响木SVIP目录
响木最新
响木众筹
响木众筹
当前目录
全盘
查全部
文件夹
文件
主页
/
【知识共享】会员专栏
/
13、IT会员专栏
/
【深度之眼】人工智能研究生课程库
/
02-10-【第一章线性代数(上)】-4矩阵的行列式②.mp4
02-11-【第一章线性代数(上)】-5矩阵的行列式③.mp4
02-12-【第一章线性代数(上)】-6矩阵的行列式④.mp4
02-13-【第一章线性代数(上)】-7矩阵的逆①.mp4
02-14-【第一章线性代数(上)】-8矩阵的逆②.mp4
02-15-【第一章线性代数(上)】-9矩阵的逆③.mp4
02-16-【第二章线性代数(下)】章节导读.mp4
02-17-【第二章线性代数(下)】-1矩阵的初等变换①.mp4
02-18-【第二章线性代数(下)】-2矩阵的初等变换②.mp4
02-19-【第二章线性代数(下)】-3矩阵的初等变换③.mp4
02-20-【第二章线性代数(下)】-4矩阵的初等变换④.mp4
02-21-【第二章线性代数(下)】-5矩阵的特征值与特征向量①.mp4
02-22-【第二章线性代数(下)】-6矩阵的特征值与特征向量②.mp4
02-23-【第二章线性代数(下)】-7矩阵的特征值与特征向量③.mp4
02-24-【第二章线性代数(下)】-8矩阵对角化以及二次型①.mp4
02-25-【第二章线性代数(下)】-9矩阵对角化以及二次型②.mp4
02-26-【第二章线性代数(下)】-10矩阵对角化以及二次型③.mp4
02-27-【第二章线性代数(下)】-11svd分解的应用.mp4
02-28-【第三章微积分】-01常用函数的导数以及到导数的常用公式.mp4
02-29-【第三章微积分】-02中值定理&洛必达法则&泰勒公式及应用.mp4
02-30-【第三章微积分】-03函数的凹凸性&函数的极值.mp4
02-31-【第三章微积分】-04不定积分.mp4
02-32-【第三章微积分】-05定积分.mp4
02-33-【第三章微积分】-06偏导数&多元函数复合求导法则链式求导法则.mp4
02-34-【第三章微积分】-07方向导数与梯度及其应用.mp4
02-35-【第三章微积分】-08多元函数泰勒公式与海森矩阵&多元函数的极值.mp4
02-36-【第三章微积分】-09矩阵的求导.mp4
02-37-【第三章微积分】-10矩阵的求导在深度学习中的应用.mp4
02-38-【第四章概率论】-01随机实验样本空间随机事件&概率的定义.mp4
02-39-【第四章概率论】-02全概率公式与贝叶斯公式及应用&独立性.mp4
02-40-【第四章概率论】-03随机变量与多维随机变量.mp4
02-41-【第四章概率论】-04期望与方差part1.mp4
02-42-【第四章概率论】-05期望与方差part2.mp4
02-43-【第四章概率论】-06参数的估计.mp4
02-44-【第五章最优化】-1无约束最优化梯度下降.mp4
02-45-【第五章最优化】-2无约束最优化梯度下降.mp4
02-46-【第五章最优化】-3约束最优化.mp4
02-6-【第一章线性代数(上)】章节导读.mp4
02-7-【第一章线性代数(上)】-1矩阵及其基本运算①.mp4
02-8-【第一章线性代数(上)】-2矩阵及其基本运算②.mp4
02-9-【第一章线性代数(上)】-3矩阵的行列式①.mp4
02-Anaconda介绍及安装.mp4
03-10-第三章基本数据类型.mp4
03-11-【作业讲解】第三章：基本数据类型.mp4
03-12-第四章组合数据类型.mp4
03-13-【作业讲解】第四章：复杂数据类型.mp4
03-14-第五章程序控制结构.mp4
03-15-【作业讲解】第五章：程序控制结构.mp4
03-16-第六章函数-面向过程的编程.mp4
03-17-【作业讲解】第六章：函数.mp4
03-18-第七章类-面向对象的编程.mp4
03-19-【作业讲解】第七章：类.mp4
03-20-第八章文件、异常和模块.mp4
03-21-【作业讲解】第八章：文件、异常和模块.mp4
03-22-第九章有益的探索.mp4
03-23-【作业讲解】第九章：有益的探索.mp4
03-24-第十章Python标准库.mp4
03-25-【作业讲解】第十章：Python标准库.mp4
03-26-第十一章科学计算库—Numpy应用.mp4
03-27-【作业讲解】第十一章：Numpy库.mp4
03-28-第十二章Pandas库.mp4
03-29-【作业讲解】第十二章：Pandas库.mp4
03-30-第十三章Matplotlib.mp4
03-31-【作业讲解】第十三章：Matplotlib.mp4
03-32-第十四章Sklearn常规用法.mp4
03-33-【作业讲解】第十四章：Sklearn常规用法.mp4
03-34-第十五章再谈编程.mp4
03-36-【比赛实战】大牛手把手指导如何打一场完整的二分类比赛.mp4
03-37-【比赛实战】二分类算法比赛小测验—提供银行精准营销解决方案.mp4
03-6-第一章绪论和环境配置.mp4
03-7-【作业讲解】第一章：助教实际演示配置环境过程.mp4
03-8-第二章Python基本语法元素.mp4
03-9-【作业讲解】第二章：Python基本语法元素.mp4
03-【Python3.6】Python安装及验证.mp4
04-10-02-04-使用梯度下降法求解线性回归问题.mp4
04-100-08-01-主成分分析介绍.mp4
04-101-08-02协方差矩阵的特征值分解算法.mp4
04-102-08-03协方差矩阵的特征值分解算法代码实现.mp4
04-103-08-04基于数据矩阵的奇异值分解算法.mp4
04-104-08-05基于数据矩阵的奇异值分解算法代码实现.mp4
04-105-08-【实战】-Sklearn实现PCA.mp4
04-106-08-【案例】PCA实现照片压缩.mp4
04-107-09-01-集成学习介绍.mp4
04-108-09-02-Voting能够提高准确度的原因.mp4
04-109-09-03-Voting原理.mp4
04-11-02-05-线性回归代码实现.mp4
04-110-09-04-Voting代码实现.mp4
04-111-09-05-Bagging与随机森林及其代码实现.mp4
04-112-09-06-Boosting.mp4
04-113-09-07-Adaboost举例.mp4
04-114-09-08-AdaBoost代码实现.mp4
04-115-09-09-GBDT之提升和提升树概念.mp4
04-116-09-10-GBDT梯度提升树.mp4
04-117-09-11-XGBoost介绍，目标函数，正则项.mp4
04-118-09-12-XGBoost求解.mp4
04-119-09-13-XGBoost树结构生成.mp4
04-12-02-06-线性回归代码实现-做特征归一化.mp4
04-120-09-14-XGBoost代码实现1.mp4
04-121-09-15-XGBoost代码实现2.mp4
04-122-09-16-Stacking.mp4
04-123-09-17-Stacking代码实现.mp4
04-124-10-【银行营销策略分析】-01数据说明.mp4
04-125-10-【银行营销策略分析】-02探索性分析.mp4
04-126-10-【银行营销策略分析】-03数据预处理与特征工程.mp4
04-127-10-【银行营销策略分析】-04模型训练.mp4
04-128-10-【信用卡发欺诈模型】-01数据说明及不平衡数据的训练集及测试及分割方法.mp4
04-129-10-【信用卡发欺诈模型】-02采样之上采样.mp4
04-13-02-07-批量梯度下降，随机梯度下降，小批量梯度下降.mp4
