──05-5-聚类划分商品.ts 50.47M

| | ├──03-基于统计分析的电影推荐

| | | ├──01-1-电影数据与环境配置.ts 71.07M

| | | ├──02-2-数据与关键词信息展示.ts 68.14M

| | | ├──03-3-关键词云与直方图可视化展示.ts 50.69M

| | | ├──04-4-电影特征数据可视化.ts 43.54M

| | | ├──05-5数据清洗方法分析.ts 63.83M

| | | ├──06-6-缺失值填充方法.ts 41.67M

| | | ├──07-7-推荐引擎构造.ts 56.75M

| | | ├──08-8-数据特征构造.ts 40.92M

| | | └──09-9-得出推荐结果.ts 57.82M

| | ├──04-纽约出租车建模

| | | ├──01-1-纽约出租车运行情况数据概述.ts 23.31M

| | | ├──02-2-聚类区域划分.ts 49.80M

| | | ├──03-3-客流趋势动态展示.ts 54.84M

| | | ├──04-4-区域邻居情况分析.ts 70.80M

| | | ├──05-5-用户数据特征分析.ts 65.10M

| | | ├──06-6-不同类别的出租车运行情况对比.ts 37.10M

| | | ├──07-7-客户数据特征可视化分析.ts 27.15M

| | | ├──08-8-聚类特征信息可视化展示.ts 87.80M

| | | ├──09-9-xgboost模型进行分析预测.ts 53.90M

| | | └──10-10-加入天气特征对结果的影响分析.ts 67.85M

| | ├──05-商品信息可视化与文本分析

| | | ├──01-1-在线商城商品数据信息概述.ts 36.64M

| | | ├──02-2-商品类别划分方式.ts 42.07M

| | | ├──03-3-商品类别可视化展示.ts 46.96M

| | | ├──04-4-商品描述长度对价格的影响分析.ts 38.00M

| | | ├──05-5-关键词的词云可视化展示.ts 57.69M

| | | ├──06-6-基于tf-idf提取关键词信息.ts 40.22M

| | | ├──07-7-通过降维进行可视化展示.ts 43.42M

| | | └──08-8-聚类分析与主题模型展示.ts 63.11M

| | └──06-数据分析-机器学习模板

| | | ├──01-1-人口普查预测任务概述.ts 64.75M

| | | ├──02-2-单特征与缺失值展示.ts 60.42M

| | | ├──03-3-人口普查数据集清洗.ts 27.23M

| | | ├──04-4-人口信息数据特征工程展示.ts 47.92M

| | | ├──05-5-单变量展示.ts 37.61M

| | | ├──06-6-双变量分析.ts 48.10M

| | | ├──07-7-开发新变量.ts 47.77M

| | | ├──08-8-ROC与AUC模型评估标准.ts 62.09M

| | | └──09-9-机器学习算法模型效果对比.ts 74.02M

| ├──11-选修:机器学习进阶实战

| | ├──01-GBDT提升算法

| | | ├──01-1-回归树模型.ts 26.17M

| | | ├──02-2-Adaboost算法.ts 16.01M

| | | ├──03-3-GBDT工作流程.ts 24.64M

| | | ├──04-4-回归任务.ts 11.15M

| | | ├──05-5-分类任务.ts 25.13M

| | | └──06-6-可视化.ts 45.61M

| | ├──01-数据特征

| | | ├──01-1-基本数值特征.ts 54.19M

| | | ├──02-2-常用特征构造手段.ts 57.57M

| | | ├──03-3-时间特征处理.ts 62.07M

| | | ├──04-4-文本特征处理.ts 121.74M

| | | ├──05-5-构造文本向量.ts 54.34M

| | | ├──06-6-词向量特征.ts 78.79M

| | | └──07-7-计算机眼中的图像.ts 26.11M

| | ├──02-xgboost-gbdt-lightgbm提升算法框架对比

| | | ├──01-1-GBDT效果.ts 44.10M

| | | ├──02-2-Xgboost效果.ts 53.74M

| | | └──03-3-lightGBM效果.ts 84.84M

| | ├──04-4.使用lightgbm进行饭店流量预测

| | | ├──01-1-饭店流量数据介绍.ts 35.37M

| | | ├──02-2-数据汇总.ts 56.68M

| | | ├──03-3-离群点筛选.ts 28.33M

| | | ├──04-4-特征提取.ts 71.37M

| | | └──05-5-lightgbm建模.ts 44.33M

| | ├──05-降维算法-线性判别分析

| | | ├──01-1-线性判别分析要解决的问题.ts 22.71M

| | | ├──02-2-线性判别分析要优化的目标.ts 21.75M

| | | ├──03-3-线性判别分析求解.ts 22.37M

| | | ├──04-4-实现线性判别分析进行降维任务.ts 28.05M

| | | └──05-5-求解得出降维结果.ts 26.59M

| | ├──05-人口普查数据集项目实战-收入预测

| | | ├──01-1-人口普查预测任务概述.ts 64.75M

| | | ├──02-2-单特征与缺失值展示.ts 60.42M

| | | ├──03-3-第一步:数据清洗.ts 27.23M

| | | ├──04-4-特征工程.ts 47.92M

| | | ├──05-5-单变量展示.ts 37.61M

| | | ├──06-6-双变量分析.ts 48.10M

| | | ├──07-7-开发新变量.ts 47.77M

| | | ├──08-8-ROC与AUC模型评估标准.ts 62.09M

| | | └──09-9-机器学习模型.ts 74.02M

| | ├──07-贝叶斯优化及其工具包使用

| | | ├──01-1-贝叶斯优化概述.ts 27.18M

| | | ├──02-2-工具包使用方法.ts 61.41M

| | | ├──03-3-贝叶斯优化效果.ts 41.44M

| | | └──04-4-调整参数空间.ts 48.20M

| | ├──08-贝叶斯优化实战

| | | ├──01-1-基础模型建立.ts 27.44M

| | | ├──02-2-设置参数空间.ts 58.66M

| | | ├──03-3-随机优化结果.ts 38.52M

| | | ├──04-4-贝叶斯优化效果.ts 72.10M

| | | ├──05-5-方法对比.ts 37.47M

| | | └──06-6-参数变化情况.ts 60.97M

| | ├──09-EM算法

| | | ├──01-1-EM算法要解决的问题.ts 19.72M

| | | ├──02-2-隐变量问题.ts 11.34M

| | | ├──03-3-EM算法求解实例.ts 29.29M

| | | ├──04-4-Jensen不等式.ts 19.48M

| | | ├──05-5-GMM模型.ts 16.73M

| | | ├──06-6-GMM实例.ts 28.59M

| | | └──07-7-GMM聚类.ts 26.35M

| | ├──10-HMM隐马尔科夫模型

| | | ├──01-1-马尔科夫模型.ts 19.90M

| | | ├──02-2-隐马尔科夫模型基本出发点.ts 21.82M

| | | ├──03-3-组成与要解决的问题.ts 16.74M

| | | ├──04-4-暴力求解方法.ts 31.65M

| | | ├──05-5-复杂度计算.ts 17.36M

| | | ├──06-6-前向算法.ts 41.13M

| | | ├──07-7-前向算法求解实例.ts 37.99M

| | | ├──08-8-Baum-Welch算法.ts 30.68M

| | | ├──09-9-参数求解.ts 19.59M

| | | └──10-10-维特比算法.ts 48.87M

| | ├──11-HMM案例实战

| | | ├──01-1-hmmlearn工具包.ts 22.28M

| | | ├──02-2-工具包使用方法.ts 61.41M

| | | ├──03-3-中文分词任务.ts 15.36M

| | | └──04-4-实现中文分词.ts 40.58M

| | ├──12-推荐系统

| | | ├──01-0-开场.ts 4.30M

| | | ├──02-1-推荐系统应用.ts 21.01M

| | | ├──03-2-推荐系统要完成的任务.ts 11.70M

| | | ├──04-3-相似度计算.ts 18.28M

| | | ├──05-4-基于用户的协同过滤.ts 16.30M

| | | ├──06-5-基于物品的协同过滤.ts 24.55M

| | | ├──07-6-隐语义模型.ts 13.04M

| | | ├──08-7-隐语义模型求解.ts 17.32M

| | | └──09-8-模型评估标准.ts 12.33M

| | ├──13-基于统计分析的电影推荐

| | | ├──01-1-数据与环境配置.ts 73.06M

| | | ├──02-2-数据与关键词信息展示.ts 68.14M

| | | ├──03-3-关键词云与直方图展示.ts 50.69M

| | | ├──04-4-特征可视化.ts 43.54M

| | | ├──05-5-数据清洗概述.ts 63.83M

| | | ├──06-6-缺失值填充方法.ts 41.67M

| | | ├──07-7-推荐引擎构造.ts 56.75M

| | | ├──08-8-数据特征构造.ts 40.92M

| | | └──09-9-得出推荐结果.ts 57.82M

| | ├──13-音乐推荐系统实战

| | | ├──01-1-音乐推荐任务概述.ts 72.88M

| | | ├──02-2-数据集整合.ts 59.67M

| | | ├──03-3-基于物品的协同过滤.ts 70.77M

| | | ├──04-4-物品相似度计算与推荐.ts 72.30M

| | | ├──05-5-SVD矩阵分解.ts 35.13M

| | | └──06-6-基于矩阵分解的音乐推荐.ts 93.14M

| | ├──15-NLP-文本特征方法对比

| | | ├──01-1.1-任务概述.ts 42.75M

| | | ├──02-2-词袋模型.ts 31.92M

| | | ├──03-3-词袋模型分析.mp4 71.02M

| | | ├──04-4-TFIDF模型.ts 53.24M

| | | ├──05-5-word2vec词向量模型.ts 60.54M

| | | └──06-6-深度学习模型.ts 43.52M

| | ├──15-学习曲线

| | | ├──01-1-Bian与Variance曲线.ts 40.28M

| | | ├──02-2-数据集中的结果.ts 67.40M

| | | └──03-3-曲线实验结果.ts 45.12M

| | ├──17-使用word2vec分类任务

| | | ├──01-1-影评情感分类.ts 52.54M

| | | ├──02-2-基于词袋模型训练分类器.ts 31.35M

| | | ├──03-3-准备word2vec输入数据.ts 27.41M

| | | └──04-4-使用gensim构建word2vec词向量(新).ts 75.77M

| | ├──18-Tensorflow自己打造word2vec

| | | ├──01-1-数据与任务流程.ts 50.76M

| | | ├──02-2-数据清洗.ts 30.85M

| | | ├──03-3-batch数据制作.mp4 57.85M

| | | ├──04-4-网络训练.ts 55.18M

| | | └──05-5-可视化展示.ts 54.54M

| | ├──19-制作自己常用工具包

| | | ├──01-1-为什么要做自己的数据工具包.ts 10.07M

| | | ├──02-2-工具包注释.ts 36.27M

| | | ├──03-3-缺失值处理.ts 47.79M

| | | ├──04-4-其他处理方式概述.ts 87.29M

| | | └──05-5-工具包调用.ts 22.52M

| | ├──20-机器学习项目实战-数据处理与特征提取

| | | ├──01-1-建筑能源利用效率任务概述.ts 14.47M

| | | ├──02-2-处理流程与数据简介.ts 62.79M

| | | ├──03-3-能源信息各项指标数据预处理.ts 51.18M

| | | ├──04-4-单变量绘图分析.ts 29.14M

| | | ├──05-5-离群点剔除.ts 47.30M

| | | ├──06-6-变量与结果的关系对比分析.ts 40.65M

| | | ├──07-7-多变量展示.ts 64.95M

| | | └──08-8-特征工程的价值与方法.ts 70.36M

| | └──21-机器学习项目实战-建模与分析

| | | ├──01-1-dataleakage问题解决方案.ts 75.83M

| | | ├──02-2-机器学习基础模型对比.ts 70.34M

| | | ├──03-3-参数对结果的影响分析.ts 74.45M

| | | ├──04-4-测试模型效果.ts 60.88M

| | | ├──05-5-模型的结果解释与参数分析.ts 45.28M

| | | └──06-6-机器学习常用模型分析方法介绍.ts 102.37M

| ├──数学基础课件

| | ├──SVD.pdf 396.61kb

| | ├──概率分布与概率密度.pdf 640.21kb

| | ├──概率论.pdf 2.33M

| | ├──高等数学.pdf 1.12M

| | ├──核函数.pdf 477.72kb

| | ├──后验概率估计.pdf 230.81kb

| | ├──激活函数.pdf 264.40kb

| | ├──矩阵.pdf 1.32M

| | ├──拉格朗日乘子法.pdf 599.32kb

| | ├──熵.pdf 267.74kb

| | ├──似然函数.pdf 384.36kb

| | ├──泰勒公式.pdf 777.52kb

| | ├──特征值与特征向量.pdf 386.91kb

| | ├──梯度.pdf 702.08kb

| | ├──统计分析-数据代码.zip 66.35M

| | └──微积分.pdf 960.85kb

| └──资料

| | ├──第八模块:Python金融分析与量化交易实战

| | | ├──第1-3章:Python基础

| | | ├──第10章:Ricequant回测选股分析实战

| | | ├──第12章:因子策略选股实例

| | | ├──第14章:因子打分选股实战

| | | ├──第17章:fbprophet时间序列预测神器

| | | ├──第19章:Matplotlib工具包实战

| | | ├──第20章:Seaborn

| | | ├──第4章:Numpy

| | | ├──第5章:Pandas

| | | ├──第11章:因子数据预处理.zip 876.33kb

| | | ├──第13章:因子分析实战.zip 1.20M

| | | ├──第15章:基于回归的策略分析.zip 935.39kb

| | | ├──第16章:聚类与统计策略分析.zip 1004.71kb

| | | ├──第18章:深度学习时间序列预测.zip 14.02M

| | | ├──第6章:金融时间序列分析.zip 588.16kb

| | | ├──第7章:双均线交易策略实例.zip 747.87kb

| | | ├──第8章:策略评估指标.zip 363.20kb

| | | └──第9章:量化交易解读.zip 165.93kb

| | ├──第九模块:深度学习入门

| | | └──神经网络新.pdf 5.99M

| | ├──第六模块:Python数据分析与机器学习实战集锦

| | | ├──第七章:NLP常用工具包

| | | ├──第八章:NLP核心模型-word2vec.zip 2.15M

| | | ├──第二章:爱彼迎数据集分析与建模.zip 91.87M

| | | ├──第九章:自然语言处理特征提取方法对比.zip 1.22M

| | | ├──第六章:机器学习-模型解释方法实战.zip 4.66M

| | | ├──第三章:基于相似度的酒店推荐系统.zip 1.81M

| | | ├──第十二章:图像特征聚类分析实践.zip 12.31M

| | | ├──第十一章:银行客户还款可能性预测.zip 36.57M

| | | ├──第十章:数据特征预处理.zip 1.10M

| | | ├──第四章:商品销售额回归分析.zip 93.33M

| | | ├──第五章:绝地求生数据集探索分析与建模.zip 345.95M

| | | └──第一章:Python实战关联规则.zip 22.86M

| | ├──第七模块:数据挖掘竞赛-优胜解决方案

| | | ├──第八章:数据特征常用构建方法

| | | ├──第二章:工业化生产预测

| | | ├──第九章:用电敏感客户分类

| | | ├──第六章:贷款平台风控模型-特征工程

| | | ├──第七章:新闻关键词抽取模型

| | | ├──第三章:智慧城市道路通行时间预测

| | | ├──第十章:机器学习项目实战模板

| | | ├──第四章:特征工程建模可解释工具包

| | | ├──第五章:医学糖尿病数据命名实体识别

| | | └──第一章:快手用户活跃度预测

| | ├──第三模块:数学基础

| | | ├──统计分析

| | | ├──SVD.pdf 396.61kb

| | | ├──概率分布与概率密度.pdf 640.21kb

| | | ├──概率论.pdf 2.33M

| | | ├──高等数学.pdf 1.12M

| | | ├──核函数.pdf 477.72kb

| | | ├──后验概率估计.pdf 230.81kb

| | | ├──激活函数.pdf 264.40kb

| | | ├──矩阵.pdf 1.32M

| | | ├──拉格朗日乘子法.pdf 599.32kb

| | | ├──熵.pdf 267.74kb

| | | ├──似然函数.pdf 384.36kb

| | | ├──泰勒公式.pdf 777.52kb

| | | ├──特征值与特征向量.pdf 386.91kb

| | | ├──梯度.pdf 702.08kb

| | | └──微积分.pdf 960.85kb

| | ├──第四模块:机器学习实训营(原理+复现+实验)

| | | ├──1-线性回归原理推导

| | | ├──10-决策树原理

| | | ├──11-决策树代码实现

| | | ├──12-决策树实验分析

| | | ├──13-集成算法原理

| | | ├──14-集成算法实验分析

| | | ├──15-支持向量机原理推导

| | | ├──16-支持向量机实验分析

| | | ├──17-神经网络算法原理

| | | ├──18-神经网络代码实现

| | | ├──19-贝叶斯算法原理

| | | ├──2-线性回归代码实现

| | | ├──20-贝叶斯代码实现

| | | ├──21-关联规则实战分析

| | | ├──22-关联规则代码实现

| | | ├──23-词向量word2vec通俗解读

| | | ├──24-代码实现word2vec词向量模型

| | | ├──25-推荐系统原理

| | | ├──26-打造音乐推荐系统

| | | ├──27.28-主成分分析与线性判别分析

| | | ├──29-主成分分析降维算法解读

| | | ├──3-模型评估方法

| | | ├──3-线性回归实验分析

| | | ├──30-隐马尔科夫模型

| | | ├──31-HMM应用实例

| | | ├──5-逻辑回归代码实现

| | | ├──6-逻辑回归实验分析

| | | ├──7-聚类算法-Kmeans&Dbscan原理

| | | ├──8-Kmeans代码实现

| | | ├──9-聚类算法实验分析

| | | └──mldata

| | ├──第五模块:机器学习算法建模实战

| | | ├──Python实现音乐推荐系统

| | | ├──第十八章:基于贝叶斯的新闻分类实战

| | | ├──第十六章:基于随机森林的气温预测

| | | ├──第十一章:项目实战-交易数据异常检测

| | | ├──股票

| | | └──京东购买意向预测.zip 499.49M

| | ├──第一二模块:Python数据科学必备库(4个)

| | | ├──Matplotlib

| | | ├──Numpy

| | | ├──Pandas

| | | ├──Python基础

| | | └──Seaborn

| | └──选修机器学习进阶实战

| | | ├──第九章:EM算法

| | | ├──第六章:降维算法-线性判别分析

| | | ├──课程简介.doc 9.50kb

| | | ├──数据代码.txt 0.06kb

| | | └──新建 Microsoft Word 97 – 2003 文档.doc 9.00kb

├──1-直播回放

| ├──1-直播:开班典礼

| | └──1-开班典礼.mp4 1.41G

| ├──10-直播:对比学习与多模态任务

| | └──1-对比学习与多模态任务.mp4 1.33G

| ├──11-直播:GPT与Hugging face

| | ├──1-GPT与Hugging face(1).mp4 1.57G

| | └──1-GPT与Hugging face.mp4 1.57G

| ├──12-直播:自监督任务

| | └──1-自监督任务.mp4 1.24G

| ├──13-直播:知识蒸馏

| | └──1-知识蒸馏.mp4 1.53G

| ├──14-直播:分割Mask2former算法

| | └──1-分割Mask2former算法.mp4 452.34M

| ├──15-直播:多模态与交叉注意力应用

| | └──1-多模态与交叉注意力应用.mp4 1.43G

| ├──16-直播:时间序列timesnet与地理分类任务

| | └──1-时间序列timesnet与地理分类任务.mp4 1.27G

| ├──17-直播:论文写作与就业简历

| | └──1-论文写作与就业简历.mp4 1.15G

| ├──18-直播:知识图谱与LORA

| | └──1-知识图谱与LORA.mp4 1.49G

| ├──2-直播:Pycharm环境配置与Debug演示(没用过的同学必看)

| | └──1-Pycharm环境配置与Debug演示(没用过的同学必看).mp4 125.39M

| ├──3-直播:神经网络

| | └──1-神经网络.mp4 1.38G

| ├──4-直播:卷积神经网络

| | └──1-卷积神经网络.mp4 1.31G

| ├──5-直播:Transformer

| | └──1-Transformer.mp4 1.27G

| ├──6-直播:视觉Transformer Vit Debug解读

| | └──1-视觉Transformer Vit Debug解读.mp4 1.22G

| ├──7-直播:密集场景计数统计实战

| | └──1-密集场景计数统计实战.mp4 835.21M

| ├──8-直播:图神经网络

| | └──1-图神经网络.mp4 1.36G

| └──9-直播:Transformer Decoder在视觉任务的应用

| | └──1-Transformer Decoder在视觉任务的应用.mp4 1.40G

├──10-2022论⽂必备-Transformer实战系列

| ├──1-Transformer算法解读

| | └──1-Transformer算法解读.mp4 557.22M

| ├──10-MedicalTrasnformer论文解读

| | ├──1-论文整体分析.mp4 23.72M

| | ├──2-核心思想分析.mp4 54.26M

| | ├──3-网络结构计算流程概述.mp4 44.46M

| | ├──4-论文公式计算分析.mp4 46.93M

| | ├──5-位置编码的作用与效果.mp4 46.55M

| | └──6-拓展应用分析.mp4 56.52M

| ├──11-MedicalTransformer源码解读

| | ├──1-项目环境配置.mp4 25.29M

| | ├──2-医学数据介绍与分析.mp4 56.68M

| | ├──3-基本处理操作.mp4 25.77M

| | ├──4-AxialAttention实现过程.mp4 36.87M

| | ├──5-位置编码向量解读.mp4 27.80M

| | ├──6-注意力计算过程与方法.mp4 52.13M

| | └──7-局部特征提取与计算.mp4 40.92M

| ├──12-商汤LoFTR算法解读

| | ├──1-特征匹配的应用场景.mp4 87.35M

| | ├──10-总结分析.mp4 39.42M

| | ├──2-特征匹配的基本流程分析.mp4 15.91M

| | ├──3-整体流程梳理分析.mp4 16.46M

| | ├──4-CrossAttention的作用与效果.mp4 15.69M

| | ├──5-transformer构建匹配特征.mp4 33.79M

| | ├──6-粗粒度匹配过程与作用.mp4 26.00M

| | ├──7-特征图拆解操作.mp4 14.34M

| | ├──8-细粒度匹配的作用与方法.mp4 19.87M

| | └──9-基于期望预测最终位置.mp4 23.08M

| ├──13-局部特征关键点匹配实战

| | ├──1-项目与参数配置解读.mp4 44.48M

| | ├──10-得到精细化输出结果.mp4 19.35M

| | ├──11-通过期望计算最终输出.mp4 40.24M

| | ├──2-DEMO效果演示.mp4 39.57M

| | ├──3-backbone特征提取模块.mp4 28.65M

| | ├──4-注意力机制的作用与效果分析.mp4 30.98M

| | ├──5-特征融合模块实现方法.mp4 29.29M

| | ├──6-cross关系计算方法实例.mp4 29.30M

| | ├──7-粗粒度匹配过程.mp4 49.80M

| | ├──8-完成基础匹配模块.mp4 63.33M

| | └──9-精细化调整方法与实例.mp4 42.73M

| ├──14-分割模型Maskformer系列

| | └──1-分割模型Maskformer系列.mp4 776.88M

| ├──15-Mask2former源码解读

| | ├──1-Backbone获取多层级特征.mp4 35.79M

| | ├──10-正样本筛选损失计算.mp4 41.78M

| | ├──11-标签分类匹配结果分析.mp4 62.04M

| | ├──12-最终损失计算流程.mp4 52.29M

| | ├──13-汇总所有损失完成迭代.mp4 35.76M

| | ├──2-多层级采样点初始化构建.mp4 41.46M

| | ├──3-多层级输入特征序列创建方法.mp4 43.83M

| | ├──4-偏移量与权重计算并转换.mp4 48.78M

| | ├──5-Encoder特征构建方法实例.mp4 49.77M

| | ├──6-query要预测的任务解读.mp4 45.61M

| | ├──7-Decoder中的AttentionMask方法.mp4 50.89M

| | ├──8-损失模块输入参数分析.mp4 40.84M

| | └──9-标签分配策略解读.mp4 42.53M

| ├──16-BEV特征空间

| | └──1-BEV特征空间.mp4 523.07M

| ├──17-BevFormer源码解读

| | ├──1-环境配置方法解读.mp4 42.79M

| | ├──10-获取当前BEV特征.mp4 35.90M

| | ├──11-Decoder级联校正模块.mp4 41.58M

| | ├──12-损失函数与预测可视化.mp4 49.48M

| | ├──2-数据集下载与配置方法.mp4 53.57M

| | ├──3-特征提取以及BEV空间初始化.mp4 43.81M

| | ├──4-特征对齐与位置编码初始化.mp4 43.63M

| | ├──5-Reference初始点构建.mp4 37.26M

| | ├──6-BEV空间与图像空间位置对应.mp4 37.67M

| | ├──7-注意力机制模块计算方法.mp4 38.61M

| | ├──8-BEV空间特征构建.mp4 34.01M

| | └──9-Decoder要完成的任务分析.mp4 33.95M

| ├──18-时间序列预测

| | └──1-时间序列预测.mp4 375.40M

| ├──19-Informer时间序列源码解读

| | └──1-Informer时间序列源码解读.mp4 829.10M

| ├──2-视觉Transformer及其源码分析

| | └──1-视觉Transformer及其源码分析.mp4 878.23M

| ├──20-Huggingface与NLP(讲故事)

