〖课程简介〗
人工智能趋势
人工智能是当前乃至未来时代热门的技术之一,已在全球范围内掀起了研究与学习热潮。人工智能连续四年成为大学最热门专业!!! 课程知识体系完备,从简明的python语言开始,到机器学习,再到AI的两大应用方向:计算机视觉(CV)和自然语言处理(NLP),几乎包含了当下AI就业市场的全部需求。同时,课程学习曲线设计平滑,根据学习者对知识的消化吸收情况,循序渐进增强自身的AI技能。
学完收获:
能够熟练掌握Python开发的通用技术和框架,具备人工智能领域内机器学习,深度学习,计算机视觉和自然语言处理业务分析及开发的能力,同时培养学生使用AI算法构建业务流的能力和针对特定算法进行实用化、拓展化的再创新能力,从而足以胜任算法工程师等相关AI职位。百万年薪不是梦!!!
〖课程目录〗
├──【 主学习路线】01、阶段一 人工智能Python基础
| ├──1–第一章 计算机组成原理
| | └──1–计算机原理
| ├──2–第二章 python基础语法
| | ├──1–课程介绍
| | ├──2–注释
| | ├──3–变量
| | ├──4–bug认识
| | ├──5–数据类型
| | ├──6–输出
| | ├──7–输入
| | ├──8–数据类型转换
| | └──9–运算符
| ├──3–第三章 判断语句
| | ├──1–判断语句介绍
| | ├──2–if基本格式
| | ├──3–if…elif…else格式
| | ├──4–if嵌套
| | └──5–案例猜拳游戏
| ├──4–第四章 循环语句
| | ├──1–循环语句介绍
| | ├──2–while循环
| | ├──3–循环应用
| | ├──4–break和continue
| | ├──5–while循环嵌套及应用
| | ├──6–for循环
| | └──7–循环else应用
| ├──5–第五章 字符串
| | ├──1–字符串介绍
| | ├──2–输入输出
| | ├──3–切片
| | └──4–字符串操作方法
| ├──6–第六章 列表
| | ├──1–列表相关操作
| | ├──2–列表循环遍历
| | └──3–列表嵌套
| ├──7–第七章 元组
| | └──1–元组相关操作
| ├──8–第八章 字典
| | ├──1–字典介绍
| | ├──2–字典的常见操作
| | └──3–字典遍历
| └──9–第九章 集合
| | └──1–集合的相关操作
| ├──10–第十章 公共方法
| | ├──1–公共方法
| | └──2–推导式
| ├──11–第十一章 函数
| | ├──1–函数介绍
| | ├──10–函数参数二
| | ├──11–拆包, 交换变量
| | ├──12–引用
| | ├──2–函数参数一
| | ├──3–函数返回值一
| | ├──4–函数文档说明
| | ├──5–函数嵌套
| | ├──6–局部变量
| | ├──7–全局变量
| | ├──8–函数执行流程
| | └──9–函数返回值二
| ├──12–第十二章 函数强化
| | ├──1–函数应用学员管理系统
| | ├──2–课后练习(学员管理系统)
| | ├──3–递归函数
| | ├──4–匿名函数
| | └──5–高阶函数
| ├──13–第十三章 文件操作
| | ├──1–文件操作介绍
| | ├──2–文件读写操作
| | ├──3–案例文件备份
| | └──4–文件及文件夹的相关操作
| ├──14–第十四章 面向对象
| | ├──1–面向对象介绍
| | ├──10–私有属性和方法
| | ├──11–多态
| | ├──12–类属性及相关方法
| | ├──2–类和对象
| | ├──3–对象属性操作
| | ├──4–魔法方法
| | ├──5–案例烤地瓜
| | ├──6–案例 搬家具
| | ├──7–继承
| | ├──8–子类重写父类属性和方法
| | └──9–super方法使用
| ├──15–第十五章 异常
| | ├──1–异常介绍
| | ├──2–捕获异常
| | ├──3–异常传递
| | └──4–自定义异常
| ├──16–第十六章 模块
| | ├──1–模块介绍
| | ├──2–模块制作
| | └──3–python中的包
| ├──17–第十七章 学生管理系统(面向对象版)
| | └──1–学生管理系统(面向对象)
├──【 主学习路线】02、阶段二 人工智能Python高级
| ├──1–第一章 Linux基础命令
| | ├──1–linux简介
| | └──2–linux相关命令
| ├──2–第二章 Linux高级命令
| | ├──1–linux高级操作
| | ├──2–远程控制
| | └──3–vim介绍
| ├──3–第三章 多任务编程
| | ├──1–多任务介绍
| | ├──2–多进程介绍
| | ├──3–多线程介绍
| | ├──4–锁的介绍
| | └──5–进程和线程的对比
| ├──4–第四章 网络编程
| | ├──1–ip和端口介绍