04-130-10-【信用卡发欺诈模型】-03采样之下采样.mp4
04-131-10-【信用卡发欺诈模型】-04建模与调参.mp4
04-14-02-08-模型评价·几种常见的模型评价指标.mp4
04-15-02-09-欠拟合与过拟合.mp4
04-16-02-10-Ridge回归求解与代码实现.mp4
04-17-02-11-LASSO回归求解.mp4
04-18-02-12-LASSO回归求解举例说明.mp4
04-19-02-13-LASSO回归代码实现.mp4
04-20-02-14-最小二乘法求线性回归.mp4
04-21-02-15-最小二乘法代码实现.mp4
04-22-02-【实战】使用Sklearn实现Ridge，LASSO和ElasticNet.mp4
04-23-02-【案例】波士顿房价预测(上).mp4
04-24-02-【案例】-波士顿房价预测(下).mp4
04-25-03-01-逻辑回归简介、假设函数、损失函数、成本函数.mp4
04-26-03-02-逻辑回归求解.mp4
04-27-03-03-一个示例解释逻辑回归的求解公式.mp4
04-28-03-04-逻辑回归代码实现(上).mp4
04-29-03-04-逻辑回归代码实现(下).mp4
04-30-03-06-逻辑回归的正则化.mp4
04-31-03-07-逻辑回归实现多分类方法.mp4
04-32-03-08-【实战】使用Sklearn实现逻辑回归.mp4
04-33-03-【案例】鸢尾花分类.mp4
04-34-03-【案例】手写数字识别.mp4
04-35-04-01-决策树简介、熵.mp4
04-36-04-02条件熵及计算举例.mp4
04-37-04-03信息增益、ID3算法.mp4
04-38-04-04决策树代码实现(1-熵的计算).mp4
04-39-04-05决策树代码实现(2-划分数据集、选择最好的特征).mp4
04-40-04-06决策树代码实现(3-类别投票表决).mp4
04-41-04-07决策树代码实现(4-决策树递归生成，决策树对新数据进行预测).mp4
04-42-04-08C4.5算法.mp4
04-43-04-09基尼指数(GiniIndex)生成决策树.mp4
04-44-04-10决策树剪枝.mp4
04-45-04-11决策树处理连续值与缺失值.mp4
04-46-04-12多变量决策树.mp4
04-47-04-【实战】Sklearn实现决策树.mp4
04-48-04-【案例】：使用决策树进行个人信用风险评估(1.数据集介绍、数据预处理).mp4
04-49-04-【案例】：使用决策树进行个人信用风险评估(2.模型评估指标).mp4
04-50-04-【案例】：使用决策树进行个人信用风险评估(3.模型评估，优化).mp4
04-51-05-01-贝叶斯决策简介.mp4
04-52-05-02-贝叶斯决策模型.mp4
04-53-05-03-朴素贝叶斯模型.mp4
04-54-05-04-朴素贝叶斯代码实现(1.训练过程).mp4
04-55-05-05-朴素贝叶斯代码实现(2.预测过程).mp4
04-56-05-06-拉普拉斯修正及代码实现.mp4
04-57-05-07-朴素贝叶斯如何处理连续型数据.mp4
04-58-05-08-Sklearn实现朴素贝叶斯.mp4
04-59-05-【案例】垃圾邮件识别(1.实现原理).mp4
04-6-01-01-机器学习概述.mp4
04-60-05-【案例】垃圾邮件识别(2.代码实现).mp4
04-61-06-01-支持向量机简介.mp4
04-62-06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).mp4
04-63-06-03-拉格朗日乘子法求带有等式约束的极值问题.mp4
04-64-06-04-拉格朗日乘子法求带有不等式约束的极值问题、KKT条件.mp4
04-65-06-05-目标函数求解(1.对偶问题、先对w、b求极小).mp4
04-66-06-06-目标函数求解(2.对alpha求极大).mp4
04-67-06-07-SVM求解举例.mp4
04-68-06-08-线性支持向量机的目标函数.mp4
04-69-06-09-线性支持向量机目标函数优化.mp4
04-7-02-01线性回归简介、数学符号、假设函数、损失函数、代价函数.mp4
04-70-06-10-非线性支持向量机简介.mp4
04-71-06-11-非线性支持向量机的目标函数.mp4
04-72-06-12-SMO算法推导结果.mp4
04-73-06-13-1SVM代码实现之简易版(上).mp4
04-74-06-14-1SVM代码实现之简易版(下).mp4
04-75-06-15-2SVM代码实现之改进版.mp4
04-76-06-16-3SVM代码实现之引进核函数版.mp4
04-77-06-17-SMO算法推导过程1.mp4
04-78-06-18-SMO算法推导过程2.mp4
04-79-06-19-SMO算法推导过程3.mp4
04-8-02-02-梯度下降法..mp4
04-80-06-20-SMO算法推导过程4.mp4
04-81-06-21-SVM总结.mp4
04-82-06-【实战】-Sklearn实现SVM1.mp4
04-83-06-【实战】-Sklearn实现SVM2-3，输出常用属性值，使用高斯核.mp4
04-84-06-【实战】-Sklearn实现SVM4，调参.mp4
04-85-06-【案例】使用SVM完成人脸识别.mp4
04-86-07-01-K-means基本原理及推导.mp4
04-87-07-02-K-means中距离计算方法.mp4
04-88-07-03-K-means代码实现(1原生代码实现).mp4
04-89-07-04-K-means代码实现(2sklearn实现KMeans).mp4
04-9-02-03-梯度下降法代码实现.mp4
04-90-07-05-层次聚类原理及距离计算.mp4
04-91-07-06层次聚类举例.mp4
04-92-07-07Sklearn实现层次聚类.mp4
04-93-07-08密度聚类.mp4
04-94-07-09Sklearn实现密度聚类.mp4
04-95-07-10-高斯混合模型介绍.mp4
04-96-07-11-高斯混合模型参数估计.mp4
04-97-07-12高斯混合模型原生代码实现.mp4
04-98-07-13Sklearn实现高斯混合模型.mp4
04-99-07-【案例】对亚洲足球队进行聚类分析.mp4
04-【Python3.6】Python配置环境变量.mp4
05-10-第一章作业讲解-极大似然估计.mp4
05-100-第十九章19.2马尔科夫链的定义与性质.mp4
05-101-第十九章19.3连续状态马尔科夫链.mp4
05-102-第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法.mp4
05-103-第十九章作业讲解.mp4
05-104-第二十章20.1LDA分布、模型与Gibbs抽样算法.mp4
05-105-第二十章20.2LDA的变分EM算法.mp4
05-106-第二十章作业讲解.mp4
05-107-第二十一章21.1PageRank算法的定义与幂法计算.mp4
05-108-第二十一章作业讲解.mp4
05-109-第二十二章22无监督学习方法总结.mp4
05-11-第二章2.1导论.mp4
05-12-第二章2.2对偶形式.mp4
05-13-第二章2.3收敛性.mp4
05-14-code——感知机.mp4
05-15-第二章作业讲解-感知机自编程实现.mp4
05-16-第二章作业讲解-感知机sklearn实现.mp4
05-17-第三章3.1导论.mp4
05-18-第三章3.2kd树.mp4