| | └──1-Huggingface与NLP(讲故事).mp4 163.59M

| ├──3-VIT算法模型源码解读

| | ├──1-项目配置说明.mp4 43.27M

| | ├──2-输入序列构建方法解读.mp4 29.80M

| | ├──3-注意力机制计算.mp4 28.04M

| | └──4-输出层计算结果.mp4 37.72M

| ├──4-swintransformer算法原理解析

| | ├──1-swintransformer整体概述.mp4 14.76M

| | ├──10-分层计算方法.mp4 21.71M

| | ├──2-要解决的问题及其优势分析.mp4 22.33M

| | ├──3-一个block要完成的任务.mp4 17.36M

| | ├──4-获取各窗口输入特征.mp4 18.99M

| | ├──5-基于窗口的注意力机制解读.mp4 29.53M

| | ├──6-窗口偏移操作的实现.mp4 24.27M

| | ├──7-偏移细节分析及其计算量概述.mp4 20.41M

| | ├──8-整体网络架构整合.mp4 20.88M

| | └──9-下采样操作实现方法.mp4 22.24M

| ├──5-swintransformer源码解读

| | ├──1-数据与环境配置解读.mp4 59.59M

| | ├──2-图像数据patch编码.mp4 37.62M

| | ├──3-数据按window进行划分计算.mp4 31.46M

| | ├──4-基础attention计算模块.mp4 27.58M

| | ├──5-窗口位移模块细节分析.mp4 36.81M

| | ├──6-patchmerge下采样操作.mp4 25.24M

| | ├──7-各block计算方法解读.mp4 27.91M

| | └──8-输出层概述.mp4 41.11M

| ├──6-基于Transformer的detr目标检测算法

| | ├──1-DETR目标检测基本思想解读.mp4 19.27M

| | ├──2-整体网络架构分析.mp4 31.54M

| | ├──3-位置信息初始化query向量.mp4 19.90M

| | ├──4-注意力机制的作用方法.mp4 20.79M

| | └──5-训练过程的策略.mp4 28.34M

| ├──7-detr目标检测源码解读

| | ├──1-项目环境配置解读.mp4 40.33M

| | ├──2-数据处理与dataloader.mp4 63.98M

| | ├──3-位置编码作用分析.mp4 47.86M

| | ├──4-backbone特征提取模块.mp4 35.54M

| | ├──5-mask与编码模块.mp4 34.68M

| | ├──6-编码层作用方法.mp4 42.78M

| | ├──7-Decoder层操作与计算.mp4 30.08M

| | ├──8-输出预测结果.mp4 41.20M

| | └──9-损失函数与预测输出.mp4 41.18M

| ├──8-DeformableDetr算法解读

| | └──1-DeformableDetr算法解读.mp4 730.35M

| └──9-DeformableDetr物体检测源码分析

| | ├──1-特征提取与位置编码.mp4 38.16M

| | ├──10-分类与回归输出模块.mp4 49.72M

| | ├──11-预测输出结果与标签匹配模块.mp4 44.31M

| | ├──2-序列特征展开并叠加.mp4 51.07M

| | ├──3-得到相对位置点编码.mp4 28.80M

| | ├──4-准备Encoder编码层所需全部输入.mp4 37.91M

| | ├──5-编码层中的序列分析.mp4 39.73M

| | ├──6-偏移量offset计算.mp4 46.09M

| | ├──7-偏移量对齐操作.mp4 39.80M

| | ├──8-Encoder层完成特征对齐.mp4 51.84M

| | └──9-Decoder要完成的操作.mp4 38.98M

├──11-图神经网络实战

| ├──1-图神经网络基础

| | ├──1-图神经网络应用领域分析.mp4 26.40M

| | ├──2-图基本模块定义.mp4 10.51M

| | ├──3-邻接矩阵的定义.mp4 16.06M

| | ├──4-GNN中常见任务.mp4 19.17M

| | ├──5-消息传递计算方法.mp4 14.23M

| | └──6-多层GCN的作用.mp4 13.00M

| ├──10-基于图模型的时间序列预测

| | └──1-基于图模型的时间序列预测.mp4 1021.16M

| ├──11-异构图神经网络

| | └──1-异构图神经网络.mp4 754.04M

| ├──2-图卷积GCN模型

| | ├──1-GCN基本模型概述.mp4 13.24M

| | ├──2-图卷积的基本计算方法.mp4 12.56M

| | ├──3-邻接的矩阵的变换.mp4 18.38M

| | └──4-GCN变换原理解读.mp4 21.12M

| ├──3-图模型必备神器PyTorch Geometric安装与使用

| | ├──1-PyTorch Geometric工具包安装与配置方法.mp4 45.07M

| | ├──2-数据集与邻接矩阵格式.mp4 51.92M

| | ├──3-模型定义与训练方法.mp4 41.92M

| | └──4-文献引用数据集分类案例实战.mp4 47.75M

| ├──4-使用PyTorch Geometric构建自己的图数据集

| | ├──1-构建数据集基本方法.mp4 13.47M

| | ├──2-数据集与任务背景概述.mp4 21.63M

| | ├──3-数据集基本预处理.mp4 31.50M

| | ├──4-用户行为图结构创建.mp4 36.67M

| | ├──5-数据集创建函数介绍.mp4 34.87M

| | ├──6-网络结构定义模块.mp4 36.87M

| | ├──7-TopkPooling进行下采样任务.mp4 31.30M

| | ├──8-获取全局特征.mp4 25.71M

| | └──9-模型训练与总结.mp4 35.84M

| ├──5-图注意力机制与序列图模型

| | ├──1-图注意力机制的作用与方法.mp4 16.53M

| | ├──2-邻接矩阵计算图Attention.mp4 21.40M

| | ├──3-序列图神经网络TGCN应用.mp4 12.59M

| | └──4-序列图神经网络细节.mp4 23.67M

| ├──6-图相似度论文解读

| | ├──1-要完成的任务分析.mp4 47.79M

| | ├──2-基本方法概述解读.mp4 52.67M

| | ├──3-图模型提取全局与局部特征.mp4 47.42M

| | ├──4-NTN模块的作用与效果.mp4 41.09M

| | ├──5-点之间的对应关系计算.mp4 51.22M

| | └──6-结果输出与总结.mp4 71.18M

| ├──7-图相似度计算实战

| | ├──1-数据集与任务概述.mp4 18.11M

| | ├──2-图卷积特征提取模块.mp4 55.92M

| | ├──3-分别计算不同Batch点的分布.mp4 31.70M

| | ├──4-获得直方图特征结果.mp4 21.11M

| | ├──5-图的全局特征构建.mp4 31.45M

| | ├──6-NTN图相似特征提取.mp4 39.25M

| | └──7-预测得到相似度结果.mp4 18.64M

| ├──8-基于图模型的轨迹估计

| | ├──1-数据集与标注信息解读.mp4 57.53M

| | ├──2-整体三大模块分析.mp4 71.83M

| | ├──3-特征工程的作用与效果.mp4 41.75M

| | ├──4-传统方法与现在向量空间对比.mp4 51.83M

| | ├──5-输入细节分析.mp4 49.96M

| | ├──6-子图模块构建方法.mp4 42.55M

| | ├──7-特征融合模块分析.mp4 47.67M

| | └──8-VectorNet输出层分析.mp4 85.45M

| └──9-图模型轨迹估计实战

| | ├──1-数据与环境配置.mp4 35.36M

| | ├──2-训练数据准备.mp4 27.69M

| | ├──3-Agent特征提取方法.mp4 37.87M

| | ├──4-DataLoader构建图结构.mp4 28.61M

| | └──5-SubGraph与Attention模型流程.mp4 34.55M

├──12-3D点云实战

| ├──1-3D点云实战 3D点云应用领域分析

| | ├──1-点云数据概述.mp4 49.53M

| | ├──2-点云应用领域与发展分析.mp4 82.18M

| | ├──3-点云分割任务.mp4 52.03M

| | ├──4-点云补全任务.mp4 29.17M

| | ├──5-点云检测与配准任务.mp4 59.58M

| | └──6-点云数据特征提取概述与预告.mp4 22.69M

| ├──2-3D点云PointNet算法

| | ├──1-3D数据应用领域与点云介绍.mp4 40.05M

| | ├──2-点云数据可视化展示.mp4 40.07M

| | ├──3-点云数据特性和及要解决的问题.mp4 33.08M

| | ├──4-PointNet算法出发点解读.mp4 17.46M

| | └──5-PointNet算法网络架构解读.mp4 31.01M

| ├──3-PointNet算法解读

| | ├──1-PointNet升级版算法要解决的问题.mp4 22.08M

| | ├──2-最远点采样方法.mp4 21.00M

| | ├──3-分组Group方法原理解读.mp4 32.79M

| | ├──4-整体流程概述分析.mp4 16.37M

| | ├──5-分类与分割问题解决方案.mp4 21.74M

| | └──6-遇到的问题及改进方法分析.mp4 13.43M

| ├──4-Pointnet项目实战

| | ├──1-项目文件概述.mp4 29.02M

| | ├──11-分割任务数据与配置概述.mp4 51.28M

| | ├──12-分割需要解决的任务概述.mp4 33.94M

| | ├──13-上采样完成分割任务.mp4 44.75M

| | ├──2-数据读取模块配置.mp4 39.23M

| | ├──3-DEBUG解读网络模型架构.mp4 24.25M

| | ├──4-最远点采样介绍.mp4 19.48M

| | ├──5-采样得到中心点.mp4 31.77M

| | ├──6-组区域划分方法.mp4 24.88M

| | ├──7-实现group操作得到各中心簇.mp4 35.00M

| | ├──8-特征提取模块整体流程.mp4 40.04M

| | └──9-预测结果输出模块.mp4 38.74M

| ├──5-点云补全PF-Net论文解读

| | ├──1-点云补全要解决的问题.mp4 23.13M

| | ├──2-基本解决方案概述.mp4 17.42M

| | ├──3-整体网络概述.mp4 20.61M

| | ├──4-网络计算流程.mp4 25.52M

| | └──5-输入与计算结果.mp4 65.02M

| ├──6-点云补全实战解读

| | ├──1-数据与项目配置解读.mp4 41.86M

| | ├──2-待补全数据准备方法.mp4 29.26M

| | ├──3-整体框架概述.mp4 49.10M

| | ├──4-MRE特征提取模块.mp4 40.36M

| | ├──5-分层预测输出模块.mp4 31.04M

| | ├──6-补全点云数据.mp4 35.21M

| | └──7-判别模块.mp4 48.59M

| ├──7-点云配准及其案例实战

| | ├──1-点云配准任务概述.mp4 20.00M

| | ├──2-配准要完成的目标解读.mp4 17.64M

| | ├──3-训练数据构建.mp4 23.43M

| | ├──4-任务基本流程.mp4 15.56M

| | ├──5-数据源配置方法.mp4 45.42M

| | ├──6-参数计算模块解读.mp4 21.85M

| | ├──7-基于模型预测输出参数.mp4 24.88M

| | ├──8-特征构建方法分析.mp4 34.65M

| | └──9-任务总结.mp4 33.31M

| └──8-基础补充-对抗生成网络架构原理与实战解析

| | ├──1-对抗生成网络通俗解释.mp4 18.39M

| | ├──2-GAN网络组成.mp4 10.73M

| | ├──3-损失函数解释说明.mp4 39.88M

| | ├──4-数据读取模块.mp4 29.93M

| | └──5-生成与判别网络定义.mp4 44.24M

├──13-面向深度学习的无人驾驶实战

| ├──1-深度估计算法原理解读

| | ├──1-深度估计效果与应用.mp4 98.47M

| | ├──10-损失计算.mp4 30.51M

| | ├──2-kitti数据集介绍.mp4 59.45M

| | ├──3-使用backbone获取层级特征.mp4 22.18M

| | ├──4-差异特征计算边界信息.mp4 26.49M

| | ├──5-SPP层的作用.mp4 15.27M

| | ├──6-空洞卷积与ASPP.mp4 18.94M

| | ├──7-特征拼接方法分析.mp4 21.24M

| | ├──8-网络coarse-to-fine过程.mp4 26.50M

| | └──9-权重参数预处理.mp4 27.50M

| ├──10-NeuralRecon项目源码解读

| | ├──1-Backbone得到特征图.mp4 36.02M

| | ├──2-初始化体素位置.mp4 41.51M

| | ├──3-坐标映射方法实现.mp4 26.66M

| | ├──4-得到体素所对应特征图.mp4 50.70M

| | ├──5-插值得到对应特征向量.mp4 32.36M

| | ├──6-得到一阶段输出结果.mp4 38.08M

| | ├──7-完成三个阶段预测结果.mp4 45.77M

| | └──8-项目总结.mp4 108.40M

| ├──11-TSDF算法与应用

| | ├──1-TSDF整体概述分析.mp4 23.16M

| | ├──2-合成过程DEMO演示.mp4 27.58M

| | ├──3-布局初始化操作.mp4 12.69M

| | ├──4-TSDF计算基本流程解读.mp4 23.93M

| | ├──5-坐标转换流程分析.mp4 31.10M

| | └──6-输出结果融合更新.mp4 34.23M

| ├──12-TSDF实战案例

| | ├──1-环境配置概述.mp4 32.66M

| | ├──2-初始化与数据读取.mp4 21.30M

| | └──3-计算得到TSDF输出.mp4 44.10M

| ├──13-轨迹估计算法与论文解读

| | ├──1-数据集与标注信息解读.mp4 57.53M

| | ├──2-整体三大模块分析.mp4 71.83M

| | ├──3-特征工程的作用与效果.mp4 41.75M

| | ├──4-传统方法与现在向量空间对比.mp4 51.83M

| | ├──5-输入细节分析.mp4 49.96M

| | ├──6-子图模块构建方法.mp4 42.55M

| | ├──7-特征融合模块分析.mp4 47.67M

| | └──8-VectorNet输出层分析.mp4 85.45M

| ├──14-轨迹估计预测实战

| | ├──1-数据与环境配置.mp4 35.43M

| | ├──2-训练数据准备.mp4 27.75M

| | ├──3-Agent特征提取方法.mp4 37.97M

| | ├──4-DataLoader构建图结构.mp4 28.68M

| | └──5-SubGraph与Attention模型流程.mp4 34.64M

| ├──15-特斯拉无人驾驶解读

| | └──1-特斯拉无人驾驶解读.mp4 644.17M

| ├──2-深度估计项目实战

| | ├──1-项目环境配置解读.mp4 52.89M

| | ├──10-损失函数通俗解读.mp4 65.84M

| | ├──11-模型DEMO输出结果.mp4 80.63M

| | ├──2-数据与标签定义方法.mp4 74.34M

| | ├──3-数据集dataloader制作.mp4 36.83M

| | ├──4-使用backbone进行特征提取.mp4 42.38M

| | ├──5-计算差异特征.mp4 30.69M

| | ├──6-权重参数标准化操作.mp4 42.56M

| | ├──7-网络结构ASPP层.mp4 47.25M

| | ├──8-特征拼接方法解读.mp4 47.64M

| | └──9-输出深度估计结果.mp4 25.45M

| ├──3-车道线检测算法与论文解读

| | ├──1-数据标签与任务分析.mp4 84.49M

| | ├──2-网络整体框架分析.mp4 28.89M

| | ├──3-输出结果分析.mp4 18.12M

| | ├──4-损失函数计算方法.mp4 27.30M

| | └──5-论文概述分析.mp4 62.39M

| ├──4-基于深度学习的车道线检测项目实战

| | ├──1-车道数据与标签解读.mp4 65.61M

| | ├──10-车道线规则损失函数限制.mp4 44.61M

| | ├──11-DEMO制作与配置.mp4 40.28M

| | ├──2-项目环境配置演示.mp4 29.98M

| | ├──3-制作数据集dataloader.mp4 54.62M

| | ├──4-车道线标签数据处理.mp4 34.18M

| | ├──5-四条车道线标签位置矩阵.mp4 22.28M

| | ├──6-grid设置方法.mp4 41.70M

| | ├──7-完成数据与标签制作.mp4 24.65M

| | ├──8-算法网络结构解读.mp4 59.95M

| | └──9-损失函数计算模块分析.mp4 45.66M

| ├──5-商汤LoFTR算法解读

| | ├──1-特征匹配的应用场景.mp4 87.35M

| | ├──10-总结分析.mp4 39.42M

| | ├──2-特征匹配的基本流程分析.mp4 15.91M

| | ├──3-整体流程梳理分析.mp4 16.46M

| | ├──4-CrossAttention的作用与效果.mp4 15.69M

| | ├──5-transformer构建匹配特征.mp4 33.79M

| | ├──6-粗粒度匹配过程与作用.mp4 26.00M

| | ├──7-特征图拆解操作.mp4 14.34M

| | ├──8-细粒度匹配的作用与方法.mp4 19.87M

| | └──9-基于期望预测最终位置.mp4 23.08M

| ├──6-局部特征关键点匹配实战

| | ├──1-项目与参数配置解读.mp4 44.48M

| | ├──10-得到精细化输出结果.mp4 19.39M

| | ├──11-通过期望计算最终输出.mp4 40.24M

| | ├──2-DEMO效果演示.mp4 39.56M

| | ├──3-backbone特征提取模块.mp4 28.70M

| | ├──4-注意力机制的作用与效果分析.mp4 31.04M

| | ├──5-特征融合模块实现方法.mp4 29.35M

| | ├──6-cross关系计算方法实例.mp4 29.36M

| | ├──7-粗粒度匹配过程.mp4 49.80M

| | ├──8-完成基础匹配模块.mp4 63.33M

| | └──9-精细化调整方法与实例.mp4 42.81M

| ├──7-三维重建应用与坐标系基础

| | ├──1-三维重建概述分析.mp4 66.80M

| | ├──2-三维重建应用领域概述.mp4 13.17M

| | ├──3-成像方法概述.mp4 16.33M

| | ├──4-相机坐标系.mp4 17.15M

| | ├──5-坐标系转换方法解读.mp4 20.91M

| | ├──6-相机内外参.mp4 17.01M

| | ├──7-通过内外参数进行坐标变换.mp4 16.47M

| | └──8-相机标定简介.mp4 5.50M

| ├──8-NeuralRecon算法解读

| | ├──1-任务流程分析.mp4 19.35M

| | ├──2-基本框架熟悉.mp4 27.45M

| | ├──3-特征映射方法解读.mp4 34.68M

| | ├──4-片段融合思想.mp4 16.72M

| | └──5-整体架构重构方法.mp4 23.00M

| └──9-NeuralRecon项目环境配置

| | ├──1-数据集下载与配置方法.mp4 52.41M

| | ├──2-Scannet数据集内容概述.mp4 37.26M

| | ├──3-TSDF标签生成方法.mp4 55.30M

| | ├──4-ISSUE的作用.mp4 49.23M

| | └──5-完成依赖环境配置.mp4 57.11M

├──14-对比学习与多模态任务实战

| ├──1-对比学习算法与实例

| | └──1-对比学习算法与实例.mp4 549.52M

| ├──2-CLIP系列

| | └──1-CLIP系列.mp4 621.00M

| ├──3-多模态3D目标检测算法源码解读

| | ├──1-环境配置与数据集概述.mp4 51.52M

| | ├──10-3D卷积特征融合.mp4 56.76M

| | ├──11-输出层预测结果.mp4 80.80M

| | ├──2-数据与标注文件介绍.mp4 37.49M

| | ├──3-基本流程梳理并进入debug模式.mp4 50.33M

| | ├──4-数据与图像特征提取模块.mp4 58.02M

| | ├──5-体素索引位置获取.mp4 64.72M

| | ├──6-体素特征提取方法解读.mp4 37.57M

| | ├──7-体素特征计算方法分析.mp4 70.71M

| | ├──8-全局体素特征提取.mp4 95.96M

| | └──9-多模态特征融合.mp4 68.36M

| ├──4-多模态文字识别

| | └──1-多模态文字识别.mp4 766.02M

| └──5-ANINET源码解读

| | ├──1-数据集与环境概述.mp4 55.58M

| | ├──2-配置文件修改方法.mp4 52.49M

| | ├──3-Bakbone模块得到特征.mp4 42.10M

| | ├──4-视觉Transformer模块的作用.mp4 45.97M

| | ├──5-视觉模型中的编码与解码的效果.mp4 54.49M

| | ├──6-文本模型中的结构分析.mp4 38.66M

| | ├──7-迭代修正模块.mp4 38.14M

| | └──8-输出层与损失计算.mp4 52.81M

├──15-缺陷检测实战

| ├──1-课程介绍

| | └──1-课程介绍.mp4 26.71M

| ├──10-基于Opencv缺陷检测项⽬实战

| | ├──1-任务需求与环境配置.mp4 15.40M

| | ├──2-数据读取与基本处理.mp4 26.63M

| | ├──3-缺陷形态学操作.mp4 26.46M

| | ├──4-整体流程解读.mp4 23.65M

| | └──5-缺陷检测效果演示.mp4 50.91M

| ├──11-基于视频流⽔线的Opencv缺陷检测项⽬

| | ├──1-数据与任务概述.mp4 16.48M

| | ├──2-视频数据读取与轮廓检测.mp4 20.83M

| | ├──3-目标质心计算.mp4 32.47M

| | ├──4-视频数据遍历方法.mp4 31.41M

| | ├──5-缺陷区域提取.mp4 36.00M

| | ├──6-不同类型的缺陷检测方法.mp4 36.77M

| | └──7-检测效果演示.mp4 25.73M

| ├──12-图像分割deeplab系列算法

| | ├──1-deeplab分割算法概述.mp4 13.81M

| | ├──2-空洞卷积的作用.mp4 16.74M

| | ├──3-感受野的意义.mp4 19.37M

| | ├──4-SPP层的作用.mp4 19.02M

| | ├──5-ASPP特征融合策略.mp4 13.45M

| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M

| ├──13-基于deeplabV3+版本进⾏VOC分割实战

| | ├──1-PascalVoc数据集介绍.mp4 70.12M

| | ├──2-项目参数与数据集读取.mp4 60.32M

| | ├──3-网络前向传播流程.mp4 33.10M

| | ├──4-ASPP层特征融合.mp4 51.19M

| | └──5-分割模型训练.mp4 34.97M

| ├──14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程

| | ├──1-数据集与任务概述.mp4 31.09M

| | ├──2-开源项目应用方法.mp4 36.52M

| | ├──3-github与kaggle中需要注意的点.mp4 40.24M

| | ├──4-源码的利用方法.mp4 89.46M

| | ├──5-数据集制作方法.mp4 75.53M

| | ├──6-数据路径配置.mp4 54.55M

| | ├──7-训练模型.mp4 34.38M

| | └──8-任务总结.mp4 43.02M

| ├──2-物体检框架YOLO-V4版本算法解读

| | ├──1-V4版本整体概述.mp4 15.06M

| | ├──10-PAN模块解读.mp4 20.64M

| | ├──11-激活函数与整体架构总结.mp4 19.19M

| | ├──2-V4版本贡献解读.mp4 10.06M

| | ├──3-数据增强策略分析.mp4 24.70M

| | ├──4-DropBlock与标签平滑方法.mp4 19.36M

| | ├──5-损失函数遇到的问题.mp4 14.26M

| | ├──6-CIOU损失函数定义.mp4 10.82M

| | ├──7-NMS细节改进.mp4 16.66M

| | ├──8-SPP与CSP网络结构.mp4 14.81M

| | └──9-SAM注意力机制模块.mp4 22.48M

| ├──3-物体检测框架YOLOV5版本项目配置

| | ├──1-整体项目概述.mp4 35.77M

| | ├──2-训练自己的数据集方法.mp4 41.32M

| | ├──3-训练数据参数配置.mp4 51.48M

| | └──4-测试DEMO演示.mp4 50.47M

| ├──4-物体检测框架YOLOV5项目工程源码解读

| | ├──1-数据源DEBUG流程解读.mp4 48.13M

| | ├──10-完成配置文件解析任务.mp4 58.80M

| | ├──11-前向传播计算.mp4 30.80M

| | ├──12-BottleneckCSP层计算方法.mp4 33.82M

| | ├──13-SPP层计算细节分析.mp4 29.17M

| | ├──14-Head层流程解读.mp4 29.19M

| | ├──15-上采样与拼接操作.mp4 21.48M

| | ├──16-输出结果分析.mp4 41.71M

| | ├──17-超参数解读.mp4 34.94M

| | ├──18-命令行参数介绍.mp4 44.26M

| | ├──19-训练流程解读.mp4 46.81M

| | ├──2-图像数据源配置.mp4 34.65M

| | ├──20-各种训练策略概述.mp4 38.43M

| | ├──21-模型迭代过程.mp4 38.42M

| | ├──3-加载标签数据.mp4 26.33M

| | ├──4-Mosaic数据增强方法.mp4 28.19M

| | ├──5-数据四合一方法与流程演示.mp4 41.69M

| | ├──6-getItem构建batch.mp4 33.03M

| | ├──7-网络架构图可视化工具安装.mp4 34.33M

| | ├──8-V5网络配置文件解读.mp4 35.74M

| | └──9-Focus模块流程分析.mp4 21.93M

| ├──5-基于YOLOV5的钢材缺陷检测实战

| | ├──1-任务需求与项目概述.mp4 14.14M

| | ├──2-数据与标签配置方法.mp4 38.42M

| | ├──3-标签转换格式脚本制作.mp4 30.57M

| | ├──4-各版本模型介绍分析.mp4 33.52M

| | ├──5-项目参数配置.mp4 27.21M

| | ├──6-缺陷检测模型训练.mp4 34.15M

| | └──7-输出结果与项目总结.mp4 45.20M

| ├──6-Semi-supervised布料缺陷检测实战

| | ├──1-任务目标与流程概述.mp4 53.72M

| | ├──2-论文思想与模型分析.mp4 129.03M

| | ├──3-项目配置解读.mp4 63.00M

| | ├──4-网络流程分析.mp4 37.48M

| | └──5-输出结果展示.mp4 39.29M

| ├──7-Opencv图像常⽤处理⽅法实例

| | ├──1-计算机眼中的图像.mp4 30.88M

| | ├──10-膨胀操作.mp4 12.25M

| | ├──11-开运算与闭运算.mp4 9.32M

| | ├──12-梯度计算.mp4 7.85M

| | ├──13-礼帽与黑帽.mp4 15.88M

| | ├──2-视频的读取与处理.mp4 46.97M

| | ├──3-ROI区域.mp4 15.37M

| | ├──4-边界填充.mp4 21.46M

| | ├──5-数值计算.mp4 40.04M

| | ├──6-图像阈值.mp4 30.85M

| | ├──7-图像平滑处理.mp4 24.77M

| | ├──8-高斯与中值滤波.mp4 20.61M

| | └──9-腐蚀操作.mp4 20.99M

| ├──8-Opencv梯度计算与边缘检测实例

| | ├──1-Canny边缘检测流程.mp4 18.97M

| | ├──2-非极大值抑制.mp4 18.32M

| | ├──3-边缘检测效果.mp4 36.63M

| | ├──4-Sobel算子.mp4 27.00M

| | ├──5-梯度计算方法.mp4 30.29M

| | └──6-scharr与lapkacian算子.mp4 27.39M

| └──9-Opencv轮廓检测与直⽅图

| | ├──1-图像金字塔定义.mp4 19.68M

| | ├──10-均衡化效果.mp4 27.21M

| | ├──11-傅里叶概述.mp4 38.86M

| | ├──12-频域变换结果.mp4 26.32M

| | ├──13-低通与高通滤波.mp4 27.40M

| | ├──2-金字塔制作方法.mp4 25.47M

| | ├──3-轮廓检测方法.mp4 19.37M

| | ├──4-轮廓检测结果.mp4 34.44M

| | ├──5-轮廓特征与近似.mp4 37.62M

| | ├──6-模板匹配方法.mp4 47.45M

| | ├──7-匹配效果展示.mp4 21.20M

| | ├──8-直方图定义.mp4 23.64M

| | └──9-均衡化原理.mp4 31.35M

├──16-行人重识别实战

| ├──1-行人重识别原理及其应用

| | ├──1-行人重识别要解决的问题.mp4 17.26M

| | ├──2-挑战与困难分析.mp4 35.89M

| | ├──3-评估标准rank1指标.mp4 14.05M

| | ├──4-map值计算方法.mp4 15.70M

| | ├──5-triplet损失计算实例.mp4 25.16M

| | └──6-Hard-Negative方法应用.mp4 27.27M

| ├──2-基于注意力机制的Reld模型论文解读

| | ├──1-论文整体思想及注意力机制的作用解读.mp4 50.47M

| | ├──2-空间权重值计算流程分析.mp4 32.88M

| | ├──3-融合空间注意力所需特征.mp4 27.38M

| | └──4-基于特征图的注意力计算.mp4 66.01M

| ├──3-基于Attention的行人重识别项目实战

| | ├──1-项目环境与数据集配置.mp4 49.78M

| | ├──2-参数配置与整体架构分析.mp4 65.40M

| | ├──3-进入debug模式解读网络计算流程.mp4 30.56M

| | ├──4-获得空间位置点之间的关系.mp4 43.11M

| | ├──5-组合关系特征图.mp4 39.65M

| | ├──6-计算得到位置权重值.mp4 38.01M

| | ├──7-基于特征图的权重计算.mp4 25.57M

| | ├──8-损失函数计算实例解读.mp4 60.36M

| | └──9-训练与测试模块演示.mp4 75.66M

| ├──4-AAAI2020顶会算法精讲

| | ├──1-论文整体框架概述.mp4 16.23M

| | ├──2-局部特征与全局关系计算方法.mp4 15.39M

| | ├──3-特征分组方法.mp4 15.12M

| | ├──4-GCP模块特征融合方法.mp4 28.45M

| | ├──5-oneVsReset方法实例.mp4 15.63M

| | └──6-损失函数应用位置.mp4 16.80M

| ├──5-项目实战-基于行人局部特征融合的再识别实战

| | ├──1-项目配置与数据集介绍.mp4 67.72M

| | ├──10-得到所有分组特征结果.mp4 51.20M

| | ├──11-损失函数与训练过程演示.mp4 42.52M

| | ├──12-测试与验证模块.mp4 47.02M

| | ├──2-数据源构建方法分析.mp4 41.23M

| | ├──3-dataloader加载顺序解读.mp4 27.96M

| | ├──4-debug模式解读.mp4 62.34M

| | ├──5-网络计算整体流程演示.mp4 30.51M

| | ├──6-特征序列构建.mp4 41.00M

| | ├──7-GCP全局特征提取.mp4 39.65M

| | ├──8-局部特征提取实例.mp4 52.39M

| | └──9-特征组合汇总.mp4 49.29M

| ├──6-旷视研究院最新算法解读(基于图模型)

