AI算法工程师就业班视频教程2022年完结(61G)

24
回复
2488
查看
[复制链接]
  • TA的每日心情
    擦汗
    1 小时前
  • 签到天数: 1064 天

    [LV.10]以坛为家III

    2120

    主题

    3426

    帖子

    36万

    积分

    管理员

    Rank: 9Rank: 9Rank: 9

    积分
    365127
    发表于 2022-11-14 17:40:09 | 显示全部楼层 |阅读模式
    AI算法工程师就业班视频教程2022年完结(61G)


    〖课程介绍〗:


    AI算法工程师就业班视频教程2022年完结(61G)

    〖课程目录〗:
          
    1--人工智能基础-快速入门  
    ├──1--人工智能就业、薪资、各行业应用  
    |   ├──1-人工智能就业前景与薪资.mp4  52.07M
    |   ├──2-人工智能适合人群与必备技能.mp4  44.57M
    |   ├──3-人工智能时代是发展的必然.mp4  23.22M
    |   └──4-人工智能在各领域的应用.mp4  57.73M
    └──2--机器学习和深度学习、有监督和无监督  
    |   ├──1-人工智能常见流程.mp4  89.62M
    |   ├──2-机器学习不同的学习方式.mp4  83.51M
    |   ├──3-深度学习比传统机器学习有优势.mp4  84.81M
    |   ├──4-有监督机器学习任务与本质.mp4  37.50M
    |   └──5-无监督机器学习任务与本质.mp4  50.15M
    10--机器学习与大数据-Kaggle竞赛实战  
    ├──1--药店销量预测案例  
    |   ├──1-Rossmann药店销量预测_kaggle的介绍.mp4  36.33M
    |   ├──2-对数据字段的介绍_导包.mp4  19.90M
    |   ├──3-自定义损失函数.mp4  21.12M
    |   ├──4-对数据里面的目标变量sales的一个分析.mp4  44.88M
    |   ├──5-数据的预处理.mp4  111.81M
    |   ├──6-模型的训练_评估.mp4  66.64M
    |   └──7-kaggle竞赛网站学习.mp4  172.16M
    └──2--网页分类案例  
    |   ├──1-Kaggle网页分类竞赛介绍.mp4  25.08M
    |   ├──10-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_02.mp4  85.63M
    |   ├──11-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_03.mp4  68.80M
    |   ├──12-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_04.mp4  74.74M
    |   ├──2-评估指标ROC和AUC.mp4  56.19M
    |   ├──3-评估指标ROC和AUC.mp4  49.03M
    |   ├──4-竞赛其他相关提交成绩排行榜.mp4  40.19M
    |   ├──5-数据导入.mp4  68.41M
    |   ├──6-MLlib对网页分类竞赛数据预处理.mp4  102.96M
    |   ├──7-MLlib对网页分类竞赛数据预处理_模型训练.mp4  71.27M
    |   ├──8-MLlib对网页分类竞赛模型训练_模型训练评估_搜索最佳超参数.mp4  62.48M
    |   └──9-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_01.mp4  87.47M
    11--机器学习与大数据-海量数据挖掘工具  
    ├──1--Spark计算框架基础  
    |   ├──1-Spark特性_01.mp4  41.68M
    |   ├──10-分布式计算所需进程.mp4  26.30M
    |   ├──11-两种算子操作本质区别.mp4  56.31M
    |   ├──12-Spark算子操作实战讲解_代码实战WordCount_01.mp4  69.39M
    |   ├──13-Spark算子操作实战讲解_代码实战WordCount_02.mp4  56.06M
    |   ├──14-Spark算子操作实战讲解_代码实战WordCount_03.mp4  44.12M
    |   ├──15-Spark算子操作实战讲解_代码实战WordCount_04.mp4  41.91M
    |   ├──2-Spark特性_02.mp4  35.15M
    |   ├──3-Spark对比hadoop优势.mp4  19.34M
    |   ├──4-回顾hadoop讲解shuffle.mp4  35.80M
    |   ├──5-分布式计算框架Shuffle的原理_01.mp4  46.22M
    |   ├──6-分布式计算框架Shuffle的原理_02.mp4  44.94M
    |   ├──7-分布式计算框架Shuffle的原理_03.mp4  29.26M
    |   ├──8-Spark的RDD特性_01.mp4  33.08M
    |   └──9-Spark的RDD特性_02.mp4  33.41M
    ├──2--Spark计算框架深入  
    |   ├──1-Spark数据缓存机制.mp4  54.43M
    |   ├──10-讲解构建稀疏和稠密向量_01.mp4  80.62M
    |   ├──11-讲解构建稀疏和稠密向量_01.mp4  101.76M
    |   ├──12-构建LabeledPoint.mp4  111.08M
    |   ├──13-介绍SparkMLlib模块中实现的算法和调用.mp4  91.18M
    |   ├──2-Spark宽依赖和窄依赖_01.mp4  39.74M
    |   ├──3-Spark宽依赖和窄依赖_02.mp4  38.86M
    |   ├──4-Spark宽依赖和窄依赖_03.mp4  28.03M
    |   ├──5-Spark术语总结.mp4  89.66M
    |   ├──6-分布式文件系统Block块的大小配置.mp4  114.54M
    |   ├──7-Spark程序启动运行流程详解_01.mp4  49.37M
    |   ├──8-Spark程序启动运行流程详解_02.mp4  71.40M
    |   └──9-Spark程序启动运行流程详解_03.mp4  47.28M
    └──3--Spark机器学习MLlib和ML模块  
    |   ├──1-SparkMLlib对于逻辑回归算法的调用.mp4  170.37M
    |   ├──10-SparkMLlib调用KMeans聚类_调用决策树(1)_3.mp4  104.55M
    |   ├──11-使用逻辑回归和随机森林对股票Stock预测案例实战_1.mp4  89.72M
    |   ├──12-使用逻辑回归和随机森林对股票Stock预测案例实战_2.mp4  92.22M
    |   ├──13-使用逻辑回归和随机森林对股票Stock预测案例实战_3.mp4  84.20M
    |   ├──14-从数据转化到训练集的构建.mp4  146.40M
    |   ├──15-模型的训练以及评估和调超参_1.mp4  84.62M
    |   ├──16-模型的训练以及评估和调超参_2.mp4  88.90M
    |   ├──17-模型的训练以及评估和调超参_3.mp4  161.69M
    |   ├──18-SparkML机器学习库概念讲解_1.mp4  146.78M
    |   ├──19-SparkML机器学习库概念讲解_2.mp4  121.35M
    |   ├──2-SparkMLlib调用逻辑回归_自定义阈值_1.mp4  120.62M
    |   ├──20-SparkML机器学习库代码实战讲解_1.mp4  146.48M
    |   ├──21-SparkML机器学习库代码实战讲解_2.mp4  169.53M
    |   ├──22-SparkML网页分类案例代码实战续(1)_1.mp4  143.99M
    |   ├──23-SparkML网页分类案例代码实战续(1)_2.mp4  143.95M
    |   ├──24-SparkML网页分类案例代码实战续(2)_1.mp4  177.12M
    |   ├──25-SparkML网页分类案例代码实战续(2)_2.mp4  99.25M
    |   ├──26-SparkML网页分类案例代码实战续(3).mp4  9.82M
    |   ├──3-SparkMLlib调用逻辑回归_自定义阈值_2.mp4  109.35M
    |   ├──4-SparkMLlib调用逻辑回归_使用标准归一化_1.mp4  105.05M
    |   ├──5-SparkMLlib调用逻辑回归_使用标准归一化_2.mp4  255.32M
    |   ├──6-SparkMLlib调用逻辑回归_使用标准归一化_3.mp4  63.11M
    |   ├──7-SparkMLlib调用逻辑回归_使用标准归一化_4.mp4  140.87M
    |   ├──8-SparkMLlib调用KMeans聚类_调用决策树(1)_1.mp4  80.22M
    |   └──9-SparkMLlib调用KMeans聚类_调用决策树(1)_2.mp4  145.67M
    12--机器学习与大数据-推荐系统项目实战  
    ├──1--推荐系统--流程与架构  
    |   ├──1-推荐系统_隐式用户反馈_1.mp4  88.31M
    |   ├──10-推荐系统列表_关联特征权重_基本特征权重的计算_2.mp4  112.85M
    |   ├──11-推荐系统列表_关联特征权重_基本特征权重的计算_3.mp4  103.28M
    |   ├──12-推荐系统_数据源_1.mp4  79.07M
    |   ├──13-推荐系统_数据源_2.mp4  82.90M
    |   ├──2-推荐系统_隐式用户反馈_2.mp4  119.78M
    |   ├──3-推荐系统_协同过滤_1.mp4  60.31M
    |   ├──4-推荐系统_协同过滤_2.mp4  61.36M
    |   ├──5-推荐系统_协同过滤_3.mp4  60.51M
    |   ├──6-推荐系统_协同过滤_4.mp4  56.16M
    |   ├──7-推荐系统架构_实时_离线_1.mp4  100.65M
    |   ├──8-推荐系统架构_实时_离线_2.mp4  104.74M
    |   └──9-推荐系统列表_关联特征权重_基本特征权重的计算_1.mp4  77.80M
    ├──2--推荐系统--数据预处理和模型构建评估实战  
    |   ├──1-HQL语句_python脚本构建中间结果_1.mp4  155.76M
    |   ├──10-MLlib调用算法计算模型文件并存储_2.mp4  93.65M
    |   ├──11-MLlib调用算法计算模型文件并存储_3.mp4  107.32M
    |   ├──12-ACC准确率和AUC面积的计算以及意义.mp4  214.40M
    |   ├──2-HQL语句_python脚本构建中间结果_2.mp4  122.28M
    |   ├──3-HQL语句_python脚本构建中间结果_3.mp4  123.74M
    |   ├──4-HQL语句_python脚本构建中间结果_4.mp4  111.87M
    |   ├──5-推荐系统_数据预处理_spark构建特征索引_标签列_1.mp4  116.88M
    |   ├──6-spark构建特征索引_标签列_2.mp4  91.86M
    |   ├──7-spark构建特征索引_标签列_3.mp4  97.86M
    |   ├──8-spark构建特征索引_标签列_4.mp4  98.61M
    |   └──9-MLlib调用算法计算模型文件并存储_1.mp4  99.64M
    └──3--推荐系统--模型使用和推荐服务  
    |   ├──1-推荐模型文件使用思路.mp4  61.89M
    |   ├──10-Dubbo推荐服务演示_SparkMLlib介绍_1.mp4  110.16M
    |   ├──11-Dubbo推荐服务演示_SparkMLlib介绍_2.mp4  140.10M
    |   ├──12-Dubbo推荐服务演示_SparkMLlib介绍_3.mp4  157.45M
    |   ├──2-Redis数据库安装及其使用.mp4  47.93M
    |   ├──3-实时在线推荐列表计算逻辑代码讲解_1.mp4  165.06M
    |   ├──4-实时在线推荐列表计算逻辑代码讲解_2.mp4  98.49M