05-19-code——k近邻.mp4
05-20-第三章作业讲解-KNN自编程.mp4
05-21-第三章作业讲解-KNN-sklearn.mp4
05-22-第四章4.1导论.mp4
05-23-第四章4.2贝叶斯估计.mp4
05-24-第四章4.3期望风险最小化.mp4
05-25-code——朴素贝叶斯.mp4
05-26-第四章作业讲解-贝叶斯估计.mp4
05-27-第四章作业讲解-朴素贝叶斯.mp4
05-28-第五章5.1导论.mp4
05-29-第五章5.2剪枝.mp4
05-30-code——决策树.mp4
05-31-第五章作业讲解-决策树.mp4
05-32-第六章6.1逻辑斯蒂回归与最大熵.mp4
05-33-第六章6.2改进的迭代尺度法.mp4
05-34-第六章作业讲解-逻辑斯谛回归.mp4
05-35-code——逻辑斯蒂回归与最大熵.mp4
05-36-第七章7.1导论.mp4
05-37-第七章7.2存在唯一性.mp4
05-38-第七章作业讲解-支持向量机习题7.1.mp4
05-39-第七章作业讲解-支持向量机sklearn习题7.2.mp4
05-40-第七章作业讲解-支持向量机习题7.3.mp4
05-41-code——支持向量机.mp4
05-42-第八章8.1导论.mp4
05-43-第八章8.2前向分步算法.mp4
05-44-第八章8.3adaboost的训练误差.mp4
05-45-第八章作业讲解-提升方法.mp4
05-46-code——提升方法.mp4
05-47-第九章9.1导论.mp4
05-48-第九章9.2高斯混合模型.mp4
05-49-第九章作业讲解-EM算法.mp4
05-50-code——EM算法及推广.mp4
05-51-第十章10.1导论.mp4
05-52-第十章10.2前向算法.mp4
05-53-第十章10.3维特比算法.mp4
05-54-第十章作业讲解-隐马尔可夫模型.mp4
05-55-code——隐马尔可夫.mp4
05-56-第十一章11.1导论.mp4
05-57-第十一章11.2拟牛顿法.mp4
05-58-第十一章11.3条件随机场的矩阵形式.mp4
05-59-第十一章作业讲解-条件随机场.mp4
05-60-第十三章无监督学习导论.mp4
05-61-第十四章14.1聚类的基本概念.mp4
05-62-第十四章14.2.1距离与相似度.mp4
05-63-第十四章14.2.2聚合聚类距离公式介绍.mp4
05-64-第十四章14.2.3距离公式证明.mp4
05-65-第十四章14.2.4确定最佳聚类数.mp4
05-66-第十四章14.2.5有序样本分类法.mp4
05-67-第十四章14.3K均值聚类.mp4
05-68-第十四章14.1作业讲解-K-Means算法和高斯混合模型的比较.mp4
05-69-第十四章14.2作业讲解-14.2有关类的定义推导.mp4
05-7-第一章1.1导论.mp4
05-70-第十四章14.3作业讲解-离差平方和距离推导公式证明.mp4
05-71-第十四章14.3作业讲解-重心距离推导公式证明.mp4
05-72-第十五章15.1矩阵奇异值分解步骤.mp4
05-73-第十五章15.2矩阵奇异值分解基本定理.mp4
05-74-第十五章15.3矩阵奇异值分解性质与计算.mp4
05-75-第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4
05-76-第十五章15.5矩阵奇异值分解的应用.mp4
05-77-第十五章作业讲解-奇异值分解01.mp4
05-78-第十五章作业讲解-奇异值分解02.mp4
05-79-第十六章16.1主成分分析介绍.mp4
05-8-第一章1.2极大似然估计.mp4
05-80-第十六章16.2主成分分析基本定理.mp4
05-81-第十六章16.3主成分的性质与选择.mp4
05-82-第十六章16.4主成分的特征.mp4
05-83-第十六章16.5牛顿迭代与梯度下降法.mp4
05-84-第十六章16.6拟牛顿迭代法.mp4
05-85-第十六章16.1作业讲解-样本主成分分析.mp4
05-86-第十六章16.2作业讲解-样本方差无偏估计的理解.mp4
05-87-第十六章16.3作业讲解-求第一主成分.mp4
05-88-第十七章17.1LSA导入.mp4
05-89-第十七章17.2LSA算法实现.mp4
05-9-第一章1.3梯度下降法.mp4
05-90-第十七章17.3非负矩阵分解算法.mp4
05-91-第十七章17.4LSA案例分析与编程实现.mp4
05-92-第十七章作业讲解.mp4
05-93-第十七章17.3作业讲解-LSA实现.mp4
05-94-第十八章18.1PLSA生成模型.mp4
05-95-第十八章18.2PLSA共现模型.mp4
05-96-第十八章18.3PLSA模型算法实现.mp4
05-97-第十八章18.4PLSA模型EM算法详解.mp4
05-98-第十八章作业讲解.mp4
05-99-第十九章19.1蒙特卡罗法引入.mp4
05-【Python3.6】Python卸载及验证.mp4
06-10-【第二周】一元线性回归公式.mp4
06-11-【第二周】多元线性回归公式.mp4
06-12-【第二周】对数几率回归公式.mp4
06-15-【第二周】【作业讲解】逻辑回归.mp4
06-16-【第三周】决策树的分裂准则.mp4
06-20-【第三周】【作业讲解】决策树.mp4
06-21-【第四周】支持向量机原始模型的建立和求解.mp4
06-22-【第四周】核函数和软间隔支持向量机.mp4
06-25-【第四周】【作业讲解】SVM.mp4
06-26-【第五周】极大似然估计与朴素贝叶斯.mp4
06-27-【第五周】EM算法1.mp4
06-28-【第五周】EM算法2.mp4
06-29-【第五周】EM算法3.mp4
06-32-【第五周】【作业讲解】贝叶斯和EM算法.mp4
06-33-【第六周】神经网络结构.mp4
06-36-【第六周】【作业讲解】神经网络.mp4
06-42-【第七周】【作业讲解】模型评估与选择.mp4
06-48-【第八周】【作业讲解】特征选择.mp4
06-53-【第九周】【作业讲解】k-means.mp4
06-54-【第十周】聚类.mp4
06-55-【第十周】HMM-1.mp4
06-56-【第十周】HMM-2.mp4
06-57-【第十周】HMM-3.mp4
06-62-【达观杯nlp比赛】第一节课了解NLP任务和熟悉比赛题目-赛前介绍和准备.mp4
06-63-【达观杯nlp比赛】第二节课了解NLP任务和熟悉比赛题目-赛题介绍和思路分析.mp4
06-64-【达观杯nlp比赛】第三节课数据分析及处理.mp4
06-65-【达观杯nlp比赛】第四节课——Baseline实现.mp4
06-66-【达观杯nlp比赛】第五节课验证集构建和交叉验证.mp4
06-7-【第一周】机器学习绪论.mp4
06-9-【第二周】西瓜书公式推导学习指南.mp4
06-【PyTorch1.2】PyTorch简介与安装.mp4
07-14-Week2Day2【作业讲解】对照作业讲解视频查漏补缺.mp4
07-19-Week3-Day2【作业讲解】完成编程作业2(1).mp4
07-20-Week3-Day2【作业讲解】完成编程作业2(2).mp4
07-21-Week3-Day4【达观杯文本智能处理挑战赛】（入门指导）.mp4
07-25-Week4-Day2【作业讲解】编程作业3：神经网络（上）.mp4
07-26-Week4-Day2【作业讲解】编程作业3：神经网络（下）.mp4
07-27-Week4-Day4【达观杯文本智能处理挑战赛】（进阶指导）.mp4
07-30-Week5-Day2【作业讲解】编程作业4（上）.mp4