| | ├──1-关键点位置特征构建.mp4 22.40M

| | ├──2-图卷积与匹配的作用.mp4 24.41M

| | ├──3-局部特征热度图计算.mp4 24.78M

| | ├──4-基于图卷积构建人体拓扑关系.mp4 29.82M

| | ├──5-图卷积模块实现方法.mp4 27.54M

| | ├──6-图匹配在行人重识别中的作用.mp4 18.07M

| | └──7-整体算法框架分析.mp4 24.09M

| ├──7-基于拓扑图的行人重识别项目实战

| | ├──1-数据集与环境配置概述.mp4 48.08M

| | ├──10-整体项目总结.mp4 79.79M

| | ├──2-局部特征准备方法.mp4 47.66M

| | ├──3-得到一阶段热度图结果.mp4 42.07M

| | ├──4-阶段监督训练.mp4 78.61M

| | ├──5-初始化图卷积模型.mp4 34.82M

| | ├──6-mask矩阵的作用.mp4 40.13M

| | ├──7-邻接矩阵学习与更新.mp4 50.98M

| | ├──8-基于拓扑结构组合关键点特征.mp4 63.20M

| | └──9-图匹配模块计算流程.mp4 67.63M

| └──8-额外补充:行人搜索源码分析

| | ├──1-项目概述.mp4 26.15M

| | ├──2-项目概述.mp4 31.61M

| | ├──3-数据与标签读取模块.mp4 57.97M

| | ├──4-通过配置文件读取模型位置.mp4 37.97M

| | ├──5-BackBone位置与流程.mp4 52.30M

| | ├──6-Neck层操作方法.mp4 33.12M

| | ├──7-Head层预测模块.mp4 40.06M

| | ├──8-损失函数计算模块.mp4 54.31M

| | └──9-总结概述.mp4 34.10M

├──17-对抗生成网络实战

| ├──1-课程介绍

| | └──1-课程介绍.mp4 28.55M

| ├──2-对抗生成网络架构原理与实战解析

| | ├──1-对抗生成网络通俗解释.mp4 18.39M

| | ├──2-GAN网络组成.mp4 10.73M

| | ├──3-损失函数解释说明.mp4 39.88M

| | ├──4-数据读取模块.mp4 29.93M

| | └──5-生成与判别网络定义.mp4 44.24M

| ├──3-基于CycleGan开源项目实战图像合成

| | ├──1-CycleGan网络所需数据.mp4 37.56M

| | ├──10-额外补充:VISDOM可视化配置.mp4 38.69M

| | ├──2-CycleGan整体网络架构.mp4 21.36M

| | ├──3-PatchGan判别网络原理.mp4 11.45M

| | ├──4-Cycle开源项目简介.mp4 46.41M

| | ├──5-数据读取与预处理操作.mp4 57.93M

| | ├──6-生成网络模块构造.mp4 48.52M

| | ├──7-判别网络模块构造.mp4 19.77M

| | ├──8-损失函数:identity loss计算方法.mp4 37.16M

| | └──9-生成与判别损失函数指定.mp4 54.69M

| ├──4-stargan论文架构解析

| | ├──1-stargan效果演示分析.mp4 27.95M

| | ├──2-网络架构整体思路解读.mp4 30.84M

| | ├──3-建模流程分析.mp4 42.55M

| | ├──4-V1版本存在的问题及后续改进思路.mp4 60.74M

| | ├──5-V2版本在整体网络架构.mp4 63.67M

| | ├──6-编码器训练方法.mp4 53.45M

| | ├──7-损失函数公式解析.mp4 49.43M

| | └──8-训练过程分析.mp4 34.17M

| ├──5-stargan项目实战及其源码解读

| | ├──1-测试模块效果与实验分析.mp4 29.95M

| | ├──10-生成模块损失计算.mp4 70.07M

| | ├──2-项目配置与数据源下载.mp4 21.51M

| | ├──3-测试效果演示.mp4 34.97M

| | ├──4-项目参数解析.mp4 27.62M

| | ├──5-生成器模块源码解读.mp4 53.18M

| | ├──6-所有网络模块构建实例.mp4 46.52M

| | ├──7-数据读取模块分析.mp4 56.60M

| | ├──8-判别器损失计算.mp4 32.90M

| | └──9-损失计算详细过程.mp4 45.76M

| ├──6-基于starganvc2的变声器论文原理解读

| | ├──1-论文整体思路与架构解读.mp4 34.66M

| | ├──2-VCC2016输入数据.mp4 20.76M

| | ├──3-语音特征提取.mp4 30.57M

| | ├──4-生成器模型架构分析.mp4 15.81M

| | ├──5-InstanceNorm的作用解读.mp4 18.58M

| | ├──6-AdaIn的目的与效果.mp4 13.18M

| | └──7-判别器模块分析.mp4 114.03M

| ├──7-starganvc2变声器项目实战及其源码解读

| | ├──1-数据与项目文件解读.mp4 21.80M

| | ├──10-源码损失计算流程.mp4 34.82M

| | ├──11-测试模块-生成转换语音.mp4 47.17M

| | ├──2-环境配置与工具包安装.mp4 37.11M

| | ├──3-数据预处理与声音特征提取.mp4 88.49M

| | ├──4-生成器构造模块解读.mp4 41.33M

| | ├──5-下采样与上采样操作.mp4 35.48M

| | ├──6-starganvc2版本标签输入分析.mp4 49.96M

| | ├──7-生成器前向传播维度变化.mp4 26.49M

| | ├──8-判别器模块解读.mp4 35.22M

| | └──9-论文损失函数.mp4 100.48M

| ├──8-图像超分辨率重构实战

| | ├──1-论文概述.mp4 46.83M

| | ├──2-网络架构.mp4 106.93M

| | ├──3-数据与环境配置.mp4 26.90M

| | ├──4-数据加载与配置.mp4 39.14M

| | ├──5-生成模块.mp4 48.50M

| | ├──6-判别模块.mp4 44.60M

| | ├──7-VGG特征提取网络.mp4 35.88M

| | ├──8-损失函数与训练.mp4 89.00M

| | └──9-测试模块.mp4 90.79M

| └──9-基于GAN的图像补全实战

| | ├──1-论文概述.mp4 75.09M

| | ├──2-网络架构.mp4 30.75M

| | ├──3-细节设计.mp4 77.69M

| | ├──4-论文总结.mp4 67.30M

| | ├──5-数据与项目概述.mp4 45.92M

| | ├──6-参数基本设计.mp4 81.81M

| | ├──7-网络结构配置.mp4 71.57M

| | ├──8-网络迭代训练.mp4 92.87M

| | └──9-测试模块.mp4 48.39M

├──17-对抗生成网络实战(1)

| ├──1-课程介绍

| | └──1-课程介绍.mp4 28.55M

| ├──2-对抗生成网络架构原理与实战解析

| | ├──1-对抗生成网络通俗解释.mp4 18.39M

| | ├──2-GAN网络组成.mp4 10.73M

| | ├──3-损失函数解释说明.mp4 39.88M

| | ├──4-数据读取模块.mp4 29.93M

| | └──5-生成与判别网络定义.mp4 44.24M

| ├──3-基于CycleGan开源项目实战图像合成

| | ├──1-CycleGan网络所需数据.mp4 37.56M

| | ├──10-额外补充:VISDOM可视化配置.mp4 38.69M

| | ├──2-CycleGan整体网络架构.mp4 21.36M

| | ├──3-PatchGan判别网络原理.mp4 11.45M

| | ├──4-Cycle开源项目简介.mp4 46.41M

| | ├──5-数据读取与预处理操作.mp4 57.93M

| | ├──6-生成网络模块构造.mp4 48.52M

| | ├──7-判别网络模块构造.mp4 19.77M

| | ├──8-损失函数:identity loss计算方法.mp4 37.16M

| | └──9-生成与判别损失函数指定.mp4 54.69M

| ├──4-stargan论文架构解析

| | ├──1-stargan效果演示分析.mp4 27.95M

| | ├──2-网络架构整体思路解读.mp4 30.84M

| | ├──3-建模流程分析.mp4 42.55M

| | ├──4-V1版本存在的问题及后续改进思路.mp4 60.74M

| | ├──5-V2版本在整体网络架构.mp4 63.67M

| | ├──6-编码器训练方法.mp4 53.45M

| | ├──7-损失函数公式解析.mp4 49.43M

| | └──8-训练过程分析.mp4 34.17M

| ├──5-stargan项目实战及其源码解读

| | ├──1-测试模块效果与实验分析.mp4 29.95M

| | ├──10-生成模块损失计算.mp4 70.07M

| | ├──2-项目配置与数据源下载.mp4 21.51M

| | ├──3-测试效果演示.mp4 34.97M

| | ├──4-项目参数解析.mp4 27.62M

| | ├──5-生成器模块源码解读.mp4 53.18M

| | ├──6-所有网络模块构建实例.mp4 46.52M

| | ├──7-数据读取模块分析.mp4 56.60M

| | ├──8-判别器损失计算.mp4 32.90M

| | └──9-损失计算详细过程.mp4 45.76M

| ├──6-基于starganvc2的变声器论文原理解读

| | ├──1-论文整体思路与架构解读.mp4 34.66M

| | ├──2-VCC2016输入数据.mp4 20.76M

| | ├──3-语音特征提取.mp4 30.57M

| | ├──4-生成器模型架构分析.mp4 15.81M

| | ├──5-InstanceNorm的作用解读.mp4 18.58M

| | ├──6-AdaIn的目的与效果.mp4 13.18M

| | └──7-判别器模块分析.mp4 114.03M

| ├──7-starganvc2变声器项目实战及其源码解读

| | ├──1-数据与项目文件解读.mp4 21.80M

| | ├──10-源码损失计算流程.mp4 34.82M

| | ├──11-测试模块-生成转换语音.mp4 47.17M

| | ├──2-环境配置与工具包安装.mp4 37.11M

| | ├──3-数据预处理与声音特征提取.mp4 88.49M

| | ├──4-生成器构造模块解读.mp4 41.33M

| | ├──5-下采样与上采样操作.mp4 35.48M

| | ├──6-starganvc2版本标签输入分析.mp4 49.96M

| | ├──7-生成器前向传播维度变化.mp4 26.49M

| | ├──8-判别器模块解读.mp4 35.22M

| | └──9-论文损失函数.mp4 100.48M

| ├──8-图像超分辨率重构实战

| | ├──1-论文概述.mp4 46.83M

| | ├──2-网络架构.mp4 106.93M

| | ├──3-数据与环境配置.mp4 26.90M

| | ├──4-数据加载与配置.mp4 39.14M

| | ├──5-生成模块.mp4 48.50M

| | ├──6-判别模块.mp4 44.60M

| | ├──7-VGG特征提取网络.mp4 35.88M

| | ├──8-损失函数与训练.mp4 89.00M

| | └──9-测试模块.mp4 90.79M

| └──9-基于GAN的图像补全实战

| | ├──1-论文概述.mp4 75.09M

| | ├──2-网络架构.mp4 30.75M

| | ├──3-细节设计.mp4 77.69M

| | ├──4-论文总结.mp4 67.30M

| | ├──5-数据与项目概述.mp4 45.92M

| | ├──6-参数基本设计.mp4 81.81M

| | ├──7-网络结构配置.mp4 71.57M

| | ├──8-网络迭代训练.mp4 92.87M

| | └──9-测试模块.mp4 48.39M

├──18-强化学习与AI黑科技实例

| ├──1-强化学习简介及其应用

| | ├──1-一张图通俗解释强化学习.mp4 17.69M

| | ├──2-强化学习的指导依据.mp4 20.19M

| | ├──3-强化学习AI游戏DEMO.mp4 20.36M

| | ├──4-应用领域简介.mp4 17.34M

| | ├──5-强化学习工作流程.mp4 14.78M

| | └──6-计算机眼中的状态与行为.mp4 20.09M

| ├──10-CLIP系列

| | └──1-CLIP系列.mp4 621.00M

| ├──11-Diffusion模型解读

| | └──1-Diffusion模型解读.mp4 737.53M

| ├──12-Dalle2及其源码解读

| | └──1-Dalle2源码解读.mp4 614.12M

| ├──13-ChatGPT

| | └──1-ChatGPT.mp4 382.23M

| ├──2-PPO算法与公式推导

| | ├──1-基本情况介绍.mp4 28.05M

| | ├──2-与环境交互得到所需数据.mp4 23.17M

| | ├──3-要完成的目标分析.mp4 24.51M

| | ├──4-策略梯度推导.mp4 21.76M

| | ├──5-baseline方法.mp4 18.36M

| | ├──6-OnPolicy与OffPolicy策略.mp4 20.77M

| | ├──7-importance sampling的作用.mp4 23.19M

| | └──8-PPO算法整体思路解析.mp4 26.57M

| ├──3-PPO实战-月球登陆器训练实例

| | ├──1-Critic的作用与效果.mp4 40.06M

| | ├──2-PPO2版本公式解读.mp4 31.64M

| | ├──3-参数与网络结构定义.mp4 33.70M

| | ├──4-得到动作结果.mp4 29.01M

| | ├──5-奖励获得与计算.mp4 36.29M

| | └──6-参数迭代与更新.mp4 49.26M

| ├──4-Q-learning与DQN算法

| | ├──1-整体任务流程演示.mp4 23.90M

| | ├──2-探索与action获取.mp4 28.41M

| | ├──3-计算target值.mp4 22.46M

| | ├──4-训练与更新.mp4 34.15M

| | ├──5-算法原理通俗解读.mp4 25.99M

| | ├──6-目标函数与公式解析.mp4 25.54M

| | ├──7-Qlearning算法实例解读.mp4 16.65M

| | ├──8-Q值迭代求解.mp4 22.46M

| | └──9-DQN简介.mp4 15.36M

| ├──5-DQN改进与应用技巧

| | ├──1-DoubleDqn要解决的问题.mp4 22.34M

| | ├──2-DuelingDqn改进方法.mp4 19.06M

| | ├──3-Dueling整体网络架构分析.mp4 21.73M

| | ├──4-MultiSetp策略.mp4 8.67M

| | └──5-连续动作处理方法.mp4 22.24M

| ├──6-Actor-Critic算法分析(A3C)

| | ├──1-AC算法回顾与知识点总结.mp4 17.31M

| | ├──2-优势函数解读与分析.mp4 19.87M

| | ├──3-计算流程实例.mp4 17.59M

| | ├──4-A3C整体架构分析.mp4 16.43M

| | └──5-损失函数整理.mp4 22.40M

| ├──7-用A3C玩转超级马里奥

| | ├──1-整体流程与环境配置.mp4 26.97M

| | ├──2-启动游戏环境.mp4 32.19M

| | ├──3-要计算的指标回顾.mp4 37.00M

| | ├──4-初始化局部模型并加载参数.mp4 32.22M

| | ├──5-与环境交互得到训练数据.mp4 39.26M

| | └──6-训练网络模型.mp4 44.24M

| ├──8-GPT系列生成模型

| | └──1-GPT系列.mp4 442.99M

| └──9-GPT建模与预测流程

| | ├──1-生成模型可以完成的任务概述.mp4 28.91M

| | ├──2-数据样本生成方法.mp4 72.04M

| | ├──3-训练所需参数解读.mp4 57.68M

| | ├──4-模型训练过程.mp4 51.48M

| | └──5-部署与网页预测展示.mp4 79.57M

├──18-强化学习与AI黑科技实例(1)

| ├──1-强化学习简介及其应用

| | ├──1-一张图通俗解释强化学习.mp4 17.69M

| | ├──2-强化学习的指导依据.mp4 20.19M

| | ├──3-强化学习AI游戏DEMO.mp4 20.36M

| | ├──4-应用领域简介.mp4 17.34M

| | ├──5-强化学习工作流程.mp4 14.78M

| | └──6-计算机眼中的状态与行为.mp4 20.09M

| ├──10-CLIP系列

| | └──1-CLIP系列.mp4 621.00M

| ├──11-Diffusion模型解读

| | └──1-Diffusion模型解读.mp4 737.53M

| ├──12-Dalle2及其源码解读

| | └──1-Dalle2源码解读.mp4 614.12M

| ├──13-ChatGPT

| | └──1-ChatGPT.mp4 382.23M

| ├──2-PPO算法与公式推导

| | ├──1-基本情况介绍.mp4 28.05M

| | ├──2-与环境交互得到所需数据.mp4 23.17M

| | ├──3-要完成的目标分析.mp4 24.51M

| | ├──4-策略梯度推导.mp4 21.76M

| | ├──5-baseline方法.mp4 18.36M

| | ├──6-OnPolicy与OffPolicy策略.mp4 20.77M

| | ├──7-importance sampling的作用.mp4 23.19M

| | └──8-PPO算法整体思路解析.mp4 26.57M

| ├──3-PPO实战-月球登陆器训练实例

| | ├──1-Critic的作用与效果.mp4 40.06M

| | ├──2-PPO2版本公式解读.mp4 31.64M

| | ├──3-参数与网络结构定义.mp4 33.70M

| | ├──4-得到动作结果.mp4 29.01M

| | ├──5-奖励获得与计算.mp4 36.29M

| | └──6-参数迭代与更新.mp4 49.26M

| ├──4-Q-learning与DQN算法

| | ├──1-整体任务流程演示.mp4 23.90M

| | ├──2-探索与action获取.mp4 28.41M

| | ├──3-计算target值.mp4 22.46M

| | ├──4-训练与更新.mp4 34.15M

| | ├──5-算法原理通俗解读.mp4 25.99M

| | ├──6-目标函数与公式解析.mp4 25.54M

| | ├──7-Qlearning算法实例解读.mp4 16.65M

| | ├──8-Q值迭代求解.mp4 22.46M

| | └──9-DQN简介.mp4 15.36M

| ├──5-DQN改进与应用技巧

| | ├──1-DoubleDqn要解决的问题.mp4 22.34M

| | ├──2-DuelingDqn改进方法.mp4 19.06M

| | ├──3-Dueling整体网络架构分析.mp4 21.73M

| | ├──4-MultiSetp策略.mp4 8.67M

| | └──5-连续动作处理方法.mp4 22.24M

| ├──6-Actor-Critic算法分析(A3C)

| | ├──1-AC算法回顾与知识点总结.mp4 17.31M

| | ├──2-优势函数解读与分析.mp4 19.87M

| | ├──3-计算流程实例.mp4 17.59M

| | ├──4-A3C整体架构分析.mp4 16.43M

| | └──5-损失函数整理.mp4 22.40M

| ├──7-用A3C玩转超级马里奥

| | ├──1-整体流程与环境配置.mp4 26.97M

| | ├──2-启动游戏环境.mp4 32.19M

| | ├──3-要计算的指标回顾.mp4 37.00M

| | ├──4-初始化局部模型并加载参数.mp4 32.22M

| | ├──5-与环境交互得到训练数据.mp4 39.26M

| | └──6-训练网络模型.mp4 44.24M

| ├──8-GPT系列生成模型

| | └──1-GPT系列.mp4 442.99M

| └──9-GPT建模与预测流程

| | ├──1-生成模型可以完成的任务概述.mp4 28.91M

| | ├──2-数据样本生成方法.mp4 72.04M

| | ├──3-训练所需参数解读.mp4 57.68M

| | ├──4-模型训练过程.mp4 51.48M

| | └──5-部署与网页预测展示.mp4 79.57M

├──2-AI课程所需安装软件教程

| └──1-AI课程所需安装软件教程

| | └──1-AI课程所需安装软件教程.mp4 19.61M

├──2-AI课程所需安装软件教程(1)

| └──1-AI课程所需安装软件教程

| | └──1-AI课程所需安装软件教程.mp4 19.61M

├──20-CV与NLP经典大模型解读

| ├──1-课程简介

| | └──1-课程简介.mp4 10.19M

| ├──10-openai-dalle2论文解读

| | ├──1-论文基本思想与核心模块分析.mp4 42.10M

| | ├──2-不同模块对比分析.mp4 34.78M

| | ├──3-算法核心流程解读.mp4 62.78M

| | └──4-各模块实现细节讲解.mp4 78.77M

| ├──11-openai-dalle2源码解读

| | ├──1-项目整体流程分析.mp4 53.51M

| | ├──2-源码实现细节分析.mp4 41.14M

| | ├──3-源码公式对应论文分析.mp4 47.57M

| | ├──4-Decoder模块实现细节解读.mp4 44.83M

| | └──5-源码实现流程总结.mp4 56.49M

| ├──12-自监督任务-对比学习思想

| | ├──1-对比学习要解决的问题分析.mp4 47.41M

| | ├──2-正负样本构建方法.mp4 34.18M

| | ├──3-Simclr框架流程分析.mp4 40.15M

| | └──4-下游任务应用概述.mp4 45.04M

| ├──13-视觉自监督BEIT算法解读

| | ├──1-视觉自监督任务分析.mp4 56.86M

| | ├──2-任务训练目标分析.mp4 72.80M

| | ├──3-建模流程分析与效果展示.mp4 101.08M

| | ├──4-codebook模块的作用.mp4 81.31M

| | └──5-任务总结分析.mp4 114.38M

| ├──14-视觉自监督任务BEITV2论文解读

| | ├──1-BEITV2版本论文出发点解读.mp4 48.00M

| | ├──2-自监督任务中两大核心任务分析.mp4 56.24M

| | ├──3-整体网络架构图分析.mp4 43.98M

| | ├──4-框架实现细节流程分析.mp4 21.84M

| | └──5-论文细节模块实现解读.mp4 99.31M

| ├──15-视觉自监督任务BEITV2源码解读

| | ├──1-mmselfup源码实现解读.mp4 42.02M

| | ├──2-网络结构搭建细节解读.mp4 49.16M

| | └──3-源码实现流程总结.mp4 45.78M

| ├──16-BEV感知特征空间算法解读

| | ├──1-BEV要解决的问题通俗解读.mp4 57.89M

| | ├──10-整体架构总结.mp4 51.47M

| | ├──2-BEV中的3D与4D分析.mp4 23.58M

| | ├──3-特征融合过程中可能遇到的问题.mp4 22.25M

| | ├──4-BEV汇总特征方法实例解读.mp4 35.67M

| | ├──5-DeformableAttention回顾.mp4 40.86M

| | ├──6-空间注意力模块解读.mp4 33.92M

| | ├──7-时间模块与拓展补充.mp4 27.10M

| | ├──8-论文知识点分析.mp4 50.40M

| | └──9-核心模块论文分析.mp4 57.14M

| ├──17-BEVformer项目源码解读

| | ├──1-环境配置方法解读.mp4 42.79M

| | ├──10-获取当前BEV特征.mp4 35.90M

| | ├──11-Decoder级联校正模块.mp4 41.58M

| | ├──12-损失函数与预测可视化.mp4 49.48M

| | ├──2-数据集下载与配置方法.mp4 53.57M

| | ├──3-特征提取以及BEV空间初始化.mp4 43.81M

| | ├──4-特征对齐与位置编码初始化.mp4 43.63M

| | ├──5-Reference初始点构建.mp4 37.26M

| | ├──6-BEV空间与图像空间位置对应.mp4 37.67M

| | ├──7-注意力机制模块计算方法.mp4 38.61M

| | ├──8-BEV空间特征构建.mp4 34.01M

| | └──9-Decoder要完成的任务分析.mp4 33.95M

| ├──18-补充-视觉大模型基础-deformableAttention

| | ├──1-DeformableAttention概述分析.mp4 26.55M

| | ├──2-可变形偏移量分析.mp4 37.05M

| | ├──3-应用场景分析解读.mp4 48.64M

| | ├──4-论文计算公式解读.mp4 70.45M

| | ├──5-整体框架流程实例.mp4 52.61M

| | └──6-下游任务应用场景.mp4 29.34M

| ├──2-GPT系列算法解读

| | ├──1-GPT系列算法概述.mp4 26.53M

| | ├──2-GPT三代版本分析.mp4 29.33M

| | ├──3-GPT初代版本要解决的问题.mp4 30.99M

| | ├──4-GPT第二代版本训练策略.mp4 28.94M

| | ├──5-采样策略与多样性.mp4 28.20M

| | ├──6-GPT3的提示与生成方法.mp4 74.39M

| | ├──7-应用场景CODEX分析.mp4 36.50M

| | └──8-DEMO应用演示.mp4 98.82M

| ├──3-GPT2训练与预测部署流程

| | ├──1-生成模型可以完成的任务概述.mp4 28.91M

| | ├──2-数据样本生成方法.mp4 72.04M

| | ├──3-训练所需参数解读.mp4 57.68M

| | ├──4-模型训练过程.mp4 51.48M

| | └──5-部署与网页预测展示.mp4 79.57M

| ├──4-chatgpt算法解读分析

| | ├──1-chatgpt概述.mp4 21.49M

| | ├──2-挑战及其与有监督问题差异.mp4 22.41M

| | ├──3-强化学习登场.mp4 17.69M

| | ├──4-强化学习的作用效果.mp4 33.81M

| | ├──5-奖励模型设计方法.mp4 26.20M

| | ├──6-RLHF训练流程解读.mp4 38.53M

| | └──7-总结分析.mp4 69.21M

| ├──5-LLM与LORA微调策略解读

| | ├──1-大模型如何做下游任务.mp4 33.43M

| | ├──2-LLM落地微调分析.mp4 37.03M

| | ├──3-LLAMA与LORA介绍.mp4 30.10M

| | ├──4-LORA微调的核心思想.mp4 22.08M

| | └──5-LORA模型实现细节.mp4 40.79M

| ├──6-LLM下游任务训练自己模型实战

| | ├──1-提示工程的作用.mp4 44.01M

| | ├──2-基本API调用方法.mp4 59.69M

| | ├──3-数据文档切分操作.mp4 47.88M

| | ├──4-样本索引与向量构建.mp4 66.44M

| | └──5-数据切块方法.mp4 61.14M

| ├──7-视觉大模型SAM

| | ├──1-DEMO效果演示.mp4 57.83M

| | ├──2-论文解读分析.mp4 74.48M

| | ├──3-完成的任务分析.mp4 76.96M

| | ├──4-数据闭环方法.mp4 93.66M

| | ├──5-预训练模型的作用.mp4 144.99M

| | ├──6-Decoder的作用与项目源码.mp4 94.78M

| | ├──7-分割任务模块设计.mp4 62.84M

| | ├──8-实现细节分析.mp4 62.98M

| | └──9-总结分析.mp4 60.65M

| ├──8-视觉QA算法与论文解读

| | ├──1-视觉QA要解决的问题.mp4 51.72M

| | ├──2-论文概述分析.mp4 66.38M

| | ├──3-实现流程路线图.mp4 64.44M

| | ├──4-答案关注区域分析.mp4 54.45M

| | └──5-VQA任务总结.mp4 51.51M

| └──9-扩散模型diffusion架构算法解读

| | ├──1-扩散模型概述与GAN遇到的问题.mp4 43.24M

| | ├──10-基本建模训练效果.mp4 81.38M

| | ├──2-要完成的任务分析.mp4 62.27M

| | ├──3-公式原理推导解读.mp4 51.48M

| | ├──4-分布相关计算操作.mp4 45.08M

| | ├──5-算法实现细节推导.mp4 41.52M

| | ├──6-公式推导结果分析.mp4 49.07M

| | ├──7-细节实现总结.mp4 59.60M

| | ├──8-论文流程图解读.mp4 46.55M

| | └──9-案例流程分析.mp4 53.76M

├──20-CV与NLP经典大模型解读(1)