    |   ├──5-实时在线推荐列表计算逻辑代码讲解_3.mp4  90.57M
    |   ├──6-实时在线推荐列表计算逻辑代码讲解_4.mp4  94.68M
    |   ├──7-使用Dubbo将推荐系统做成服务_1.mp4  82.21M
    |   ├──8-使用Dubbo将推荐系统做成服务_2.mp4  103.88M
    |   └──9-使用Dubbo将推荐系统做成服务_3.mp4  119.95M
    13--深度学习-原理和进阶  
    ├──1--神经网络算法  
    |   ├──1-神经网络是有监督的算法_生物神经元到人工神经元.mp4  94.41M
    |   ├──2-三种常见的激活函数_网络拓扑介绍_优化算法.mp4  53.63M
    |   ├──3-单层神经网络正向传播计算过程_用神经网络理解逻辑回归做多分类.mp4  67.67M
    |   ├──4-用神经网络理解Softmax回归.mp4  67.20M
    |   ├──5-隐藏层的意义_隐藏层相当于去做预处理_升维降维.mp4  117.52M
    |   ├──6-多节点网络输出_sklearn中NN模块的介绍.mp4  90.57M
    |   ├──7-sklearn中NN模型的代码使用.mp4  123.62M
    |   ├──8-隐藏层激活函数必须是非线性的.mp4  21.95M
    |   └──9-tensorflow概要_conda创建虚拟环境_CPU版本的tensorflow安装.mp4  155.50M
    ├──2--TensorFlow深度学习工具  
    |   ├──1-CUDA下载地址_CUDA显卡白名单地址.mp4  68.65M
    |   ├──2-CUDA安装_cudnn安装_环境变量配置_检验是否安装成功.mp4  74.12M
    |   ├──3-Tensorflow代码运行机制_TF基础的代码.mp4  120.73M
    |   ├──4-TF实现线性回归解析解的方式_TF实现线性回归梯度下降的方式.mp4  173.47M
    |   ├──5-TF实现线性回归BGD的方式_使用Optimizer_每轮打乱数据.mp4  233.26M
    |   ├──6-TF实现Softmax回归来识别MNIST手写数字.mp4  137.04M
    |   └──7-TF实现DNN来识别MNIST手写数字.mp4  132.73M
    └──3--反向传播推导_Python代码实现神经网络  
    |   ├──1-反向传播_链式求导法则.mp4  86.47M
    |   ├──2-反向传播推导(一).mp4  127.90M
    |   ├──3-反向传播推导(二)从输出层到最后一个隐藏层.mp4  121.37M
    |   ├──4-反向传播推导(三)从输出层到最后一个隐藏层Softmax多分类为例.mp4  81.20M
    |   ├──5-反向传播推导(四)关于Δ和a还有梯度的更新事宜.mp4  34.57M
    |   ├──6-python实现神经网络训练代码讲解(一).mp4  84.17M
    |   └──7-python实现神经网络正向反向传播训练.mp4  112.23M
    14--深度学习-图像识别原理  
    ├──1--卷积神经网络原理  
    |   ├──1-回顾深度神经网络_卷积层是局部连接.mp4  131.17M
    |   ├──2-单通道卷积的计算.mp4  104.01M
    |   ├──3-彩色图片卷积的计算.mp4  52.79M
    |   ├──4-卷积层权值共享.mp4  63.93M
    |   ├──5-卷积的补充与Padding填充模式.mp4  97.00M
    |   ├──6-卷积的计算TF中的API操作与参数.mp4  93.50M
    |   ├──7-池化的概念和TF中的API的操作与参数.mp4  64.09M
    |   └──8-经典的CNN架构和LeNet5.mp4  137.21M
    ├──2--卷积神经网络优化  
    |   ├──1-AlexNet网络结构_连续使用小的卷积核好处.mp4  109.38M
    |   ├──10-Optimizer_Adagrad_Adadelta_RMSprop.mp4  121.41M
    |   ├──11-Optimizer_Adam.mp4  141.12M
    |   ├──2-Dropout技术点思想和运用.mp4  113.94M
    |   ├──3-数据增强技术点_CNN对MNIST数据集分类_卷积池化代码.mp4  77.55M
    |   ├──4-CNN对MNIST数据集分类_全连接层以及训练代码.mp4  125.88M
    |   ├──5-深度学习网络对应ACC准确率忽然下降的思考点.mp4  104.08M
    |   ├──6-减轻梯度消失问题中激活函数发挥的作用.mp4  42.02M
    |   ├──7-减轻梯度消失问题中参数初始化发挥的作用.mp4  66.51M
    |   ├──8-VGG网络结构_以及1乘1的卷积核的作用和好处.mp4  123.25M
    |   └──9-Optimizer_SGD_Momentum.mp4  89.70M
    ├──3--经典卷积网络算法  
    |   ├──1-Keras介绍_以及不同项目调用不同的python环境和CUDA环境.mp4  141.12M
    |   ├──2-VGG16_Fine-tuning_对MNIST做手写数字识别.mp4  116.63M
    |   ├──3-InceptionV1_V2.mp4  165.86M
    |   ├──4-InceptionV3_以及InceptionV3对皮肤癌图片识别.mp4  166.97M
    |   ├──5-ResNet残差单元_BottlenetBlocK.mp4  121.51M
    |   ├──6-DenseNet和Keras里面的实现.mp4  150.61M
    |   ├──7-DenseNet在Keras里面的代码实现.mp4  66.75M
    |   ├──8-BatchNormalization.mp4  99.23M
    |   └──9-Mobilenet网络架构.mp4  150.05M
    ├──4--古典目标检测  
    |   ├──1-图像识别任务_古典目标检测.mp4  196.48M
    |   ├──2-使用OpenCV调用分类器找到目标框.mp4  98.21M
    |   ├──3-IOU以及python计算的代码.mp4  23.56M
    |   ├──4-R-CNN和SPP-net.mp4  124.06M
    |   └──5-从FastRCNN引入FasterRCNN.mp4  120.81M
    └──5--现代目标检测之FasterRCNN  
    |   ├──1-回顾RCNN_SPPnet_Fast-RCNN.mp4  121.18M
    |   ├──2-FasterRNN的核心RPN_正向传播的框过滤_NMS.mp4  214.14M
    |   ├──3-NMS代码实现流程_mAP目标检测平均指标.mp4  157.18M
    |   ├──4-FasterRCNN论文讲解_从介绍到RPN的loss.mp4  210.02M
    |   └──5-FasterRCNN论文讲解_从RPN损失到评估指标对比.mp4  247.99M
    15--深度学习-图像识别项目实战  
    ├──1--车牌识别  
    |   ├──1-基于CascadeClassifier来提取目标框做车牌识别代码详解_01.mp4  83.16M
    |   ├──2-基于CascadeClassifier来提取目标框做车牌识别代码详解_02.mp4  86.40M
    |   ├──3-基于CascadeClassifier来提取目标框做车牌识别代码详解_03.mp4  48.80M
    |   ├──4-基于CascadeClassifier来提取目标框做车牌识别代码详解_04.mp4  73.07M
    |   └──5-车牌识别项目关于目标检测的问题.mp4  39.48M
    ├──2--自然场景下的目标检测及源码分析  
    |   ├──1-FasterRCNN项目代码_环境说明_数据集详解_项目结构说明.mp4  116.49M
    |   ├──10-FasterRCNN代码_构建head.mp4  67.56M
    |   ├──11-FasterRCNN代码_构建RPN网络_01.mp4  124.40M
    |   ├──12-FasterRCNN代码_构建RPN网络_02.mp4  88.47M
    |   ├──13-FasterRCNN代码_根据RPN网络得到校正后的预测的框_01.mp4  83.97M
    |   ├──14-FasterRCNN代码_根据RPN网络得到校正后的预测的框_02.mp4  119.92M
    |   ├──15-FasterRCNN代码_bbox剪裁_NMS非极大值抑制.mp4  91.40M
    |   ├──16-FasterRCNN代码_给RPN准备正负例样本_01.mp4  100.30M
    |   ├──17-FasterRCNN代码_给RPN准备正负例样本_02.mp4  165.71M
    |   ├──18-FasterRCNN代码_给RPN准备正负例样本_03.mp4  43.58M
    |   ├──19-FasterRCNN代码_给RPN准备正负例样本_04.mp4  46.68M
    |   ├──2-FasterRCNN项目代码_数据加载.mp4  96.17M
    |   ├──20-FasterRCNN代码_给RPN准备正负例样本_05.mp4  78.02M
    |   ├──21-FasterRCNN代码_给RPN准备正负例样本_06.mp4  114.63M
    |   ├──22-FasterRCNN代码_给RPN准备正负例样本_07.mp4  100.02M
    |   ├──23-FasterRCNN代码_给RPN准备正负例样本_08.mp4  57.32M
    |   ├──24-FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_01.mp4  53.41M
    |   ├──25-FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02.mp4  74.40M
    |   ├──26-FasterRCNN代码_添加Loss损失_smoothL1loss.mp4  76.44M
    |   ├──3-FasterRCNN项目代码_数据增强.mp4  71.78M
    |   ├──4-FasterRCNN项目代码_数据初始化.mp4  73.27M
    |   ├──5-FasterRCNN项目代码_模型的训练.mp4  39.33M
    |   ├──6-回归整体训练流程_详解读取数据blob_01.mp4  81.18M
    |   ├──7-回归整体训练流程_详解读取数据blob_02.mp4  75.71M
    |   ├──8-回归整体训练流程_详解读取数据blob_03.mp4  39.22M
    |   └──9-回归整体训练流程_详解读取数据blob_04.mp4  64.48M
    └──3--图像风格迁移  
    |   ├──1-图片风格融合项目_架构_代码实现要点_1.mp4  81.07M
    |   ├──2-图片风格融合项目_架构_代码实现要点_2.mp4  85.15M
    |   ├──3-图片风格融合项目_架构_代码实现要点_3.mp4  75.40M
    |   └──4-图片风格融合项目_架构_代码实现要点_4.mp4  86.94M
    16--深度学习-目标检测YOLO(V1-V4全版本)实战  
    ├──1--YOLOv1详解  
    |   ├──1-YOLOv1论文详解_算法特点介绍.mp4  179.69M
    |   ├──2-YOLOv1论文详解_网络架构_思想.mp4  215.92M
    |   ├──3-YOLOv1论文详解_训练中的技巧_Loss损失函数.mp4  253.21M
    |   └──4-YOLOv1论文详解_NMS_局限性.mp4  82.07M
    ├──2--YOLOv2详解  
    |   ├──1-YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes.mp4  158.76M
    |   ├──2-YOLOv2论文详解_mAP更better的一些点.mp4  257.43M
    |   ├──3-YOLOv2论文详解_Darknet19_分类数据和检测数据集融合_多标签.mp4  141.41M
    |   └──4-YOLOv2论文详解_层级分类_层级分类用于目标检测.mp4  183.51M
    ├──3--YOLOv3详解  
    |   ├──1-YOLOv3论文详解_每个框都要预测多个类别概率.mp4  86.51M