07-31-Week5-Day2【作业讲解】编程作业5.mp4
07-32-Week5-Day2【作业讲解】编程作业4（下）.mp4
07-36-Week6-Day2【作业讲解】编程作业5.mp4
07-40-Week7-Day2【作业讲解】编程作业6（上）.mp4
07-41-Week7-Day2【作业讲解】编程作业6（下）.mp4
07-47-Week8-Day4【作业讲解】编程作业7（上）.mp4
07-48-Week8-Day4【作业讲解】编程作业7（下）.mp4
07-52-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P1.mp4
07-53-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P2.mp4
07-54-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P3.mp4
07-56-Week10-Day1【kaggle大赛】进阶指导.mp4
07-6-【先修】学习绪论视频，了解预备知识.mp4
07-7-【学前准备】开营仪式回放-老师部分.mp4
07-8-【学前准备】开营仪式回放-班主任部分.mp4
07-【Pytorch1.2】Pytorch开发环境安装.mp4
08-10-Week2【任务1】张量与操作&三种自定义模型.mp4
08-11-Week2【任务2】keras模型训练.mp4
08-12-Week2【任务3】tensorflow2.0模型训练.mp4
08-13-Week2【任务4】计算图机制详解.mp4
08-14-Week2【任务5】计算图机制详解.mp4
08-16-Week3【任务1】自定义层详解.mp4
08-17-Week3【任务2】常用损失函数和自定义损失函数.mp4
08-18-Week3【任务3】常用评估函数和自定义评估函数.mp4
08-19-Week3【任务4】tensorboard小试牛刀.mp4
08-20-Week4【任务1】tf.data简介.mp4
08-21-Week4【任务2】tf.data简介.mp4
08-22-Week4【任务3】tfrecord详解.mp4
08-24-Week5【任务1】cnn介绍.mp4
08-25-Week5【任务2】实战项目上.mp4
08-26-Week5【任务3】实战项目下.mp4
08-27-Week6【任务1】循环神经网络讲解.mp4
08-28-Week6【任务2】word2vec简介.mp4
08-29-Week6【任务3】实战四.mp4
08-30-Week7【任务1】ransformer简介.mp4
08-31-Week7【任务2】实战5.mp4
08-32-Week8【任务1】GPU分布式训练.mp4
08-33-Week8【任务2】TPU训练.mp4
08-34-Week9【任务1】TF.hub使用.mp4
08-35-Week9【任务2】BERT实战.mp4
08-36-Week9【任务3】模型部署.mp4
08-6-Week1【任务1】tensorflow2.0简介.mp4
08-7-Week1【任务2】tensorflow2.0环境安装-ubuntu.mp4
08-8-Week1【任务2】tensorflow2.0环境安装-windows.mp4
08-【TensorFlow2.1.0】环境安装-ubuntu.mp4
09-10-【第一周】张量操作与线性回归.mp4
09-11-【第一周】计算图与动态图机制.mp4
09-12-【第一周】autograd与逻辑回归.mp4
09-13-【第一周】作业讲解1.mp4
09-14-【第一周】作业讲解2.mp4
09-15-【第一周】作业讲解3.mp4
09-16-【第二周】数据读取机制Dataloader与Dataset.mp4
09-17-【第二周】数据预处理transforms模块机制.mp4
09-18-【第二周】二十二种transforms数据预处理方法.mp4
09-19-【第二周】学会自定义transforms方法.mp4
09-20-【第二周】作业讲解.mp4
09-21-【第三周】模型创建步骤与nn.Module.mp4
09-22-【第三周】模型容器与AlexNet构建.mp4
09-23-【第三周】nn网络层-卷积层.mp4
09-24-【第三周】nn网络层-池化-线性-激活函数层.mp4
09-25-【第三周】作业讲解.mp4
09-26-【第四周】权值初始化.mp4
09-27-【第四周】损失函数（一）.mp4
09-28-【第四周】损失函数(二).mp4
09-29-【第四周】优化器optimizer的概念.mp4
09-30-【第四周】torch.optim.SGD.mp4
09-31-【第四周】作业讲解.mp4
09-32-【第五周】学习率调整策略.mp4
09-33-【第五周】TensorBoard简介与安装.mp4
09-34-【第五周】TensorBoard使用（一）.mp4
09-35-【第五周】TensorBoard使用（二）.mp4
09-36-【第五周】hook函数与CAM可视化.mp4
09-37-【第五周】作业讲解.mp4
09-38-【第六周】正则化之weight_decay.mp4
09-39-【第六周】正则化之Dropout.mp4
09-40-【第六周】BatchNormalization.mp4
09-41-【第六周】Normalizaiton_layers.mp4
09-42-【第六周】作业讲解.mp4
09-43-【第七周】模型保存与加载.mp4
09-44-【第七周】模型finetune.mp4
09-45-【第七周】GPU的使用.mp4
09-46-【第七周】PyTorch常见报错.mp4
09-47-【第七周】作业讲解.mp4
09-48-【第八周】图像分类一瞥.mp4
09-49-【第八周】图像分割一瞥.mp4
09-50-【第八周】图像目标检测一瞥（上）.mp4
09-51-【第八周】图像目标检测一瞥（下）.mp4
09-52-【第九周】生成对抗网络一瞥.mp4
09-53-【第九周】循环神经网络一瞥.mp4
09-6-【必看】深入浅出PyTorch.mp4
09-7-【第一周】PyTorch简介与安装.mp4
09-8-【第一周】补充-pytorch开发环境安装.mp4
09-9-【第一周】张量简介与创建.mp4
09-【TensorFlow2.1.0】环境安装-windows.mp4
10-10-第一周【任务2】：有约束最优化.mp4
10-11-【第一周作业讲解】为什么要用最小二乘.mp4
10-12-【第一周作业讲解】矩阵的分解及其应用.mp4
10-13-【第一周作业讲解】极大似然估计以及优化理论.mp4
10-14-【第一周作业讲解】熟悉svd分解算法的流程.mp4
10-15-第二周【任务1】：机器学习算法基本概念.mp4
10-16-第二周【任务1】：过拟合欠拟合超参数验证集.mp4
10-17-第二周【任务2】：估计、偏差和方差.mp4
10-18-第二周【任务2】：贝叶斯估计.mp4
10-19-第二周【任务2】：逻辑回归.mp4
10-20-第二周作业讲解.mp4
10-21-第三周【任务1】学习支持向量机LDA.mp4
10-22-第三周【任务1】其他监督学习算法SVM.mp4
10-23-第三周【任务2】决策树、kmeans算法.mp4
10-24-第三周作业讲解.mp4
10-25-第四周【任务1】：前馈神经网络结构表达能力.mp4
10-26-第四周【任务1】：激活函数损失函数.mp4
10-27-第四周【任务2】前馈神经网络技巧.mp4
10-28-第四周【任务2】前向后向算法.mp4
10-29-第四周作业讲解.mp4
10-30-第五周【任务1】范数惩罚正则化.mp4