| | ├──2–TCP介绍
| | ├──3–TCP开发流程
| | └──4–多任务案例
| ├──5–第五章 HTTP协议和静态服务器
| | ├──1–HTTP协议
| | └──2–静态web服务器搭建
| ├──6–第六章 闭包,装饰器及python高级语法
| | ├──1–闭包
| | ├──2–装饰器
| | ├──3–property语法
| | ├──4–with语法
| | └──5–python高级语法
| ├──7–第七章 正则表达式
| | └──1–正则表达式
| ├──8–第八章 数据结构与算法
| | ├──1–算法概念
| | ├──10–选择排序
| | ├──11–插入排序
| | ├──12–快速排序
| | ├──13–二分查找
| | ├──14–二叉树
| | ├──15–二叉树的遍历
| | ├──2–时间复杂度
| | ├──3–空间复杂度
| | ├──4–数据结构
| | ├──5–顺序表
| | ├──6–链表
| | ├──7–栈
| | ├──8–队列
| | └──9–冒泡排序
| └──9–第九章 MySql数据库基本使用
| | ├──1–数据库介绍
| | ├──2–数据表的基本操作
| | ├──3–where条件查询
| | └──4–排序
| ├──10–第十章 MySqL数据库高级使用
| | ├──1–条件查询
| | ├──2–实战操作
| | ├──3–外键使用
| | ├──4–视图
| | ├──5–事务
| | ├──6–索引
| | ├──7–设计范式
| | └──8–PyMySQL的使用
├──【 主学习路线】03、阶段三 人工智能机器学习
| ├──1–第一章 机器学习概述V2.1
| | └──1–机器学习介绍
| ├──2–第二章 环境安装和使用V2.1
| | └──1–环境安装及使用
| ├──3–第三章 matplotlibV2.1
| | └──1–matplotlib使用
| ├──4–第四章 numpyV2.1
| | └──1–numpy使用
| ├──5–第五章 pandasV2.1
| | ├──1–pandas数据结构
| | ├──2–pandas基础使用
| | ├──3–pandas高级使用
| | └──4–电影案例分析
| ├──6–第六章 seabornV2.1
| | ├──1–绘制统计图
| | ├──2–分类数据绘图
| | ├──3–NBA案例
| | └──4–北京租房数据统计分析
| ├──7–第七章 K近邻算法V2.1
| | ├──1–k近邻算法介绍
| | ├──2–kd树
| | ├──3–数据集处理
| | ├──4–特征工程
| | ├──5–KNN总结
| | ├──6–交叉验证, 网格搜索
| | └──7–案例 Facebook位置预测
| ├──8–第八章 线性回归V2.1
| | ├──1–回归介绍
| | ├──2–损失优化
| | └──3–回归相关知识
| └──9–第九章 逻辑回归V2.1
| | └──1–逻辑回归
| ├──10–第十章 决策树V2.1
| | ├──1–信息增益
| | ├──2–特征提取
| | ├──3–案例泰坦生存预测
| | └──4–回归决策树
| ├──11–第十一章 集成学习V2.1
| | ├──1–集成介绍
| | ├──2–随机森林案例
| | └──3–集成学习
| ├──12–第十二章 聚类算法V2.1
| | └──1–聚类算法
| ├──13–第十三章 朴素贝叶斯V2.1
| | └──1–朴素贝叶斯
| ├──14–第十四章 SVM算法V2.1
| | └──1–SVM算法
| ├──15–第十五章 EM算法V2.1
| | └──1–EM算法
| ├──16–第十六章 HMM算法V2.1
| | └──1–HMM算法
| ├──17–第十七章 集成学习进阶V2.1
| | ├──1–XGBoost算法
| | ├──2–otto案例
| | ├──3–lightGBM算法
| | └──4–绝地求生案例
├──【 主学习路线】04、阶段四 计算机视觉与图像处理
| ├──1–第一章 课程简介_v2.0
| | ├──1–深度学习
| | └──2–计算机视觉(CV)
| ├──2–第二章 tensorflow入门_v2.0
| | ├──1–tensorflow和keras简介
| | └──2–快速入门模型
| ├──3–第三章 深度神经网络_v2.0
| | ├──1–神经网络简介
| | ├──2–常见的损失函数
| | ├──3–深度学习的优化方法
| | ├──4–深度学习的正则化
| | ├──5–神经网络案例
| | └──6–卷积神经网络CNN
| ├──4–第四章 图像分类_v2.0
| | ├──1–图像分类简介
| | ├──2–AlexNet
| | ├──3–VGG
| | ├──4–GoogleNet
| | ├──5–ResNet
| | ├──6–图像增强方法
| | └──7–模型微调