    |   ├──2-YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53.mp4  158.58M
    |   ├──3-YOLOv3论文详解_总结_FocalLoss.mp4  147.48M
    |   ├──4-YOLOv4论文概述_介绍.mp4  139.49M
    |   └──5-YOLOv4论文概述_BOS_BOF.mp4  297.31M
    ├──4--YOLOv3代码实战  
    |   ├──1-YOLOv3代码剖析_项目介绍.mp4  157.02M
    |   ├──2-YOLOv3代码剖析_聚类anchors_构建backbone主干网络.mp4  238.06M
    |   ├──3-YOLOv3代码剖析_model输出之后的预测框的计算.mp4  223.57M
    |   ├──4-YOLOv3代码剖析_使用model预测的其余代码.mp4  86.53M
    |   ├──5-YOLOv3代码剖析_weights到h5模型的转换.mp4  144.69M
    |   └──6-YOLOv3代码剖析_模型的训练部分详解.mp4  316.56M
    └──5--YOLOv4详解  
    |   ├──1-YOLOv4_BOF_DropBlock_FocalLoss.mp4  207.14M
    |   ├──2-YOLOv4_BOF_GIoU_DIoU_CIoU.mp4  90.48M
    |   ├──3-YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish.mp4  216.07M
    |   └──4-YOLOv4_BOS_SAM_PAN_CSP_CmBN.mp4  220.91M
    17--深度学习-语义分割原理和实战  
    ├──1--上采样_双线性插值_转置卷积  
    |   ├──1-前言.mp4  19.46M
    |   ├──2-上采样_repeat.mp4  23.90M
    |   ├──3-线性插值.mp4  34.48M
    |   ├──4-双线性插值.mp4  125.71M
    |   ├──5-转置卷积_以及TF的API.mp4  114.25M
    |   ├──6-双线性插值作为转置卷积核的初始参数.mp4  145.01M
    |   ├──7-ROI Align.mp4  58.38M
    |   ├──8-FPN思想与网络结构.mp4  92.14M
    |   └──9-FPN应用于FasterRCNN_ResNetFPN.mp4  95.52M
    ├──2--医疗图像UNet语义分割  
    |   ├──1-语义分割的基本概念.mp4  18.33M
    |   ├──2-FCN全卷积网络做语义分割.mp4  36.54M
    |   ├──3-UNet网络结构.mp4  30.41M
    |   └──4-UNet网络医疗图像的语义分割.mp4  81.21M
    └──3--蒙版弹幕MaskRCNN语义分割  
    |   ├──1-MaskRCNN网络结构.mp4  106.38M
    |   ├──2-MaskRCNN的项目展示.mp4  250.54M
    |   ├──3-MaskRCNN网络架构回顾.mp4  151.34M
    |   ├──4-MaskRCNN根据文档和论文总结重要的知识点.mp4  239.08M
    |   ├──5-MaskRCNN项目关于运行代码环境的说明.mp4  44.16M
    |   └──6-MaskRCNN源码config和model.mp4  244.48M
    18--深度学习-人脸识别项目实战  
    ├──1-人脸识别任务种类_具体做法思路.mp4  40.67M
    ├──10-人脸识别项目代码_加载MTCNN模型.mp4  72.07M
    ├──11-人脸识别项目代码_读取图片带入MTCNN网络给出人脸候选框.mp4  66.61M
    ├──12-FaceNet论文_摘要和前情介绍.mp4  71.54M
    ├──13-FaceNet论文_相关的介绍.mp4  39.55M
    ├──14-FaceNet论文_TripleLoss思路来源和目标.mp4  44.25M
    ├──15-FaceNet论文_TripleLoss损失函数.mp4  63.78M
    ├──16-FaceNet论文_TripleSelection很至关重要.mp4  131.75M
    ├──17-FaceNet论文_ZF和Inception对比_总结.mp4  59.21M
    ├──18-人脸识别项目代码_FaceNet模型加载和使用.mp4  42.82M
    ├──19-人脸识别项目代码_人脸匹配以及最后的绘图展示.mp4  40.37M
    ├──2-开源的FaceNet项目介绍.mp4  38.07M
    ├──3-人脸识别项目代码整体结构.mp4  30.40M
    ├──4-MTCNN论文_摘要和介绍.mp4  68.50M
    ├──5-MTCNN论文_网络整体架构.mp4  76.57M
    ├──6-PRelu_每阶段输出多分支意义.mp4  56.12M
    ├──7-每一个阶段每个分支的Loss损失_整合每个分支的Loss.mp4  69.95M
    ├──8-训练数据的准备_每一阶段训练的流程.mp4  98.08M
    └──9-总结MTCNN_缩放因子_注意3阶段网络里面的全连接.mp4  54.79M
    19--深度学习-NLP自然语言处理原理和进阶  
    ├──1--词向量与词嵌入  
    |   ├──1-N-gram语言模型.mp4  116.32M
    |   ├──2-NPLM神经网络语言模型.mp4  155.81M
    |   ├──3-词向量的作用.mp4  58.00M
    |   ├──4-CBOW模型思想和计算过程.mp4  196.59M
    |   ├──5-Skip-gram模型思想和计算过程.mp4  44.35M
    |   ├──6-Huffman树_分层Softmax的思想.mp4  113.79M
    |   ├──7-分层Softmax应用到CBOW模型上.mp4  64.28M
    |   └──8-负采样和负采样应用到CBOW模型上.mp4  66.07M
    ├──2--循环神经网络原理与优化  
    |   ├──1-理解RNN循环神经网络拓扑结构.mp4  122.64M
    |   ├──2-理解RNN循环神经网络计算流程.mp4  55.91M
    |   ├──3-利用RNN循环神经网络对MNIST手写数字识别.mp4  127.75M
    |   ├──4-理解LSTM长短时记忆_记住Topo和公式.mp4  185.30M
    |   ├──5-VanillaRNN的回顾复习.mp4  123.51M
    |   ├──6-补充讲一下为什么RNN中链越长越容易梯度消失.mp4  44.24M
    |   ├──7-LSTM的回顾复习_LSTM手写数字识别.mp4  35.32M
    |   ├──8-双向RNN_LSTM.mp4  52.01M
    |   └──9-RNN里面应用的Topology结构.mp4  23.04M
    ├──3--从Attention机制到Transformer  
    |   ├──1-Seq2Seq中Attention注意力机制.mp4  87.67M
    |   ├──2-Transformer_Self-Attention_Multi-head.mp4  100.40M
    |   └──3-Transformer_Positional_使用逻辑_网络结构总结.mp4  102.40M
    └──4--ELMO_BERT_GPT  
    |   ├──1-ELMO.mp4  62.44M
    |   ├──2-BERT理论.mp4  99.73M
    |   └──3-ERNIE_GPT.mp4  56.34M
    2--人工智能基础-Python基础  
    ├──1--Python开发环境搭建  
    |   ├──1-下载Miniconda运行环境.mp4  100.75M
    |   ├──2-Miniconda安装和测试.mp4  57.12M
    |   ├──3-Pycharm安装和代码运行.mp4  71.57M
    |   ├──4-Jupyter安装和代码运行.mp4  37.10M
    |   ├──5-Jupyter常用快捷键.mp4  32.23M
    |   ├──6-Conda虚拟环境创建与Python模块安装.mp4  73.12M
    |   └──7-关联虚拟环境运行代码.mp4  38.14M
    └──2--Python基础语法  
    |   ├──1-Python是强类型的动态脚本语言.mp4  44.15M
    |   ├──10-Python_集合操作_列表.mp4  34.71M
    |   ├──11-Python_集合操作_列表的基本操作.mp4  49.44M
    |   ├──12-Python_集合操作_列表的常用方法.mp4  37.35M
    |   ├──13-Python_集合操作_元组.mp4  43.46M
    |   ├──14-Python_集合操作_字典和常见操作.mp4  38.01M
    |   ├──15-Python_集合操作_字典keys方法_enumerate函数.mp4  22.40M
    |   ├──16-Python_os模块_shutil模块.mp4  51.54M
    |   ├──17-Python_打开并读取文件_中文编码问题.mp4  58.82M
    |   ├──18-Python_函数_定义_调用_返回值_注释.mp4  23.77M
    |   ├──19-Python_函数_局部变量_全局变量.mp4  31.20M
    |   ├──2-Python_控制语句_单双分支.mp4  50.66M
    |   ├──20-Python_函数_默认参数_可变参数.mp4  24.47M
    |   ├──21-Python_函数_递归.mp4  23.46M
    |   ├──22-Python_函数式编程_高阶函数.mp4  24.65M
    |   ├──23-Python_函数式编程_map_reduce_filter_匿名函数.mp4  37.86M
    |   ├──24-Python_函数_闭包.mp4  41.61M
    |   ├──25-Python_函数_装饰器.mp4  30.35M
    |   ├──26-Python_类对象_定义与实例化对象.mp4  44.21M
    |   ├──27-Python_类对象_实例属性和方法_类属性和方法.mp4  38.35M
    |   ├──28-Python_类对象_内置方法.mp4  29.17M
    |   ├──29-Python_类对象_运算符重载_私有对象方法_isinstance函数.mp4  38.46M
    |   ├──3-Python_控制语句_多分支_三元条件运算符.mp4  31.02M
    |   ├──30-Python_类对象_面向对象三大特性_类的继承.mp4  24.66M
    |   ├──31-Python_类对象_子类复用父类构造器和方法_方法重写.mp4  32.00M
    |   ├──4-Python_控制语句_while循环.mp4  25.02M
    |   ├──5-Python_控制语句_for循环.mp4  22.82M
    |   ├──6-Python_控制语句_嵌套循环.mp4  36.15M
    |   ├──7-Python_控制语句_break_continue.mp4  25.23M
    |   ├──8-Python_切片操作.mp4  40.20M
    |   └──9-Python_数据类型.mp4  25.38M
    20--深度学习-NLP自然语言处理项目实战  
    ├──1--词向量  
    |   ├──1-回顾了词向量里面训练的Topology.mp4  121.72M
    |   ├──2-Word2Vec项目代码_加载数据_构建字典.mp4  96.76M
    |   ├──3-Word2Vec项目代码_构建一个个批次数据.mp4  82.29M
    |   ├──4-Word2Vec项目代码_正向传播的Graph构建_NCE损失的计算本质.mp4  102.84M
    |   ├──5-Word2Vec项目代码_评估比较相似度_最后的训练绘图.mp4  83.28M
    |   └──6-Word2Vec项目代码_总结串讲.mp4  22.52M
    ├──2--自然语言处理--情感分析  
    |   ├──1-Keras实战RNN以及词嵌入来做情感分析.mp4  71.10M
    |   ├──2-数据预处理_01.mp4  79.65M
    |   ├──3-数据预处理_02.mp4  45.68M
    |   ├──4-代码讲解_01.mp4  52.29M
    |   ├──5-代码讲解_02.mp4  60.85M
    |   ├──6-代码讲解_03.mp4  53.89M