10-31-第五周【任务1】：数据增强bagging&dropout.mp4
10-32-第五周【任务2】深度模型中的优化.mp4
10-33-第五周作业讲解.mp4
10-34-第六周【任务1】cnn前向后向.mp4
10-35-第六周【任务1】局部感知权值共享.mp4
10-36-第六周【任务2】lenet&alexnet.mp4
10-37-第六周【任务2】vggnetgooglenet.mp4
10-38-第六周【任务3】CNN应用——RCNN目标检测.mp4
10-39-第六周【任务3】CNN应用——Bounding_boxregression.mp4
10-40-第六周【任务3】CNN应用——FastRCNN.mp4
10-41-第六周【任务3】CNN应用——CNN人脸特征点定位.mp4
10-42-第六周作业讲解.mp4
10-43-【论文精读（选修）】mobilenet-01-背景介绍.mp4
10-44-【论文精读（选修）】mobilenet-02-论文结构&摘要精读.mp4
10-45-【论文精读（选修）】mobilenet-03-主体架构&深度可分离卷积.mp4
10-46-【论文精读（选修）】mobilenet-04-超参数.mp4
10-47-【论文精读（选修）】mobilenet-05-后续创新及改进.mp4
10-48-【论文精读（选修）】mobilenet-06-代码结构.mp4
10-49-【论文精读（选修）】mobilenet-07-模型设计.mp4
10-50-【论文精读（选修）】mobilenet-08-模型评估.mp4
10-51-第七周【任务1】RNN概念&前向传播.mp4
10-52-第七周【任务1】RNN反向传播与并行计算.mp4
10-53-第七周【任务2】lstm.mp4
10-54-第七周【任务2】gru.mp4
10-55-第七周【任务3】plstm&lstm在ocr的应用.mp4
10-56-第七周作业讲解.mp4
10-57-第八周【任务1】推理加速.mp4
10-58-第八周【任务1】训练加速.mp4
10-59-第八周【任务2】自适应技术.mp4
10-6-第一周【任务1】矩阵对角化以及SVD分解.mp4
10-60-第8周作业讲解.mp4.mp4
10-7-第一周【任务1】逆矩阵、最小二乘及PCA原理推导.mp4
10-8-第一周【任务2】：极大似然估计.mp4
10-9-第一周【任务2】：无约束最优化.mp4
10-【GPU驱动安装】GPU_driver_windows.mp4
11-10-学习内容总结+观看作业解答视频.mp4
11-11-损失函数和优化导读.mp4
11-12-svm多分类损失函数与softmax.mp4
11-15-学习反向传播.mp4
11-16-作业讲解视频.mp4
11-17-作业讲解视频.mp4
11-19-学习卷积神经网络历史.mp4
11-20-学习卷积和池化.mp4
11-21-学习激活函数、数据处理、权重初始化.mp4
11-22-作业讲解视频.mp4
11-25-学习优化策略.mp4
11-27-作业讲解视频.mp4
11-30-学习比较流行的cnn网络结构.mp4
11-31-学习rnn,lstm,gru.mp4
11-33-学习图像分割学习任务，分类和定位.mp4
11-35-学习特征可视化方法.mp4
11-37-学习PixelRNN,PixelCNN与变分自编码.mp4
11-45-【kaggle猫狗分类比赛】比赛简介.mp4
11-46-【学习kaggle猫狗分类比赛】详细操作.mp4
11-5-计算机视觉发展历史及一些计算机视觉任务概念.mp4
11-8-knn与线性分类器知识点提点.mp4
11-【GPU驱动安装】GPU_driver_Linux.mp4
12-10-pythonnumpypytorch学习及编程作业解析.mp4
12-11-学习CS224n第四课和课程导学.mp4
12-12-观看看作业解答视频.mp4
12-13-学习CS224nLecture05及导学.mp4
12-15-Assignment3作业讲解.mp4
12-16-学习CS224nLecture06及导学.mp4
12-18-观看作业解答视频.mp4
12-19-观看作业解答视频2.mp4
12-20-观看作业解答视频3.mp4
12-21-神经机器翻译及attention.mp4
12-23-NeuralMachineTranslationwithRNN.mp4
12-24-基于卷积神经网络的nlp.mp4
12-26-观看作业解答视频.mp4
12-27-观看A5作业讲解视频2.mp4
12-28-transformersandBERT.mp4
12-29-Lecture14.mp4
12-30-NaturalLanguageGeneration.mp4
12-33-Lecture18.mp4
12-35-FutureofNLP+DeepLearning.mp4
12-36-kaggle文本分类比赛-比赛介绍.mp4
12-37-kaggle文本分类比赛-数据分析.mp4
12-38-kaggle文本分类比赛-baseline模型(1).mp4
12-39-kaggle文本分类比赛-baseline模型(2).mp4
12-40-kaggle文本分类比赛-提交数据+提分策略.mp4
12-5-学习CS224n第一课和课程导学.mp4
12-6-【作业讲解】：assignment1讲解.mp4
12-7-打达观杯NLP比赛（报名指导和入门指导）.mp4
12-8-学习CS224n第二课和重难点讲解视频.mp4
12-9-学习CS224n第三课和课程导学.mp4
12-Linux常用命令.mp4
13-10-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅲ信息抽取构建知识图谱实例.mp4
13-11-【NLP项目一人工智能辅助信息抽取】第三周第二节_正则表达式与AC自动机算法讲解与应用.mp4
13-12-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅰ中文自然语言处理基础.mp4
13-13-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅱ命名实体识别详解.mp4
13-14-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅲ隐马尔可夫模型与维特比算法.mp4
13-15-【NLP项目一人工智能辅助信息抽取】第三周第四节：条件随机场.mp4
13-16-【NLP项目一人工智能辅助信息抽取】第四周-2.1深度学习NLP问题.mp4
13-17-【NLP项目一人工智能辅助信息抽取】第四周-2.2文本表示.mp4
13-18-【NLP项目一人工智能辅助信息抽取】第四周-2.3文本特征抽取.mp4
13-19-【NLP项目一人工智能辅助信息抽取】第四周-2.4常见NLP任务模型结构.mp4
13-20-【NLP项目一人工智能辅助信息抽取】第四周-2.5bilstm-crf模型介绍.mp4
13-21-【NLP项目一人工智能辅助信息抽取】第四周-2.6bilstm-crf实战.mp4
13-22-【NLP项目一人工智能辅助信息抽取】第四周-2.7关系抽取介绍.mp4
13-23-【NLP项目一人工智能辅助信息抽取】第四周-2.8PCNN介绍.mp4
13-24-【NLP项目一人工智能辅助信息抽取】第四周-2.9PCNN实战.mp4
13-25-【NLP项目一人工智能辅助信息抽取】3.1图像预训练模型.mp4
13-26-【NLP项目一人工智能辅助信息抽取】3.2NLP预训练模型.mp4
13-27-【NLP项目一人工智能辅助信息抽取】3.3信息抽取深度学习综述.mp4
13-28-【NLP项目一人工智能辅助信息抽取】3.4BERTNER实战.mp4