| ├──5–第五章 目标检测_v2.0
| | ├──1–目标检测概述
| | ├──2–R-CNN网络基础
| | ├──3–Faster-RCNN原理与实现
| | ├──4–yolo系列算法
| | ├──5–yoloV3案例
| | └──6–SSD模型介绍
| ├──6–第六章 图像分割_v2.0
| | ├──1–目标分割介绍
| | ├──2–语义分割:FCN与Unet
| | ├──3–Unet-案例
| | └──4–实例分割:MaskRCNN
| ├──7–第七章 OpenCV简介_v2.0
| | ├──1–图像处理简介
| | ├──2–OpenCV简介及安装方法
| | └──3–OpenCV的模块
| ├──8–第八章 OpenCV基本操作_v.2.0
| | ├──1–图像的基础操作
| | └──2–算数操作
| └──9–第九章 OpenCV图像处理_v2.0
| | ├──1–几何变换
| | ├──2–形态学操作
| | ├──3–图像平滑
| | ├──4–直方图
| | ├──5–边缘检测
| | ├──6–模版匹配和霍夫变换
| | └──7–轮廓检测
| ├──10–第十章 图像特征提取与描述_v2.0
| | ├──1–角点特征
| | ├──2–Harris和Shi-Tomas算法
| | ├──3–SIFT
| | ├──4–Fast和ORB算法
| | └──5–LBP和HOG特征算子
| ├──11–第十一章 视频操作_v2.0
| | ├──1–视频读写
| | └──2–视频追踪
| ├──12–第十二章 案例人脸案例_v2.0
| | └──1–案例人脸案例
├──【 主学习路线】05、阶段五 NLP自然语言处理
| ├──1–第一章 Pytorch工具_v2.0
| | ├──1–认识pytorch
| | ├──2– Pytorch中的autograd
| | ├──3–使用Pytorch构建一个神经网络
| | └──4–使用Pytorch构建一个分类器
| ├──2–第二章 自然语言处理NLP介绍-v2.0
| | └──1–NLP简介
| ├──3–第三章 文本预处理-v2.0
| | ├──1–认识文本预处理
| | ├──2–文本处理的基本方法
| | ├──3–文本张量表示方法
| | ├──4–文本的数据分析
| | ├──5–文本的特征处理
| | └──6–文本数据增强
| ├──4–第四章 RNN架构解析-v2.0
| | ├──1–认识RNN模型
| | ├──2–传统RNN模型
| | ├──3–LSTM模型
| | ├──4–GRU模型
| | └──5–注意力机制
| ├──5–第五章 RNN经典案例-v2.0
| | ├──1–使用RNN模型构建人名分类器
| | └──2–使用seq2seq模型架构实现英译法任务
| ├──6–第六章 莎士比亚风格的文本生成任务-v2.0
| | └──1–莎士比亚风格的文本生成任务
| ├──7–第七章 Transformer背景介绍-v2.0
| | └──1–Transformer背景介绍
| ├──8–第八章 Transformer架构解析-v2.0
| | ├──1–认识Transformer架构
| | ├──10–编码器
| | ├──11–解码器层
| | ├──12–解码器
| | ├──13–输出部分实现
| | ├──14–模型构建
| | ├──2–输入部分实现
| | ├──3–掩码张量
| | ├──4–注意力机制
| | ├──5–多头注意力机制
| | ├──6–前馈全连接层
| | ├──7–规范化层
| | ├──8–子层连接结构
| | └──9–编码器层
| └──9–第九章 fasttext工具的使用-v2.0
| | ├──1–认识fasttext工具
| | ├──2–进行文本分类
| | ├──3–训练词向量
| | └──4–词向量迁移
| ├──10–第十章 迁移学习-v2.0
| | ├──1–迁移学习理论
| | ├──2–NLP中的标准数据集
| | ├──3–NLP中的常用预训练模型
| | ├──4–加载和使用预训练模型
| | └──5–迁移学习实践
| ├──11–第十一章 BERT,Transformer的模型架构与详解-v2.0
| | ├──1–认识BERT
| | ├──10–BERT模型的优点和缺点
| | ├──11–BERT的MLM任务为什么采用80% 10% 10%的策略
| | ├──12–长文本预测任务使用BERT如何构造训练样本
| | ├──2–Transformer的结构是什么样的 各个子模块各有什么作用
| | ├──3–Transformer结构中的Decoder端具体输入
| | ├──4–Transformer中的self-attention
| | ├──5–采用Multi-head Attention的原因和计算规则
| | ├──6–Transformer相比于RNN的优势和原因