    |   ├──7-代码讲解_04.mp4  57.19M
    |   └──8-代码讲解_05.mp4  35.88M
    ├──3--AI写唐诗  
    |   ├──1-AI写唐诗_数据的读取_字典的构建_文本的索引化.mp4  114.96M
    |   ├──2-AI写唐诗_训练数据的构建.mp4  69.75M
    |   ├──3-MultiRNNCell单元.mp4  38.93M
    |   ├──4-AI写唐诗_从词嵌入到构建RNN再到输出层概率输出.mp4  67.03M
    |   ├──5-AI写唐诗_损失的计算_梯度的求解截断和更新_最终的训练代码.mp4  61.73M
    |   └──6-AI写唐诗_模型的使用_增加随机性.mp4  93.87M
    ├──4--Seq2Seq聊天机器人  
    |   ├──1-从AI写唐诗到Seq2Seq再到Encoder-Decoder.mp4  118.79M
    |   ├──2-Seq2Seq版Chatbot的数据预处理.mp4  93.85M
    |   └──3-Seq2Seq版Chatbot训练和模型使用.mp4  133.29M
    ├──5--实战NER命名实体识别项目  
    |   ├──1-回顾了一下CRF训练和使用过程.mp4  73.72M
    |   ├──2-介绍了代码目录结构.mp4  23.44M
    |   ├──3-NER代码读取数据和预处理.mp4  97.61M
    |   ├──4-feature进入BiLSTM进行正向传播的过程.mp4  70.91M
    |   ├──5-通过CRF层来计算Loss损失以及训练.mp4  80.51M
    |   ├──6-BiLSTM-CRF模型的预测代码.mp4  64.10M
    |   ├──7-CRF中的特征函数们.mp4  125.97M
    |   ├──8-对比逻辑回归_相比HMM优势.mp4  143.56M
    |   └──9-补充标注偏置问题_HMM做分词代码结构.mp4  141.43M
    ├──6--BERT新浪新闻10分类项目  
    |   └──1-BERT新浪新闻10分类项目.mp4  104.54M
    └──7--GPT2聊天机器人  
    |   └──1-GPT2闲聊机器人.mp4  62.28M
    21--深度学习-OCR文本识别  
    ├──1-传统OCR识别_深度学习OCR识别.mp4  369.94M
    ├──10-CRNN项目代码剖析.mp4  306.48M
    ├──2-OCR识别本质就是文字检测和文字识别.mp4  253.34M
    ├──3-OCR识别的CTC损失思想.mp4  327.69M
    ├──4-总结理解深度学习文字识别架构.mp4  121.59M
    ├──5-CTC损失函数的理解.mp4  330.64M
    ├──6-CTC损失函数前向后向算法推导_梯度求导公式推导.mp4  200.52M
    ├──7-CTC前向后向算法代码.mp4  225.41M
    ├──8-GreedySearch和BeamSearch解码的方式与代码逻辑.mp4  308.23M
    └──9-CPTN项目代码剖析.mp4  491.69M
    24--【加课】Pytorch项目实战  
    ├──1--PyTorch运行环境安装_运行环境测试  
    |   ├──1-PyTorch概述.mp4  29.29M
    |   ├──2-PyTorch的安装.mp4  76.45M
    |   ├──3-Pycharm关联PyTorch运行环境.mp4  37.96M
    |   └──4-Jupyter关联PyTorch运行环境.mp4  31.22M
    ├──2--PyTorch基础_Tensor张量运算  
    |   ├──1-Tensor的创建.mp4  55.14M
    |   ├──2-修改Tensor的形状_索引操作.mp4  76.51M
    |   ├──3-广播机制_逐元素操作.mp4  44.46M
    |   └──4-归并操作_比较操作_矩阵操作.mp4  59.39M
    ├──3--PyTorch卷积神经网络_实战CIFAR10  
    |   ├──1-PyTorch实战CIFAR10数据_读取和展示.mp4  83.93M
    |   ├──10-PyTorch代码实战加入数据增强.mp4  34.15M
    |   ├──2-PyTorch实战CIFAR10_构建网络_打印网络层次.mp4  58.61M
    |   ├──3-PyTorch实战CIFAR10_训练模型_测试模型.mp4  51.47M
    |   ├──4-PyTorch实战CIFAR10_分类别打印模型准确率.mp4  30.60M
    |   ├──5-使用全局平均池化_使用LeNet模型.mp4  40.97M
    |   ├──6-使用集成学习思想训练识别模型.mp4  86.96M
    |   ├──7-使用VGG16模型提供准确率.mp4  52.90M
    |   ├──8-torchvision里面的预训练模型.mp4  29.84M
    |   └──9-迁移学习_PyTorch代码实战冻结预训练模型参数.mp4  67.71M
    ├──4--PyTorch循环神经网络_词性标注  
    |   ├──1-PyTorch词性标注_构建数据和词索引号.mp4  28.07M
    |   ├──2-PyTorch词性标注_构建词嵌入层LSTM层和词性输出层.mp4  47.01M
    |   ├──3-PyTorch词性标注_构建数据索引化和训练模型代码.mp4  44.59M
    |   └──4-PyTorch词性标注_测试模型效果.mp4  11.67M
    └──5--PyTorch编码器解码器_机器翻译  
    |   ├──1-PyTorch中英文翻译_规范化语料库_构建中英文词典索引.mp4  50.41M
    |   ├──2-PyTorch中英文翻译_数据预处理.mp4  42.68M
    |   ├──3-PyTorch中英文翻译_索引化数据_转化成Tensor张量_构建Encoder编码器.mp4  57.69M
    |   ├──4-PyTorch中英文翻译_构建训练函数之Encoder计算.mp4  50.92M
    |   ├──5-PyTorch中英文翻译_构建带Attention注意力机制的Decoder解码器.mp4  79.33M
    |   ├──6-PyTorch中英文翻译_构建训练函数之Decoder计算.mp4  59.08M
    |   ├──7-PyTorch中英文翻译_评估模型函数.mp4  56.52M
    |   └──8-PyTorch中英文翻译_绘制Attentions注意力权重.mp4  33.74M
    25--【加课】百度飞桨PaddlePaddle实战【新增】  
    ├──1--PaddlePaddle框架安装_波士顿房价预测  
    |   ├──1-安装PaddlePaddle.mp4  87.34M
    |   ├──2-Pycharm运行出现mkl-service或DLL找不到的问题.mp4  45.21M
    |   ├──3-PaddlePaddle求解线性模型.mp4  50.63M
    |   ├──4-预测波士顿房价_数据读取_正向传播.mp4  60.49M
    |   └──5-预测波士顿房价_反向传播_模型保存_模型测试.mp4  43.72M
    ├──2--PaddlePaddle卷积网络_病理性近视识别  
    |   ├──1-预测病理性近视_图片数据读取.mp4  97.18M
    |   ├──2-预测病理性近视_模型训练.mp4  86.66M
    |   ├──3-预测病理性近视_定义模型结构_评估模型.mp4  84.10M
    |   └──4-预测病理性近视_调用经典卷积神经网络.mp4  91.83M
    ├──3--PaddleDetection工具_PCB电路板缺陷检测  
    |   ├──1-PaddleDetection_项目配置.mp4  82.88M
    |   ├──2-安装配置VisualStudio_解决安装模块pycocotools或cython_bbox编译报错问题.mp4  65.48M
    |   ├──3-PCB电路板缺陷检测_Images和Annotations.mp4  83.10M
    |   ├──4-PCB电路板缺陷检测_前期数据的分析.mp4  133.78M
    |   ├──5-PCB电路板缺陷检测_项目配置文件.mp4  42.77M
    |   ├──6-PCB电路板缺陷检测_模型训练.mp4  64.62M
    |   └──7-PCB电路板缺陷检测_模型预测.mp4  51.73M
    ├──4--PaddleOCR工具_车牌识别(目标检测+CRNN+CTCLoss)  
    |   ├──1-PaddleOCR_项目配置_CCPD数据集介绍.mp4  69.65M
    |   ├──2-车牌识别项目_详解数据准备阶段代码.mp4  42.93M
    |   ├──3-车牌识别项目_运行保存标签和剪切出的车牌图片.mp4  57.48M
    |   ├──4-车牌识别项目_车牌目标框检测模型训练.mp4  61.62M
    |   ├──5-车牌识别项目_车牌字符识别模型训练.mp4  61.89M
    |   └──6-车牌识别项目_车牌识别模型导出及预测.mp4  75.61M
    ├──5--PaddleNLP模块_物流信息提取(BiGRU+CRF)  
    |   ├──1-PaddleNLP_项目配置.mp4  49.37M
    |   ├──2-PaddleNLP_物流信息提取项目介绍.mp4  48.01M
    |   ├──3-物流信息提取项目_解决导包显示找不到nul问题.mp4  106.19M
    |   ├──4-PaddleNLP_物流信息提取项目_加载数据构建DataSet.mp4  55.51M
    |   ├──5-PaddleNLP_物流信息提取项目_进一步通过DataSet构建出DataLoader.mp4  51.88M
    |   ├──6-PaddleNLP_物流信息提取项目_构建网络模型.mp4  48.53M
    |   ├──7-PaddleNLP_物流信息提取项目_模型训练.mp4  47.34M
    |   └──8-PaddleNLP_物流信息提取项目_合并结果并展示_使用预训练的词向量提升效果.mp4  80.58M
    └──6--PaddleNLP模块_物流信息提取(ERNIE版)  
    |   ├──1-PaddleNLP_物流信息提取项目_ERNIE实战_加载数据集构建Dataset.mp4  49.47M
    |   ├──2-PaddleNLP_物流信息提取项目_ERNIE实战_详解Tokenizer作用.mp4  57.44M
    |   ├──3-PaddleNLP_物流信息提取项目_ERNIE实战_讲解模型训练和评估代码.mp4  47.78M
    |   └──4-PaddleNLP_物流信息提取项目_ERNIE实战_讲解ChunkEvaluator和输出预测结果.mp4  57.88M
    26--【加课】Linux 环境编程基础  
    └──1--Linux  
    |   ├──1-Linux_课程介绍.mp4  3.72M
    |   ├──10-Linux_常用命令_clear、touch、cat命令.mp4  10.13M
    |   ├──11-Linux_常用命令more、head、tail命令.mp4  16.32M
    |   ├──12-Linux_常用命令_mkdir命令.mp4  10.57M
    |   ├──13-Linux_常用命令_cp命令.mp4  16.08M
    |   ├──14-Linux_常用命令_rm、mv命令.mp4  31.83M
    |   ├──15-Linux_常用命令_vi、vim.mp4  30.63M
    |   ├──16-Linux_常用命令_reboot、halt.mp4  4.75M
    |   ├──17-Linux_常用配置_设置时区.mp4  28.84M
    |   ├──18-Linux_常用配置_启动网络.mp4  15.64M
    |   ├──19-Linux_常用配置_修改网段.mp4  12.83M
    |   ├──2-Linux_Linux简介.mp4  17.59M
    |   ├──20-Linux_常用配置_设置网络类型.mp4  25.66M
    |   ├──21-Linux_常用配置_快照与克隆.mp4  16.47M
    |   ├──22-Linux_Xshell的安装与使用.mp4  19.51M
    |   ├──23-Linux_上传与下载_Xftp的使用.mp4  20.33M
    |   ├──24-Linux_上传与下载_lrzsz工具.mp4  43.32M
    |   ├──25-Linux_文件的压缩与解压缩处理.mp4  43.12M
    |   ├──26-Linux_安装MySQL.mp4  79.02M