13-29-【NLP项目一人工智能辅助信息抽取】3.5总结与展望.mp4
13-30-【CV项目一图像分割深度学习实战】第一周-1.1-背景介绍.mp4
13-31-【CV项目一图像分割深度学习实战】第一周1.2.1-图像初步-可视化.mp4
13-32-【CV项目一图像分割深度学习实战】第一周1.2.2-图像初步-图像运算.mp4
13-33-【CV项目一图像分割深度学习实战】第一周1.3-训练数据准备.mp4
13-34-【CV项目一图像分割深度学习实战】第一周-1.4-1-深度学习代码框架.mp4
13-35-【CV项目一图像分割深度学习实战】第一周-1.4-2-pytorch基础知识.mp4
13-36-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-A.mp4
13-37-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-B.mp4
13-38-【CV项目一图像分割深度学习实战】第二周2.2-调参基础篇.mp4
13-39-【CV项目一图像分割深度学习实战】第二周2.3-选择损失函数.mp4
13-40-【CV项目一图像分割深度学习实战】第二周2.4-选择优化算法和学习率.案.mp4
13-41-【CV项目一图像分割深度学习实战】第二周-2.5-调参-总结.mp4
13-42-【CV项目一图像分割深度学习实战】第二周2.6-U-Net理论课.mp4
13-43-【CV项目一图像分割深度学习实战】第二周2.7-DeepLabv3+理论课.mp4
13-44-【CV项目一图像分割深度学习实战】第三周-3.1-改进.络结构-a.mp4
13-45-【CV项目一图像分割深度学习实战】第三周-3.1-改进.络结构-b.mp4
13-46-【CV项目一图像分割深度学习实战】第三周-3.1-改进.络结构-c.mp4
13-47-【CV项目一图像分割深度学习实战】第三周-3.1-改进.络结构-d.mp4
13-48-【CV项目一图像分割深度学习实战】第三周-3.2-尝试各种训练.案.mp4
13-49-【CV项目一图像分割深度学习实战】第三周-3.3-梯度累积法.mp4
13-5-【试听CV项目】1.1-背景介绍.mp4
13-50-【CV项目一图像分割深度学习实战】第三周-3.4-选择模型权重.mp4
13-51-【CV项目一图像分割深度学习实战】第三周-U-Net理论课进阶-迁移学习.mp4
13-52-【CV项目一图像分割深度学习实战】第三周-U-Net理论课进阶-注意.机制.mp4
13-53-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-a.mp4
13-54-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-b.mp4
13-55-【CV项目一图像分割深度学习实战】第四周-4.2-图像增.-a.mp4
13-56-【CV项目一图像分割深度学习实战】第四周-4.2-图像增.-b.mp4
13-57-【CV项目一图像分割深度学习实战】第四周-4.2-图像增.-c.mp4
13-58-【CV项目一图像分割深度学习实战】第四周-4.3-bad.mp4
13-59-【CV项目一图像分割深度学习实战】第四周-算法工作分享——1面试准备.mp4
13-6-【试听CV项目】1.2.1-图像初步-可视化.mp4
13-60-【CV项目一图像分割深度学习实战】第四周-算法工作分享——2工作日常.mp4
13-61-【CV项目一图像分割深度学习实战】第四周-算法工作分享——3职业前景.mp4
13-62-【推荐系统项目一电影推荐项目】1.1：推荐系统简介.mp4
13-63-【推荐系统项目一电影推荐项目】1.2：简单的电影推荐.mp4
13-64-【推荐系统项目一电影推荐项目】1.3：IMDB评分.mp4
13-65-【推荐系统项目一电影推荐项目】1.4：基于内容推荐.mp4
13-66-【推荐系统项目一电影推荐项目】1.5：协同过滤算法.mp4
13-67-【推荐系统项目】2.1criteoctr.mp4
13-68-【推荐系统项目】2.2FM&FFM.mp4
13-69-【推荐系统项目】2.3Wide&Deep.mp4
13-7-【试听】算法工作分享——1面试准备.mp4
13-70-【推荐系统项目】2.4DeepFM.mp4
13-71-【医疗知识图谱构建及图表征学习实践项目】课时0：项目先导课.mp4
13-72-【医疗知识图谱构建及图表征学习实践项目】课时1：数据获取—爬虫.mp4
13-73-【医疗知识图谱构建及图表征学习实践项目】课时2：数据处理.mp4
13-74-【医疗知识图谱构建及图表征学习实践项目】课时3：BiLSTM+CRF.mp4
13-75-【医疗知识图谱构建及图表征学习实践项目】课时4：NLP前沿技术讲解.mp4
13-76-【医疗知识图谱构建及图表征学习实践项目】课时5：Neo4j.mp4
13-77-【医疗知识图谱构建及图表征学习实践项目】课时6：图表征学习.mp4
13-78-【医疗知识图谱构建及图表征学习实践项目】课时7：图表征算法代码学习.mp4
13-79-【医疗知识图谱构建及图表征学习实践项目】课时8：项目总结.mp4
13-8-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅰ课程导读.mp4
13-80-【医疗知识图谱构建及图表征学习实践项目】补充内容：额外的LSTM.mp4
13-81-【医疗知识图谱构建及图表征学习实践项目】补充内容：额外的python编码.mp4
13-9-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅱ知识图谱的概念与应用.mp4
13-【数据分析工具】MySQL.mp4
14-10-03-循环神经网络-0.mp4
14-11-03-循环神经网络-1.mp4
14-12-03-循环神经网络-2.mp4
14-2-01-神经网络基础与多层感知机-0.mp4
14-3-01-神经网络基础与多层感知机-1.mp4
14-4-01-神经网络基础与多层感知机-2.mp4
14-5-01-神经网络基础与多层感知机-3.mp4
14-6-01-神经网络基础与多层感知机-4.mp4
14-7-02-卷积神经网络-0.mp4
14-8-02-卷积神经网络-1.mp4
14-9-02-卷积神经网络-2.mp4
14-【数据分析工具】Navicate.mp4
15-10-2_5图像基本操作_图像滤波.mp4
15-11-2_6图像基本操作_图像增强.mp4
15-12-2-7形态学操作_腐蚀..mp4
15-13-2_8形态学操作_膨胀开运算与闭运算.mp4
15-14-3_1固定阈值分割.mp4
15-15-3_2自动阈值分割.mp4
15-16-3_3边缘检测算子.mp4
15-17-3_4连通区域_区域生长算法.mp4
15-18-3_5分水岭算法图像分割.mp4
15-19-4_1特征描述_HOG.mp4
15-2-1-1图像基础知识.mp4
15-20-4_2特征描述Harris和SIFT算法.mp4
15-21-4_3纹理特征LBP算法.mp4
15-22-4_4模板匹配算法.mp4
15-23-4_5人脸检测算法.mp4
15-24-5_1摄像头调用和视频的读取保存.mp4
15-25-5_2帧差法视频目标识别.mp4
15-26-5_3光流法和背景减除法..mp4
15-3-1-2图像基础知识.mp4
15-4-1-3图像基础知识.mp4
15-5-1-4图像基础知识.mp4
15-6-2-1图像基本处理.mp4
15-7-2_2图像基本处理.mp4
15-8-2_3图像基本处理.mp4