| | ├──7–Transformer可以代替seq2seq的原因
| | ├──8–self-attention公式中添加scaled的原因
| | └──9–Transformer架构的并行化是如何进行的
| ├──12–第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0
| | ├──1–认识ELMo
| | ├──2–认识GPT
| | ├──3–认识GPT2
| | └──4–请详述BERT, GPT, ELMo模型的对比和各自的优缺点
| ├──13–第十三章 HMM模型-v2.0
| | ├──1–马尔科夫链
| | ├──2–HMM简介
| | ├──3–HMM模型基础
| | └──4–维特比算法解码隐藏状态序列
| ├──14–第十四章 经典的序列模型-v2.0
| | └──1–认识HMM与CRF模型
├──【 主学习路线】06、阶段六 人工智能项目实战
| ├──1–第一章 智慧交通
| | ├──1–项目简介
| | ├──2–算法原理
| | ├──3–多目标跟踪
| | ├──4–辅助功能
| | ├──5–卡尔曼滤波
| | ├──6–匈牙利算法
| | ├──7–数据关联
| | ├──8–SORT
| | └──9–目标检测
| | ├──10–车流量统计
| | ├──11–相机校正
| | ├──12–相机校正和图像去畸变
| | ├──13–车道线提取
| | ├──14–透视变换
| | ├──15–车道线定位与拟合
| | ├──16–车道曲率与车辆偏离中心线距离
| | ├──17–在视频中进行车道线检测
| | ├──18–SIamese网络系列(选学)
| | ├──19–跟踪效果(选学)
| | ├──20–数据集处理(选学)
| | ├──21–网络模型搭建(选学)
| | ├──22–网络模型训练(选学)
| | ├──23–网络模型测试(选学)
| | └──24–网络模型应用(选学)
| ├──2–第二章 在线医生
| | ├──1–背景介绍
| | ├──2–Unit对话API使用
| | ├──3–在线医生的总体架构
| | ├──4–总体架构中的工具介绍
| | ├──5–neo4j简介
| | ├──6–neo4j图数据库的安装
| | ├──7–Cypher介绍与使用
| | ├──8–在Python中使用neo4j
| | ├──9–离线部分简要分析
| | ├──10–结构化数据流水线
| | ├──11–非结构化数据流水线
| | ├──12–任务介绍与模型选用
| | ├──13–训练数据集
| | ├──14–BERT中文预训练模型
| | ├──15–构建RNN模型
| | ├──16–进行模型训练
| | ├──17–NE模型使用
| | ├──18–命名实体识别介绍
| | ├──19–BiLSTM介绍
| | ├──20–CRF介绍
| | ├──21–BiLSTM+CRF模型
| | ├──22–模型训练
| | ├──23–模型使用
| | ├──24–在线部分简要分析
| | ├──25–werobot服务构建
| | ├──26–主要逻辑服务
| | ├──27–任务介绍与模型选用及训练数据集
| | ├──28–BERT中文预训练模型1
| | ├──29–微调模型
| | ├──30–进行模型训练1
| | ├──31–模型部署
| | └──32–系统联调与测试
| ├──3–第三章 智能文本分类系统
| | ├──1–整体系统搭建
| | ├──2–构建标签词汇图谱
| | ├──3–特征工程和fasttext模型训练
| | ├──4–多模型训练和预测
| | ├──5–系统联调和测试
| | ├──6–泛娱乐推荐介绍
| | ├──7–召回模块
| | └──8–排序模块
| ├──4–第四章 实时人脸识别检测项目
| | ├──1–人脸识别
| | ├──2–口罩检测
| | ├──3–Dlib模型训练
| | ├──4–活体检测
| | └──5–属性识别
├──【 主学习路线】07、阶段七 人工智能面试强化(赠送)
| ├──1–第一章 自动编码器
| | ├──1–自动编码器历史与应用介绍
| | ├──2–构建自动编码器
| | ├──3–自动编码器改进技巧
| | └──4–变分自动编码器
| ├──2–第二章 图像分割应用
| | └──1–图像分割应用介绍
| ├──3–第三章 生成对抗学习
| | └──1–生成对抗学习
| ├──4–第四章 算法进阶迁移学习
| | └──1–迁移学习介绍
| ├──5–第五章 模型可解释
| | └──1–模型可解释
| ├──6–第六章 模型压缩
| | └──1–模型压缩
| ├──7–第七章 终生学习
| | └──1–终生学习
| ├──8–第八章 算法进阶进化学习
| | └──1–进化学习
| └──9–第九章 贝叶斯方法
| | └──1–贝叶斯方法
| ├──10–第十章 贝叶斯方法实现及粒子滤波
| | └──1–贝叶斯方法实现及粒子滤波