    |   ├──3-Linux_VMWare安装及使用.mp4  20.92M
    |   ├──4-Linux_安装Linux.mp4  41.97M
    |   ├──5-Linux_目录介绍.mp4  20.31M
    |   ├──6-Linux_Linux中的路径.mp4  18.65M
    |   ├──7-Linux_常用命令_pwd命令.mp4  5.79M
    |   ├──8-Linux_常用命令_cd命令.mp4  8.15M
    |   └──9-Linux_常用命令_ls与ll命令.mp4  34.39M
    27--【加课】算法与数据结构  
    └──1--算法与数据结构  
    |   ├──1-数据结构与算法简介.mp4  35.68M
    |   ├──10-哈希表的基本结构.mp4  54.34M
    |   ├──11-哈希表冲突问题.mp4  75.92M
    |   ├──12-哈希表冲突问题2.mp4  72.30M
    |   ├──13-哈希扩容.mp4  111.03M
    |   ├──14-递归与栈.mp4  50.77M
    |   ├──15-线性查找.mp4  57.80M
    |   ├──16-二分查找.mp4  52.32M
    |   ├──17-冒泡排序.mp4  53.19M
    |   ├──18-选择排序.mp4  43.29M
    |   ├──19-插入排序.mp4  31.39M
    |   ├──2-大O表示法.mp4  25.59M
    |   ├──20-归并排序.mp4  84.48M
    |   ├──21-快速排序.mp4  36.63M
    |   ├──22-树结构.mp4  96.85M
    |   ├──23-树结构的遍历.mp4  61.05M
    |   ├──24-最大堆的增加操作.mp4  45.43M
    |   ├──25-最大堆的删除操作.mp4  45.63M
    |   ├──26-二叉树的查找.mp4  100.24M
    |   ├──27-二叉树获取最小值.mp4  25.21M
    |   ├──28-二叉树的添加.mp4  72.66M
    |   ├──29-二叉树的删除.mp4  120.06M
    |   ├──3-线性结构.mp4  53.14M
    |   ├──4-单线链表1.mp4  68.36M
    |   ├──5-单链表2.mp4  221.69M
    |   ├──6-双链表.mp4  103.57M
    |   ├──7-队列(链式).mp4  74.12M
    |   ├──8-队列(线式).mp4  30.99M
    |   └──9-栈与双端队列.mp4  28.12M
    3--人工智能基础-Python科学计算和可视化  
    ├──1--科学计算模型Numpy  
    |   ├──1-Numpy_概述_安装_创建数组_获取shape形状.mp4  39.89M
    |   ├──2-Numpy_array_arange.mp4  35.45M
    |   ├──3-Numpy_random随机数生成.mp4  50.54M
    |   ├──4-Numpy_ndarray属性_zeros_ones_like等创建数组函数.mp4  45.37M
    |   ├──5-NumPy_reshape_切片操作_copy函数.mp4  34.47M
    |   ├──6-Numpy_改变数组维度_数组的拼接.mp4  46.50M
    |   ├──7-Numpy_数组的切分和转置.mp4  28.34M
    |   ├──8-Numpy_算术运算_向上向下取整.mp4  34.59M
    |   └──9-Numpy_聚合函数.mp4  23.68M
    ├──2--数据可视化模块  
    |   ├──1-Matplotlib_概述_绘制直线图.mp4  40.79M
    |   ├──2-Matplotlib_绘制正余弦曲线_散点图_添加图例.mp4  37.73M
    |   ├──3-Matplotlib_绘制柱状图_画布切分多个子画布_柱状图对比.mp4  52.15M
    |   ├──4-Matplotlib_绘制饼图_直方图_同时绘制多组数据分布.mp4  29.54M
    |   └──5-Matplotlib_绘制等高线图_绘制三维图像.mp4  34.90M
    └──3--数据处理分析模块Pandas  
    |   ├──1-Python_Pandas_Series对象创建.mp4  33.35M
    |   ├──2-Python_Pandas_DataFrame对象创建.mp4  37.19M
    |   ├──3-Python_Pandas_获取Series对象的值.mp4  22.41M
    |   ├──4-Python_Pandas_获取DataFrame对象的值.mp4  28.31M
    |   ├──5-Python_Pandas_条件过滤.mp4  24.66M
    |   ├──6-Python_Pandas_空值的删除与填充.mp4  46.66M
    |   └──7-Python_Pandas_拼接和合并.mp4  44.84M
    31--【加课】 强化学习【新增】  
    ├──1--Q-Learning与SARSA算法  
    |   ├──1-强化学习通过智能体与环境交互进行学习.mp4  81.83M
    |   ├──10-代码实战Q-Learning智能体训练模型.mp4  40.30M
    |   ├──11-代码实战Sarsa_Agent和Env整体交互.mp4  45.38M
    |   ├──12-代码实战Sarsa_Agent选择行为和训练模型.mp4  42.69M
    |   ├──13-代码实战SarsaLambda_训练模型.mp4  42.49M
    |   ├──2-引入马尔科夫链和价值评估的Q值与V值.mp4  59.84M
    |   ├──3-详解Q值和V值以及它们之间关系.mp4  82.69M
    |   ├──4-蒙特卡洛采样回溯计算V值.mp4  74.25M
    |   ├──5-蒙特卡洛和时序差分估算状态V值.mp4  82.14M
    |   ├──6-SARSA算法和Q-learning算法.mp4  76.34M
    |   ├──7-理解Q-table_创建maze交互环境.mp4  78.55M
    |   ├──8-代码实战Q-Learning_Agent和Env整体交互.mp4  34.23M
    |   └──9-代码实战Q-Learning智能体选择行为.mp4  38.39M
    ├──2--Deep Q-Learning Network  
    |   ├──1-DQN算法思想.mp4  59.24M
    |   ├──10-DoubleDQN缓解over-estimate.mp4  44.14M
    |   ├──11-DoubleDQN代码实战.mp4  44.49M
    |   ├──12-DuelingDQN.mp4  88.12M
    |   ├──13-困难样本挖掘_Multi-step_NoiseyNet系统的探索.mp4  91.00M
    |   ├──14-计算Action的方差避免风险.mp4  54.23M
    |   ├──15-Rainbow_DQN如何计算连续型的Actions.mp4  65.35M
    |   ├──2-DQN算法具体流程.mp4  56.17M
    |   ├──3-ε-greedy_ReplayBuffer_FixedQ-targets.mp4  96.70M
    |   ├──4-代码实战DQN_Agent和Env整体交互.mp4  52.25M
    |   ├──5-代码实战DQN_构建Q网络.mp4  70.52M
    |   ├──6-代码实战DQN_定义损失函数_构建Target网络更新逻辑.mp4  85.79M
    |   ├──7-代码实战DQN_训练阶段得到Q网络的预测值和真实值.mp4  53.49M
    |   ├──8-代码实战DQN_训练阶段最小化损失_记录loss方便展示_随着learn的越多选择action随机性减小.mp4  58.93M
    |   └──9-DQN会over-estimate的本质原因.mp4  44.92M
    ├──3--Policy Gradient 策略梯度  
    |   ├──1-策略梯度PG_对比基于值和基于策略网络的区别.mp4  68.21M
    |   ├──10-策略梯度PG_同一个回合中不同的action回溯不同的TotalReward_代码实战.mp4  34.22M
    |   ├──2-策略梯度PG_明确目标函数和导函数.mp4  62.20M
    |   ├──3-策略梯度PG_简化导函数的公式推导.mp4  36.66M
    |   ├──4-策略梯度PG_总结整体流程_对比交叉熵损失函数求导.mp4  33.38M
    |   ├──5-策略梯度PG_讲解CartPole环境.mp4  55.59M
    |   ├──6-代码实战_策略梯度PG和CartPole交互.mp4  75.57M
    |   ├──7-代码实战_策略梯度PG网络构建.mp4  48.86M
    |   ├──8-代码实战_策略梯度PG选择行为和参数训练.mp4  54.67M
    |   └──9-策略梯度PG_对TotalReward进行均值归一化.mp4  33.07M
    ├──4--Actor Critic (A3C)  
    |   ├──1-ActorCritic原理_把PG和QLearning结合起来.mp4  55.33M
    |   ├──10-代码实战_A3C_增加actor探索性用到熵_定义worker正太分布抽样和求梯度的逻辑.mp4  36.14M
    |   ├──11-代码实战_A3C_定义AC网络结构_定义worker拉取参数和更新全局网络参数的逻辑.mp4  40.24M
    |   ├──12-代码实战_A3C_结合流程图分三点总结前面讲的代码.mp4  39.73M
    |   ├──13-代码实战_A3C_讲解线程中worker和环境交互.mp4  51.55M
    |   ├──14-代码实战_A3C_讲解线程中worker和GlobalNet交互_代码运行效果展示.mp4  47.18M
    |   ├──2-AdvantageActorCritic_共享参数和修改reward技巧.mp4  86.42M
    |   ├──3-代码实战_ActorCritic与环境交互.mp4  82.51M
    |   ├──4-代码实战_Actor网络构建及训练.mp4  58.07M
    |   ├──5-代码实战_详解Critic网络构建及训练.mp4  87.92M
    |   ├──6-A3C架构和训练流程.mp4  74.66M
    |   ├──7-Pendulum环境_根据网络预测的μ和σ得到连续型的action值.mp4  77.58M
    |   ├──8-代码实战_A3C_讲解Coordinator调度多线程运算.mp4  32.03M
    |   └──9-代码实战_A3C_定义Worker计算loss的逻辑_针对连续型的action提高actor探索性.mp4  36.62M
    └──5--DDPG、PPO、DPPO算法  
    |   ├──1-DDPG解决DQN不能输出连续型动作的问题_DDPG如何训练Actor和Critic.mp4  81.92M
    |   ├──10-代码实战_PPO与环境整体交互_Actor与Critic网络构建.mp4  32.54M
    |   ├──11-代码实战_定义PPO1和PPO2不同版本Actor的Loss计算逻辑.mp4  41.02M
    |   ├──12-代码实战_剖析PPO代码中如何体现Off-Policy的学习方式_效果展示.mp4  42.12M
    |   ├──13-DPPO分布式PPO.mp4  63.81M
    |   ├──14-代码实战_DPPO_创建一个PPO和多个Worker_创建多线程.mp4  37.79M
    |   ├──15-代码实战_DPPO_GlobalPPO和Workers交替执行.mp4  54.72M
    |   ├──2-代码实战_DDPG_构建Actor和Critic四个网络_定义Critic求loss和求梯度的逻辑.mp4  51.45M
    |   ├──3-代码实战_DDPG_Critic网络构建_Actor网络链式求导.mp4  57.06M
    |   ├──4-代码实战_DDPG_与环境之间的互动_AC训练调整参数_效果展示.mp4  44.17M
    |   ├──5-TD3_使用DoubleNetwork优化DDPG.mp4  63.92M
    |   ├──6-PPO_强调AC如何输出连续型动作_区分On-Policy与Off-Policy.mp4  38.45M
    |   ├──7-PPO_通过重要性采样使得PPO可以做Off-Policy学习.mp4  35.49M