15-9-2_4图像基本处理.mp4
15-【数据分析工具】TableauPublic.mp4
16-10-1.9joint-bert-代码.mp4
16-11-01cnn_for-re-01.mp4（新版）.mp4
16-12-01cnn_for-re-02.mp4（新版）.mp4
16-13-01cnn_for-re-03.mp4（新版）.mp4
16-14-01cnn_for-re-04.mp4（新版）.mp4
16-15-01cnn_for-re-05.mp4（新版）.mp4
16-16-01code_cnn_for_re-06（新版）.mp4
16-17-01code_cnn_for_re-07（新版）.mp4
16-18-01code_cnn_for_re-08（新版）.mp4
16-19-01code_cnn_for_re-09（新版）.mp4
16-2-1.1joint-bert.mp4
16-20-01code_cnn_for_re-10（新版）.mp4
16-21-03elmo-01-elmo的下游任务介绍..mp4
16-22-03elmo-02-feature_based和fine_tuning.mp4
16-23-03elmo-03-word2vec和charcnn回顾.mp4
16-24-03elmo-04-Bidirectional_language_models.mp4
16-25-03elmo-05-howtouseemol..mp4
16-26-03elmo-06-论文回顾..mp4
16-27-03elmo-07-代码预处理部分.mp4
16-28-03elmo-08-代码模型结构部分.mp4
16-29-03elmo-09-代码crf流程..mp4
16-3-1.2joint-bert.mp4
16-30-03elmo-10-代码crf实现..mp4
16-31-01nodevec-01-研究背景.mp4.mp4
16-32-01nodevec-02-研究成果.mp4.mp4
16-33-01nodevec-03-图的应用.mp4.mp4
16-34-01nodevec-04-模型结构&BFS&DFS.mp4.mp4
16-35-01nodevec-05-模型算法&alias算法.mp4.mp4
16-36-01nodevec-06-实验分析.mp4.mp4
16-37-01nodevec-07-论文总结.mp4.mp4
16-38-01nodevec-08-代码整体介绍.mp4
16-39-01nodevec-09-代码节点和边的alias实现.mp4.mp4
16-4-1.3joint-bert.mp4
16-40-01nodevec-10-代码有偏随机游走和模型训练.mp4.mp4
16-41-01nodevec-11-代码结果展示和总结.mp4.mp4
16-42-01transformer-01-论文背景&研究成果.mp4
16-43-01transformer-02-attention回顾.mp4
16-44-01transformer-03-模型框架和self_attention.mp4
16-45-01transformer-04-模型小trick..mp4
16-46-01transformer-05-代码框架部分和encoder.mp4
16-47-01transformer-06-代码decoder和self_attention.mp4
16-48-01transformer-07-代码训练部分和预测部分.mp4
16-49-1.1word2vec1-1背景知识.mp4
16-5-1.4joint-bert.mp4
16-50-1.2word2vec1-2论文泛读.mp4
16-51-1.3word2vec2-1对比模型.mp4
16-52-1.4word2vec2-2原理.mp4
16-53-1.5word2vec2-3word2vec关键技术.mp4
16-54-1.6word2vec2-4模型复杂度.mp4
16-55-1.7word2vec2-5实验结果.mp4
16-56-1.8word2vec3-1代码部分上.mp4
16-57-1.9word2vec3-2代码部分下.mp4
16-58-1.1-BiLSTM-CRF-论文研究背景.mp4
16-59-1.2-BiLSTM-CRF-论文算法总览.mp4
16-6-1.5joint-bert.mp4
16-60-1.3-BiLSTM-CRF模型结构.mp4
16-61-1.4-BiLSTM-CRF损失函数与维特比解码.mp4
16-62-1.5-BiLSTM-CRF-实验结果与论文总结.mp4
16-63-1.6-BiLSTM-CRF代码讲解.mp4
16-64-1.7-BiLSTM-CRF-NCR-Fpp代码详解.mp4
16-65-01DSSM-00专题引言.mp4
16-66-01DSSM-01-学习目标..mp4
16-67-01DSSM-02-论文背景、贡献及意义.mp4
16-68-01DSSM-03摘要精读、总结.mp4
16-69-01DSSM-04-上节回顾.mp4
16-7-1.6joint-bert.mp4
16-70-01DSSM-05-词哈希.mp4
16-71-01DSSM-06-DSSM整体结构.mp4
16-72-01DSSM-07-优化函数、实验与总结.mp4
16-73-01DSSM-08-代码总览.mp4
16-74-01DSSM-09-词哈希表的建立与数据载入.mp4
16-75-01DSSM-10-模型的搭建与训练、测试.mp4
16-8-1.7joint-bert.mp4
16-9-1.8joint-bert-代码.mp4
17-10-1.9CRNN-code2.mp4.mp4
17-11-1.10CRNN-code3.mp4.mp4
17-12-1.11CRNN-code4.mp4.mp4
17-13-1.12CRNN-code5.mp4.mp4
17-14-YOLO-01-发展历史和YOLOv1.mp4.mp4
17-15-YOLO-02-YOLOv2.mp4.mp4
17-16-YOLO-03-YOLOv3_2.mp4.mp4
17-17-YOLO-04-代码复现.mp4.mp4
17-18-YOLO-05-数据预处理和网络结构代码讲解.mp4.mp4
17-19-YOLO-06-训练和检测代码讲解.mp4
17-2-1.1CRNN-泛读-背景论文.mp4.mp4
17-20-03FasterR-CNN-01-论文泛读_RCNN演变.mp4
17-21-03FasterR-CNN-02-论文泛读_摘要和网络结构.mp4
17-22-03FasterR-CNN-03-精读_结构总览.mp4.mp4
17-23-03FasterR-CNN-04-精读Paper_背景介绍.mp4.mp4
17-24-03FasterR-CNN-05-精读Paper_RPN与rpn_loss.mp4.mp4
17-25-03FasterR-CNN-06-精读Paper_RPN训练.mp4.mp4
17-26-03FasterR-CNN-07-精读Paper_实验和结论.MP4.mp4
17-27-03FasterR-CNN-08-精读PPT_Anchor和RPN.mp4.mp4
17-28-03FasterR-CNN-09-精读PPT_网络细节.mp4
17-29-03FasterR-CNN-10-代码讲解_训练VOC数据集.mp4
17-3-1.2CRNN-泛读-研究成果及意义.mp4.mp4
17-30-03FasterR-CNN-11-代码讲解_backbone网络讲解.mp4
17-31-03FasterR-CNN-12-代码讲解_RPN.mp4
17-32-03FasterR-CNN-13-代码讲解_数据和标签的同步处理(Dataset类).mp4