| ├──1-课程简介

| | └──1-课程简介.mp4 10.19M

| ├──10-openai-dalle2论文解读

| | ├──1-论文基本思想与核心模块分析.mp4 42.10M

| | ├──2-不同模块对比分析.mp4 34.78M

| | ├──3-算法核心流程解读.mp4 62.78M

| | └──4-各模块实现细节讲解.mp4 78.77M

| ├──11-openai-dalle2源码解读

| | ├──1-项目整体流程分析.mp4 53.51M

| | ├──2-源码实现细节分析.mp4 41.14M

| | ├──3-源码公式对应论文分析.mp4 47.57M

| | ├──4-Decoder模块实现细节解读.mp4 44.83M

| | └──5-源码实现流程总结.mp4 56.49M

| ├──12-自监督任务-对比学习思想

| | ├──1-对比学习要解决的问题分析.mp4 47.41M

| | ├──2-正负样本构建方法.mp4 34.18M

| | ├──3-Simclr框架流程分析.mp4 40.15M

| | └──4-下游任务应用概述.mp4 45.04M

| ├──13-视觉自监督BEIT算法解读

| | ├──1-视觉自监督任务分析.mp4 56.86M

| | ├──2-任务训练目标分析.mp4 72.80M

| | ├──3-建模流程分析与效果展示.mp4 101.08M

| | ├──4-codebook模块的作用.mp4 81.31M

| | └──5-任务总结分析.mp4 114.38M

| ├──14-视觉自监督任务BEITV2论文解读

| | ├──1-BEITV2版本论文出发点解读.mp4 48.00M

| | ├──2-自监督任务中两大核心任务分析.mp4 56.24M

| | ├──3-整体网络架构图分析.mp4 43.98M

| | ├──4-框架实现细节流程分析.mp4 21.84M

| | └──5-论文细节模块实现解读.mp4 99.31M

| ├──15-视觉自监督任务BEITV2源码解读

| | ├──1-mmselfup源码实现解读.mp4 42.02M

| | ├──2-网络结构搭建细节解读.mp4 49.16M

| | └──3-源码实现流程总结.mp4 45.78M

| ├──16-BEV感知特征空间算法解读

| | ├──1-BEV要解决的问题通俗解读.mp4 57.89M

| | ├──10-整体架构总结.mp4 51.47M

| | ├──2-BEV中的3D与4D分析.mp4 23.58M

| | ├──3-特征融合过程中可能遇到的问题.mp4 22.25M

| | ├──4-BEV汇总特征方法实例解读.mp4 35.67M

| | ├──5-DeformableAttention回顾.mp4 40.86M

| | ├──6-空间注意力模块解读.mp4 33.92M

| | ├──7-时间模块与拓展补充.mp4 27.10M

| | ├──8-论文知识点分析.mp4 50.40M

| | └──9-核心模块论文分析.mp4 57.14M

| ├──17-BEVformer项目源码解读

| | ├──1-环境配置方法解读.mp4 42.79M

| | ├──10-获取当前BEV特征.mp4 35.90M

| | ├──11-Decoder级联校正模块.mp4 41.58M

| | ├──12-损失函数与预测可视化.mp4 49.48M

| | ├──2-数据集下载与配置方法.mp4 53.57M

| | ├──3-特征提取以及BEV空间初始化.mp4 43.81M

| | ├──4-特征对齐与位置编码初始化.mp4 43.63M

| | ├──5-Reference初始点构建.mp4 37.26M

| | ├──6-BEV空间与图像空间位置对应.mp4 37.67M

| | ├──7-注意力机制模块计算方法.mp4 38.61M

| | ├──8-BEV空间特征构建.mp4 34.01M

| | └──9-Decoder要完成的任务分析.mp4 33.95M

| ├──18-补充-视觉大模型基础-deformableAttention

| | ├──1-DeformableAttention概述分析.mp4 26.55M

| | ├──2-可变形偏移量分析.mp4 37.05M

| | ├──3-应用场景分析解读.mp4 48.64M

| | ├──4-论文计算公式解读.mp4 70.45M

| | ├──5-整体框架流程实例.mp4 52.61M

| | └──6-下游任务应用场景.mp4 29.34M

| ├──2-GPT系列算法解读

| | ├──1-GPT系列算法概述.mp4 26.53M

| | ├──2-GPT三代版本分析.mp4 29.33M

| | ├──3-GPT初代版本要解决的问题.mp4 30.99M

| | ├──4-GPT第二代版本训练策略.mp4 28.94M

| | ├──5-采样策略与多样性.mp4 28.20M

| | ├──6-GPT3的提示与生成方法.mp4 74.39M

| | ├──7-应用场景CODEX分析.mp4 36.50M

| | └──8-DEMO应用演示.mp4 98.82M

| ├──3-GPT2训练与预测部署流程

| | ├──1-生成模型可以完成的任务概述.mp4 28.91M

| | ├──2-数据样本生成方法.mp4 72.04M

| | ├──3-训练所需参数解读.mp4 57.68M

| | ├──4-模型训练过程.mp4 51.48M

| | └──5-部署与网页预测展示.mp4 79.57M

| ├──4-chatgpt算法解读分析

| | ├──1-chatgpt概述.mp4 21.49M

| | ├──2-挑战及其与有监督问题差异.mp4 22.41M

| | ├──3-强化学习登场.mp4 17.69M

| | ├──4-强化学习的作用效果.mp4 33.81M

| | ├──5-奖励模型设计方法.mp4 26.20M

| | ├──6-RLHF训练流程解读.mp4 38.53M

| | └──7-总结分析.mp4 69.21M

| ├──5-LLM与LORA微调策略解读

| | ├──1-大模型如何做下游任务.mp4 33.43M

| | ├──2-LLM落地微调分析.mp4 37.03M

| | ├──3-LLAMA与LORA介绍.mp4 30.10M

| | ├──4-LORA微调的核心思想.mp4 22.08M

| | └──5-LORA模型实现细节.mp4 40.79M

| ├──6-LLM下游任务训练自己模型实战

| | ├──1-提示工程的作用.mp4 44.01M

| | ├──2-基本API调用方法.mp4 59.69M

| | ├──3-数据文档切分操作.mp4 47.88M

| | ├──4-样本索引与向量构建.mp4 66.44M

| | └──5-数据切块方法.mp4 61.14M

| ├──7-视觉大模型SAM

| | ├──1-DEMO效果演示.mp4 57.83M

| | ├──2-论文解读分析.mp4 74.48M

| | ├──3-完成的任务分析.mp4 76.96M

| | ├──4-数据闭环方法.mp4 93.66M

| | ├──5-预训练模型的作用.mp4 144.99M

| | ├──6-Decoder的作用与项目源码.mp4 94.78M

| | ├──7-分割任务模块设计.mp4 62.84M

| | ├──8-实现细节分析.mp4 62.98M

| | └──9-总结分析.mp4 60.65M

| ├──8-视觉QA算法与论文解读

| | ├──1-视觉QA要解决的问题.mp4 51.72M

| | ├──2-论文概述分析.mp4 66.38M

| | ├──3-实现流程路线图.mp4 64.44M

| | ├──4-答案关注区域分析.mp4 54.45M

| | └──5-VQA任务总结.mp4 51.51M

| └──9-扩散模型diffusion架构算法解读

| | ├──1-扩散模型概述与GAN遇到的问题.mp4 43.24M

| | ├──10-基本建模训练效果.mp4 81.38M

| | ├──2-要完成的任务分析.mp4 62.27M

| | ├──3-公式原理推导解读.mp4 51.48M

| | ├──4-分布相关计算操作.mp4 45.08M

| | ├──5-算法实现细节推导.mp4 41.52M

| | ├──6-公式推导结果分析.mp4 49.07M

| | ├──7-细节实现总结.mp4 59.60M

| | ├──8-论文流程图解读.mp4 46.55M

| | └──9-案例流程分析.mp4 53.76M

├──20-CV与NLP经典大模型解读(2)

| ├──1-课程简介

| | └──1-课程简介.mp4 10.19M

| ├──10-openai-dalle2论文解读

| | ├──1-论文基本思想与核心模块分析.mp4 42.10M

| | ├──2-不同模块对比分析.mp4 34.78M

| | ├──3-算法核心流程解读.mp4 62.78M

| | └──4-各模块实现细节讲解.mp4 78.77M

| ├──11-openai-dalle2源码解读

| | ├──1-项目整体流程分析.mp4 53.51M

| | ├──2-源码实现细节分析.mp4 41.14M

| | ├──3-源码公式对应论文分析.mp4 47.57M

| | ├──4-Decoder模块实现细节解读.mp4 44.83M

| | └──5-源码实现流程总结.mp4 56.49M

| ├──12-自监督任务-对比学习思想

| | ├──1-对比学习要解决的问题分析.mp4 47.41M

| | ├──2-正负样本构建方法.mp4 34.18M

| | ├──3-Simclr框架流程分析.mp4 40.15M

| | └──4-下游任务应用概述.mp4 45.04M

| ├──13-视觉自监督BEIT算法解读

| | ├──1-视觉自监督任务分析.mp4 56.86M

| | ├──2-任务训练目标分析.mp4 72.80M

| | ├──3-建模流程分析与效果展示.mp4 101.08M

| | ├──4-codebook模块的作用.mp4 81.31M

| | └──5-任务总结分析.mp4 114.38M

| ├──14-视觉自监督任务BEITV2论文解读

| | ├──1-BEITV2版本论文出发点解读.mp4 48.00M

| | ├──2-自监督任务中两大核心任务分析.mp4 56.24M

| | ├──3-整体网络架构图分析.mp4 43.98M

| | ├──4-框架实现细节流程分析.mp4 21.84M

| | └──5-论文细节模块实现解读.mp4 99.31M

| ├──15-视觉自监督任务BEITV2源码解读

| | ├──1-mmselfup源码实现解读.mp4 42.02M

| | ├──2-网络结构搭建细节解读.mp4 49.16M

| | └──3-源码实现流程总结.mp4 45.78M

| ├──16-BEV感知特征空间算法解读

| | ├──1-BEV要解决的问题通俗解读.mp4 57.89M

| | ├──10-整体架构总结.mp4 51.47M

| | ├──2-BEV中的3D与4D分析.mp4 23.58M

| | ├──3-特征融合过程中可能遇到的问题.mp4 22.25M

| | ├──4-BEV汇总特征方法实例解读.mp4 35.67M

| | ├──5-DeformableAttention回顾.mp4 40.86M

| | ├──6-空间注意力模块解读.mp4 33.92M

| | ├──7-时间模块与拓展补充.mp4 27.10M

| | ├──8-论文知识点分析.mp4 50.40M

| | └──9-核心模块论文分析.mp4 57.14M

| ├──17-BEVformer项目源码解读

| | ├──1-环境配置方法解读.mp4 42.79M

| | ├──10-获取当前BEV特征.mp4 35.90M

| | ├──11-Decoder级联校正模块.mp4 41.58M

| | ├──12-损失函数与预测可视化.mp4 49.48M

| | ├──2-数据集下载与配置方法.mp4 53.57M

| | ├──3-特征提取以及BEV空间初始化.mp4 43.81M

| | ├──4-特征对齐与位置编码初始化.mp4 43.63M

| | ├──5-Reference初始点构建.mp4 37.26M

| | ├──6-BEV空间与图像空间位置对应.mp4 37.67M

| | ├──7-注意力机制模块计算方法.mp4 38.61M

| | ├──8-BEV空间特征构建.mp4 34.01M

| | └──9-Decoder要完成的任务分析.mp4 33.95M

| ├──18-补充-视觉大模型基础-deformableAttention

| | ├──1-DeformableAttention概述分析.mp4 26.55M

| | ├──2-可变形偏移量分析.mp4 37.05M

| | ├──3-应用场景分析解读.mp4 48.64M

| | ├──4-论文计算公式解读.mp4 70.45M

| | ├──5-整体框架流程实例.mp4 52.61M

| | └──6-下游任务应用场景.mp4 29.34M

| ├──2-GPT系列算法解读

| | ├──1-GPT系列算法概述.mp4 26.53M

| | ├──2-GPT三代版本分析.mp4 29.33M

| | ├──3-GPT初代版本要解决的问题.mp4 30.99M

| | ├──4-GPT第二代版本训练策略.mp4 28.94M

| | ├──5-采样策略与多样性.mp4 28.20M

| | ├──6-GPT3的提示与生成方法.mp4 74.39M

| | ├──7-应用场景CODEX分析.mp4 36.50M

| | └──8-DEMO应用演示.mp4 98.82M

| ├──3-GPT2训练与预测部署流程

| | ├──1-生成模型可以完成的任务概述.mp4 28.91M

| | ├──2-数据样本生成方法.mp4 72.04M

| | ├──3-训练所需参数解读.mp4 57.68M

| | ├──4-模型训练过程.mp4 51.48M

| | └──5-部署与网页预测展示.mp4 79.57M

| ├──4-chatgpt算法解读分析

| | ├──1-chatgpt概述.mp4 21.49M

| | ├──2-挑战及其与有监督问题差异.mp4 22.41M

| | ├──3-强化学习登场.mp4 17.69M

| | ├──4-强化学习的作用效果.mp4 33.81M

| | ├──5-奖励模型设计方法.mp4 26.20M

| | ├──6-RLHF训练流程解读.mp4 38.53M

| | └──7-总结分析.mp4 69.21M

| ├──5-LLM与LORA微调策略解读

| | ├──1-大模型如何做下游任务.mp4 33.43M

| | ├──2-LLM落地微调分析.mp4 37.03M

| | ├──3-LLAMA与LORA介绍.mp4 30.10M

| | ├──4-LORA微调的核心思想.mp4 22.08M

| | └──5-LORA模型实现细节.mp4 40.79M

| ├──6-LLM下游任务训练自己模型实战

| | ├──1-提示工程的作用.mp4 44.01M

| | ├──2-基本API调用方法.mp4 59.69M

| | ├──3-数据文档切分操作.mp4 47.88M

| | ├──4-样本索引与向量构建.mp4 66.44M

| | └──5-数据切块方法.mp4 61.14M

| ├──7-视觉大模型SAM

| | ├──1-DEMO效果演示.mp4 57.83M

| | ├──2-论文解读分析.mp4 74.48M

| | ├──3-完成的任务分析.mp4 76.96M

| | ├──4-数据闭环方法.mp4 93.66M

| | ├──5-预训练模型的作用.mp4 144.99M

| | ├──6-Decoder的作用与项目源码.mp4 94.78M

| | ├──7-分割任务模块设计.mp4 62.84M

| | ├──8-实现细节分析.mp4 62.98M

| | └──9-总结分析.mp4 60.65M

| ├──8-视觉QA算法与论文解读

| | ├──1-视觉QA要解决的问题.mp4 51.72M

| | ├──2-论文概述分析.mp4 66.38M

| | ├──3-实现流程路线图.mp4 64.44M

| | ├──4-答案关注区域分析.mp4 54.45M

| | └──5-VQA任务总结.mp4 51.51M

| └──9-扩散模型diffusion架构算法解读

| | ├──1-扩散模型概述与GAN遇到的问题.mp4 43.24M

| | ├──10-基本建模训练效果.mp4 81.38M

| | ├──2-要完成的任务分析.mp4 62.27M

| | ├──3-公式原理推导解读.mp4 51.48M

| | ├──4-分布相关计算操作.mp4 45.08M

| | ├──5-算法实现细节推导.mp4 41.52M

| | ├──6-公式推导结果分析.mp4 49.07M

| | ├──7-细节实现总结.mp4 59.60M

| | ├──8-论文流程图解读.mp4 46.55M

| | └──9-案例流程分析.mp4 53.76M

├──20-面向医学领域的深度学习实战

| ├──1-卷积神经网络原理与参数解读

| | ├──1-卷积神经网络应用领域.mp4 21.20M

| | ├──10-VGG网络架构.mp4 19.34M

| | ├──11-残差网络Resnet.mp4 18.02M

| | ├──12-感受野的作用.mp4 16.86M

| | ├──2-卷积的作用.mp4 22.67M

| | ├──3-卷积特征值计算方法.mp4 21.23M

| | ├──4-得到特征图表示.mp4 18.23M

| | ├──5-步长与卷积核大小对结果的影响.mp4 19.86M

| | ├──6-边缘填充方法.mp4 17.28M

| | ├──7-特征图尺寸计算与参数共享.mp4 21.99M

| | ├──8-池化层的作用.mp4 11.31M

| | └──9-整体网络架构.mp4 16.98M

| ├──10-基于deeplab的心脏视频数据诊断分析

| | ├──1-数据集与任务概述.mp4 45.55M

| | ├──2-项目基本配置参数.mp4 33.31M

| | ├──3-任务流程解读.mp4 69.12M

| | ├──4-文献报告分析.mp4 122.67M

| | ├──5-补充:视频数据源特征处理方法概述.mp4 26.33M

| | └──6-补充:R(2plus1)D处理方法分析.mp4 18.88M

| ├──11-YOLO系列物体检测算法原理解读

| | ├──1-检测任务中阶段的意义.mp4 15.14M

| | ├──10-置信度误差与优缺点分析.mp4 26.86M

| | ├──11-V2版本细节升级概述.mp4 13.43M

| | ├──12-网络结构特点.mp4 15.69M

| | ├──13-架构细节解读.mp4 18.92M

| | ├──14-基于聚类来选择先验框尺寸.mp4 24.24M

| | ├──15-偏移量计算方法.mp4 27.55M

| | ├──16-坐标映射与还原.mp4 10.08M

| | ├──17-感受野的作用.mp4 28.11M

| | ├──18-特征融合改进.mp4 19.20M

| | ├──19-V3版本改进概述.mp4 18.27M

| | ├──2-不同阶段算法优缺点分析.mp4 10.68M

| | ├──20-多scale方法改进与特征融合.mp4 17.07M

| | ├──21-经典变换方法对比分析.mp4 10.83M

| | ├──22-残差连接方法解读.mp4 18.64M

| | ├──23-整体网络模型架构分析.mp4 12.93M

| | ├──24-先验框设计改进.mp4 13.04M

| | ├──25-sotfmax层改进.mp4 10.61M

| | ├──26-V4版本整体概述.mp4 15.06M

| | ├──27-V4版本贡献解读.mp4 10.06M

| | ├──28-数据增强策略分析.mp4 24.70M

| | ├──29-DropBlock与标签平滑方法.mp4 19.36M

| | ├──3-IOU指标计算.mp4 11.74M

| | ├──30-损失函数遇到的问题.mp4 14.26M

| | ├──31-CIOU损失函数定义.mp4 10.82M

| | ├──32-NMS细节改进.mp4 16.66M

| | ├──33-SPP与CSP网络结构.mp4 14.81M

| | ├──34-SAM注意力机制模块.mp4 22.48M

| | ├──35-PAN模块解读.mp4 20.64M

| | ├──36-激活函数与整体架构总结.mp4 19.19M

| | ├──4-评估所需参数计算.mp4 26.23M

| | ├──5-map指标计算.mp4 19.63M

| | ├──6-YOLO算法整体思路解读.mp4 14.75M

| | ├──7-检测算法要得到的结果.mp4 13.63M

| | ├──8-整体网络架构解读.mp4 30.67M

| | └──9-位置损失计算.mp4 18.97M

| ├──12-基于YOLO5细胞检测实战

| | ├──1-任务与细胞数据集介绍.mp4 49.79M

| | ├──2-模型与算法配置参数解读.mp4 42.47M

| | ├──3-网络训练流程演示.mp4 42.34M

| | ├──4-效果评估与展示.mp4 32.65M

| | └──5-细胞检测效果演示.mp4 43.21M

| ├──13-知识图谱原理解读

| | ├──1-知识图谱通俗解读.mp4 19.87M

| | ├──10-视觉领域图编码实例.mp4 20.97M

| | ├──11-图谱知识融合与总结分析.mp4 23.98M

| | ├──2-知识图谱在搜索引擎中的应用.mp4 26.60M

| | ├──3-知识图谱在医疗领域应用实例.mp4 102.89M

| | ├──4-金融与推荐领域的应用.mp4 20.39M

| | ├──5-数据获取分析.mp4 35.93M

| | ├──6-数据关系抽取分析.mp4 27.31M

| | ├──7-常用NLP技术点分析.mp4 22.09M

| | ├──8-graph-embedding的作用与效果.mp4 26.15M

| | └──9-金融领域图编码实例.mp4 12.77M

| ├──14-Neo4j数据库实战

| | ├──1-Neo4j图数据库介绍.mp4 63.50M

| | ├──2-Neo4j数据库安装流程演示.mp4 27.67M

| | ├──3-可视化例子演示.mp4 43.59M

| | ├──4-创建与删除操作演示.mp4 25.32M

| | └──5-数据库更改查询操作演示.mp4 27.14M

| ├──15-基于知识图谱的医药问答系统实战

| | ├──1-项目概述与整体架构分析.mp4 37.04M

| | ├──10-完成对话系统构建.mp4 39.47M

| | ├──2-医疗数据介绍及其各字段含义.mp4 62.65M

| | ├──3-任务流程概述.mp4 39.73M

| | ├──4-环境配置与所需工具包安装.mp4 36.37M

| | ├──5-提取数据中的关键字段信息.mp4 61.33M

| | ├──6-创建关系边.mp4 39.41M

| | ├──7-打造医疗知识图谱模型.mp4 59.14M

| | ├──8-加载所有实体数据.mp4 42.46M

| | └──9-实体关键词字典制作.mp4 31.84M

| ├──16-词向量模型与RNN网络架构

| | ├──1-词向量模型通俗解释.mp4 21.72M

| | ├──2-模型整体框架.mp4 28.24M

| | ├──3-训练数据构建.mp4 15.85M

| | ├──4-CBOW与Skip-gram模型.mp4 23.83M

| | ├──5-负采样方案.mp4 29.51M

| | └──6-额外补充-RNN网络模型解读.mp4 23.75M

| ├──17-医学糖尿病数据命名实体识别

| | ├──1-数据与任务介绍.mp4 22.73M

| | ├──2-整体模型架构.mp4 15.01M

| | ├──3-数据-标签-语料库处理.mp4 39.99M

| | ├──4-输入样本填充补齐.mp4 36.22M

| | ├──5-训练网络模型.mp4 40.37M

| | └──6-医疗数据集(糖尿病)实体识别.mp4 81.44M

| ├──2-PyTorch框架基本处理操作

| | ├──1-PyTorch实战课程简介.mp4 22.98M

| | ├──2-PyTorch框架发展趋势简介.mp4 25.22M

| | ├──3-框架安装方法(CPU与GPU版本).mp4 18.60M

| | ├──4-PyTorch基本操作简介.mp4 28.68M

| | ├──5-自动求导机制.mp4 33.36M

| | ├──6-线性回归DEMO-数据与参数配置.mp4 22.62M

| | ├──7-线性回归DEMO-训练回归模型.mp4 39.40M

| | ├──8-补充:常见tensor格式.mp4 19.59M

| | └──9-补充:Hub模块简介.mp4 53.11M

| ├──3-PyTorch框架必备核心模块解读

| | ├──1-卷积网络参数定义.mp4 26.46M

| | ├──10-加载训练好的网络模型.mp4 50.00M

| | ├──11-优化器模块配置.mp4 24.63M

| | ├──12-实现训练模块.mp4 33.20M

| | ├──13-训练结果与模型保存.mp4 41.24M

| | ├──14-加载模型对测试数据进行预测.mp4 52.81M

| | ├──15-额外补充-Resnet论文解读.mp4 117.98M

| | ├──16-额外补充-Resnet网络架构解读.mp4 18.27M

| | ├──2-网络流程解读.mp4 37.49M

| | ├──3-Vision模块功能解读.mp4 23.53M

| | ├──4-分类任务数据集定义与配置.mp4 29.73M

| | ├──5-图像增强的作用.mp4 14.68M

| | ├──6-数据预处理与数据增强模块.mp4 37.24M

| | ├──7-Batch数据制作.mp4 43.65M

| | ├──8-迁移学习的目标.mp4 11.75M

| | └──9-迁移学习策略.mp4 15.47M

| ├──4-基于Resnet的医学数据集分类实战

| | ├──1-医学疾病数据集介绍.mp4 18.85M

| | ├──2-Resnet网络架构原理分析.mp4 24.81M

| | ├──3-dataloader加载数据集.mp4 64.78M

| | ├──4-Resnet网络前向传播.mp4 35.82M

| | ├──5-残差网络的shortcut操作.mp4 47.34M

| | ├──6-特征图升维与降采样操作.mp4 26.89M

| | └──7-网络整体流程与训练演示.mp4 67.45M

| ├──5-图像分割及其损失函数概述

| | ├──1-语义分割与实例分割概述.mp4 20.24M

| | ├──2-分割任务中的目标函数定义.mp4 20.00M

| | └──3-MIOU评估标准.mp4 9.03M

| ├──6-Unet系列算法讲解

| | ├──1-Unet网络编码与解码过程.mp4 18.29M

| | ├──2-网络计算流程.mp4 16.13M

| | ├──3-Unet升级版本改进.mp4 15.75M

| | └──4-后续升级版本介绍.mp4 18.37M

| ├──7-unet医学细胞分割实战

| | ├──1-医学细胞数据集介绍与参数配置.mp4 71.21M

| | ├──2-数据增强工具.mp4 61.47M

| | ├──3-Debug模式演示网络计算流程.mp4 41.37M

| | ├──4-特征融合方法演示.mp4 30.05M

| | ├──5-迭代完成整个模型计算任务.mp4 33.55M

| | └──6-模型效果验证.mp4 47.29M

| ├──8-deeplab系列算法

| | ├──1-deeplab分割算法概述.mp4 13.81M

| | ├──2-空洞卷积的作用.mp4 16.74M

| | ├──3-感受野的意义.mp4 19.37M

| | ├──4-SPP层的作用.mp4 19.02M

| | ├──5-ASPP特征融合策略.mp4 13.45M

| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M

| └──9-基于deeplabV3+版本进行VOC分割实战

| | ├──1-PascalVoc数据集介绍.mp4 70.12M

| | ├──2-项目参数与数据集读取.mp4 60.32M

| | ├──3-网络前向传播流程.mp4 33.10M

| | ├──4-ASPP层特征融合.mp4 51.19M

| | └──5-分割模型训练.mp4 34.97M

├──20-面向医学领域的深度学习实战(1)

| ├──1-卷积神经网络原理与参数解读

| | ├──1-卷积神经网络应用领域.mp4 21.20M

| | ├──10-VGG网络架构.mp4 19.34M

| | ├──11-残差网络Resnet.mp4 18.02M

| | ├──12-感受野的作用.mp4 16.86M

| | ├──2-卷积的作用.mp4 22.67M

| | ├──3-卷积特征值计算方法.mp4 21.23M

| | ├──4-得到特征图表示.mp4 18.23M

| | ├──5-步长与卷积核大小对结果的影响.mp4 19.86M

| | ├──6-边缘填充方法.mp4 17.28M

| | ├──7-特征图尺寸计算与参数共享.mp4 21.99M

| | ├──8-池化层的作用.mp4 11.31M

| | └──9-整体网络架构.mp4 16.98M

| ├──10-基于deeplab的心脏视频数据诊断分析

| | ├──1-数据集与任务概述.mp4 45.55M

| | ├──2-项目基本配置参数.mp4 33.31M

| | ├──3-任务流程解读.mp4 69.12M

| | ├──4-文献报告分析.mp4 122.67M

| | ├──5-补充:视频数据源特征处理方法概述.mp4 26.33M

| | └──6-补充:R(2plus1)D处理方法分析.mp4 18.88M

| ├──11-YOLO系列物体检测算法原理解读

| | ├──1-检测任务中阶段的意义.mp4 15.14M

| | ├──10-置信度误差与优缺点分析.mp4 26.86M

| | ├──11-V2版本细节升级概述.mp4 13.43M

| | ├──12-网络结构特点.mp4 15.69M

| | ├──13-架构细节解读.mp4 18.92M

| | ├──14-基于聚类来选择先验框尺寸.mp4 24.24M

| | ├──15-偏移量计算方法.mp4 27.55M

| | ├──16-坐标映射与还原.mp4 10.08M

| | ├──17-感受野的作用.mp4 28.11M

| | ├──18-特征融合改进.mp4 19.20M

| | ├──19-V3版本改进概述.mp4 18.27M

| | ├──2-不同阶段算法优缺点分析.mp4 10.68M

| | ├──20-多scale方法改进与特征融合.mp4 17.07M

| | ├──21-经典变换方法对比分析.mp4 10.83M

| | ├──22-残差连接方法解读.mp4 18.64M

| | ├──23-整体网络模型架构分析.mp4 12.93M

| | ├──24-先验框设计改进.mp4 13.04M

| | ├──25-sotfmax层改进.mp4 10.61M

| | ├──26-V4版本整体概述.mp4 15.06M

| | ├──27-V4版本贡献解读.mp4 10.06M

| | ├──28-数据增强策略分析.mp4 24.70M

| | ├──29-DropBlock与标签平滑方法.mp4 19.36M

| | ├──3-IOU指标计算.mp4 11.74M

| | ├──30-损失函数遇到的问题.mp4 14.26M

| | ├──31-CIOU损失函数定义.mp4 10.82M

| | ├──32-NMS细节改进.mp4 16.66M

| | ├──33-SPP与CSP网络结构.mp4 14.81M

| | ├──34-SAM注意力机制模块.mp4 22.48M

| | ├──35-PAN模块解读.mp4 20.64M

| | ├──36-激活函数与整体架构总结.mp4 19.19M

| | ├──4-评估所需参数计算.mp4 26.23M

| | ├──5-map指标计算.mp4 19.63M

| | ├──6-YOLO算法整体思路解读.mp4 14.75M

| | ├──7-检测算法要得到的结果.mp4 13.63M

| | ├──8-整体网络架构解读.mp4 30.67M

| | └──9-位置损失计算.mp4 18.97M

| ├──12-基于YOLO5细胞检测实战

| | ├──1-任务与细胞数据集介绍.mp4 49.79M

| | ├──2-模型与算法配置参数解读.mp4 42.47M

| | ├──3-网络训练流程演示.mp4 42.34M

| | ├──4-效果评估与展示.mp4 32.65M

| | └──5-细胞检测效果演示.mp4 43.21M

| ├──13-知识图谱原理解读

| | ├──1-知识图谱通俗解读.mp4 19.87M

| | ├──10-视觉领域图编码实例.mp4 20.97M

| | ├──11-图谱知识融合与总结分析.mp4 23.98M

| | ├──2-知识图谱在搜索引擎中的应用.mp4 26.60M

| | ├──3-知识图谱在医疗领域应用实例.mp4 102.89M

| | ├──4-金融与推荐领域的应用.mp4 20.39M

| | ├──5-数据获取分析.mp4 35.93M

| | ├──6-数据关系抽取分析.mp4 27.31M

| | ├──7-常用NLP技术点分析.mp4 22.09M

| | ├──8-graph-embedding的作用与效果.mp4 26.15M

| | └──9-金融领域图编码实例.mp4 12.77M

| ├──14-Neo4j数据库实战

| | ├──1-Neo4j图数据库介绍.mp4 63.50M

| | ├──2-Neo4j数据库安装流程演示.mp4 27.67M

| | ├──3-可视化例子演示.mp4 43.59M

| | ├──4-创建与删除操作演示.mp4 25.32M

| | └──5-数据库更改查询操作演示.mp4 27.14M

| ├──15-基于知识图谱的医药问答系统实战

| | ├──1-项目概述与整体架构分析.mp4 37.04M

| | ├──10-完成对话系统构建.mp4 39.47M

| | ├──2-医疗数据介绍及其各字段含义.mp4 62.65M

| | ├──3-任务流程概述.mp4 39.73M

| | ├──4-环境配置与所需工具包安装.mp4 36.37M

| | ├──5-提取数据中的关键字段信息.mp4 61.33M

| | ├──6-创建关系边.mp4 39.41M

| | ├──7-打造医疗知识图谱模型.mp4 59.14M

| | ├──8-加载所有实体数据.mp4 42.46M

| | └──9-实体关键词字典制作.mp4 31.84M

| ├──16-词向量模型与RNN网络架构

| | ├──1-词向量模型通俗解释.mp4 21.72M

| | ├──2-模型整体框架.mp4 28.24M

| | ├──3-训练数据构建.mp4 15.85M

| | ├──4-CBOW与Skip-gram模型.mp4 23.83M

| | ├──5-负采样方案.mp4 29.51M

| | └──6-额外补充-RNN网络模型解读.mp4 23.75M

| ├──17-医学糖尿病数据命名实体识别

| | ├──1-数据与任务介绍.mp4 22.73M

| | ├──2-整体模型架构.mp4 15.01M

| | ├──3-数据-标签-语料库处理.mp4 39.99M

| | ├──4-输入样本填充补齐.mp4 36.22M

| | ├──5-训练网络模型.mp4 40.37M

| | └──6-医疗数据集(糖尿病)实体识别.mp4 81.44M

| ├──2-PyTorch框架基本处理操作

| | ├──1-PyTorch实战课程简介.mp4 22.98M

| | ├──2-PyTorch框架发展趋势简介.mp4 25.22M

| | ├──3-框架安装方法(CPU与GPU版本).mp4 18.60M

| | ├──4-PyTorch基本操作简介.mp4 28.68M

| | ├──5-自动求导机制.mp4 33.36M

| | ├──6-线性回归DEMO-数据与参数配置.mp4 22.62M

| | ├──7-线性回归DEMO-训练回归模型.mp4 39.40M

| | ├──8-补充:常见tensor格式.mp4 19.59M

| | └──9-补充:Hub模块简介.mp4 53.11M

| ├──3-PyTorch框架必备核心模块解读

| | ├──1-卷积网络参数定义.mp4 26.46M

| | ├──10-加载训练好的网络模型.mp4 50.00M

| | ├──11-优化器模块配置.mp4 24.63M

| | ├──12-实现训练模块.mp4 33.20M

| | ├──13-训练结果与模型保存.mp4 41.24M

| | ├──14-加载模型对测试数据进行预测.mp4 52.81M

| | ├──15-额外补充-Resnet论文解读.mp4 117.98M

| | ├──16-额外补充-Resnet网络架构解读.mp4 18.27M

| | ├──2-网络流程解读.mp4 37.49M

| | ├──3-Vision模块功能解读.mp4 23.53M

| | ├──4-分类任务数据集定义与配置.mp4 29.73M

| | ├──5-图像增强的作用.mp4 14.68M

| | ├──6-数据预处理与数据增强模块.mp4 37.24M

| | ├──7-Batch数据制作.mp4 43.65M

| | ├──8-迁移学习的目标.mp4 11.75M

| | └──9-迁移学习策略.mp4 15.47M

| ├──4-基于Resnet的医学数据集分类实战

| | ├──1-医学疾病数据集介绍.mp4 18.85M

| | ├──2-Resnet网络架构原理分析.mp4 24.81M

| | ├──3-dataloader加载数据集.mp4 64.78M

| | ├──4-Resnet网络前向传播.mp4 35.82M

| | ├──5-残差网络的shortcut操作.mp4 47.34M

| | ├──6-特征图升维与降采样操作.mp4 26.89M

| | └──7-网络整体流程与训练演示.mp4 67.45M

| ├──5-图像分割及其损失函数概述

| | ├──1-语义分割与实例分割概述.mp4 20.24M

| | ├──2-分割任务中的目标函数定义.mp4 20.00M

| | └──3-MIOU评估标准.mp4 9.03M

| ├──6-Unet系列算法讲解

| | ├──1-Unet网络编码与解码过程.mp4 18.29M

| | ├──2-网络计算流程.mp4 16.13M

| | ├──3-Unet升级版本改进.mp4 15.75M

| | └──4-后续升级版本介绍.mp4 18.37M

| ├──7-unet医学细胞分割实战

| | ├──1-医学细胞数据集介绍与参数配置.mp4 71.21M

| | ├──2-数据增强工具.mp4 61.47M

| | ├──3-Debug模式演示网络计算流程.mp4 41.37M

| | ├──4-特征融合方法演示.mp4 30.05M

| | ├──5-迭代完成整个模型计算任务.mp4 33.55M

| | └──6-模型效果验证.mp4 47.29M

| ├──8-deeplab系列算法

| | ├──1-deeplab分割算法概述.mp4 13.81M

| | ├──2-空洞卷积的作用.mp4 16.74M

| | ├──3-感受野的意义.mp4 19.37M

| | ├──4-SPP层的作用.mp4 19.02M

| | ├──5-ASPP特征融合策略.mp4 13.45M

| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M

| └──9-基于deeplabV3+版本进行VOC分割实战

| | ├──1-PascalVoc数据集介绍.mp4 70.12M

| | ├──2-项目参数与数据集读取.mp4 60.32M

| | ├──3-网络前向传播流程.mp4 33.10M

| | ├──4-ASPP层特征融合.mp4 51.19M

| | └──5-分割模型训练.mp4 34.97M

├──20-面向医学领域的深度学习实战(2)