    |   ├──8-PPO_重要性采样的问题_期望矫正但是方差还是不同带来的问题.mp4  38.09M
    |   └──9-PPO_PPO1、TRPO、PPO2三种不同的方式解决两个分布不同的问题.mp4  61.79M
    4--人工智能基础-高等数学知识强化  
    ├──1--数学内容概述  
    |   ├──1-人工智能学习数学的必要性_微积分知识点.mp4  28.76M
    |   ├──2-线性代数_概率论知识点.mp4  26.81M
    |   └──3-最优化知识_数学内容学习重点.mp4  40.43M
    ├──2--一元函数微分学  
    |   ├──1-导数的定义_左导数和右导数.mp4  28.39M
    |   ├──2-导数的几何意义和物理意义.mp4  14.49M
    |   ├──3-常见函数的求导公式.mp4  22.76M
    |   ├──4-导数求解的四则运算法则.mp4  26.52M
    |   ├──5-复合函数求导法则.mp4  19.68M
    |   ├──6-推导激活函数的导函数.mp4  33.40M
    |   ├──7-高阶导数_导数判断单调性_导数与极值.mp4  21.95M
    |   └──8-导数判断凹凸性_导数用于泰勒展开.mp4  44.22M
    ├──3--线性代数基础  
    |   ├──1-向量的意义_n维欧式空间空间.mp4  20.82M
    |   ├──10-矩阵的逆矩阵.mp4  38.54M
    |   ├──11-矩阵的行列式.mp4  20.13M
    |   ├──2-行向量列向量_转置_数乘_加减乘除.mp4  19.28M
    |   ├──3-向量的内积_向量运算法则.mp4  19.78M
    |   ├──4-学习向量计算的用途举例.mp4  20.32M
    |   ├──5-向量的范数_范数与正则项的关系.mp4  32.40M
    |   ├──6-特殊的向量.mp4  26.45M
    |   ├──7-矩阵_方阵_对称阵_单位阵_对角阵.mp4  18.06M
    |   ├──8-矩阵的运算_加减法_转置.mp4  22.76M
    |   └──9-矩阵相乘.mp4  20.02M
    ├──4--多元函数微分学  
    |   ├──1-多元函数求偏导.mp4  22.61M
    |   ├──2-高阶偏导数_梯度.mp4  27.15M
    |   ├──3-雅可比矩阵_在神经网络中应用.mp4  37.65M
    |   └──4-Hessian矩阵.mp4  32.93M
    ├──5--线性代数高级  
    ├──6--概率论  
    |   ├──1-概率论_随机事件与随机事件概率.mp4  21.71M
    |   ├──2-条件概率_贝叶斯公式.mp4  32.64M
    |   ├──3-随机变量.mp4  22.57M
    |   ├──4-数学期望和方差.mp4  22.96M
    |   ├──5-常用随机变量服从的分布.mp4  22.48M
    |   ├──6-随机向量_独立性_协方差_随机向量的正太分布.mp4  32.48M
    |   └──7-最大似然估计思想.mp4  23.42M
    └──7--最优化  
    |   ├──1-最优化的基本概念.mp4  35.14M
    |   ├──10-拉格朗日函数.mp4  27.46M
    |   ├──2-迭代求解的原因.mp4  20.15M
    |   ├──3-梯度下降法思路.mp4  26.33M
    |   ├──4-梯度下降法的推导.mp4  43.56M
    |   ├──5-牛顿法公式推导以及优缺点.mp4  45.83M
    |   ├──6-坐标下降法_数值优化面临的问题.mp4  23.90M
    |   ├──7-凸集.mp4  21.90M
    |   ├──8-凸函数.mp4  16.93M
    |   └──9-凸优化的性质_一般表达形式.mp4  20.81M
    5--机器学习-线性回归  
    ├──1--多元线性回归  
    |   ├──1-理解简单线性回归.mp4  51.11M
    |   ├──10-对数似然函数_推导出损失函数MSE.mp4  41.92M
    |   ├──11-把目标函数按照线性代数的方式去表达.mp4  27.00M
    |   ├──12-推导出目标函数的导函数形式.mp4  46.38M
    |   ├──13-θ解析解的公式_是否要考虑损失函数是凸函数.mp4  59.19M
    |   ├──14-Python开发环境版本的选择及下载.mp4  54.07M
    |   ├──15-Anaconda环境安装_Pycharm环境安装.mp4  61.07M
    |   ├──16-Pycharm创建脚本并测试python开发环境.mp4  40.51M
    |   ├──17-解析解的方式求解多元线性回归_数据Xy.mp4  40.41M
    |   ├──18-解析解的方式求解多元线性回归_求解模型_使用模型_绘制图形.mp4  48.31M
    |   ├──19-解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换.mp4  34.67M
    |   ├──2-最优解_损失函数_MSE.mp4  39.58M
    |   ├──20-Scikit-learn模块的介绍.mp4  29.18M
    |   ├──21-调用Scikit-learn中的多元线性回归求解模型(上).mp4  25.20M
    |   ├──22-调用Scikit-learn中的多元线性回归求解模型(下).mp4  41.02M
    |   ├──3-扩展到多元线性回归.mp4  32.15M
    |   ├──4-理解多元线性回归表达式几种写法的原因.mp4  33.97M
    |   ├──5-理解维度这个概念.mp4  41.41M
    |   ├──6-理解回归一词_中心极限定理_正太分布和做预测.mp4  65.82M
    |   ├──7-假设误差服从正太分布_最大似然估计MLE.mp4  43.11M
    |   ├──8-引入正太分布的概率密度函数.mp4  26.54M
    |   └──9-明确目标通过最大总似然求解θ.mp4  25.83M
    ├──2--梯度下降法  
    |   ├──1-梯度下降法产生的目的和原因以及思想.mp4  59.45M
    |   ├──10-代码实现全量梯度下降第1步和第2步.mp4  25.70M
    |   ├──11-代码实现全量梯度下降第3步和第4步.mp4  30.73M
    |   ├──12-代码实现随机梯度下降.mp4  26.67M
    |   ├──13-代码实现小批量梯度下降.mp4  27.32M
    |   ├──14-代码改进保证训练数据全都能被随机取到.mp4  40.28M
    |   ├──15-代码改进实现随着迭代增加动态调整学习率.mp4  39.24M
    |   ├──2-梯度下降法公式.mp4  57.12M
    |   ├──3-学习率设置的学问_全局最优解.mp4  56.52M
    |   ├──4-梯度下降法迭代流程总结.mp4  30.28M
    |   ├──5-多元线性回归下的梯度下降法.mp4  43.27M
    |   ├──6-全量梯度下降.mp4  62.84M
    |   ├──7-随机梯度下降_小批量梯度下降.mp4  47.62M
    |   ├──8-对应梯度下降法的问题和挑战.mp4  47.07M
    |   └──9-轮次和批次.mp4  45.22M
    ├──3--归一化  
    |   ├──1-归一化的目的_维度之间数量级不同产生的矛盾.mp4  63.62M
    |   ├──2-归一化的目的_举例子来理解做归一化和不做归一化的区别.mp4  34.11M
    |   ├──3-归一化的副产品_有可能会提高模型的精度.mp4  21.61M
    |   ├──4-最大值最小值归一化.mp4  24.87M
    |   ├──5-标准归一化.mp4  51.86M
    |   └──6-代码完成标准归一化.mp4  41.13M
    ├──4--正则化  
    |   ├──1-正则化的目的防止过拟合.mp4  30.71M
    |   ├──2-正则化通过损失函数加入惩罚项使得W越小越好.mp4  35.27M
    |   ├──3-常用的L1和L2正则项以及数学意义.mp4  41.55M
    |   ├──4-L1稀疏性和L2平滑性.mp4  51.64M
    |   └──5-通过L1和L2的导函数理解区别的本质原因.mp4  55.58M
    └──5--Lasso回归_Ridge回归_多项式回归  
    |   ├──1-代码调用Ridge岭回归.mp4  76.32M
    |   ├──10-实战保险花销预测_特征选择思路.mp4  40.29M
    |   ├──11-实战保险花销预测_特征工程.mp4  17.96M
    |   ├──12-实战保险花销预测_模型训练和评估.mp4  58.86M
    |   ├──2-代码调用Lasso回归.mp4  28.73M
    |   ├──3-代码调用ElasticNet回归.mp4  53.67M
    |   ├──4-升维的意义_多项式回归.mp4  48.06M
    |   ├──5-多项式升维代码实战_传入不同超参数对比.mp4  44.78M
    |   ├──6-多项式升维代码实战_训练模型和评估.mp4  35.06M
    |   ├──7-实战保险花销预测_数据介绍和加载数据.mp4  35.25M
    |   ├──8-实战保险花销预测_数据预处理.mp4  41.38M
    |   └──9-实战保险花销预测_模型训练和评估_选择非线性算法改进.mp4  84.12M
    6--机器学习-线性分类  
    ├──1--逻辑回归  
    |   ├──1-逻辑回归_Sigmoid函数.mp4  21.14M
    |   ├──10-绘制逻辑回归损失函数_探索两个参数和损失函数变换关系.mp4  39.83M
    |   ├──11-绘制逻辑回归损失函数_绘制3D的图形_分析X1X2两个维度的重要度.mp4  43.87M
    |   ├──12-对逻辑回归函数进行求导_结论在后面会用到.mp4  20.50M
    |   ├──13-对逻辑回归的损失函数求导_推导出导函数的形式.mp4  42.50M
    |   ├──14-实战逻辑回归对鸢尾花数据集进行二分类.mp4  46.63M
    |   ├──15-OneVsRest将多分类问题转化成多个二分类问题.mp4  26.13M
    |   ├──16-实战逻辑回归对鸢尾花数据集进行多分类.mp4  40.46M
    |   ├──2-sigmoid函数作用.mp4  38.15M
    |   ├──3-逻辑回归为什么用sigmoid函数_预备知识.mp4  31.00M
    |   ├──4-证明伯努利分布是指数族分布_推导出逻辑回归公式.mp4  41.97M
    |   ├──5-回想多元线性回归公式其实也是从广义线性回归推导出来的.mp4  6.71M
    |   ├──6-推导逻辑回归损失函数_得到总似然的公式.mp4  29.61M
    |   ├──7-推导逻辑回归损失函数_得到最终形式.mp4  12.43M
    |   ├──8-绘制逻辑回归损失函数_读入数据计算最优解模型_实现逻辑回归预测_实现逻辑回归损失函数.mp4  56.56M
    |   └──9-绘制逻辑回归损失函数_探索单个参数和损失的关系.mp4  30.72M
    ├──2--Softmax回归  
    |   ├──1-证明多项式分布属于指数族分布一种.mp4  27.93M
    |   ├──10-实战音乐分类器_代码使用傅里叶变换将混音文件进行投影.mp4  42.74M
    |   ├──11-实战音乐分类器_代码对单首歌曲进行傅里叶变换_代码对600首音乐文件进行傅里叶变换并保存结果.mp4  49.16M
    |   ├──12-实战音乐分类器_代码读取600首傅里叶变换后的数据_构建训练集并训练模型.mp4  47.67M
    |   ├──13-实战音乐分类器_模型的测试和调优_解决双通道音乐文件的问题.mp4  78.03M
    |   ├──2-从广义线性回归的η推导出来Softmax的公式.mp4  21.35M
    |   ├──3-有了Softmax函数的公式就可以去计算loss_Softmax的Loss函数形式其实就是LR的泛化版本.mp4  33.42M
    |   ├──4-再次证明Softmax损失函数当K=2时就是逻辑回归损失函数.mp4  28.15M
    |   ├──5-证明Softmax公式K=2的时候就是逻辑回归_平移不变性.mp4  13.92M
    |   ├──6-逻辑回归和Softmax回归在多分类任务模型参数上的区别_与算法在选择上的区别.mp4  46.67M
    |   ├──7-实战音乐分类器_讲解需求和读取数据.mp4  32.57M