| ├──11–第十一章 深度强化学习
| | ├──1–强化学习
| | ├──2–Q-learning算法
| | └──3–Deep Q-Network
├──【课外拓展】01、阶段一 HR面试技巧
| ├──第二章 2-求职篇
| | └──0-1 求职篇
| ├──第三章 3-面试篇
| | └──0-1 面试篇
| ├──第四章 4-试用期篇
| | └──0-1 试用期
| └──第一章 1-HR面试技巧
| | ├──1-众里寻他千百度,你的简历在何处.mp4 170.16M
| | ├──10-应聘企业早知道.mp4 40.64M
| | ├──11-谈钱怎么不伤感情.mp4 55.63M
| | ├──12-工作中的困难,你是如何处理的?.mp4 53.16M
| | ├──13-描述你的个性.mp4 53.88M
| | ├──14-你的应聘优势是什么.mp4 48.98M
| | ├──15-应聘企业早知道.mp4 43.40M
| | ├──16-生活中的那些爱好,挑一个盘他.mp4 50.93M
| | ├──17-选择机会重因素,个人心中要有数.mp4 69.24M
| | ├──18-加班,你怎么看?.mp4 64.57M
| | ├──19-处于下风?不存在的,几招教你定乾坤!.mp4 77.22M
| | ├──2-面试前的那些“坑”.mp4 140.79M
| | ├──20-提问的含金量,你知道吗?.mp4 83.59M
| | ├──3-了解应聘流程,做个有条不紊的人.mp4 80.36M
| | ├──4-自我介绍,你行吗?.mp4 129.29M
| | ├──5-你的规划你做主!.mp4 145.04M
| | ├──6-如何正视你的小缺点.mp4 85.29M
| | ├──7-谈谈跳槽那些事.mp4 53.47M
| | ├──8-与领导意见分歧,你是怎么做的?.mp4 54.19M
| | └──9-世界那么大,趋势知多少?.mp4 37.09M
├──【课外拓展】02、阶段二 赠送-人脸支付
| └──第一章 1-人脸支付
| | ├──0-1 项目背景介绍
| | ├──0-2 人脸检测子任务
| | ├──0-3 人脸姿态估计
| | ├──0-4 人脸多任务
| | ├──0-5 人脸识别
| | └──0-6 项目集成
├──【课外拓展】03、阶段三 赠送-文本摘要项目
| └──第一章 1-文本摘要项目
| | ├──0-1 文本摘要项项目背景介绍
| | ├──0-10 模型的预测
| | ├──0-11 词向量的单独训练
| | ├──0-12 模型的优化
| | ├──0-13 PGN架构
| | ├──0-14 数据预处理
| | ├──0-15 PGN数据特殊性分析
| | ├──0-16 迭代器和类的实现
| | ├──0-17 PGN模型的搭建
| | ├──0-18 PGN模型训练
| | ├──0-19 PGN模型预测
| | ├──0-2 项目中的数据集初探
| | ├──0-20 评估方法介绍
| | ├──0-21 BLEU算法理论
| | ├──0-22 ROUGE算法理论
| | ├──0-23 ROUGE算法实现
| | ├──0-24 coverage机制原理
| | ├──0-25 coverage模型类实现
| | ├──0-26 coverage训练和预测
| | ├──0-27 Beam-search原理介绍
| | ├──0-28 Beam-search模型类实现
| | ├──0-29 TF-IDF算法原理和实现
| | ├──0-3 TextRank算法理论基础
| | ├──0-30 单词替换法的类实现
| | ├──0-31 单词替换法的训练和评估
| | ├──0-32 回译数据法实现和评估
| | ├──0-33 半监督学习法原理和实现
| | ├──0-34 训练策略原理和实现
| | ├──0-35 模型转移实现
| | ├──0-36 GPU优化原理和实现
| | ├──0-37 CPU优化原理和实现
| | ├──0-38 Flask实现模型部署
| | ├──0-4 TextRank算法实现模型
| | ├──0-5 seq2seq架构
| | ├──0-6 seq3seq架构
| | ├──0-7 工具函数的实现
| | ├──0-8 模型类的搭建
| | └──0-9 模型的训练
├──【课外拓展】04、阶段四 入学第一课
| └──无课程相关内容
├──【课外拓展】05、阶段五 阶段一 python基础(更新)
| ├──第一章 1-python基础编程
| | ├──0-1 python开发环境搭建
| | ├──0-10 循环else
| | ├──0-11 字符串定义切片
| | ├──0-12 字符串查找,替换,合并
| | ├──0-13 列表定义及使用
| | ├──0-14 元祖定义及使用
| | ├──0-15 字典定义及使用
| | ├──0-16 案例-学生管理系统(一)
| | ├──0-17 集合定义及使用