| ├──1-卷积神经网络原理与参数解读

| | ├──1-卷积神经网络应用领域.mp4 21.20M

| | ├──10-VGG网络架构.mp4 19.34M

| | ├──11-残差网络Resnet.mp4 18.02M

| | ├──12-感受野的作用.mp4 16.86M

| | ├──2-卷积的作用.mp4 22.67M

| | ├──3-卷积特征值计算方法.mp4 21.23M

| | ├──4-得到特征图表示.mp4 18.23M

| | ├──5-步长与卷积核大小对结果的影响.mp4 19.86M

| | ├──6-边缘填充方法.mp4 17.28M

| | ├──7-特征图尺寸计算与参数共享.mp4 21.99M

| | ├──8-池化层的作用.mp4 11.31M

| | └──9-整体网络架构.mp4 16.98M

| ├──10-基于deeplab的心脏视频数据诊断分析

| | ├──1-数据集与任务概述.mp4 45.55M

| | ├──2-项目基本配置参数.mp4 33.31M

| | ├──3-任务流程解读.mp4 69.12M

| | ├──4-文献报告分析.mp4 122.67M

| | ├──5-补充:视频数据源特征处理方法概述.mp4 26.33M

| | └──6-补充:R(2plus1)D处理方法分析.mp4 18.88M

| ├──11-YOLO系列物体检测算法原理解读

| | ├──1-检测任务中阶段的意义.mp4 15.14M

| | ├──10-置信度误差与优缺点分析.mp4 26.86M

| | ├──11-V2版本细节升级概述.mp4 13.43M

| | ├──12-网络结构特点.mp4 15.69M

| | ├──13-架构细节解读.mp4 18.92M

| | ├──14-基于聚类来选择先验框尺寸.mp4 24.24M

| | ├──15-偏移量计算方法.mp4 27.55M

| | ├──16-坐标映射与还原.mp4 10.08M

| | ├──17-感受野的作用.mp4 28.11M

| | ├──18-特征融合改进.mp4 19.20M

| | ├──19-V3版本改进概述.mp4 18.27M

| | ├──2-不同阶段算法优缺点分析.mp4 10.68M

| | ├──20-多scale方法改进与特征融合.mp4 17.07M

| | ├──21-经典变换方法对比分析.mp4 10.83M

| | ├──22-残差连接方法解读.mp4 18.64M

| | ├──23-整体网络模型架构分析.mp4 12.93M

| | ├──24-先验框设计改进.mp4 13.04M

| | ├──25-sotfmax层改进.mp4 10.61M

| | ├──26-V4版本整体概述.mp4 15.06M

| | ├──27-V4版本贡献解读.mp4 10.06M

| | ├──28-数据增强策略分析.mp4 24.70M

| | ├──29-DropBlock与标签平滑方法.mp4 19.36M

| | ├──3-IOU指标计算.mp4 11.74M

| | ├──30-损失函数遇到的问题.mp4 14.26M

| | ├──31-CIOU损失函数定义.mp4 10.82M

| | ├──32-NMS细节改进.mp4 16.66M

| | ├──33-SPP与CSP网络结构.mp4 14.81M

| | ├──34-SAM注意力机制模块.mp4 22.48M

| | ├──35-PAN模块解读.mp4 20.64M

| | ├──36-激活函数与整体架构总结.mp4 19.19M

| | ├──4-评估所需参数计算.mp4 26.23M

| | ├──5-map指标计算.mp4 19.63M

| | ├──6-YOLO算法整体思路解读.mp4 14.75M

| | ├──7-检测算法要得到的结果.mp4 13.63M

| | ├──8-整体网络架构解读.mp4 30.67M

| | └──9-位置损失计算.mp4 18.97M

| ├──12-基于YOLO5细胞检测实战

| | ├──1-任务与细胞数据集介绍.mp4 49.79M

| | ├──2-模型与算法配置参数解读.mp4 42.47M

| | ├──3-网络训练流程演示.mp4 42.34M

| | ├──4-效果评估与展示.mp4 32.65M

| | └──5-细胞检测效果演示.mp4 43.21M

| ├──13-知识图谱原理解读

| | ├──1-知识图谱通俗解读.mp4 19.87M

| | ├──10-视觉领域图编码实例.mp4 20.97M

| | ├──11-图谱知识融合与总结分析.mp4 23.98M

| | ├──2-知识图谱在搜索引擎中的应用.mp4 26.60M

| | ├──3-知识图谱在医疗领域应用实例.mp4 102.89M

| | ├──4-金融与推荐领域的应用.mp4 20.39M

| | ├──5-数据获取分析.mp4 35.93M

| | ├──6-数据关系抽取分析.mp4 27.31M

| | ├──7-常用NLP技术点分析.mp4 22.09M

| | ├──8-graph-embedding的作用与效果.mp4 26.15M

| | └──9-金融领域图编码实例.mp4 12.77M

| ├──14-Neo4j数据库实战

| | ├──1-Neo4j图数据库介绍.mp4 63.50M

| | ├──2-Neo4j数据库安装流程演示.mp4 27.67M

| | ├──3-可视化例子演示.mp4 43.59M

| | ├──4-创建与删除操作演示.mp4 25.32M

| | └──5-数据库更改查询操作演示.mp4 27.14M

| ├──15-基于知识图谱的医药问答系统实战

| | ├──1-项目概述与整体架构分析.mp4 37.04M

| | ├──10-完成对话系统构建.mp4 39.47M

| | ├──2-医疗数据介绍及其各字段含义.mp4 62.65M

| | ├──3-任务流程概述.mp4 39.73M

| | ├──4-环境配置与所需工具包安装.mp4 36.37M

| | ├──5-提取数据中的关键字段信息.mp4 61.33M

| | ├──6-创建关系边.mp4 39.41M

| | ├──7-打造医疗知识图谱模型.mp4 59.14M

| | ├──8-加载所有实体数据.mp4 42.46M

| | └──9-实体关键词字典制作.mp4 31.84M

| ├──16-词向量模型与RNN网络架构

| | ├──1-词向量模型通俗解释.mp4 21.72M

| | ├──2-模型整体框架.mp4 28.24M

| | ├──3-训练数据构建.mp4 15.85M

| | ├──4-CBOW与Skip-gram模型.mp4 23.83M

| | ├──5-负采样方案.mp4 29.51M

| | └──6-额外补充-RNN网络模型解读.mp4 23.75M

| ├──17-医学糖尿病数据命名实体识别

| | ├──1-数据与任务介绍.mp4 22.73M

| | ├──2-整体模型架构.mp4 15.01M

| | ├──3-数据-标签-语料库处理.mp4 39.99M

| | ├──4-输入样本填充补齐.mp4 36.22M

| | ├──5-训练网络模型.mp4 40.37M

| | └──6-医疗数据集(糖尿病)实体识别.mp4 81.44M

| ├──2-PyTorch框架基本处理操作

| | ├──1-PyTorch实战课程简介.mp4 22.98M

| | ├──2-PyTorch框架发展趋势简介.mp4 25.22M

| | ├──3-框架安装方法(CPU与GPU版本).mp4 18.60M

| | ├──4-PyTorch基本操作简介.mp4 28.68M

| | ├──5-自动求导机制.mp4 33.36M

| | ├──6-线性回归DEMO-数据与参数配置.mp4 22.62M

| | ├──7-线性回归DEMO-训练回归模型.mp4 39.40M

| | ├──8-补充:常见tensor格式.mp4 19.59M

| | └──9-补充:Hub模块简介.mp4 53.11M

| ├──3-PyTorch框架必备核心模块解读

| | ├──1-卷积网络参数定义.mp4 26.46M

| | ├──10-加载训练好的网络模型.mp4 50.00M

| | ├──11-优化器模块配置.mp4 24.63M

| | ├──12-实现训练模块.mp4 33.20M

| | ├──13-训练结果与模型保存.mp4 41.24M

| | ├──14-加载模型对测试数据进行预测.mp4 52.81M

| | ├──15-额外补充-Resnet论文解读.mp4 117.98M

| | ├──16-额外补充-Resnet网络架构解读.mp4 18.27M

| | ├──2-网络流程解读.mp4 37.49M

| | ├──3-Vision模块功能解读.mp4 23.53M

| | ├──4-分类任务数据集定义与配置.mp4 29.73M

| | ├──5-图像增强的作用.mp4 14.68M

| | ├──6-数据预处理与数据增强模块.mp4 37.24M

| | ├──7-Batch数据制作.mp4 43.65M

| | ├──8-迁移学习的目标.mp4 11.75M

| | └──9-迁移学习策略.mp4 15.47M

| ├──4-基于Resnet的医学数据集分类实战

| | ├──1-医学疾病数据集介绍.mp4 18.85M

| | ├──2-Resnet网络架构原理分析.mp4 24.81M

| | ├──3-dataloader加载数据集.mp4 64.78M

| | ├──4-Resnet网络前向传播.mp4 35.82M

| | ├──5-残差网络的shortcut操作.mp4 47.34M

| | ├──6-特征图升维与降采样操作.mp4 26.89M

| | └──7-网络整体流程与训练演示.mp4 67.45M

| ├──5-图像分割及其损失函数概述

| | ├──1-语义分割与实例分割概述.mp4 20.24M

| | ├──2-分割任务中的目标函数定义.mp4 20.00M

| | └──3-MIOU评估标准.mp4 9.03M

| ├──6-Unet系列算法讲解

| | ├──1-Unet网络编码与解码过程.mp4 18.29M

| | ├──2-网络计算流程.mp4 16.13M

| | ├──3-Unet升级版本改进.mp4 15.75M

| | └──4-后续升级版本介绍.mp4 18.37M

| ├──7-unet医学细胞分割实战

| | ├──1-医学细胞数据集介绍与参数配置.mp4 71.21M

| | ├──2-数据增强工具.mp4 61.47M

| | ├──3-Debug模式演示网络计算流程.mp4 41.37M

| | ├──4-特征融合方法演示.mp4 30.05M

| | ├──5-迭代完成整个模型计算任务.mp4 33.55M

| | └──6-模型效果验证.mp4 47.29M

| ├──8-deeplab系列算法

| | ├──1-deeplab分割算法概述.mp4 13.81M

| | ├──2-空洞卷积的作用.mp4 16.74M

| | ├──3-感受野的意义.mp4 19.37M

| | ├──4-SPP层的作用.mp4 19.02M

| | ├──5-ASPP特征融合策略.mp4 13.45M

| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M

| └──9-基于deeplabV3+版本进行VOC分割实战

| | ├──1-PascalVoc数据集介绍.mp4 70.12M

| | ├──2-项目参数与数据集读取.mp4 60.32M

| | ├──3-网络前向传播流程.mp4 33.10M

| | ├──4-ASPP层特征融合.mp4 51.19M

| | └──5-分割模型训练.mp4 34.97M

├──21-深度学习模型部署与剪枝优化实战

| ├──1-AIoT人工智能物联网之认识 jetson nano

| | ├──1- jetson nano 硬件介绍.mp4 22.06M

| | ├──2-jetson nano 刷机.mp4 105.19M

| | ├──3- jetson nano 系统安装过程.mp4 84.51M

| | ├──4-感受nano的GPU算力.mp4 62.42M

| | └──5-安装使用摄像头csi usb.mp4 43.16M

| ├──10-模型剪枝-Network Slimming算法分析

| | ├──1-论文算法核心框架概述.mp4 19.64M

| | ├──2-BatchNorm要解决的问题.mp4 18.48M

| | ├──3-BN的本质作用.mp4 22.56M

| | ├──4-额外的训练参数解读.mp4 20.11M

| | └──5-稀疏化原理与效果.mp4 23.90M

| ├──11-模型剪枝-Network Slimming实战解读

| | ├──1-整体案例流程解读.mp4 32.40M

| | ├──2-加入L1正则化来进行更新.mp4 28.38M

| | ├──3-剪枝模块介绍.mp4 31.01M

| | ├──4-筛选需要的特征图.mp4 36.30M

| | ├──5-剪枝后模型参数赋值.mp4 49.50M

| | └──6-微调完成剪枝模型.mp4 46.91M

| ├──12-Mobilenet三代网络模型架构

| | ├──1-模型剪枝分析.mp4 22.35M

| | ├──10-V2整体架构与效果分析.mp4 10.48M

| | ├──11-V3版本网络架构分析.mp4 11.56M

| | ├──12-SE模块作用与效果解读.mp4 31.91M

| | ├──13-代码实现mobilenetV3网络架构.mp4 68.85M

| | ├──2-常见剪枝方法介绍.mp4 21.73M

| | ├──3-mobilenet简介.mp4 8.62M

| | ├──4-经典卷积计算量与参数量分析.mp4 13.21M

| | ├──5-深度可分离卷积的作用与效果.mp4 14.31M

| | ├──6-参数与计算量的比较.mp4 39.68M

| | ├──7-V1版本效果分析.mp4 24.94M

| | ├──8-V2版本改进以及Relu激活函数的问题.mp4 19.55M

| | └──9-倒残差结构的作用.mp4 17.43M

| ├──2-AIoT人工智能物联网之AI 实战

| | ├──1- jetson-inference 入门.mp4 59.71M

| | ├──2-docker 的安装使用.mp4 86.11M

| | ├──3-docker中运行分类模型.mp4 197.54M

| | ├──4-训练自己的目标检测模型准备.mp4 77.71M

| | ├──5- 训练出自己目标识别模型a.mp4 109.79M

| | ├──6-训练出自己目标识别模型b.mp4 91.42M

| | └──7-转换出onnx模型,并使用.mp4 74.62M

| ├──3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器

| | ├──1-NVIDIA TAO介绍和安装.mp4 74.35M

| | ├──2-NVIDIA TAO数据准备和环境设置.mp4 74.09M

| | ├──3-NVIDIA TAO数据转换.mp4 146.27M

| | ├──4-NVIDIA TAO预训练模型和训练a.mp4 100.69M

| | ├──5-NVIDIA TAO预训练模型和训练b.mp4 18.72M

| | ├──6-NVIDIA TAO预训练模型和训练c…mp4 42.86M

| | └──7-TAO 剪枝在训练推理验证.mp4 198.78M

| ├──4- AIoT人工智能物联网之deepstream

| | ├──1-deepstream 介绍安装.mp4 108.78M

| | ├──2-deepstream HelloWorld.mp4 51.92M

| | ├──3-GStreamer RTP和RTSP1.mp4 90.64M

| | ├──4-GStreamer RTP和RTSP2.mp4 138.80M

| | ├──5-python实现RTP和RTSP.mp4 118.05M

| | ├──6-deepstream推理.mp4 117.90M

| | └──7-deepstream集成yolov4.mp4 117.19M

| ├──6-pyTorch框架部署实践

| | ├──1-所需基本环境配置.mp4 22.07M

| | ├──2-模型加载与数据预处理.mp4 39.61M

| | ├──3-接收与预测模块实现.mp4 37.66M

| | ├──4-效果实例演示.mp4 43.27M

| | └──5-课程简介.mp4 8.15M

| ├──7-YOLO-V3物体检测部署实例

| | ├──1-项目所需配置文件介绍.mp4 24.63M

| | ├──2-加载参数与模型权重.mp4 35.63M

| | ├──3-数据预处理.mp4 53.86M

| | └──4-返回线性预测结果.mp4 44.91M

| ├──8-docker实例演示

| | ├──1-docker简介.mp4 15.95M

| | ├──2-docker安装与配置.mp4 48.52M

| | ├──3-阿里云镜像配置.mp4 26.97M

| | ├──4-基于docker配置pytorch环境.mp4 36.52M

| | ├──5-安装演示环境所需依赖.mp4 31.47M

| | ├──6-复制所需配置到容器中.mp4 28.20M

| | └──7-上传与下载配置好的项目.mp4 45.48M

| └──9-tensorflow-serving实战

| | ├──1-tf-serving项目获取与配置.mp4 30.47M

| | ├──2-加载并启动模型服务.mp4 31.27M

| | ├──3-测试模型部署效果.mp4 43.37M

| | ├──4-fashion数据集获取.mp4 38.63M

| | └──5-加载fashion模型启动服务.mp4 33.40M

├──22-自然语言处理经典案例实战

| ├──1-NLP常用工具包实战

| | ├──1-Python字符串处理.mp4 41.33M

| | ├──10-名字实体匹配.mp4 21.37M

| | ├──11-恐怖袭击分析.mp4 40.53M

| | ├──12-统计分析结果.mp4 47.69M

| | ├──13-结巴分词器.mp4 28.14M

| | ├──14-词云展示.mp4 87.56M

| | ├──2-正则表达式基本语法.mp4 31.03M

| | ├──3-正则常用符号.mp4 37.06M

| | ├──4-常用函数介绍.mp4 40.13M

| | ├──5-NLTK工具包简介.mp4 32.26M

| | ├──6-停用词过滤.mp4 27.63M

| | ├──7-词性标注.mp4 35.92M

| | ├──8-数据清洗实例.mp4 41.37M

| | └──9-Spacy工具包.mp4 47.11M

| ├──10-NLP-文本特征方法对比

| | ├──1-任务概述.mp4 37.49M

| | ├──2-词袋模型.mp4 28.12M

| | ├──3-词袋模型分析.mp4 63.59M

| | ├──4-TFIDF模型.mp4 47.59M

| | ├──5-word2vec词向量模型.mp4 54.40M

| | └──6-深度学习模型.mp4 39.28M

| ├──11-NLP-相似度模型

| | ├──1-任务概述.mp4 13.15M

| | ├──2-数据展示.mp4 22.65M

| | ├──3-正负样本制作.mp4 37.95M

| | ├──4-数据预处理.mp4 36.08M

| | ├──5-网络模型定义.mp4 55.90M

| | ├──6-基于字符的训练.mp4 58.94M

| | └──7-基于句子的相似度训练.mp4 42.44M

| ├──12-LSTM情感分析

| | ├──1-RNN网络架构.mp4 19.86M

| | ├──2-LSTM网络架构.mp4 17.80M

| | ├──3-案例:使用LSTM进行情感分类.mp4 30.99M

| | ├──4-情感数据集处理.mp4 33.58M

| | └──5-基于word2vec的LSTM模型.mp4 50.52M

| ├──13-机器人写唐诗

| | ├──1-任务概述与环境配置.mp4 13.71M

| | ├──2-参数配置.mp4 21.87M

| | ├──3-数据预处理模块.mp4 35.34M

| | ├──4-batch数据制作.mp4 27.96M

| | ├──5-RNN模型定义.mp4 17.97M

| | ├──6-完成训练模块.mp4 28.00M

| | ├──7-训练唐诗生成模型.mp4 11.13M

| | └──8-测试唐诗生成效果.mp4 21.38M

| ├──14-对话机器人

| | ├──1-效果演示.mp4 30.57M

| | ├──2-参数配置与数据加载.mp4 51.00M

| | ├──3-数据处理.mp4 41.99M

| | ├──4-词向量与投影.mp4 38.22M

| | ├──5-seq网络.mp4 30.68M

| | └──6-网络训练.mp4 37.99M

| ├──2-商品信息可视化与文本分析

| | ├──1-在线商城商品数据信息概述.mp4 32.31M

| | ├──2-商品类别划分方式.mp4 37.31M

| | ├──3-商品类别可视化展示.mp4 41.28M

| | ├──4-商品描述长度对价格的影响分析.mp4 33.72M

| | ├──5-关键词的词云可视化展示.mp4 51.86M

| | ├──6-基于tf-idf提取关键词信息.mp4 35.32M

| | ├──7-通过降维进行可视化展示.mp4 39.05M

| | └──8-聚类分析与主题模型展示.mp4 57.03M

| ├──3-贝叶斯算法

| | ├──1-贝叶斯算法概述.mp4 11.34M

| | ├──2-贝叶斯推导实例.mp4 11.92M

| | ├──3-贝叶斯拼写纠错实例.mp4 18.58M

| | ├──4-垃圾邮件过滤实例.mp4 22.82M

| | └──5-贝叶斯实现拼写检查器.mp4 36.77M

| ├──4-新闻分类任务实战

| | ├──1-文本分析与关键词提取.mp4 19.44M

| | ├──2-相似度计算.mp4 19.50M

| | ├──3-新闻数据与任务简介.mp4 33.21M

| | ├──4-TF-IDF关键词提取.mp4 45.75M

| | ├──5-LDA建模.mp4 28.05M

| | └──6-基于贝叶斯算法进行新闻分类.mp4 50.88M

| ├──5-HMM隐马尔科夫模型

| | ├──1-马尔科夫模型.mp4 17.50M

| | ├──10-维特比算法.mp4 43.08M

| | ├──2-隐马尔科夫模型基本出发点.mp4 18.72M

| | ├──3-组成与要解决的问题.mp4 14.85M

| | ├──4-暴力求解方法.mp4 28.00M

| | ├──5-复杂度计算.mp4 15.28M

| | ├──6-前向算法.mp4 36.14M

| | ├──7-前向算法求解实例.mp4 33.34M

| | ├──8-Baum-Welch算法.mp4 26.86M

| | └──9-参数求解.mp4 17.22M

| ├──6-HMM工具包实战

| | ├──1-hmmlearn工具包.mp4 19.55M

| | ├──2-工具包使用方法.mp4 55.62M

| | ├──3-中文分词任务.mp4 13.44M

| | └──4-实现中文分词.mp4 35.77M

| ├──7-语言模型

| | ├──1-开篇.mp4 8.52M

| | ├──10-负采样模型.mp4 10.50M

| | ├──2-语言模型.mp4 8.82M

| | ├──3-N-gram模型.mp4 13.62M

| | ├──4-词向量.mp4 13.55M

| | ├──5-神经网络模型.mp4 15.87M

| | ├──6-Hierarchical Softmax.mp4 15.19M

| | ├──7-CBOW模型实例.mp4 18.54M

| | ├──8-CBOW求解目标.mp4 8.68M

| | └──9-锑度上升求解.mp4 15.93M

| ├──8-使用Gemsim构建词向量

| | ├──1-使用Gensim库构造词向量.mp4 16.84M

| | ├──2-维基百科中文数据处理.mp4 39.14M

| | ├──3-Gensim构造word2vec模型.mp4 20.97M

| | └──4-测试模型相似度结果.mp4 20.04M

| └──9-基于word2vec的分类任务

| | ├──1-影评情感分类.mp4 46.92M

| | ├──2-基于词袋模型训练分类器.mp4 28.07M

| | ├──3-准备word2vec输入数据.mp4 24.19M

| | └──4-使用gensim构建word2vec词向量(新).mp4 67.73M

├──23-自然语言处理必备神器Huggingface系列实战

| ├──1-Huggingface与NLP介绍解读

| | └──1-Huggingface与NLP介绍解读.mp4 163.59M

| ├──10-图谱知识抽取实战

| | ├──1-应用场景概述分析.mp4 91.97M

| | ├──2-数据标注格式样例分析.mp4 70.01M

| | ├──3-数据处理与读取模块.mp4 39.11M

| | ├──4-实体抽取模块分析.mp4 44.33M

| | ├──5-标签与数据结构定义方法.mp4 49.68M

| | ├──6-模型构建与计算流程.mp4 43.10M

| | ├──7-网络模型前向计算方法.mp4 32.93M

| | └──8-关系抽取模型训练.mp4 42.25M

| ├──11-补充Huggingface数据集制作方法实例

| | ├──1-数据结构分析.mp4 47.87M

| | ├──2-Huggingface中的预处理实例.mp4 72.56M

| | └──3-数据处理基本流程.mp4 72.59M

| ├──2-Transformer工具包基本操作实例解读

| | ├──1-工具包与任务整体介绍.mp4 33.38M

| | ├──2-NLP任务常规流程分析.mp4 29.18M

| | ├──3-文本切分方法实例解读.mp4 42.74M

| | ├──4-AttentionMask配套使用方法.mp4 35.30M

| | ├──5-数据集与模型.mp4 42.97M

| | ├──6-数据Dataloader封装.mp4 50.18M

| | ├──7-模型训练所需配置参数.mp4 36.95M

| | └──8-模型训练DEMO.mp4 58.66M

| ├──3-transformer原理解读

| | └──1-transformer原理解读.mp4 367.64M

| ├──4-BERT系列算法解读

| | ├──1-BERT模型训练方法解读.mp4 23.92M

| | ├──2-ALBERT基本定义.mp4 38.60M

| | ├──3-ALBERT中的简化方法解读.mp4 43.38M

| | ├──4-RoBerta模型训练方法解读.mp4 28.45M

| | └──5-DistilBert模型解读.mp4 16.06M

| ├──5-文本标注工具与NER实例

| | ├──1-文本标注工具Doccano配置方法.mp4 33.01M

| | ├──2-命名实体识别任务标注方法实例.mp4 39.35M

| | ├──3-标注导出与BIO处理.mp4 39.39M

| | ├──4-标签处理并完成对齐操作.mp4 38.62M

| | ├──5-预训练模型加载与参数配置.mp4 41.50M

| | └──6-模型训练与输出结果预测.mp4 43.06M

| ├──6-文本预训练模型构建实例

| | ├──1-预训练模型效果分析.mp4 31.96M

| | ├──2-文本数据截断处理.mp4 45.78M

| | └──3-预训练模型自定义训练.mp4 97.91M

| ├──7-GPT系列算法

| | ├──1-GPT系列算法概述.mp4 26.53M

| | ├──2-GPT三代版本分析.mp4 29.33M

| | ├──3-GPT初代版本要解决的问题.mp4 30.99M

| | ├──4-GPT第二代版本训练策略.mp4 28.94M

| | ├──5-采样策略与多样性.mp4 28.20M

| | ├──6-GPT3的提示与生成方法.mp4 74.39M

| | ├──7-应用场景CODEX分析.mp4 36.50M

| | └──8-DEMO应用演示.mp4 98.82M

| ├──8-GPT训练与预测部署流程

| | ├──1-生成模型可以完成的任务概述.mp4 28.91M

| | ├──2-数据样本生成方法.mp4 72.04M

| | ├──3-训练所需参数解读.mp4 57.68M

| | ├──4-模型训练过程.mp4 51.48M

| | └──5-部署与网页预测展示.mp4 79.57M

| └──9-文本摘要建模

| | ├──1-中文商城评价数据处理方法.mp4 66.36M

| | ├──2-模型训练与测试结果.mp4 108.10M

| | ├──3-文本摘要数据标注方法.mp4 55.92M

| | └──4-训练自己标注的数据并测试.mp4 27.68M

├──24-时间序列预测

| ├──1-Informer原理解读

| | ├──1-时间序列预测要完成的任务.mp4 33.27M

| | ├──2-常用模块分析.mp4 24.25M

| | ├──3-论文要解决的问题分析.mp4 30.47M

| | ├──4-Query采样方法解读.mp4 23.11M

| | ├──5-probAttention计算流程.mp4 31.40M

| | ├──6-编码器全部计算流程.mp4 24.05M

| | └──7-解码器流程分析.mp4 24.85M

| ├──2-Informer源码解读

| | ├──1-项目使用说明.mp4 63.92M

| | ├──10-核心采样计算方法.mp4 50.11M

| | ├──11-完成注意力机制计算模块.mp4 28.39M

| | ├──12-平均向量的作用.mp4 33.70M

| | ├──13-解码器预测输出.mp4 74.46M

| | ├──2-数据集解读.mp4 60.61M

| | ├──3-模型训练所需参数解读.mp4 37.37M

| | ├──4-数据集构建与读取方式.mp4 44.54M

| | ├──5-数据处理相关模块.mp4 44.58M

| | ├──6-时间相关特征提取方法.mp4 39.96M

| | ├──7-dataloader构建实例.mp4 41.03M

| | ├──8-整体架构分析.mp4 36.91M

| | └──9-编码器模块实现.mp4 39.16M

| └──3-Timesnet时序预测

| | ├──1-时序预测故事背景.mp4 81.92M

| | ├──2-论文核心思想解读.mp4 64.34M

| | ├──3-时序特征周期拆解.mp4 72.51M

| | ├──4-计算公式流程拆解.mp4 52.93M

| | ├──5-全部计算流程解读.mp4 66.52M

| | ├──6-周期间特征分析.mp4 74.13M

| | ├──7-源码流程解读.mp4 54.10M

| | └──8-傅里叶变换流程.mp4 33.97M

├──25-自然语言处理通用框架-BERT实战

| ├──1-自然语言处理通用框架BERT原理解读

| | ├──1-BERT课程简介.mp4 29.78M