    |   ├──8-实战音乐分类器_探索不同曲风音乐文件的时间频率图.mp4  52.39M
    |   └──9-实战音乐分类器_傅里叶变换可以帮助我们做什么.mp4  25.13M
    ├──3--SVM支持向量机算法  
    |   ├──1-SVM与感知机关系_几何距离与函数距离.mp4  114.25M
    |   ├──2-SVM的思想.mp4  55.56M
    |   ├──3-几种SVM_SVM的损失函数.mp4  74.91M
    |   ├──4-数学预备知识_拉格朗日函数.mp4  122.44M
    |   ├──5-硬间隔SVM的两步优化.mp4  102.88M
    |   ├──6-总结硬间隔SVM.mp4  39.01M
    |   ├──7-软间隔SVM和总结流程.mp4  135.76M
    |   ├──8-非线性SVM.mp4  54.43M
    |   └──9-SVM在sklearn中的使用_超参数.mp4  144.30M
    └──4--SMO优化算法  
    |   ├──1-SVM算法流程总结.mp4  58.36M
    |   ├──10-SVM的SMO实现判断违背条件的α1.mp4  19.23M
    |   ├──11-SVM的SMO实现应用公式计算alphas和b.mp4  20.88M
    |   ├──12-SVM绘制已有数据点和超平面以及边界.mp4  21.13M
    |   ├──13-关于sklearn中的SVM封装的类和超参.mp4  15.47M
    |   ├──14-概率化输出_SVM的合页损失函数_Tensorflow实现GD方式求解SVM.mp4  69.00M
    |   ├──15-OVR和OVO多分类_算法小结_对比逻辑回归.mp4  36.52M
    |   ├──2-SMO算法求解思路_分解成很多个子二次规划问题分别求解.mp4  65.42M
    |   ├──3-SMO将交给它的目标函数变成二元函数进一步变成一元函数.mp4  63.23M
    |   ├──4-对一元函数求极值点_推导出旧的α和新的α的关系.mp4  53.19M
    |   ├──5-将公式467带入导函数进一步简化_对求解出的新的α2进行剪裁.mp4  92.38M
    |   ├──6-再次说明α2如何进行剪裁的思路_根据α2求α1.mp4  37.62M
    |   ├──7-启发式选择两个α.mp4  23.11M
    |   ├──8-如何计算阈值b.mp4  50.18M
    |   └──9-SVM的SMO实现读取数据和计算fx与Ei.mp4  73.44M
    7--机器学习-无监督学习  
    ├──1--聚类系列算法  
    |   ├──1-KMeans聚类流程_距离测度欧式距离和余弦距离.mp4  173.95M
    |   ├──2-距离测度欧式距离和余弦距离的场景_TFIDF.mp4  153.55M
    |   ├──3-KMeans的一些变形_KMeans的损失函数推导及假设.mp4  167.16M
    |   ├──4-mini-batchKMeans_Canopy聚类_聚类评估指标.mp4  214.69M
    |   ├──5-KMeans代码测试不同情况下的聚类效果.mp4  148.66M
    |   └──6-层次聚类_密度聚类_谱聚类.mp4  264.04M
    ├──2--EM算法和GMM高斯混合模型  
    |   ├──1-单个高斯分布GM的参数估计.mp4  112.72M
    |   ├──2-理解GMM高斯混合分布的对数似然函数.mp4  95.22M
    |   ├──3-GMM参数估计Πμσ的流程.mp4  112.23M
    |   ├──4-Jensen不等式的应用.mp4  109.17M
    |   ├──5-将EM算法应用到GMM中并且推导出了μ和Σ的公式.mp4  157.57M
    |   ├──6-将EM算法应用到GMM中并且推导出Π的公式.mp4  44.12M
    |   ├──7-GMM前景背景分离.mp4  16.01M
    |   ├──8-通过声音文件利用GMM算法识别性别.mp4  134.39M
    |   └──9-通过声音文件利用GMM算法识别是谁.mp4  51.52M
    └──3--PCA降维算法  
    |   ├──1-特征选择与特征映射.mp4  49.38M
    |   ├──2-PCA的最大投影方差思路.mp4  186.75M
    |   ├──3-最大投影方差推导_最小投影距离思路.mp4  115.67M
    |   ├──4-SVD其实就可以去实现PCA了.mp4  92.97M
    |   └──5-PCA的几种应用.mp4  54.58M
    8--机器学习-决策树系列  
    ├──1--决策树  
    |   ├──1-决策树模型的特点.mp4  74.88M
    |   ├──10-绘制决策树模型_寻找最优树深度.mp4  97.10M
    |   ├──11-代码训练回归树拟合SineWave.mp4  93.81M
    |   ├──12-后剪枝的意义.mp4  50.49M
    |   ├──13-CCP代价复杂度后剪枝.mp4  130.67M
    |   ├──14-CCP代价复杂度剪枝_α超参数设定.mp4  62.18M
    |   ├──2-决策树的数学表达.mp4  89.94M
    |   ├──3-如何构建一颗决策树.mp4  84.87M
    |   ├──4-什么是更好的一次划分.mp4  57.02M
    |   ├──5-Gini系数.mp4  107.54M
    |   ├──6-信息增益.mp4  75.26M
    |   ├──7-熵与Gini系数关系_信息增益率.mp4  118.18M
    |   ├──8-预剪枝以及相关超参数.mp4  127.06M
    |   └──9-代码实战决策树对鸢尾花数据集分类.mp4  77.90M
    ├──2--集成学习和随机森林  
    |   ├──1-不同聚合方式_生成不同弱学习器方式.mp4  80.47M
    |   ├──2-Bagging_Boosting_Stacking.mp4  59.02M
    |   ├──3-随机森林.mp4  108.14M
    |   ├──4-代码实战随机森林对鸢尾花数据集分类.mp4  101.81M
    |   ├──5-OOB袋外数据.mp4  106.07M
    |   ├──6-Adaboost算法思路.mp4  106.30M
    |   ├──7-调整数据权重让权重正确率达到50%.mp4  66.83M
    |   └──8-Adaboost如何调整样本权重和求基模型权重.mp4  90.51M
    ├──3--GBDT  
    |   ├──1-GBDT试图使用有监督最优化算法梯度下降求解F(x).mp4  65.49M
    |   ├──10-GBDT多分类如何每轮给K颗小树准备要去拟合的负梯度.mp4  72.09M
    |   ├──11-GBDT多分类流程.mp4  73.80M
    |   ├──12-对比GBDT回归、二分类、多分类相同点与不同点.mp4  60.80M
    |   ├──13-GBDT二分类叶子节点分值计算推导.mp4  73.96M
    |   ├──14-GBDT多分类叶子节点分值计算.mp4  54.63M
    |   ├──15-GBDT二分类举例详解.mp4  86.67M
    |   ├──16-GBDT多分类举例详解.mp4  91.71M
    |   ├──17-计算特征重要度进行特征选择.mp4  54.87M
    |   ├──18-GBDT用于特征组合降维.mp4  43.72M
    |   ├──19-特征组合降维在GBDT+LR架构应用.mp4  51.28M
    |   ├──2-GBDT令每个弱学习器f(x)去拟合负梯度.mp4  88.39M
    |   ├──20-GBDT在sklearn中源码剖析_初始化F(x).mp4  115.14M
    |   ├──21-GBDT在sklearn中源码剖析_负梯度计算和叶子节点分值计算.mp4  71.74M
    |   ├──22-GBDT+LR架构训练模型代码实现.mp4  88.40M
    |   ├──23-GBDT+LR架构预测评估代码实现.mp4  66.47M
    |   ├──3-GBDT每棵树都是回归树_准备数据才能训练下一颗小树.mp4  77.36M
    |   ├──4-GBDT应用于回归问题.mp4  84.66M
    |   ├──5-GBDT回归举例_总结.mp4  108.52M
    |   ├──6-GBDT应用于二分类问题.mp4  70.42M
    |   ├──7-GBDT二分类拟合的负梯度依然是残差.mp4  83.81M
    |   ├──8-GBDT中shrinkage学习率和最优树权重ρ可以共存.mp4  61.49M
    |   └──9-GBDT应用于多分类任务.mp4  73.34M
    └──4--XGBoost  
    |   ├──1-回顾有监督机器学习三要素.mp4  82.52M
    |   ├──10-重新定义树ft和树的复杂度Ω.mp4  77.70M
    |   ├──11-由每个叶子节点重组目标函数Obj.mp4  68.56M
    |   ├──12-推导XGBoost出Wj计算公式_推导评价树好坏的Obj.mp4  72.32M
    |   ├──13-根据Obj收益指导每一次分裂从而学习一棵树结构.mp4  106.69M
    |   ├──14-举例说明从连续型和离散型变量中寻找最佳分裂条件.mp4  73.80M
    |   ├──15-XGBoost中防止过拟合的前剪枝_后剪枝_学习率.mp4  71.21M
    |   ├──16-样本权重对于模型学习的影响.mp4  59.81M
    |   ├──17-总结XGBoost的特性_包括缺失值的处理策略.mp4  101.47M
    |   ├──2-Bias_Variance_Trade-off.mp4  66.00M
    |   ├──3-基于树集成学习4个优点.mp4  91.36M
    |   ├──4-回顾基于树集成学习的模型和参数并举例说明.mp4  93.39M
    |   ├──5-通过目标函数Obj来达到准确率和复杂度平衡.mp4  48.31M
    |   ├──6-Objective_vs_Heuristic.mp4  60.42M
    |   ├──7-得出XGBoost最开始的Obj目标函数.mp4  94.87M
    |   ├──8-推导XGBoost对Loss二阶泰勒展开之后的Obj.mp4  48.62M
    |   └──9-Obj化简常数项_明确训练每颗回归树需要准备gi和hi.mp4  67.39M
    9--机器学习-概率图模型  
    ├──1--贝叶斯分类  
    |   ├──1-朴素贝叶斯分类算法.mp4  126.74M
    |   ├──2-TF-IDF.mp4  53.08M
    |   ├──3-NB代码实现解析.mp4  126.73M
    |   ├──4-sklearn中调用NB_顺便讲解了GridSearchCV.mp4  131.83M
    |   ├──5-语言模型的设计目的_MLE的作用进行参数估计.mp4  107.12M
    |   └──6-贝叶斯网络_马尔可夫链.mp4  38.75M
    ├──2--HMM算法  
    |   ├──1-HMM隐马的定义.mp4  36.82M
    |   ├──2-HMM隐马的三组参数_三个基本问题.mp4  104.28M
    |   ├──3-HMM预测问题使用前向算法.mp4  44.33M
    |   ├──4-HMM预测问题使用维特比算法.mp4  33.43M
    |   ├──5-HMM复习_明确概率计算问题要解决的目标.mp4  76.05M
    |   ├──6-前向算法来解决概率计算问题.mp4  33.05M
    |   ├──7-Viterbi算法案例详解.mp4  107.12M
    |   └──8-Viterbi算法代码实现.mp4  42.43M
    └──3--CRF算法  
    |   ├──1-NER与分词和POS的关系_NER的标注策略_NER的主要方法.mp4  127.78M
    |   ├──2-讲解了一下常见的深度学习LSTM+CRF的网络拓扑.mp4  71.88M
    |   ├──3-了解CRF层添加的好处.mp4  105.90M
    |   ├──4-EmissionScore_TransitionScore.mp4  61.33M
    |   ├──5-CRF的目标函数.mp4  23.74M
    |   ├──6-计算CRF真实路径的分数.mp4  50.37M
    |   ├──7-计算CRF所有可能路径的总分数.mp4  135.58M
    |   └──8-通过模型来预测新的句子的序列标签.mp4  83.16M
    课件.zip  2.54kb
      