| | ├──0-18 公共方法与推导式
| | ├──0-19 函数基本使用
| | ├──0-2 Python注释与变量
| | ├──0-20 函数基本使用替代视频(04,05,06)
| | ├──0-21 函数作用域
| | ├──0-22 不定长参数与组包拆包
| | ├──0-23 案例-学生管理系统(二)
| | ├──0-24 基础加强练习
| | ├──0-25 可变类型及非可变类型
| | ├──0-26 递推
| | ├──0-27 递归
| | ├──0-28 lambda表达式
| | ├──0-29 文件基本操作
| | ├──0-3 Python数据类型
| | ├──0-30 文件操作案例
| | ├──0-31 案例-学生管理系统(三)
| | ├──0-32 python异常处理
| | ├──0-33 python模块与包
| | ├──0-34 案例-飞机大战
| | ├──0-4 Python格式化输出
| | ├──0-5 Python运算符
| | ├──0-6 Python分支语句
| | ├──0-7 while循环
| | ├──0-8 while循环案例
| | └──0-9 for循环及案例
| ├──第二章 2-python面向对象
| | ├──0-1 类定义及类属性使用
| | ├──0-2 魔法方法
| | ├──0-3 案例-面向对象
| | ├──0-4 面向对象封装与继承
| | ├──0-5 面向对象多态
| | └──0-6 类属性方法
├──【课外拓展】06、阶段六 阶段二 Python高级(更新)
| └──第一章 1-Linux基础
| | ├──0-1 Linux基础
| | ├──0-2 Linux终端基本使用
| | ├──0-3 Linux常用命令(1)
| | └──0-4 Linux常用命令(2)
| ├──第二章 2-SQL基础
| | ├──0-1 数据库基础
| | ├──0-2 SQL语言基础
| | ├──0-3 SQL约束
| | ├──0-4 SQL聚合
| | ├──0-5 SQL多表查询
| | └──0-6 SQL高阶特性
| ├──第三章 3-Python编程进阶
| | ├──0-1 函数的闭包
| | ├──0-10 进程
| | ├──0-11 线程
| | ├──0-12 进程线程对比
| | ├──0-13 With上下文管理器
| | ├──0-14 Python生成器
| | ├──0-15 Python中深浅拷贝
| | ├──0-16 Python中正则表达式
| | ├──0-17 正则表达式扩展
| | ├──0-18 FastAPI搭建Web服务器
| | ├──0-19 Python爬虫
| | ├──0-2 装饰器
| | ├──0-3 PyMySQL
| | ├──0-4 HTML基础
| | ├──0-5 CSS基础
| | ├──0-6 Socket网络编程
| | ├──0-7 TCP服务器开发
| | ├──0-8 静态Weeb服务器
| | └──0-9 FastAPI
├──【课外拓展】07、阶段七 阶段三 机器学习(更新)
| ├──第一章 1-机器学习基础算法
| | ├──0-1 人工智能原理基础
| | ├──0-2 KNN算法
| | ├──0-3 线性回归
| | └──0-4 逻辑回归
| ├──第二章 2-机器学习算法进阶
| | ├──0-1 决策树算法
| | ├──0-2 朴素贝叶斯算法
| | ├──0-3 SVM算法
| | ├──0-4 聚类算法
| | ├──0-5 集成学习算法
| | └──0-6 机器学习算法回顾总结(有需要的同学可以看看)
├──【课外拓展】08、阶段八 阶段四—深度学习基础补充视频
| ├──01-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的意义.mp4 100.88M
| ├──02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用(1).mp4 134.81M
| ├──02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用.mp4 134.81M
| ├──03-深度学习基础-深度神经网络-神经网络介绍-网络是如何工作的-参数初始化增补-初始化方式的对比.mp4 132.24M
| ├──04-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-数据传输过程(1).mp4 43.91M
| ├──04-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-数据传输过程.mp4 43.91M
| ├──05-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传播过程(输入层到隐藏层)(1).mp4 38.46M