| | ├──10-BERT模型训练方法.mp4 20.67M

| | ├──11-训练实例.mp4 24.18M

| | ├──2-BERT任务目标概述.mp4 11.52M

| | ├──3-传统解决方案遇到的问题.mp4 22.69M

| | ├──4-注意力机制的作用.mp4 14.78M

| | ├──5-self-attention计算方法.mp4 23.80M

| | ├──6-特征分配与softmax机制.mp4 21.32M

| | ├──7-Multi-head的作用.mp4 19.37M

| | ├──8-位置编码与多层堆叠.mp4 16.84M

| | └──9-transformer整体架构梳理.mp4 22.34M

| ├──2-谷歌开源项目BERT源码解读与应用实例

| | ├──1-BERT开源项目简介.mp4 41.33M

| | ├──10-构建QKV矩阵.mp4 50.77M

| | ├──11-完成Transformer模块构建.mp4 40.81M

| | ├──12-训练BERT模型.mp4 54.66M

| | ├──2-项目参数配置.mp4 106.78M

| | ├──3-数据读取模块.mp4 54.26M

| | ├──4-数据预处理模块.mp4 40.10M

| | ├──5-tfrecord数据源制作.mp4 51.50M

| | ├──6-Embedding层的作用.mp4 30.98M

| | ├──7-加入额外编码特征.mp4 42.45M

| | ├──8-加入位置编码特征.mp4 23.61M

| | └──9-mask机制的作用.mp4 36.78M

| ├──3-项目实战-基于BERT的中文情感分析实战

| | ├──1-中文分类数据与任务概述.mp4 83.53M

| | ├──2-读取处理自己的数据集.mp4 53.09M

| | └──3-训练BERT中文分类模型.mp4 72.29M

| ├──4-项目实战-基于BERT的中文命名实体识别识别实战

| | ├──1-命名实体识别数据分析与任务目标.mp4 30.45M

| | ├──2-NER标注数据处理与读取.mp4 66.07M

| | └──3-构建BERT与CRF模型.mp4 66.46M

| ├──5-必备基础知识点-woed2vec模型通俗解读

| | ├──1-词向量模型通俗解释.mp4 21.72M

| | ├──2-模型整体框架.mp4 28.24M

| | ├──3-训练数据构建.mp4 15.85M

| | ├──4-CBOW与Skip-gram模型.mp4 23.83M

| | └──5-负采样方案.mp4 29.51M

| ├──6-必备基础-掌握Tensorflow如何实现word2vec模型

| | ├──1-数据与任务流程.mp4 45.67M

| | ├──2-数据清洗.mp4 27.60M

| | ├──3-batch数据制作.mp4 51.53M

| | ├──4-网络训练.mp4 49.09M

| | └──5-可视化展示.mp4 49.61M

| ├──7-必备基础知识点-RNN网络架构与情感分析应用实例

| | ├──1-RNN网络模型解读.mp4 23.75M

| | ├──2-NLP应用领域与任务简介.mp4 32.82M

| | ├──3-项目流程解读.mp4 42.18M

| | ├──4-加载词向量特征.mp4 32.32M

| | ├──5-正负样本数据读取.mp4 36.78M

| | ├──6-构建LSTM网络模型.mp4 46.69M

| | ├──7-训练与测试效果.mp4 91.77M

| | └──8-LSTM情感分析.mp4 576.33M

| └──8-医学糖尿病数据命名实体识别

| | ├──1-数据与任务介绍.mp4 22.73M

| | ├──2-整体模型架构.mp4 15.01M

| | ├──3-数据-标签-语料库处理.mp4 39.99M

| | ├──4-训练网络模型.mp4 40.37M

| | ├──5-医疗数据集(糖尿病)实体识别.mp4 81.44M

| | └──6-输入样本填充补齐.mp4 36.22M

├──26-知识图谱实战系列

| ├──1-知识图谱介绍及其应用领域分析

| | ├──1-知识图谱通俗解读.mp4 19.87M

| | ├──2-知识图谱在搜索引擎中的应用.mp4 26.60M

| | ├──3-知识图谱在医疗领域应用实例.mp4 102.89M

| | ├──4-金融与推荐领域的应用.mp4 20.39M

| | └──5-数据获取分析.mp4 35.93M

| ├──2-知识图谱涉及技术点分析

| | ├──1-数据关系抽取分析.mp4 27.31M

| | ├──2-常用NLP技术点分析.mp4 22.09M

| | ├──3-graph-embedding的作用与效果.mp4 26.15M

| | ├──4-金融领域图编码实例.mp4 12.77M

| | ├──5-视觉领域图编码实例.mp4 20.97M

| | └──6-图谱知识融合与总结分析.mp4 23.98M

| ├──3-Neo4j数据库实战

| | ├──1-Neo4j图数据库介绍.mp4 63.50M

| | ├──2-Neo4j数据库安装流程演示.mp4 27.67M

| | ├──3-可视化例子演示.mp4 43.59M

| | ├──4-创建与删除操作演示.mp4 25.32M

| | └──5-数据库更改查询操作演示.mp4 27.14M

| ├──4-使用python操作neo4j实例

| | ├──1-使用Py2neo建立连接.mp4 47.58M

| | ├──2-提取所需的指标信息.mp4 53.17M

| | ├──3-在图中创建实体.mp4 43.83M

| | └──4-根据给定实体创建关系.mp4 51.03M

| ├──5-基于知识图谱的医药问答系统实战

| | ├──1-项目概述与整体架构分析.mp4 37.04M

| | ├──10-完成对话系统构建.mp4 39.47M

| | ├──2-医疗数据介绍及其各字段含义.mp4 62.65M

| | ├──3-任务流程概述.mp4 39.73M

| | ├──4-环境配置与所需工具包安装.mp4 36.37M

| | ├──5-提取数据中的关键字段信息.mp4 61.33M

| | ├──6-创建关系边.mp4 39.41M

| | ├──7-打造医疗知识图谱模型.mp4 59.14M

| | ├──8-加载所有实体数据.mp4 42.46M

| | └──9-实体关键词字典制作.mp4 31.84M

| ├──6-文本关系抽取实践

| | ├──1-关系抽取要完成的任务演示与分析.mp4 18.57M

| | ├──2-LTP工具包概述介绍.mp4 46.52M

| | ├──3-pyltp安装与流程演示.mp4 41.82M

| | ├──4-得到分词与词性标注结果.mp4 47.19M

| | ├──5-依存句法概述.mp4 30.83M

| | ├──6-句法分析结果整理.mp4 39.09M

| | ├──7-语义角色构建与分析.mp4 54.17M

| | └──8-设计规则完成关系抽取.mp4 52.47M

| ├──7-金融平台风控模型实践

| | ├──1-竞赛任务目标.mp4 23.81M

| | ├──2-图模型信息提取.mp4 27.76M

| | ├──3-节点权重特征提取(PageRank).mp4 35.54M

| | ├──4-deepwalk构建图顶点特征.mp4 53.48M

| | ├──5-各项统计特征.mp4 56.04M

| | ├──6-app安装特征.mp4 37.41M

| | └──7-图中联系人特征.mp4 70.31M

| └──8-医学糖尿病数据命名实体识别

| | ├──1-数据与任务介绍.mp4 22.73M

| | ├──2-整体模型架构.mp4 15.01M

| | ├──3-数据-标签-语料库处理.mp4 39.99M

| | ├──4-输入样本填充补齐.mp4 36.22M

| | ├──5-训练网络模型.mp4 40.37M

| | └──6-医疗数据集(糖尿病)实体识别.mp4 81.44M

├──27-语音识别实战系列

| ├──1-seq2seq序列网络模型

| | ├──1-序列网络模型概述分析.mp4 17.30M

| | ├──2-工作原理概述.mp4 8.98M

| | ├──3-注意力机制的作用.mp4 14.86M

| | ├──4-加入attention的序列模型整体架构.mp4 20.57M

| | ├──5-TeacherForcing的作用与训练策略.mp4 16.61M

| | └──6-额外补充-RNN网络模型解读.mp4 23.75M

| ├──2-LAS模型语音识别实战

| | ├──1-数据源与环境配置.mp4 32.23M

| | ├──2-语料表制作方法.mp4 25.47M

| | ├──3-制作json标注数据.mp4 37.84M

| | ├──4-声音数据处理模块解读.mp4 62.84M

| | ├──5-Pack与Pad操作解析.mp4 35.92M

| | ├──6-编码器模块整体流程.mp4 31.43M

| | ├──7-加入注意力机制.mp4 33.29M

| | ├──8-计算得到每个输出的attention得分.mp4 36.42M

| | └──9-解码器与训练过程演示.mp4 43.78M

| ├──3-starganvc2变声器论文原理解读

| | ├──1-论文整体思路与架构解读.mp4 34.66M

| | ├──2-VCC2016输入数据.mp4 20.76M

| | ├──3-语音特征提取.mp4 30.57M

| | ├──4-生成器模型架构分析.mp4 15.81M

| | ├──5-InstanceNorm的作用解读.mp4 18.58M

| | ├──6-AdaIn的目的与效果.mp4 13.18M

| | └──7-判别器模块分析.mp4 114.03M

| ├──4-staeganvc2变声器源码实战

| | ├──1-数据与项目文件解读.mp4 21.80M

| | ├──10-源码损失计算流程.mp4 34.82M

| | ├──11-测试模块-生成转换语音.mp4 47.17M

| | ├──2-环境配置与工具包安装.mp4 37.11M

| | ├──3-数据预处理与声音特征提取.mp4 88.49M

| | ├──4-生成器构造模块解读.mp4 41.33M

| | ├──5-下采样与上采样操作.mp4 35.48M

| | ├──6-starganvc2版本标签输入分析.mp4 49.96M

| | ├──7-生成器前向传播维度变化.mp4 26.49M

| | ├──8-判别器模块解读.mp4 35.22M

| | └──9-论文损失函数.mp4 100.48M

| ├──5-语音分离ConvTasnet模型

| | ├──1-语音分离任务分析.mp4 9.16M

| | ├──2-经典语音分离模型概述.mp4 18.09M

| | ├──3-DeepClustering论文解读.mp4 16.26M

| | ├──4-TasNet编码器结构分析.mp4 41.61M

| | ├──5-DW卷积的作用与效果.mp4 10.17M

| | └──6-基于Mask得到分离结果.mp4 19.25M

| ├──6-ConvTasnet语音分离实战

| | ├──1-数据准备与环境配置.mp4 77.96M

| | ├──2-训练任务所需参数介绍.mp4 27.66M

| | ├──3-DataLoader定义.mp4 38.03M

| | ├──4-采样数据特征编码.mp4 37.67M

| | ├──5-编码器特征提取.mp4 55.01M

| | ├──6-构建更大的感受区域.mp4 53.48M

| | ├──7-解码得到分离后的语音.mp4 52.59M

| | └──8-测试模块所需参数.mp4 42.42M

| └──7-语音合成tacotron最新版实战

| | ├──1-语音合成项目所需环境配置.mp4 44.55M

| | ├──10-得到加权的编码向量.mp4 55.86M

| | ├──11-模型输出结果.mp4 53.26M

| | ├──12-损失函数与预测.mp4 47.96M

| | ├──2-所需数据集介绍.mp4 52.73M

| | ├──3-路径配置与整体流程解读.mp4 70.15M

| | ├──4-Dataloader构建数据与标签.mp4 66.68M

| | ├──5-编码层要完成的任务.mp4 46.37M

| | ├──6-得到编码特征向量.mp4 28.54M

| | ├──7-解码器输入准备.mp4 34.57M

| | ├──8-解码器流程梳理.mp4 41.40M

| | └──9-注意力机制应用方法.mp4 43.71M

├──28-推荐系统实战系列

| ├──1-推荐系统介绍及其应用

| | ├──1-1-推荐系统通俗解读.mp4 17.27M

| | ├──2-2-推荐系统发展简介.mp4 23.22M

| | ├──3-3-应用领域与多方位评估指标.mp4 26.51M

| | ├──4-4-任务流程与挑战概述.mp4 26.74M

| | ├──5-5-常用技术点分析.mp4 16.45M

| | └──6-6-与深度学习的结合.mp4 23.70M

| ├──10-基本统计分析的电影推荐

| | ├──1-1-电影数据与环境配置.mp4 64.07M

| | ├──2-2-数据与关键词信息展示.mp4 61.26M

| | ├──3-3-关键词云与直方图展示.mp4 45.97M

| | ├──4-4-特征可视化.mp4 38.67M

| | ├──5-5-数据清洗概述.mp4 57.31M

| | ├──6-6-缺失值填充方法.mp4 37.16M

| | ├──7-7-推荐引擎构造.mp4 50.93M

| | ├──8-8-数据特征构造.mp4 36.15M

| | └──9-9-得出推荐结果.mp4 51.85M

| ├──11-补充-基于相似度的酒店推荐系统

| | ├──1-1-酒店数据与任务介绍.mp4 22.01M

| | ├──2-2-文本词频统计.mp4 31.41M

| | ├──3-3-ngram结果可视化展示.mp4 53.07M

| | ├──4-4-文本清洗.mp4 32.90M

| | ├──5-5-相似度计算.mp4 47.62M

| | └──6-6-得出推荐结果.mp4 61.97M

| ├──2-协同过滤与矩阵分解

| | ├──1-1-协同过滤与矩阵分解简介.mp4 11.30M

| | ├──2-2-基于用户与商品的协同过滤.mp4 18.52M

| | ├──3-3-相似度计算与推荐实例.mp4 15.18M

| | ├──4-4-矩阵分解的目的与效果.mp4 20.65M

| | ├──5-5-矩阵分解中的隐向量.mp4 25.07M

| | ├──6-6-目标函数简介.mp4 13.75M

| | ├──7-7-隐式情况分析.mp4 14.10M

| | └──8-8-Embedding的作用.mp4 11.11M

| ├──3-音乐推荐系统实战

| | ├──1-1-音乐推荐任务概述.mp4 64.46M

| | ├──2-2-数据集整合.mp4 53.91M

| | ├──3-3-基于物品的协同过滤.mp4 63.10M

| | ├──4-4-物品相似度计算与推荐.mp4 63.37M

| | ├──5-5-SVD矩阵分解.mp4 30.83M

| | └──6-6-基于矩阵分解的音乐推荐.mp4 83.15M

| ├──4-知识图谱与Neo4j数据库实例

| | ├──1-1-知识图谱通俗解读.mp4 19.87M

| | ├──10-5-数据库更改查询操作演示.mp4 27.14M

| | ├──2-2-知识图谱在搜索引擎中的应用.mp4 26.60M

| | ├──3-3-知识图谱在医疗领域应用实例.mp4 102.89M

| | ├──4-4-金融与推荐领域的应用.mp4 20.39M

| | ├──5-5-数据获取分析.mp4 35.93M

| | ├──6-1-Neo4j图数据库介绍.mp4 63.50M

| | ├──7-2-Neo4j数据库安装流程演示.mp4 27.67M

| | ├──8-3-可视化例子演示.mp4 43.59M

| | └──9-4-创建与删除操作演示.mp4 25.32M

| ├──5-基于知识图谱的电影推荐实战

| | ├──1-1-知识图谱推荐系统效果演示.mp4 23.66M

| | ├──2-2-kaggle电影数据集下载与配置.mp4 63.41M

| | ├──3-3-图谱需求与任务流程解读.mp4 26.59M

| | ├──4-4-项目所需环境配置安装.mp4 48.84M

| | ├──5-5-构建用户电影知识图谱.mp4 61.49M

| | ├──6-6-图谱查询与匹配操作.mp4 19.62M

| | └──7-7-相似度计算与推荐引擎构建.mp4 39.17M

| ├──6-点击率估计FM与DeepFM算法

| | ├──1-1-CTR估计及其经典方法概述.mp4 21.94M

| | ├──2-2-高维特征带来的问题.mp4 12.95M

| | ├──3-3-二项式特征的作用与挑战.mp4 11.80M

| | ├──4-4-二阶公式推导与化简.mp4 20.88M

| | ├──5-5-FM算法解析.mp4 19.83M

| | ├──6-6-DeepFm整体架构解读.mp4 15.14M

| | ├──7-7-输入层所需数据样例.mp4 14.12M

| | └──8-8-Embedding层的作用与总结.mp4 21.52M

| ├──7-DeepFM算法实战

| | ├──1-1-数据集介绍与环境配置.mp4 57.76M

| | ├──2-2-广告点击数据预处理实例.mp4 49.15M

| | ├──3-3-数据处理模块Embedding层.mp4 34.38M

| | ├──4-4-Index与Value数据制作.mp4 29.32M

| | ├──5-5-一阶权重参数设计.mp4 33.52M

| | ├──6-6-二阶特征构建方法.mp4 28.85M

| | ├──7-7-特征组合方法实例分析.mp4 49.49M

| | ├──8-8-完成FM模块计算.mp4 24.56M

| | └──9-9-DNN模块与训练过程.mp4 37.53M

| ├──8-推荐系统常用工具包演示

| | ├──1-1-环境配置与数据集介绍.mp4 35.70M

| | ├──2-2-电影数据集预处理分析.mp4 32.75M

| | ├──3-3-surprise工具包基本使用.mp4 36.06M

| | ├──4-4-模型测试集结果.mp4 30.72M

| | └──5-5-评估指标概述.mp4 66.45M

| └──9-基于文本数据的推荐实例

| | ├──1-1-数据与环境配置介绍.mp4 19.81M

| | ├──2-2-数据科学相关数据介绍.mp4 31.25M

| | ├──3-3-文本数据预处理.mp4 37.37M

| | ├──4-4-TFIDF构建特征矩阵.mp4 31.28M

| | ├──5-5-矩阵分解演示.mp4 29.02M

| | ├──6-6-LDA主题模型效果演示.mp4 53.07M

| | └──7-7-推荐结果分析.mp4 43.00M

├──29-论文创新点常用方法及其应用实例

| └──1-通用创新点

| | ├──1-ACMIX(卷积与注意力融合).mp4 86.05M

| | ├──10-Attention额外加入先验知识.mp4 7.42M

| | ├──11-结合GNN构建局部特征.mp4 25.87M

| | ├──12-损失函数约束项.mp4 8.42M

| | ├──13-自适应可学习参数.mp4 14.27M

| | ├──14-Coarse2Fine大框架.mp4 40.53M

| | ├──15-只能机器学习模型时凑工作量(特征工程).mp4 6.02M

| | ├──16-自己数据集如何发的好(要开源).mp4 45.07M

| | ├──17-可变形卷积加入方法.mp4 23.44M

| | ├──18-在源码中加入各种注意力机制方法.mp4 122.48M

| | ├──2-GCnet(全局特征融合).mp4 74.35M

| | ├──3-Coordinate_attention.mp4 74.92M

| | ├──4-SPD(可替换下采样).mp4 45.03M

| | ├──5-SPP改进.mp4 17.03M

| | ├──6-mobileOne(加速).mp4 45.26M

| | ├──7-Deformable(替换selfAttention).mp4 44.90M

| | ├──8-ProbAttention(采样策略).mp4 23.58M

| | └──9-CrossAttention融合特征.mp4 20.50M

├──3-深度学习必备核⼼算法

| ├──1-神经网络结构

| | └──1-神经网络结构.mp4 604.62M

| ├──2-卷积神经网络

| | └──1-卷积神经网络.mp4 676.23M

| ├──3-Transformer

| | └──1-Transformer.mp4 557.22M

| └──4-VIT源码解读

| | └──1-VIT源码解读.mp4 878.23M

├──4-深度学习框架PyTorch

| ├──1-PyTorch框架介绍与配置安装

| | ├──1-PyTorch框架与其他框架区别分析.mp4 33.24M

| | └──2-CPU与GPU版本安装方法解读.mp4 100.57M

| ├──2-使用神经网络进行分类任务

| | ├──1-数据集与任务概述.mp4 43.34M

| | ├──2-基本模块应用测试.mp4 47.62M

| | ├──3-网络结构定义方法.mp4 55.60M

| | ├──4-数据源定义简介.mp4 38.98M

| | ├──5-损失与训练模块分析.mp4 42.31M

| | ├──6-训练一个基本的分类模型.mp4 54.59M

| | └──7-参数对结果的影响.mp4 51.65M

| ├──3-神经网络回归任务-气温预测

| | └──1-神经网络回归任务-气温预测.mp4 198.56M

| ├──4-卷积网络参数解读分析

| | ├──1-输入特征通道分析.mp4 42.48M

| | ├──2-卷积网络参数解读.mp4 31.46M

| | └──3-卷积网络模型训练.mp4 55.14M

| ├──5-图像识别模型与训练策略(重点)

| | ├──1-任务分析与图像数据基本处理.mp4 41.62M

| | ├──10-测试结果演示分析.mp4 110.98M

| | ├──2-数据增强模块.mp4 40.50M

| | ├──3-数据集与模型选择.mp4 45.32M

| | ├──4-迁移学习方法解读.mp4 44.66M

| | ├──5-输出层与梯度设置.mp4 61.42M

| | ├──6-输出类别个数修改.mp4 49.06M

| | ├──7-优化器与学习率衰减.mp4 52.48M

| | ├──8-模型训练方法.mp4 52.60M

| | └──9-重新训练全部模型.mp4 54.81M

| ├──6-DataLoader自定义数据集制作

| | ├──1-Dataloader要完成的任务分析.mp4 39.20M

| | ├──2-图像数据与标签路径处理.mp4 48.98M

| | ├──3-Dataloader中需要实现的方法分析.mp4 46.95M

| | └──4-实用Dataloader加载数据并训练模型.mp4 77.82M

| └──7-LSTM文本分类实战

| | ├──1-数据集与任务目标分析.mp4 52.81M

| | ├──2-文本数据处理基本流程分析.mp4 55.97M

| | ├──3-命令行参数与DEBUG.mp4 36.52M

| | ├──4-训练模型所需基本配置参数分析.mp4 40.92M

| | ├──5-预料表与字符切分.mp4 31.98M

| | ├──6-字符预处理转换ID.mp4 34.37M

| | ├──7-LSTM网络结构基本定义.mp4 34.73M

| | ├──8-网络模型预测结果输出.mp4 39.11M

| | └──9-模型训练任务与总结.mp4 45.16M

├──5-Opencv图像处理框架实战

| ├──1-课程简介与环境配置

| | ├──1-课程简介.mp4 5.37M

| | ├──2-Python与Opencv配置安装.mp4 33.28M

| | └──3-Notebook与IDE环境.mp4 84.39M

| ├──10-项目实战-文档扫描OCR识别

| | ├──1-整体流程演示.mp4 21.50M

| | ├──2-文档轮廓提取.mp4 27.81M

| | ├──3-原始与变换坐标计算.mp4 26.24M

| | ├──4-透视变换结果.mp4 32.87M

| | ├──5-tesseract-ocr安装配置.mp4 41.23M

| | └──6-文档扫描识别效果.mp4 28.86M

| ├──11-图像特征-harris

| | ├──1-角点检测基本原理.mp4 15.53M

| | ├──2-基本数学原理.mp4 30.58M

| | ├──3-求解化简.mp4 31.79M

| | ├──4-特征归属划分.mp4 43.23M

| | └──5-opencv角点检测效果.mp4 31.04M

| ├──12-图像特征-sift

| | ├──1-尺度空间定义.mp4 20.04M

| | ├──2-高斯差分金字塔.mp4 21.68M

| | ├──3-特征关键点定位.mp4 48.15M

| | ├──4-生成特征描述.mp4 24.66M

| | ├──5-特征向量生成.mp4 43.73M

| | └──6-opencv中sift函数使用.mp4 28.80M

| ├──13-案例实战-全景图像拼接

| | ├──1-特征匹配方法.mp4 28.56M

| | ├──2-RANSAC算法.mp4 34.50M

| | ├──3-图像拼接方法.mp4 44.96M

| | └──4-流程解读.mp4 21.65M

| ├──14-项目实战-停车场车位识别

| | ├──1-任务整体流程.mp4 71.40M

| | ├──2-所需数据介绍.mp4 34.31M

| | ├──3-图像数据预处理.mp4 56.75M

| | ├──4-车位直线检测.mp4 61.44M

| | ├──5-按列划分区域.mp4 54.67M

| | ├──6-车位区域划分.mp4 57.33M

| | ├──7-识别模型构建.mp4 41.19M

| | └──8-基于视频的车位检测.mp4 135.61M

| ├──15-项目实战-答题卡识别判卷

| | ├──1-整体流程与效果概述.mp4 29.49M

| | ├──2-预处理操作.mp4 24.08M

| | ├──3-填涂轮廓检测.mp4 25.66M

| | └──4-选项判断识别.mp4 57.12M

| ├──16-背景建模

| | ├──1-背景消除-帧差法.mp4 20.79M

| | ├──2-混合高斯模型.mp4 26.39M

| | ├──3-学习步骤.mp4 31.75M

| | └──4-背景建模实战.mp4 51.17M

| ├──17-光流估计

| | ├──1-基本概念.mp4 20.20M

| | ├──2-Lucas-Kanade算法.mp4 19.67M

| | ├──3-推导求解.mp4 25.94M

| | └──4-光流估计实战.mp4 64.22M

| ├──18-Opencv的DNN模块

| | ├──1-dnn模块.mp4 28.59M

| | └──2-模型加载结果输出.mp4 40.50M

| ├──19-项目实战-目标追踪

| | ├──1-目标追踪概述.mp4 49.75M

| | ├──2-多目标追踪实战.mp4 34.62M

| | ├──3-深度学习检测框架加载.mp4 43.62M

| | ├──4-基于dlib与ssd的追踪.mp4 73.02M

| | ├──5-多进程目标追踪.mp4 25.72M

| | └──6-多进程效率提升对比.mp4 78.13M

| ├──2-图像基本操作

| | ├──1-计算机眼中的图像.mp4 30.88M

| | ├──2-视频的读取与处理.mp4 46.97M

| | ├──3-ROI区域.mp4 15.37M

| | ├──4-边界填充.mp4 21.46M

| | └──5-数值计算.mp4 40.04M

| ├──20-卷积原理与操作

| | ├──1-卷积神经网络的应用.mp4 36.18M

| | ├──2-卷积层解释.mp4 22.31M

| | ├──3-卷积计算过程.mp4 27.61M

| | ├──4-pading与stride.mp4 26.12M

| | ├──5-卷积参数共享.mp4 17.69M

| | ├──6-池化层原理.mp4 16.09M

| | ├──7-卷积效果演示.mp4 24.58M

| | └──8-卷积操作流程.mp4 41.15M

| ├──21-项目实战-疲劳检测

| | ├──1-关键点定位概述.mp4 28.45M

| | ├──2-获取人脸关键点.mp4 36.07M

| | ├──3-定位效果演示.mp4 45.43M

| | ├──4-闭眼检测.mp4 71.07M

| | └──5-检测效果.mp4 40.60M

| ├──3-阈值与平滑处理

| | ├──1-图像阈值.mp4 30.78M

| | ├──2-图像平滑处理.mp4 24.69M

| | └──3-高斯与中值滤波.mp4 20.55M

| ├──4-图像形态学操作

| | ├──1-腐蚀操作.mp4 20.99M

| | ├──2-膨胀操作.mp4 12.25M

| | ├──3-开运算与闭运算.mp4 9.32M

| | ├──4-梯度计算.mp4 7.85M

| | └──5-礼帽与黑帽.mp4 15.88M

| ├──5-图像梯度计算

| | ├──1-Sobel算子.mp4 27.00M

| | ├──2-梯度计算方法.mp4 30.29M

| | └──3-scharr与lapkacian算子.mp4 27.39M

| ├──6-边缘检测

| | ├──1-Canny边缘检测流程.mp4 18.97M

| | ├──2-非极大值抑制.mp4 18.32M

| | └──3-边缘检测效果.mp4 36.63M

| ├──7-图像金字塔与轮廓检测

| | ├──1-图像金字塔定义.mp4 19.68M

| | ├──2-金字塔制作方法.mp4 25.47M

| | ├──3-轮廓检测方法.mp4 19.31M

| | ├──4-轮廓检测结果.mp4 34.37M

| | ├──5-轮廓特征与近似.mp4 37.51M

| | ├──6-模板匹配方法.mp4 47.35M

| | └──7-匹配效果展示.mp4 21.14M

| ├──8-直方图与傅里叶变换

| | ├──1-直方图定义.mp4 23.64M

| | ├──2-均衡化原理.mp4 31.35M

| | ├──3-均衡化效果.mp4 27.21M

| | ├──4-傅里叶概述.mp4 38.79M

| | ├──5-频域变换结果.mp4 26.26M

| | └──6-低通与高通滤波.mp4 27.34M

| └──9-项目实战-信用卡数字识别

| | ├──1-总体流程与方法讲解.mp4 20.65M

| | ├──2-环境配置与预处理.mp4 34.85M

| | ├──3-模板处理方法.mp4 23.69M

| | ├──4-输入数据处理方法.mp4 28.88M

| | └──5-模板匹配得出识别结果.mp4 47.72M

├──5-Opencv图像处理框架实战(1)