    〖视频截图〗:
    AI算法工程师就业班视频教程2022年完结(61G)
    〖百度网盘下载地址〗:
    游客,如果您要查看本帖隐藏内容请回复


    ---------------------------------华丽分割线--------------------------------华丽分割线-------------------华丽分割线-------------------------华丽分割线----------------

    〖下载地址失效反馈〗:
    如果下载地址失效,请尽快反馈给我们,我们尽快修复。反馈地址:https://www.itmsf.com/forum-66-1.html

    〖赞助VIP免学币下载全站资源〗:
    全站资源高清无密,每天更新,vip特权了解一下:https://www.itmsf.com/plugin.php?id=threed_vip

    〖客服24小时咨询〗:
    有任何问题,请点击右侧QQ咨询。



    IT码上发视频网 - 免责声明1、站内所有资源来源于网络用户分享,版权归原作者及其网站所有,本站不拥有此类资源的版权,不对任何资源负法律责任。
    2、本站仅为资源分享的平台,站内资源仅供会员参考和学习之用,不得用于其他非法用途,请下载后24小时内从您的电脑中彻底删除。否则,一切后果请用户自负。
    3、本站会员均可发帖,转载及发布的内容纯属会员个人意见,与本论坛立场无关。严禁在本站发布反动、色情、广告等不良信息及违法内容。
    4、IT码上发视频网作为网络服务提供者,由于网站信息量巨大,对非法转载、盗版行为的发生不具备充分的监控能力。但是当版权拥有者提出侵权指控并出示充分的版权证明材料时,IT码上发视频网负有移除非法转载和盗版内容以及停止继续传播的义务。
    5、IT码上发视频网在满足前款条件下采取移除等相应措施后不为此向原发布人承担违约责任或其他法律责任,包括不承担因侵权指控不成立而给原发布人带来损害的赔偿责任。
    6、IT码上发视频网为用户免费分享产生,如本帖侵犯到任何版权问题,请立即告知本站(1198889304@qq.com),本站将及时予与删除并致以最深的歉意
    7、IT码上发视频网管理员和版主有权不事先通知发贴者而删除本文
    8、凡登陆本网站或直接、间接使用本站资料者,应仔细阅读声明,一旦使用本站任何资源,即被视为您已接受本站的免责声明。
    回复

    使用道具 举报

  • TA的每日心情
    慵懒
    5 小时前
  • 签到天数: 83 天

    [LV.6]常住居民II

    0

    主题

    200

    帖子

    2605

    积分

    永久VIP会员

    Rank: 3Rank: 3

    积分
    2605
    发表于 2022-11-14 19:35:57 | 显示全部楼层
    真是被感动的痛哭流涕……厉害了,我的【IT码上发视频学习网】!
    回复

    使用道具 举报

  • TA的每日心情
    慵懒
    4 天前
  • 签到天数: 99 天

    [LV.6]常住居民II

    0

    主题

    155

    帖子

    2700

    积分

    永久VIP会员

    Rank: 3Rank: 3

    积分
    2700
    发表于 2022-11-14 21:59:32 | 显示全部楼层
    真是被感动的痛哭流涕……厉害了,我的【IT码上发视频学习网】!
    回复

    使用道具 举报

  • TA的每日心情
    擦汗
    11 小时前
  • 签到天数: 270 天

    [LV.8]以坛为家I

    3

    主题

    2230

    帖子

    5661

    积分

    永久VIP会员

    Rank: 3Rank: 3

    积分
    5661
    发表于 2022-11-15 06:43:22 | 显示全部楼层
    淡定,淡定,淡定……【IT码上发视频学习网】就是这么666!
    回复

    使用道具 举报

  • TA的每日心情
    无聊
    8 小时前
  • 签到天数: 56 天

    [LV.5]常住居民I

    0

    主题

    65

    帖子

    356

    积分

    新手上路

    Rank: 1

    积分
    356
    发表于 2022-11-15 08:51:51 | 显示全部楼层
    我只是路过打酱油的。【IT码上发视频学习网】雄起!
    回复

    使用道具 举报

  • TA的每日心情
    奋斗
    9 小时前
  • 签到天数: 485 天

    [LV.9]以坛为家II

    3

    主题

    505

    帖子

    1696

    积分

    初级工程师

    Rank: 2

    积分
    1696
    发表于 2022-11-15 09:14:23 | 显示全部楼层
    真是难得给力的资源啊!支持【IT码上发视频学习网】!
    回复

    使用道具 举报

  • TA的每日心情
    开心
    昨天 14:43
  • 签到天数: 228 天

    [LV.7]常住居民III

    0

    主题

    345

    帖子

    3521

    积分

    永久VIP会员

    Rank: 3Rank: 3

    积分
    3521
    发表于 2022-11-15 11:07:40 | 显示全部楼层
    看到这样的好资源真是高兴!感谢【IT码上发视频学习网】的无私分享!
    回复

    使用道具 举报

  • TA的每日心情
    无聊
    昨天 00:56
  • 签到天数: 12 天

    [LV.3]偶尔看看II

    0

    主题

    20

    帖子

    77

    积分

    新手上路

    Rank: 1

    积分
    77
    发表于 2022-11-15 12:54:10 | 显示全部楼层
    看到这样的好资源真是高兴!感谢【IT码上发视频学习网】的无私分享!
    回复

    使用道具 举报

  • TA的每日心情
    开心
    昨天 18:01
  • 签到天数: 13 天

    [LV.3]偶尔看看II

    3

    主题

    129

    帖子

    211

    积分

    包年VIP

    Rank: 2

    积分
    211
    发表于 2022-11-15 18:16:51 | 显示全部楼层
    激动人心,无法言表!【IT码上发视频学习网】太给力了!
    回复

    使用道具 举报

  • TA的每日心情
    慵懒
    3 天前
  • 签到天数: 87 天

    [LV.6]常住居民II

    1

    主题

    241

    帖子

    1693

    积分

    包年VIP

    Rank: 2

    积分
    1693
    发表于 2022-11-15 21:33:14 | 显示全部楼层
    淡定,淡定,淡定……【IT码上发视频学习网】就是这么666!
    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则

    用心服务IT技术爱好者
    资源涵盖Java,PHP,C/C++,Python,Android,iOS
    微信小程序,人工智能,大数据云计算,web前端
    游戏开发,多媒体与设计,运维相关,产品相关
    等等等有价值的VIP资源
    QQ:1198889304
    周一至周日 9:00-21:00
    意见反馈:1198889304@qq.com

    申明:本站所有资源均来自于互联网用户分享,仅供参考和学习之用,不得传播及用于其他用途,请24小时内自行删除,本站不对任何资源负法律责任。如有侵犯您的版权,请联系客服发邮件到1198889304@qq.com联系删除相关内容!