| ├──05-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传播过程(输入层到隐藏层).mp4 38.46M
| ├──06-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传输过程(隐藏层到输出层)(1).mp4 19.99M
| ├──06-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传输过程(隐藏层到输出层).mp4 19.99M
| ├──07-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-损失函数的计算.mp4 49.95M
| ├──08-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-输出层权值的更新.mp4 65.37M
| ├──09-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-隐藏层权值的更新.mp4 63.39M
| ├──10-深度学习基础-深度神经网络-卷积神经网络CNN增补-网络参数量的计算.mp4 155.78M
| ├──11-深度学习基础-图像分类-图像分类案例补充(1)-任务介绍.mp4 51.45M
| ├──12-深度学习基础-图像分类-图像分类案例补充(2)-数据接获取与可视化.mp4 149.87M
| ├──13-深度学习基础-图像分类-图像分类案例补充(3)-图像增强.mp4 27.15M
| ├──14-深度学习基础-图像分类-图像分类案例补充(4)-Xception模型介绍.mp4 107.98M
| ├──15-深度学习基础-图像分类-图像分类案例补充(5)-项目网络介绍.mp4 131.99M
| ├──16-深度学习基础-图像分类-图像分类案例补充(6)-网络构建(输入流).mp4 28.44M
| ├──17-深度学习基础-图像分类-图像分类案例补充(7)-网络构建(中间流).mp4 29.77M
| ├──18-深度学习基础-图像分类-图像分类案例补充(8)-网络构建(输出流).mp4 41.05M
| ├──19-深度学习基础-图像分类-图像分类案例补充(9)-模型训练.mp4 121.96M
| ├──20-深度学习基础-图像分类-图像分类案例补充(10)-模型训练的实现.mp4 22.20M
| └──21-深度学习基础-图像分类-图像分类案例补充(11)-模型预测.mp4 143.40M
├──【课外拓展】09、阶段九 阶段五—NLP基础补充视频
| ├──01-文本预处理-文本预处理-文本数据增强讲解.mp4 14.12M
| ├──02-文本预处理-文本预处理-文本数据增强代码实现.mp4 14.17M
| ├──03-文本预处理- 新闻主题分类任务-数据加载方式的增补代码解读.mp4 9.12M
| ├──04-文本预处理-新闻主题分类任务-数据加载方式的增补文件补齐.mp4 5.40M
| ├──05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念.mp4 9.78M
| ├──06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理.mp4 20.46M
| ├──07-RNN及其变体-RNN架构解析-注意力机制的增补attention机制模型.mp4 34.58M
| ├──08-RNN及其变体-RNN架构解析-注意力机制的增补attention公式讲解.mp4 21.86M
| ├──09-RNN及其变体-RNN架构解析-注意力机制的增补attention应用场景.mp4 14.74M
| ├──10-Transformer—新增案例机器翻译模型-1模型的介绍.mp4 57.15M
| ├──11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建.mp4 24.13M
| ├──12-Transformer—新增案例机器翻译模型-3模型构建.mp4 31.48M
| ├──13-Transformer—新增案例机器翻译模型-4掩码的构建.mp4 15.05M
| ├──14-Transformer—新增案例机器翻译模型-5数据批处理.mp4 13.79M
| ├──15-Transformer—新增案例机器翻译模型-6构建训练函数和评估函数.mp4 32.81M
| ├──16-Transformer—新增案例机器翻译模型-7训练模型和定义解码函数.mp4 22.58M
| ├──17-Transformer—新增案例机器翻译模型-8翻译函数的定义和9模型保存.mp4 13.30M
| ├──18-迁移学习—迁移理论—加载和使用预训练模型全小节增补-1tokenizer加载.mp4 22.91M