| ├──1-课程简介与环境配置

| | ├──1-课程简介.mp4 5.37M

| | ├──2-Python与Opencv配置安装.mp4 33.28M

| | └──3-Notebook与IDE环境.mp4 84.39M

| ├──10-项目实战-文档扫描OCR识别

| | ├──1-整体流程演示.mp4 21.50M

| | ├──2-文档轮廓提取.mp4 27.81M

| | ├──3-原始与变换坐标计算.mp4 26.24M

| | ├──4-透视变换结果.mp4 32.87M

| | ├──5-tesseract-ocr安装配置.mp4 41.23M

| | └──6-文档扫描识别效果.mp4 28.86M

| ├──11-图像特征-harris

| | ├──1-角点检测基本原理.mp4 15.53M

| | ├──2-基本数学原理.mp4 30.58M

| | ├──3-求解化简.mp4 31.79M

| | ├──4-特征归属划分.mp4 43.23M

| | └──5-opencv角点检测效果.mp4 31.04M

| ├──12-图像特征-sift

| | ├──1-尺度空间定义.mp4 20.04M

| | ├──2-高斯差分金字塔.mp4 21.68M

| | ├──3-特征关键点定位.mp4 48.15M

| | ├──4-生成特征描述.mp4 24.66M

| | ├──5-特征向量生成.mp4 43.73M

| | └──6-opencv中sift函数使用.mp4 28.80M

| ├──13-案例实战-全景图像拼接

| | ├──1-特征匹配方法.mp4 28.56M

| | ├──2-RANSAC算法.mp4 34.50M

| | ├──3-图像拼接方法.mp4 44.96M

| | └──4-流程解读.mp4 21.65M

| ├──14-项目实战-停车场车位识别

| | ├──1-任务整体流程.mp4 71.40M

| | ├──2-所需数据介绍.mp4 34.31M

| | ├──3-图像数据预处理.mp4 56.75M

| | ├──4-车位直线检测.mp4 61.44M

| | ├──5-按列划分区域.mp4 54.67M

| | ├──6-车位区域划分.mp4 57.33M

| | ├──7-识别模型构建.mp4 41.19M

| | └──8-基于视频的车位检测.mp4 135.61M

| ├──15-项目实战-答题卡识别判卷

| | ├──1-整体流程与效果概述.mp4 29.49M

| | ├──2-预处理操作.mp4 24.08M

| | ├──3-填涂轮廓检测.mp4 25.66M

| | └──4-选项判断识别.mp4 57.12M

| ├──16-背景建模

| | ├──1-背景消除-帧差法.mp4 20.79M

| | ├──2-混合高斯模型.mp4 26.39M

| | ├──3-学习步骤.mp4 31.75M

| | └──4-背景建模实战.mp4 51.17M

| ├──17-光流估计

| | ├──1-基本概念.mp4 20.20M

| | ├──2-Lucas-Kanade算法.mp4 19.67M

| | ├──3-推导求解.mp4 25.94M

| | └──4-光流估计实战.mp4 64.22M

| ├──18-Opencv的DNN模块

| | ├──1-dnn模块.mp4 28.59M

| | └──2-模型加载结果输出.mp4 40.50M

| ├──19-项目实战-目标追踪

| | ├──1-目标追踪概述.mp4 49.75M

| | ├──2-多目标追踪实战.mp4 34.62M

| | ├──3-深度学习检测框架加载.mp4 43.62M

| | ├──4-基于dlib与ssd的追踪.mp4 73.02M

| | ├──5-多进程目标追踪.mp4 25.72M

| | └──6-多进程效率提升对比.mp4 78.13M

| ├──2-图像基本操作

| | ├──1-计算机眼中的图像.mp4 30.88M

| | ├──2-视频的读取与处理.mp4 46.97M

| | ├──3-ROI区域.mp4 15.37M

| | ├──4-边界填充.mp4 21.46M

| | └──5-数值计算.mp4 40.04M

| ├──20-卷积原理与操作

| | ├──1-卷积神经网络的应用.mp4 36.18M

| | ├──2-卷积层解释.mp4 22.31M

| | ├──3-卷积计算过程.mp4 27.61M

| | ├──4-pading与stride.mp4 26.12M

| | ├──5-卷积参数共享.mp4 17.69M

| | ├──6-池化层原理.mp4 16.09M

| | ├──7-卷积效果演示.mp4 24.58M

| | └──8-卷积操作流程.mp4 41.15M

| ├──21-项目实战-疲劳检测

| | ├──1-关键点定位概述.mp4 28.45M

| | ├──2-获取人脸关键点.mp4 36.07M

| | ├──3-定位效果演示.mp4 45.43M

| | ├──4-闭眼检测.mp4 71.07M

| | └──5-检测效果.mp4 40.60M

| ├──3-阈值与平滑处理

| | ├──1-图像阈值.mp4 30.78M

| | ├──2-图像平滑处理.mp4 24.69M

| | └──3-高斯与中值滤波.mp4 20.55M

| ├──4-图像形态学操作

| | ├──1-腐蚀操作.mp4 20.99M

| | ├──2-膨胀操作.mp4 12.25M

| | ├──3-开运算与闭运算.mp4 9.32M

| | ├──4-梯度计算.mp4 7.85M

| | └──5-礼帽与黑帽.mp4 15.88M

| ├──5-图像梯度计算

| | ├──1-Sobel算子.mp4 27.00M

| | ├──2-梯度计算方法.mp4 30.29M

| | └──3-scharr与lapkacian算子.mp4 27.39M

| ├──6-边缘检测

| | ├──1-Canny边缘检测流程.mp4 18.97M

| | ├──2-非极大值抑制.mp4 18.32M

| | └──3-边缘检测效果.mp4 36.63M

| ├──7-图像金字塔与轮廓检测

| | ├──1-图像金字塔定义.mp4 19.68M

| | ├──2-金字塔制作方法.mp4 25.47M

| | ├──3-轮廓检测方法.mp4 19.31M

| | ├──4-轮廓检测结果.mp4 34.37M

| | ├──5-轮廓特征与近似.mp4 37.51M

| | ├──6-模板匹配方法.mp4 47.35M

| | └──7-匹配效果展示.mp4 21.14M

| ├──8-直方图与傅里叶变换

| | ├──1-直方图定义.mp4 23.64M

| | ├──2-均衡化原理.mp4 31.35M

| | ├──3-均衡化效果.mp4 27.21M

| | ├──4-傅里叶概述.mp4 38.79M

| | ├──5-频域变换结果.mp4 26.26M

| | └──6-低通与高通滤波.mp4 27.34M

| └──9-项目实战-信用卡数字识别

| | ├──1-总体流程与方法讲解.mp4 20.65M

| | ├──2-环境配置与预处理.mp4 34.85M

| | ├──3-模板处理方法.mp4 23.69M

| | ├──4-输入数据处理方法.mp4 28.88M

| | └──5-模板匹配得出识别结果.mp4 47.72M

├──6-综合项目-物体检测经典算法实战

| ├──1-物体检测评估指标

| | └──1-物体检测评估指标.mp4 84.11M

| ├──10-V5项目工程源码解读

| | ├──1-数据源DEBUG流程解读.mp4 48.13M

| | ├──10-完成配置文件解析任务.mp4 58.80M

| | ├──11-前向传播计算.mp4 30.80M

| | ├──12-BottleneckCSP层计算方法.mp4 33.82M

| | ├──13-SPP层计算细节分析.mp4 29.17M

| | ├──14-Head层流程解读.mp4 29.12M

| | ├──15-上采样与拼接操作.mp4 21.48M

| | ├──16-输出结果分析.mp4 41.71M

| | ├──17-超参数解读.mp4 34.94M

| | ├──18-命令行参数介绍.mp4 44.26M

| | ├──19-训练流程解读.mp4 46.81M

| | ├──2-图像数据源配置.mp4 34.65M

| | ├──20-各种训练策略概述.mp4 38.43M

| | ├──21-模型迭代过程.mp4 38.42M

| | ├──3-加载标签数据.mp4 26.33M

| | ├──4-Mosaic数据增强方法.mp4 28.19M

| | ├──5-数据四合一方法与流程演示.mp4 41.69M

| | ├──6-getItem构建batch.mp4 33.03M

| | ├──7-网络架构图可视化工具安装.mp4 34.33M

| | ├──8-V5网络配置文件解读.mp4 35.74M

| | └──9-Focus模块流程分析.mp4 21.93M

| ├──11-YOLO系列(V7)算法解读

| | └──1-YOLO系列(V7)算法解读.mp4 650.58M

| ├──12-V7源码解读

| | ├──1-命令行参数介绍.mp4 25.02M

| | ├──10-完成BuildTargets模块.mp4 51.40M

| | ├──11-候选框筛选流程分析.mp4 31.75M

| | ├──12-预测值各项指标获取与调整.mp4 47.03M

| | ├──13-GT匹配正样本数量计算.mp4 42.07M

| | ├──14-通过IOU与置信度分配正样本.mp4 60.44M

| | ├──15-损失函数计算方法.mp4 46.08M

| | ├──16-辅助头AUX网络结构配置文件解析.mp4 31.05M

| | ├──17-辅助头损失函数调整.mp4 39.28M

| | ├──18-BN与卷积权重参数融合方法.mp4 53.77M

| | ├──19-重参数化多分支合并加速.mp4 43.19M

| | ├──2-基本参数作用.mp4 40.80M

| | ├──3-EMA等训练技巧解读.mp4 49.31M

| | ├──4-网络结构配置文件解读.mp4 36.94M

| | ├──5-各模块操作细节分析.mp4 49.07M

| | ├──6-输出层与配置文件其他模块解读.mp4 60.88M

| | ├──7-标签分配策略准备操作.mp4 34.72M

| | ├──8-候选框偏移方法与find3p模块解读.mp4 33.70M

| | └──9-得到偏移点所在网格位置.mp4 42.85M

| ├──13-基于Transformer的detr目标检测算法

| | ├──1-DETR目标检测基本思想解读.mp4 19.35M

| | ├──2-整体网络架构分析.mp4 31.64M

| | ├──3-位置信息初始化query向量.mp4 19.97M

| | ├──4-注意力机制的作用方法.mp4 20.85M

| | └──5-训练过程的策略.mp4 28.41M

| ├──14-detr目标检测源码解读

| | ├──1-项目环境配置解读.mp4 40.42M

| | ├──2-数据处理与dataloader.mp4 64.11M

| | ├──3-位置编码作用分析.mp4 47.95M

| | ├──4-backbone特征提取模块.mp4 35.62M

| | ├──5-mask与编码模块.mp4 34.75M

| | ├──6-编码层作用方法.mp4 42.86M

| | ├──7-Decoder层操作与计算.mp4 30.15M

| | ├──8-输出预测结果.mp4 41.28M

| | └──9-损失函数与预测输出.mp4 41.18M

| ├──15-DeformableDetr算法解读

| | └──1-DeformableDetr算法解读.mp4 1.55G

| ├──16-半监督物体检测

| | └──1-半监督物体检测.mp4 824.82M

| ├──17-EfficientNet网络

| | └──1-EfficientNet网络模型.mp4 538.47M

| ├──18-EfficientDet检测算法

| | └──1-EfficientDet检测算法.mp4 448.01M

| ├──2-深度学习经典检测⽅法概述

| | ├──1-检测任务中阶段的意义.mp4 15.14M

| | ├──2-不同阶段算法优缺点分析.mp4 10.68M

| | ├──3-IOU指标计算.mp4 11.74M

| | ├──4-评估所需参数计算.mp4 26.23M

| | └──5-map指标计算.mp4 19.63M

| ├──3-YOLO-V1整体思想与网络架构

| | ├──1-YOLO算法整体思路解读.mp4 14.68M

| | ├──2-检测算法要得到的结果.mp4 13.63M

| | ├──3-整体网络架构解读.mp4 30.67M

| | ├──4-位置损失计算.mp4 18.97M

| | └──5-置信度误差与优缺点分析.mp4 26.86M

| ├──4-YOLO-V2改进细节详解

| | ├──1-V2版本细节升级概述.mp4 13.38M

| | ├──2-网络结构特点.mp4 15.69M

| | ├──3-架构细节解读.mp4 18.92M

| | ├──4-基于聚类来选择先验框尺寸.mp4 24.24M

| | ├──5-偏移量计算方法.mp4 27.55M

| | ├──6-坐标映射与还原.mp4 10.08M

| | ├──7-感受野的作用.mp4 28.11M

| | └──8-特征融合改进.mp4 19.20M

| ├──5-YOLO-V3核心网络模型

| | ├──1-V3版本改进概述.mp4 18.27M

| | ├──2-多scale方法改进与特征融合.mp4 17.07M

| | ├──3-经典变换方法对比分析.mp4 10.83M

| | ├──4-残差连接方法解读.mp4 18.64M

| | ├──5-整体网络模型架构分析.mp4 12.93M

| | ├──6-先验框设计改进.mp4 13.04M

| | └──7-sotfmax层改进.mp4 10.61M

| ├──6-项目实战-基于V3版本进行源码解读(建议直接跑V5版本)

| | ├──1-数据与环境配置.mp4 65.52M

| | ├──10-网格偏移计算.mp4 33.92M

| | ├──11-模型要计算的损失概述.mp4 23.14M

| | ├──12-标签值格式修改.mp4 28.27M

| | ├──13-坐标相对位置计算.mp4 32.80M

| | ├──14-完成所有损失函数所需计算指标.mp4 35.32M

| | ├──15-模型训练与总结.mp4 72.91M

| | ├──16-预测效果展示.mp4 34.51M

| | ├──2-训练参数设置.mp4 23.85M

| | ├──3-COCO图像数据读取与处理.mp4 42.51M

| | ├──4-标签文件读取与处理.mp4 27.48M

| | ├──5-debug模式介绍.mp4 27.25M

| | ├──6-基于配置文件构建网络模型.mp4 42.04M

| | ├──7-路由层与shortcut层的作用.mp4 33.72M

| | ├──8-YOLO层定义解析.mp4 61.09M

| | └──9-预测结果计算.mp4 46.00M

| ├──7-基于YOLO-V3训练自己的数据集与任务(建议直接跑V5版本)

| | ├──1-Labelme工具安装.mp4 14.29M

| | ├──2-数据信息标注.mp4 32.09M

| | ├──3-完成标签制作.mp4 31.74M

| | ├──4-生成模型所需配置文件.mp4 36.71M

| | ├──5-json格式转换成yolo-v3所需输入.mp4 20.95M

| | ├──6-完成输入数据准备工作.mp4 40.10M

| | ├──7-训练代码与参数配置更改.mp4 44.29M

| | └──8-训练模型并测试效果.mp4 38.49M

| ├──8-YOLO-V4版本算法解读

| | ├──1-V4版本整体概述.mp4 15.06M

| | ├──10-PAN模块解读.mp4 20.64M

| | ├──11-激活函数与整体架构总结.mp4 19.19M

| | ├──2-V4版本贡献解读.mp4 10.06M

| | ├──3-数据增强策略分析.mp4 24.70M

| | ├──4-DropBlock与标签平滑方法.mp4 19.36M

| | ├──5-损失函数遇到的问题.mp4 14.26M

| | ├──6-CIOU损失函数定义.mp4 10.82M

| | ├──7-NMS细节改进.mp4 16.66M

| | ├──8-SPP与CSP网络结构.mp4 14.81M

| | └──9-SAM注意力机制模块.mp4 22.48M

| └──9-V5版本项目配置

| | ├──1-整体项目概述.mp4 35.77M

| | ├──2-训练自己的数据集方法.mp4 41.32M

| | ├──3-训练数据参数配置.mp4 51.48M

| | └──4-测试DEMO演示.mp4 50.47M

├──6-综合项目-物体检测经典算法实战(1)

| ├──1-物体检测评估指标

| | └──1-物体检测评估指标.mp4 84.11M

| ├──10-V5项目工程源码解读

| | ├──1-数据源DEBUG流程解读.mp4 48.13M

| | ├──10-完成配置文件解析任务.mp4 58.80M

| | ├──11-前向传播计算.mp4 30.80M

| | ├──12-BottleneckCSP层计算方法.mp4 33.82M

| | ├──13-SPP层计算细节分析.mp4 29.17M

| | ├──14-Head层流程解读.mp4 29.12M

| | ├──15-上采样与拼接操作.mp4 21.48M

| | ├──16-输出结果分析.mp4 41.71M

| | ├──17-超参数解读.mp4 34.94M

| | ├──18-命令行参数介绍.mp4 44.26M

| | ├──19-训练流程解读.mp4 46.81M

| | ├──2-图像数据源配置.mp4 34.65M

| | ├──20-各种训练策略概述.mp4 38.43M

| | ├──21-模型迭代过程.mp4 38.42M

| | ├──3-加载标签数据.mp4 26.33M

| | ├──4-Mosaic数据增强方法.mp4 28.19M

| | ├──5-数据四合一方法与流程演示.mp4 41.69M

| | ├──6-getItem构建batch.mp4 33.03M

| | ├──7-网络架构图可视化工具安装.mp4 34.33M

| | ├──8-V5网络配置文件解读.mp4 35.74M

| | └──9-Focus模块流程分析.mp4 21.93M

| ├──11-YOLO系列(V7)算法解读

| | └──1-YOLO系列(V7)算法解读.mp4 650.58M

| ├──12-V7源码解读

| | ├──1-命令行参数介绍.mp4 25.02M

| | ├──10-完成BuildTargets模块.mp4 51.40M

| | ├──11-候选框筛选流程分析.mp4 31.75M

| | ├──12-预测值各项指标获取与调整.mp4 47.03M

| | ├──13-GT匹配正样本数量计算.mp4 42.07M

| | ├──14-通过IOU与置信度分配正样本.mp4 60.44M

| | ├──15-损失函数计算方法.mp4 46.08M

| | ├──16-辅助头AUX网络结构配置文件解析.mp4 31.05M

| | ├──17-辅助头损失函数调整.mp4 39.28M

| | ├──18-BN与卷积权重参数融合方法.mp4 53.77M

| | ├──19-重参数化多分支合并加速.mp4 43.19M

| | ├──2-基本参数作用.mp4 40.80M

| | ├──3-EMA等训练技巧解读.mp4 49.31M

| | ├──4-网络结构配置文件解读.mp4 36.94M

| | ├──5-各模块操作细节分析.mp4 49.07M

| | ├──6-输出层与配置文件其他模块解读.mp4 60.88M

| | ├──7-标签分配策略准备操作.mp4 34.72M

| | ├──8-候选框偏移方法与find3p模块解读.mp4 33.70M

| | └──9-得到偏移点所在网格位置.mp4 42.85M

| ├──13-基于Transformer的detr目标检测算法

| | ├──1-DETR目标检测基本思想解读.mp4 19.35M

| | ├──2-整体网络架构分析.mp4 31.64M

| | ├──3-位置信息初始化query向量.mp4 19.97M

| | ├──4-注意力机制的作用方法.mp4 20.85M

| | └──5-训练过程的策略.mp4 28.41M

| ├──14-detr目标检测源码解读

| | ├──1-项目环境配置解读.mp4 40.42M

| | ├──2-数据处理与dataloader.mp4 64.11M

| | ├──3-位置编码作用分析.mp4 47.95M

| | ├──4-backbone特征提取模块.mp4 35.62M

| | ├──5-mask与编码模块.mp4 34.75M

| | ├──6-编码层作用方法.mp4 42.86M

| | ├──7-Decoder层操作与计算.mp4 30.15M

| | ├──8-输出预测结果.mp4 41.28M

| | └──9-损失函数与预测输出.mp4 41.18M

| ├──15-DeformableDetr算法解读

| | └──1-DeformableDetr算法解读.mp4 1.55G

| ├──16-半监督物体检测

| | └──1-半监督物体检测.mp4 824.82M

| ├──17-EfficientNet网络

| | └──1-EfficientNet网络模型.mp4 538.47M

| ├──18-EfficientDet检测算法

| | └──1-EfficientDet检测算法.mp4 448.01M

| ├──2-深度学习经典检测⽅法概述

| | ├──1-检测任务中阶段的意义.mp4 15.14M

| | ├──2-不同阶段算法优缺点分析.mp4 10.68M

| | ├──3-IOU指标计算.mp4 11.74M

| | ├──4-评估所需参数计算.mp4 26.23M

| | └──5-map指标计算.mp4 19.63M

| ├──3-YOLO-V1整体思想与网络架构

| | ├──1-YOLO算法整体思路解读.mp4 14.68M

| | ├──2-检测算法要得到的结果.mp4 13.63M

| | ├──3-整体网络架构解读.mp4 30.67M

| | ├──4-位置损失计算.mp4 18.97M

| | └──5-置信度误差与优缺点分析.mp4 26.86M

| ├──4-YOLO-V2改进细节详解

| | ├──1-V2版本细节升级概述.mp4 13.38M

| | ├──2-网络结构特点.mp4 15.69M

| | ├──3-架构细节解读.mp4 18.92M

| | ├──4-基于聚类来选择先验框尺寸.mp4 24.24M

| | ├──5-偏移量计算方法.mp4 27.55M

| | ├──6-坐标映射与还原.mp4 10.08M

| | ├──7-感受野的作用.mp4 28.11M

| | └──8-特征融合改进.mp4 19.20M

| ├──5-YOLO-V3核心网络模型

| | ├──1-V3版本改进概述.mp4 18.27M

| | ├──2-多scale方法改进与特征融合.mp4 17.07M

| | ├──3-经典变换方法对比分析.mp4 10.83M

| | ├──4-残差连接方法解读.mp4 18.64M

| | ├──5-整体网络模型架构分析.mp4 12.93M

| | ├──6-先验框设计改进.mp4 13.04M

| | └──7-sotfmax层改进.mp4 10.61M

| ├──6-项目实战-基于V3版本进行源码解读(建议直接跑V5版本)

| | ├──1-数据与环境配置.mp4 65.52M

| | ├──10-网格偏移计算.mp4 33.92M

| | ├──11-模型要计算的损失概述.mp4 23.14M

| | ├──12-标签值格式修改.mp4 28.27M

| | ├──13-坐标相对位置计算.mp4 32.80M

| | ├──14-完成所有损失函数所需计算指标.mp4 35.32M

| | ├──15-模型训练与总结.mp4 72.91M

| | ├──16-预测效果展示.mp4 34.51M

| | ├──2-训练参数设置.mp4 23.85M

| | ├──3-COCO图像数据读取与处理.mp4 42.51M

| | ├──4-标签文件读取与处理.mp4 27.48M

| | ├──5-debug模式介绍.mp4 27.25M

| | ├──6-基于配置文件构建网络模型.mp4 42.04M

| | ├──7-路由层与shortcut层的作用.mp4 33.72M

| | ├──8-YOLO层定义解析.mp4 61.09M

| | └──9-预测结果计算.mp4 46.00M

| ├──7-基于YOLO-V3训练自己的数据集与任务(建议直接跑V5版本)

| | ├──1-Labelme工具安装.mp4 14.29M

| | ├──2-数据信息标注.mp4 32.09M

| | ├──3-完成标签制作.mp4 31.74M

| | ├──4-生成模型所需配置文件.mp4 36.71M

| | ├──5-json格式转换成yolo-v3所需输入.mp4 20.95M

| | ├──6-完成输入数据准备工作.mp4 40.10M

| | ├──7-训练代码与参数配置更改.mp4 44.29M

| | └──8-训练模型并测试效果.mp4 38.49M

| ├──8-YOLO-V4版本算法解读

| | ├──1-V4版本整体概述.mp4 15.06M

| | ├──10-PAN模块解读.mp4 20.64M

| | ├──11-激活函数与整体架构总结.mp4 19.19M

| | ├──2-V4版本贡献解读.mp4 10.06M

| | ├──3-数据增强策略分析.mp4 24.70M

| | ├──4-DropBlock与标签平滑方法.mp4 19.36M

| | ├──5-损失函数遇到的问题.mp4 14.26M

| | ├──6-CIOU损失函数定义.mp4 10.82M

| | ├──7-NMS细节改进.mp4 16.66M

| | ├──8-SPP与CSP网络结构.mp4 14.81M

| | └──9-SAM注意力机制模块.mp4 22.48M

| └──9-V5版本项目配置

| | ├──1-整体项目概述.mp4 35.77M

| | ├──2-训练自己的数据集方法.mp4 41.32M

| | ├──3-训练数据参数配置.mp4 51.48M

| | └──4-测试DEMO演示.mp4 50.47M

├──7-图像分割实战

| ├──1-图像分割及其损失函数概述

| | ├──1-语义分割与实例分割概述.mp4 20.24M

| | ├──2-分割任务中的目标函数定义.mp4 20.00M

| | └──3-MIOU评估标准.mp4 9.03M

| ├──10-物体检测框架-MaskRcnn项目介绍与配置

| | ├──1-Mask-Rcnn开源项目简介.mp4 88.18M

| | ├──2-开源项目数据集.mp4 42.48M

| | └──3-开源项目数据集.mp4 97.85M

| ├──11-MaskRcnn网络框架源码详解

| | ├──1-FPN层特征提取原理解读.mp4 42.31M

| | ├──10-RoiPooling层的作用与目的.mp4 33.45M

| | ├──11-RorAlign操作的效果.mp4 25.70M

| | ├──12-整体框架回顾.mp4 28.86M

| | ├──2-FPN网络架构实现解读.mp4 55.77M

| | ├──3-生成框比例设置.mp4 28.25M

| | ├──4-基于不同尺度特征图生成所有框.mp4 32.93M

| | ├──5-RPN层的作用与实现解读.mp4 30.90M

| | ├──6-候选框过滤方法.mp4 15.59M

| | ├──7-Proposal层实现方法.mp4 33.31M

| | ├──8-DetectionTarget层的作用.mp4 25.70M

| | └──9-正负样本选择与标签定义.mp4 27.59M

| ├──12-基于MASK-RCNN框架训练自己的数据与任务

| | ├──1-Labelme工具安装.mp4 14.29M

| | ├──2-使用labelme进行数据与标签标注.mp4 26.29M

| | ├──3-完成训练数据准备工作.mp4 26.61M

| | ├──4-maskrcnn源码修改方法.mp4 63.56M

| | ├──5-基于标注数据训练所需任务.mp4 39.72M

| | └──6-测试与展示模块.mp4 38.60M

| ├──2-Unet系列算法讲解

| | ├──1-Unet网络编码与解码过程.mp4 18.29M

| | ├──2-网络计算流程.mp4 16.13M

| | ├──3-Unet升级版本改进.mp4 15.75M

| | └──4-后续升级版本介绍.mp4 18.37M

| ├──3-unet医学细胞分割实战

| | ├──1-医学细胞数据集介绍与参数配置.mp4 71.21M

| | ├──2-数据增强工具.mp4 61.47M

| | ├──3-Debug模式演示网络计算流程.mp4 41.37M

| | ├──4-特征融合方法演示.mp4 30.05M

| | ├──5-迭代完成整个模型计算任务.mp4 33.55M

| | └──6-模型效果验证.mp4 47.29M

| ├──4-U2NET显著性检测实战

| | ├──1-任务目标与网络整体介绍.mp4 58.66M

| | ├──2-显著性检测任务与目标概述.mp4 53.96M

| | ├──3-编码器模块解读.mp4 43.66M

| | ├──4-解码器输出结果.mp4 27.90M

| | └──5-损失函数与应用效果.mp4 34.34M

| ├──5-deeplab系列算法

| | ├──1-deeplab分割算法概述.mp4 13.81M

| | ├──2-空洞卷积的作用.mp4 16.74M

| | ├──3-感受野的意义.mp4 19.37M

| | ├──4-SPP层的作用.mp4 19.02M

| | ├──5-ASPP特征融合策略.mp4 13.45M

| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M

| ├──6-基于deeplabV3+版本进⾏VOC分割实战

| | ├──1-PascalVoc数据集介绍.mp4 70.12M

| | ├──2-项目参数与数据集读取.mp4 60.32M

| | ├──3-网络前向传播流程.mp4 33.10M

| | ├──4-ASPP层特征融合.mp4 51.19M

| | └──5-分割模型训练.mp4 34.97M

| ├──7-医学⼼脏视频数据集分割建模实战

| | ├──1-数据集与任务概述.mp4 45.55M

| | ├──2-项目基本配置参数.mp4 33.31M

| | ├──3-任务流程解读.mp4 69.12M

| | ├──4-文献报告分析.mp4 122.67M

| | ├──5-补充:视频数据源特征处理方法概述.mp4 26.33M

| | └──6-补充:R(2plus1)D处理方法分析.mp4 18.88M

| ├──8-分割模型Maskformer系列

| | └──1-分割模型Maskformer系列.mp4 1.27G

| └──9-补充:Mask2former源码解读

| | ├──1-Backbone获取多层级特征.mp4 35.79M

| | ├──10-正样本筛选损失计算.mp4 41.78M

| | ├──11-标签分类匹配结果分析.mp4 62.04M

| | ├──12-最终损失计算流程.mp4 52.29M

| | ├──13-汇总所有损失完成迭代.mp4 35.76M

| | ├──2-多层级采样点初始化构建.mp4 41.46M

| | ├──3-多层级输入特征序列创建方法.mp4 43.83M

| | ├──4-偏移量与权重计算并转换.mp4 48.78M

| | ├──5-Encoder特征构建方法实例.mp4 49.77M

| | ├──6-query要预测的任务解读.mp4 45.61M

| | ├──7-Decoder中的AttentionMask方法.mp4 50.89M

| | ├──8-损失模块输入参数分析.mp4 40.84M

| | └──9-标签分配策略解读.mp4 42.53M

├──7-图像分割实战(1)

| ├──1-图像分割及其损失函数概述

| | ├──1-语义分割与实例分割概述.mp4 20.24M

| | ├──2-分割任务中的目标函数定义.mp4 20.00M

| | └──3-MIOU评估标准.mp4 9.03M

| ├──10-物体检测框架-MaskRcnn项目介绍与配置

| | ├──1-Mask-Rcnn开源项目简介.mp4 88.18M

| | ├──2-开源项目数据集.mp4 42.48M

| | └──3-开源项目数据集.mp4 97.85M

| ├──11-MaskRcnn网络框架源码详解

| | ├──1-FPN层特征提取原理解读.mp4 42.31M

| | ├──10-RoiPooling层的作用与目的.mp4 33.45M

| | ├──11-RorAlign操作的效果.mp4 25.70M

| | ├──12-整体框架回顾.mp4 28.86M

| | ├──2-FPN网络架构实现解读.mp4 55.77M

| | ├──3-生成框比例设置.mp4 28.25M

| | ├──4-基于不同尺度特征图生成所有框.mp4 32.93M

| | ├──5-RPN层的作用与实现解读.mp4 30.90M

| | ├──6-候选框过滤方法.mp4 15.59M

| | ├──7-Proposal层实现方法.mp4 33.31M

| | ├──8-DetectionTarget层的作用.mp4 25.70M

| | └──9-正负样本选择与标签定义.mp4 27.59M

| ├──12-基于MASK-RCNN框架训练自己的数据与任务

| | ├──1-Labelme工具安装.mp4 14.29M

| | ├──2-使用labelme进行数据与标签标注.mp4 26.29M

| | ├──3-完成训练数据准备工作.mp4 26.61M

| | ├──4-maskrcnn源码修改方法.mp4 63.56M

| | ├──5-基于标注数据训练所需任务.mp4 39.72M

| | └──6-测试与展示模块.mp4 38.60M

| ├──2-Unet系列算法讲解

| | ├──1-Unet网络编码与解码过程.mp4 18.29M

| | ├──2-网络计算流程.mp4 16.13M

| | ├──3-Unet升级版本改进.mp4 15.75M

| | └──4-后续升级版本介绍.mp4 18.37M

| ├──3-unet医学细胞分割实战

| | ├──1-医学细胞数据集介绍与参数配置.mp4 71.21M

| | ├──2-数据增强工具.mp4 61.47M

| | ├──3-Debug模式演示网络计算流程.mp4 41.37M

| | ├──4-特征融合方法演示.mp4 30.05M

| | ├──5-迭代完成整个模型计算任务.mp4 33.55M

| | └──6-模型效果验证.mp4 47.29M

| ├──4-U2NET显著性检测实战

| | ├──1-任务目标与网络整体介绍.mp4 58.66M

| | ├──2-显著性检测任务与目标概述.mp4 53.96M

| | ├──3-编码器模块解读.mp4 43.66M

| | ├──4-解码器输出结果.mp4 27.90M

| | └──5-损失函数与应用效果.mp4 34.34M

| ├──5-deeplab系列算法

| | ├──1-deeplab分割算法概述.mp4 13.81M

| | ├──2-空洞卷积的作用.mp4 16.74M

| | ├──3-感受野的意义.mp4 19.37M

| | ├──4-SPP层的作用.mp4 19.02M

| | ├──5-ASPP特征融合策略.mp4 13.45M

| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M

| ├──6-基于deeplabV3+版本进⾏VOC分割实战

| | ├──1-PascalVoc数据集介绍.mp4 70.12M

| | ├──2-项目参数与数据集读取.mp4 60.32M

| | ├──3-网络前向传播流程.mp4 33.10M

| | ├──4-ASPP层特征融合.mp4 51.19M

| | └──5-分割模型训练.mp4 34.97M

| ├──7-医学⼼脏视频数据集分割建模实战

| | ├──1-数据集与任务概述.mp4 45.55M

| | ├──2-项目基本配置参数.mp4 33.31M

| | ├──3-任务流程解读.mp4 69.12M

| | ├──4-文献报告分析.mp4 122.67M

| | ├──5-补充:视频数据源特征处理方法概述.mp4 26.33M

| | └──6-补充:R(2plus1)D处理方法分析.mp4 18.88M

| ├──8-分割模型Maskformer系列

| | └──1-分割模型Maskformer系列.mp4 1.27G

| └──9-补充:Mask2former源码解读

| | ├──1-Backbone获取多层级特征.mp4 35.79M

| | ├──10-正样本筛选损失计算.mp4 41.78M

| | ├──11-标签分类匹配结果分析.mp4 62.04M

| | ├──12-最终损失计算流程.mp4 52.29M

| | ├──13-汇总所有损失完成迭代.mp4 35.76M

| | ├──2-多层级采样点初始化构建.mp4 41.46M

| | ├──3-多层级输入特征序列创建方法.mp4 43.83M

| | ├──4-偏移量与权重计算并转换.mp4 48.78M

| | ├──5-Encoder特征构建方法实例.mp4 49.77M

| | ├──6-query要预测的任务解读.mp4 45.61M

| | ├──7-Decoder中的AttentionMask方法.mp4 50.89M

| | ├──8-损失模块输入参数分析.mp4 40.84M

| | └──9-标签分配策略解读.mp4 42.53M

├──8-走向AI论文实验与项目实战的捷径-MMLAB实战系列

| ├──1-MMCV安装方法

| | └──1-MMCV安装方法.mp4 55.75M

| ├──10-第三模块:DeformableDetr算法解读

| | └──1-DeformableDetr算法解读.mp4 730.35M

| ├──11-补充:Mask2former源码解读

| | ├──1-Backbone获取多层级特征.mp4 35.79M

| | ├──10-正样本筛选损失计算.mp4 41.78M

| | ├──11-标签分类匹配结果分析.mp4 62.04M

| | ├──12-最终损失计算流程.mp4 52.29M

| | ├──13-汇总所有损失完成迭代.mp4 35.76M

| | ├──2-多层级采样点初始化构建.mp4 41.46M

| | ├──3-多层级输入特征序列创建方法.mp4 43.83M

| | ├──4-偏移量与权重计算并转换.mp4 48.78M

| | ├──5-Encoder特征构建方法实例.mp4 49.77M

| | ├──6-query要预测的任务解读.mp4 45.61M

| | ├──7-Decoder中的AttentionMask方法.mp4 50.89M

| | ├──8-损失模块输入参数分析.mp4 40.84M

| | └──9-标签分配策略解读.mp4 42.53M

| ├──12-KIE关键信息抽取与视频超分辨率重构

| | └──1-KIE关键信息抽取与视频超分辨率重构.mp4 916.12M

| ├──13-第四模块:DBNET文字检测

| | ├──1-文字检测数据概述与配置文件.mp4 56.60M

| | ├──2-配置文件参数设置.mp4 38.74M

| | ├──3-Neck层特征组合.mp4 32.04M

| | ├──4-损失函数模块概述.mp4 43.11M

| | └──5-损失计算方法.mp4 59.35M

| ├──14-第四模块:ANINET文字识别

| | ├──1-数据集与环境概述.mp4 55.58M

| | ├──2-配置文件修改方法.mp4 52.49M

| | ├──3-Bakbone模块得到特征.mp4 42.10M

| | ├──4-视觉Transformer模块的作用.mp4 45.97M

| | ├──5-视觉模型中的编码与解码的效果.mp4 54.49M

| | ├──6-文本模型中的结构分析.mp4 38.66M

| | ├──7-迭代修正模块.mp4 38.14M

| | └──8-输出层与损失计算.mp4 52.81M

| ├──15-第四模块:KIE基于图模型的关键信息抽取

| | ├──1-配置文件以及要完成的任务解读.mp4 51.55M

| | ├──2-KIE数据集格式调整方法.mp4 69.46M

| | ├──3-配置文件与标签要进行处理操作.mp4 47.83M

| | ├──4-边框要计算的特征分析.mp4 35.57M

| | ├──5-标签数据处理与关系特征提取.mp4 56.48M

| | ├──6-特征合并处理.mp4 43.74M

| | ├──7-准备拼接边与点特征.mp4 41.38M

| | └──8-整合得到图模型输入特征.mp4 71.98M

| ├──16-第五模块:stylegan2源码解读

| | ├──1-要完成的任务与基本思想概述.mp4 57.79M

| | ├──2-得到style特征编码.mp4 69.51M

| | ├──3-特征编码风格拼接.mp4 36.76M

| | ├──4-基础风格特征卷积模块.mp4 54.69M

| | ├──5-上采样得到输出结果.mp4 40.75M

| | └──6-损失函数概述.mp4 26.56M

| ├──17-第六模块:BasicVSR++视频超分辨重构源码解读

| | ├──1-要完成的任务分析与配置文件.mp4 27.36M

| | ├──10-传播流程整体完成一圈.mp4 61.55M

| | ├──11-完成输出结果.mp4 51.56M

| | ├──2-特征基础提取模块.mp4 44.58M

| | ├──3-光流估计网络模块.mp4 25.67M

| | ├──4-基于光流完成对齐操作.mp4 40.23M

| | ├──5-偏移量计算方法.mp4 32.48M

| | ├──6-双向计算特征对齐.mp4 36.97M

| | ├──7-提特征传递流程分析.mp4 37.23M

| | ├──8-序列传播计算.mp4 39.88M

| | └──9-准备变形卷积模块的输入.mp4 44.71M

| ├──18-第七模块:多模态3D目标检测算法源码解读

| | ├──1-环境配置与数据集概述.mp4 51.52M

| | ├──10-3D卷积特征融合.mp4 56.76M

| | ├──11-输出层预测结果.mp4 80.80M

| | ├──2-数据与标注文件介绍.mp4 37.49M

| | ├──3-基本流程梳理并进入debug模式.mp4 50.33M

| | ├──4-数据与图像特征提取模块.mp4 58.02M

| | ├──5-体素索引位置获取.mp4 64.72M

| | ├──6-体素特征提取方法解读.mp4 37.57M

| | ├──7-体素特征计算方法分析.mp4 70.71M

| | ├──8-全局体素特征提取.mp4 95.96M

| | └──9-多模态特征融合.mp4 68.36M

| ├──19-第八模块:模型蒸馏应用实例

| | ├──1-任务概述与工具使用.mp4 39.64M

| | ├──2-Teacher与Student网络结构定义.mp4 46.25M

| | ├──3-训练T与S得到蒸馏模型.mp4 70.63M

| | ├──4-开始模型训练过程与问题修正.mp4 57.26M

| | ├──5-日志输出与模型分离.mp4 70.25M

| | ├──6-分别得到Teacher与Student模型.mp4 45.74M

| | └──7-实际测试效果演示.mp4 39.02M

| ├──2-第一模块:分类任务基本操作

| | ├──1-MMCLS问题修正.mp4 23.50M

| | ├──2-准备MMCLS项目.mp4 32.26M

| | ├──3-基本参数配置解读.mp4 34.52M

| | ├──4-各模块配置文件组成.mp4 35.81M

| | ├──5-生成完整配置文件.mp4 24.45M

| | ├──6-根据文件夹定义数据集.mp4 40.27M

| | ├──7-构建自己的数据集.mp4 36.33M

| | └──8-训练自己的任务.mp4 39.32M

| ├──20-第八模块:模型剪枝方法概述分析

| | ├──1-SuperNet网络结构分析与剪枝概述.mp4 40.58M

| | └──2-搜索匹配到符合计算量的模型并训练.mp4 46.83M

| ├──21-第九模块:mmaction行为识别

| | └──1-创建自己的行为识别标注数据集.mp4 232.73M

| ├──22-OCR算法解读

| | └──1-OCR算法解读.mp4 1.67G

| ├──23-额外补充-在源码中加入各种注意力机制方法

| | └──1-在源码中加入各种注意力机制方法.mp4 122.48M

| ├──3-第一模块:训练结果测试与验证

| | ├──1-测试DEMO效果.mp4 25.49M

| | ├──2-测试评估模型效果.mp4 27.58M

| | ├──3-MMCLS中增加一个新的模块.mp4 62.61M

| | ├──4-修改配置文件中的参数.mp4 67.72M

| | ├──5-数据增强流程可视化展示.mp4 37.40M

| | ├──6-Grad-Cam可视化方法.mp4 41.17M

| | ├──7-可视化细节与效果分析.mp4 124.19M

| | ├──8-MMCLS可视化模块应用.mp4 72.07M

| | └──9-模型分析脚本使用.mp4 36.37M

| ├──4-第一模块:模型源码DEBUG演示

| | ├──1-VIT任务概述.mp4 29.96M

| | ├──2-数据增强模块概述分析.mp4 49.58M

| | ├──3-PatchEmbedding层.mp4 25.30M

| | ├──4-前向传播基本模块.mp4 38.87M

| | └──5-CLS与输出模块.mp4 44.04M

| ├──5-第二模块:使用分割模块训练自己的数据集

| | ├──1-项目配置基本介绍.mp4 74.23M

| | ├──2-数据集标注与制作方法.mp4 56.84M

| | ├──3-根据预测类别数修改配置文件.mp4 39.48M

| | ├──4-加载预训练模型开始训练.mp4 86.52M

| | └──5-预测DEMO演示.mp4 21.88M

| ├──6-第二模块:基于Unet进行各种策略修改

| | ├──1-配置文件解读.mp4 32.12M

| | ├──2-编码层模块.mp4 32.47M

| | ├──3-上采样与输出层.mp4 28.25M

| | ├──4-辅助层的作用.mp4 19.83M

| | ├──5-给Unet添加一个neck层.mp4 30.37M

| | ├──6-如何修改参数适配网络结构.mp4 21.73M

| | ├──7-将Unet特征提取模块替换成transformer.mp4 22.41M

| | └──8-VIT模块源码分析.mp4 45.48M

| ├──7-第二模块:分割任务CVPR最新Backbone设计及其应用

| | ├──1-注册自己的Backbone模块.mp4 34.30M

| | ├──10-汇总多层级特征进行输出.mp4 43.35M

| | ├──2-配置文件指定.mp4 35.84M

| | ├──3-DEBUG解读Backbone设计.mp4 40.45M

| | ├──4-PatchEmbedding的作用与实现.mp4 44.88M

| | ├──5-卷积位置编码计算方法.mp4 53.89M

| | ├──6-近似Attention模块实现.mp4 79.49M

| | ├──7-完成特征提取与融合模块.mp4 55.69M

| | ├──8-分割输出模块.mp4 57.72M

| | └──9-全局特征的作用与实现.mp4 56.34M

| ├──8-第三模块:mmdet训练自己的数据任务

| | ├──1-数据集标注与标签获取.mp4 31.35M

| | ├──2-COCO数据标注格式.mp4 28.16M

| | ├──3-通过脚本生成COCO数据格式.mp4 38.55M

| | ├──4-配置文件数据增强策略分析.mp4 45.59M

| | ├──5-训练所需配置说明.mp4 56.00M

| | ├──6-模型训练与DEMO演示.mp4 35.27M

| | ├──7-模型测试与可视化分析模块.mp4 77.61M

| | └──8-补充:评估指标.mp4 14.06M

| └──9-第三模块:DeformableDetr物体检测源码分析

| | ├──1-特征提取与位置编码.mp4 38.16M

| | ├──10-分类与回归输出模块.mp4 49.72M

| | ├──11-预测输出结果与标签匹配模块.mp4 44.31M

| | ├──2-序列特征展开并叠加.mp4 51.07M

| | ├──3-得到相对位置点编码.mp4 28.80M

| | ├──4-准备Encoder编码层所需全部输入.mp4 37.91M

| | ├──5-编码层中的序列分析.mp4 39.73M

| | ├──6-偏移量offset计算.mp4 46.09M

| | ├──7-偏移量对齐操作.mp4 39.80M

| | ├──8-Encoder层完成特征对齐.mp4 51.84M

| | └──9-Decoder要完成的操作.mp4 38.98M

├──9-经典视觉项目实战:行为识别、姿态估计、目标追踪

| ├──1-slowfast算法知识点通俗解读

| | ├──1-slowfast核心思想解读.mp4 74.86M

| | ├──2-核心网络结构模块分析.mp4 20.98M

| | ├──3-数据采样曾的作用.mp4 18.26M

| | ├──4-模型网络结构设计.mp4 19.30M

| | └──5-特征融合模块与总结分析.mp4 39.30M

| ├──10-OpenPose算法源码分析

| | ├──1-数据集与路径配置解读.mp4 33.79M

| | ├──10-多阶段输出与预测.mp4 46.99M

| | ├──2-读取图像与标注信息.mp4 46.78M

| | ├──3-关键点与躯干特征图初始化.mp4 34.31M

| | ├──4-根据关键点位置设计关键点标签.mp4 54.92M

| | ├──5-准备构建PAF躯干标签.mp4 29.58M

| | ├──6-各位置点归属判断.mp4 28.04M

| | ├──7-特征图各点累加向量计算.mp4 32.67M

| | ├──8-完成PAF特征图制作.mp4 31.91M

| | └──9-网络模型一阶段输出.mp4 27.54M

| ├──11-deepsort算法知识点解读

| | ├──1-卡尔曼滤波通俗解释.mp4 31.48M

| | ├──10-sort与deepsort建模流程分析.mp4 26.79M

| | ├──11-预测与匹配流程解读.mp4 26.25M

| | ├──12-追踪任务流程拆解.mp4 32.13M

| | ├──2-卡尔曼滤波要完成的任务.mp4 15.60M

| | ├──3-任务本质分析.mp4 19.07M

| | ├──4-基于观测值进行最优估计.mp4 17.11M

| | ├──5-预测与更新操作.mp4 24.00M

| | ├──6-追踪中的状态量.mp4 16.04M

| | ├──7-匈牙利匹配算法概述.mp4 19.23M

| | ├──8-匹配小例子分析.mp4 21.80M

| | └──9-REID特征的作用.mp4 20.84M

| ├──12-deepsort源码解读

| | ├──1-项目环境配置.mp4 37.33M

| | ├──10-匹配结果与总结.mp4 76.93M

| | ├──2-参数与DEMO演示.mp4 42.18M

| | ├──3-针对检测结果初始化track.mp4 48.20M

| | ├──4-对track执行预测操作.mp4 38.30M

| | ├──5-状态量预测结果.mp4 36.02M

| | ├──6-IOU代价矩阵计算.mp4 32.89M

| | ├──7-参数更新操作.mp4 50.21M

| | ├──8-级联匹配模块.mp4 43.34M

| | └──9-ReID特征代价矩阵计算.mp4 46.45M

| ├──13-YOLO-V4版本算法解读

| | ├──1-V4版本整体概述.mp4 15.06M

| | ├──10-PAN模块解读.mp4 20.64M

| | ├──11-激活函数与整体架构总结.mp4 19.19M

| | ├──2-V4版本贡献解读.mp4 10.06M

| | ├──3-数据增强策略分析.mp4 24.70M

| | ├──4-DropBlock与标签平滑方法.mp4 19.36M

| | ├──5-损失函数遇到的问题.mp4 14.26M

| | ├──6-CIOU损失函数定义.mp4 10.82M

| | ├──7-NMS细节改进.mp4 16.66M

| | ├──8-SPP与CSP网络结构.mp4 14.81M

| | └──9-SAM注意力机制模块.mp4 22.48M

| ├──14-V5版本项目配置

| | ├──1-整体项目概述.mp4 35.77M

| | ├──2-训练自己的数据集方法.mp4 41.32M

| | ├──3-训练数据参数配置.mp4 51.48M

| | └──4-测试DEMO演示.mp4 50.47M

| ├──15-V5项目工程源码解读

| | ├──1-数据源DEBUG流程解读.mp4 48.13M

| | ├──10-完成配置文件解析任务.mp4 58.80M

| | ├──11-前向传播计算.mp4 30.80M

| | ├──12-BottleneckCSP层计算方法.mp4 33.82M

| | ├──13-1-SPP层计算细节分析.mp4 29.09M

| | ├──14-2-Head层流程解读.mp4 29.12M

| | ├──15-上采样与拼接操作.mp4 21.48M

| | ├──16-输出结果分析.mp4 41.71M

| | ├──17-超参数解读.mp4 34.94M

| | ├──18-命令行参数介绍.mp4 44.26M

| | ├──19-训练流程解读.mp4 46.81M

| | ├──2-图像数据源配置.mp4 34.65M

| | ├──20-各种训练策略概述.mp4 38.43M

| | ├──21-模型迭代过程.mp4 38.42M

| | ├──3-加载标签数据.mp4 26.33M

| | ├──4-Mosaic数据增强方法.mp4 28.19M

| | ├──5-数据四合一方法与流程演示.mp4 41.69M

| | ├──6-getItem构建batch.mp4 33.03M

| | ├──7-网络架构图可视化工具安装.mp4 34.33M

| | ├──8-V5网络配置文件解读.mp4 35.74M

| | └──9-Focus模块流程分析.mp4 21.93M

| ├──2-slowfast项目环境配置与配置文件

| | ├──1-环境基本配置解读.mp4 45.35M

| | ├──2-目录各文件分析.mp4 36.84M

| | ├──3-配置文件作用解读.mp4 50.90M

| | ├──4-测试DEMO演示.mp4 66.77M

| | ├──5-训练所需标签文件说明.mp4 48.77M

| | ├──6-训练所需视频数据准备.mp4 47.39M

| | ├──7-视频数据集切分操作.mp4 39.66M

| | └──8-完成视频分帧操作.mp4 32.77M

| ├──3-slowfast源码详细解读

| | ├──1-模型所需配置文件参数读取.mp4 33.24M

| | ├──10-RoiAlign与输出层.mp4 78.92M

| | ├──2-数据处理概述.mp4 49.72M

| | ├──3-dataloader数据遍历方法.mp4 56.85M

| | ├──4-数据与标签读取实例.mp4 52.22M

| | ├──5-图像数据所需预处理方法.mp4 66.76M

| | ├──6-slow与fast分别执行采样操作.mp4 66.34M

| | ├──7-分别计算特征图输出结果.mp4 56.64M

| | ├──8-slow与fast特征图拼接操作.mp4 49.69M

| | └──9-resnetBolock操作.mp4 53.62M

| ├──4-基于3D卷积的视频分析与动作识别

| | ├──1-3D卷积原理解读.mp4 20.62M

| | ├──2-UCF101动作识别数据集简介.mp4 51.69M

| | ├──3-测试效果与项目配置.mp4 55.60M

| | ├──4-视频数据预处理方法.mp4 32.25M

| | ├──5-数据Batch制作方法.mp4 46.66M

| | ├──6-3D卷积网络所涉及模块.mp4 37.76M

| | └──7-训练网络模型.mp4 38.81M

| ├──5-视频异常检测算法与元学习

| | ├──1-异常检测要解决的问题与数据集介绍.mp4 21.49M

| | ├──2-基本思想与流程分析.mp4 24.27M

| | ├──3-预测与常见问题.mp4 26.58M

| | ├──4-Meta-Learn要解决的问题.mp4 20.78M

| | ├──5-学习能力与参数定义.mp4 14.17M

| | ├──6-如何找到合适的初始化参数.mp4 23.36M

| | └──7-MAML算法流程解读.mp4 28.99M

| ├──6-视频异常检测CVPR2021论文及其源码解读

| | ├──1-论文概述与环境配置.mp4 26.61M

| | ├──2-数据集配置与读取.mp4 38.74M

| | ├──3-模型编码与解码结构.mp4 33.37M

| | ├──4-注意力机制模块打造.mp4 61.12M

| | ├──5-损失函数的目的.mp4 57.97M

| | ├──6-特征图生成.mp4 38.02M

| | └──7-MetaLearn与输出.mp4 29.79M

| ├──7-基础补充-Resnet模型及其应用实例

| | ├──1-医学疾病数据集介绍.mp4 18.85M

| | ├──2-Resnet网络架构原理分析.mp4 24.81M

| | ├──3-dataloader加载数据集.mp4 64.78M

| | ├──4-Resnet网络前向传播.mp4 35.82M

| | ├──5-残差网络的shortcut操作.mp4 47.34M

| | ├──6-特征图升维与降采样操作.mp4 26.89M

| | └──7-网络整体流程与训练演示.mp4 67.45M

| ├──8-课程介绍

| | └──1-课程介绍.mp4 27.22M

| └──9-姿态估计OpenPose系列算法解读

| | ├──1-姿态估计要解决的问题分析.mp4 79.45M

| | ├──10-匹配方法解读.mp4 21.06M

| | ├──11-CPM模型特点.mp4 21.94M

| | ├──12-算法流程与总结.mp4 50.27M

| | ├──2-姿态估计应用领域概述.mp4 20.80M

| | ├──3-传统topdown方法的问题.mp4 37.95M

| | ├──4-要解决的两个问题分析.mp4 10.19M

| | ├──5-基于高斯分布预测关键点位置.mp4 24.83M

| | ├──6-各模块输出特征图解读.mp4 15.58M

| | ├──7-PAF向量登场.mp4 12.59M

| | ├──8-PAF标签设计方法.mp4 25.01M

| | └──9-预测时PAF积分计算方法.mp4 34.91M

├──课件和源码资料

| ├──解压密码:666java.com

| ├──课件资料.zip 90.07G

| └──源码-人工智能深度学习系统班(第9期录播).java 125.75kb

└──唐宇迪人工智能深度学习系统班第九期V9.2_文件目录.txt 224.28kb

资源下载此资源下载价格为49.9自学币,终身VIP免费,请先
资源下载
下载价格49.9 自学币
终身VIP免费

本站资料仅供个人学习和研究使用 若本帖作者内容侵犯了原著者的合法权益请提供相应证明材料本站审核通过后将即予以处理

0

评论0

本站资源持续更新中,只需赞助118自学币即可开通终生会员!
显示验证码
没有账号? 注册  忘记密码?

社交账号快速登录