| ├──19-迁移学习—迁移理论—加载和使用预训练模型全小节增补-2加载带头和不带头的预训练模型.mp4 39.74M
| ├──20-迁移学习—迁移理论—加载和使用预训练模型全小节增补-3加载不带头的模型输出结果.mp4 27.98M
| ├──21-迁移学习—迁移理论—加载和使用预训练模型全小节增补-4加载语言模型头结果输出.mp4 25.83M
| ├──22-迁移学习—迁移理论—加载和使用预训练模型全小节增补-5加载分类模型头结果输出.mp4 21.14M
| ├──23-迁移学习—迁移理论—加载和使用预训练模型全小节增补-6加载问答模型头结果输出.mp4 45.77M
| ├──24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传.mp4 52.62M
| ├──25-迁移学习—迁移理论—迁移学习实践增补内容-模型上传后加载使用.mp4 29.35M
| └──26-虚拟机的使用.mp4 14.09M
├──【课外拓展】10、阶段十 CV基础+项目(更新)
| └──第一章 1-Pytorch与深度学习基础
| | ├──0-1 Pytorch基础
| | ├──0-2 Pytorch张量操作
| | ├──0-3 Pytorch高阶操作
| | ├──0-4 Pytorch案例实战
| | ├──0-5 深度学习基础理论
| | ├──0-6 深度学习优化理论
| | └──0-7 BP神经网络案例
| ├──第二章 2-深度学习核心模型与实战
| | ├──0-1 卷积神经网络基础
| | ├──0-2 卷积神经网络案例
| | ├──0-3 循环神经网络基础
| | └──0-4 循环神经网络案例
| ├──第三章 3-01 – 目标检测
| | ├──0-1 目标检测概述
| | ├──0-2 FasterRCNN原理与实现
| | ├──0-3 FasterRCNN案例
| | ├──0-4 yolo v1-v3算法介绍
| | ├──0-5 yolo v4算法介绍
| | ├──0-6 yolo v5算法介绍
| | └──0-7 yolo v5案例
| ├──第四章 4-02 – OpenCV
| | ├──0-1 opencv简介
| | ├──0-2 几何变换
| | ├──0-3 形态学操作
| | ├──0-4 图形平滑
| | ├──0-5 直方图
| | ├──0-6 边缘检测
| | ├──0-7 视频读写
| | └──0-8 视频追踪
| ├──第五章 5-03 – 人脸支付
| | ├──0-1 项目背景介绍
| | ├──0-2 人脸检测子任务
| | ├──0-3 人脸姿态任务
| | ├──0-4 人脸多任务
| | ├──0-5 人脸识别
| | └──0-6 项目集成
| ├──第六章 6-04 – 智慧交通
| | ├──0-1 项目简介
| | ├──0-10 相机标定
| | ├──0-11 图像去畸变
| | ├──0-12 车道线提取
| | ├──0-13 透视变换
| | ├──0-14 车道线定位与拟合
| | ├──0-15 车道线曲率计算
| | ├──0-2 算法原理
| | ├──0-3 多目标跟踪
| | ├──0-4 卡尔曼滤波
| | ├──0-5 匈牙利算法
| | ├──0-6 sort
| | ├──0-7 yolo目标检测
| | ├──0-8 车流量统计
| | └──0-9 车道线检测
└──人工智能课件
| ├──01-阶段1-3(python基础 、python高级、机器学习)
| | ├──02-虚拟机环境
| | ├──03-python基础
| | ├──04-python高级
| | ├──05-机器学习
| | ├──01-Python+机器学习课程环境使用说明(1).pdf 3.78M
| | ├──AI虚拟机使用常见问题汇总(1).pdf 646.33kb
| | └──Azure机器学习模型搭建实验(1).doc 1.70M
| ├──02-阶段4 (计算机视觉CV) 阶段6 (CV项目)
| | ├──02-阶段4 (计算机视觉CV) 阶段6 (CV项目)
| | └──02-虚拟机环境
| ├──03-阶段5(自然语言处理NLP)、阶段6(NLP项目)
| | ├──02-NLP虚拟机环境
| | ├──03-深度学习与NLP
| | ├──04-NLP项目
| | └──01-自然语言处理NLP课程环境使用说明-v2.1.pdf 2.28M
| ├──阶段测试题
| | ├──阶段1—测试
| | ├──阶段2—测试
| | ├──阶段3—测试
| | ├──阶段4—测试
| | ├──阶段5—测试
| | └──.DS_Store 6.00kb
| ├──Iris数据集
| | ├──iris.csv 4.86kb
| | └──iris.txt 4.85kb
| ├──01-计算机视觉CV课程环境使用说明文档.pdf 3.59M
| └──机器学习梳理总结xmind.zip 8.61M