17-33-03FasterR-CNN-14代码讲解_建议框的生成(Proposallayer).mp4
17-34-03FasterR-CNN-15-代码讲解_Anchorbox的生成和正负样本的划分.mp4
17-35-01GAN-01-论文摘要.mp4
17-36-01GAN-02-论文背景.mp4
17-37-01GAN-03-论文泛读.mp4
17-38-01GAN-04-价值函数.mp4
17-39-01GAN-05-训练流程&理论证明1.mp4
17-4-1.3CRNN-泛读-LSTM、CTC、BeamSearch、论文泛读.mp4.mp4
17-40-01GAN-06-理论证明2&实验结果&总结展望.mp4
17-41-01GAN-07-代码分析综述.mp4
17-42-01GAN-08-代码分析精讲.mp4
17-43-01mobileNet-01-背景介绍.mp4
17-44-01mobileNet-02-论文结构&摘要精读.mp4
17-45-01mobileNet-03-主体架构&深度可分离卷积.mp4
17-46-01MobileNet-04-超参数.mp4
17-47-01mobileNet-05-后续创新及改进.mp4
17-48-01MobileNets-06-代码结构.mp4
17-49-01MobileNets-07-模型设计.mp4
17-5-1.4CRNN-精读-原有模型.mp4.mp4
17-50-01MobileNets-08-模型评估.mp4
17-51-01FCN-01-语意分割简介.mp4
17-52-01FCN-02常用数据集、指标、研究成果..mp4
17-53-01FCN-03-论文摘要精读..mp4
17-54-01FCN-04-论文引言、全局信息及部分信息.mp4
17-55-01FCN-05-感受域&平移不变性.mp4
17-56-01FCN-06-经典算法&本文算法、上采样.mp4
17-57-01FCN-07-算法架构..mp4
17-58-01FCN-08-训练技巧&实验结果及分析..mp4
17-59-01FCN-09-讨论&总结.mp4
17-6-1.5CRNN-精读-CRNN网络结构、论文细节一.mp4.mp4
17-60-01FCN-10-代码实现.mp4
17-61-01FCN-11-数据预处理..mp4
17-62-01FCN-12-模型搭建.mp4
17-63-01FCN-13-训练、验证&预测函数搭建..mp4
17-64-01FCN-14-损失函数.mp4
17-65-01FCN-15-指标计算.mp4
17-66-01AlexNet-01-研究背景.mp4
17-67-01AlexNet-02-研究成果意义.mp4
17-68-01AlexNet-03-论文结构.mp4
17-69-01AlexNet-04-结构.mp4
17-7-1.6CRNN-精读-论文细节二三四.mp4.mp4
17-70-01AlexNet-05网络结构特点.mp4
17-71-01AlexNet-06-训练技巧.mp4
17-72-01AlexNet-07实验结果及分析.mp4
17-73-01AlexNet-08-论文总结.mp4
17-74-01AlexNet-09-准备工作&代码结构.mp4
17-75-01AlexNet-10-代码结构.mp4
17-76-01AlexNet-11-代码结构.mp4
17-77-01AlexNet-12-代码结构4&训练方法.mp4
17-78-1.1特征脸识别-人脸识别背景介绍.mp4
17-79-1.2特征脸识别-论文研究背景成果以及意义.mp4
17-8-1.7CRNN-精读-实验结果及总结.mp4.mp4
17-80-1.3特征脸识别-论文泛读摘要部分.mp4
17-81-1.4特征脸识别-论文泛读介绍部分.mp4
17-82-1.5特征脸识别-论文泛读相关工作部分.mp4
17-83-1.6特征脸识别-论文精读PCA补充.mp4
17-84-1.7特征脸识别-论文精读特征脸计算上.mp4
17-85-1.8特征脸识别-论文精读特征脸计算中.mp4
17-86-1.9特征脸识别-论文精读特征脸计算下.mp4
17-87-1.10特征脸识别-代码讲解pca计算.mp4
17-88-1.11特征脸识别-代码讲解特征提取以及人脸重构.mp4
17-89-1.12特征脸识别-代码讲解人脸分类之最短距离方法.mp4
17-9-1.8CRNN-code1.mp4.mp4
17-90-1.13特征脸识别-代码讲解人脸分类之SVM方法.mp4
17-91-1.14特征脸识别-代码讲解人脸分类之神经网络方法.mp4
17-92-1.15特征脸识别-论文总结.mp4
18-1-打造舒适的AI开发环境.mp4
18-3-【01课】赛题详解.mp4
18-4-【02课】比赛专题讲解.mp4
18-5-【03课】模型调参和文本增强比赛专题讲解.mp4
18-6-【04课】比赛思路进阶专题讲解.mp4
18-7-【05课】比赛思路全复盘（纯干货）.mp4
19-10-【了解监督学习中的经典算法】P2决策树.mp4
19-12-【学习支持向量机】P1几个重要的概念.mp4
19-13-【学习支持向量机】P2svm最优化问题.mp4
19-14-【学习支持向量机】P3硬间隔SVM最优化问题的推导.mp4
19-15-【学习支持向量机】P4线性可分SVM.mp4
19-16-【学习支持向量机】P5核函数.mp4
19-17-【学习支持向量机】P6smo算法.mp4
19-18-【数据结构和算法】P1KMP算法.mp4
19-19-【数据结构和算法】P2二分搜索.mp4
19-20-【数据结构和算法】P3哈希表.mp4
19-21-【了解机器学习中如何降维处理】PCA和LDA.mp4
19-23-【了解机器学习中的非监督学习算法】K-means.mp4
19-24-【数据结构和算法】P1虚拟头结点.mp4
19-25-【数据结构和算法】P2链表中环的入口结点.mp4
19-26-【数据结构和算法】P3删除链表中重复的结点.mp4
19-27-【数据结构和算法】P4栈，队列.mp4
19-28-【机器学习中的概率图模型】P1hmm的引出和问题的介绍.mp4
19-29-【机器学习中的概率图模型】P2HMM预测问题之维特比算法.mp4
19-30-【机器学习中的概率图模型】P3crf的一些基础概念.mp4
19-31-【机器学习中的概率图模型】P4crf具体介绍.mp4
19-34-【数据结构和算法】P1DFS和BFS.mp4
19-35-【数据结构和算法】P2最短路径.mp4
19-36-【数据结构和算法】P3最小生成树.mp4
19-37-【数据结构和算法】P4二叉树的遍历.mp4
19-38-【数据结构和算法】P4二叉搜索树和平衡二叉树.mp4
19-39-【前向神经网络】P1网络图和激活函数.mp4
19-4-开营仪式—老师部分.mp4
19-40-【前向神经网络】P2前向传播.mp4
19-41-【前向神经网络】P3损失函数选用.mp4
19-42-【前向神经网络】P4反向传播1.mp4
19-43-【前向神经网络】P5反向传播2.mp4
19-44-【了解序列数据中常用的循环神经网络】P1RNN.mp4
19-45-【了解序列数据中常用的循环神经网络】P2GRU和LSTM.mp4
19-47-【集成学习的原理和常见的集成学习】P1提升树算法.mp4
19-48-【集成学习的原理和常见的集成学习】P2梯度提升树算法.mp4
19-49-【集成学习的原理和常见的集成学习】P3二分类问题.mp4
19-5-【了解机器学习中的特征工程和模型评估】P1快速排序.mp4
19-50-【集成学习的原理和常见的集成学习】P4多分类问题和回归问题.mp4
19-51-【数据结构和算法】01背包问题.mp4
19-52-【数据结构和算法】什么是动态规划(leetcode70题).mp4
19-53-【数据结构和算法】回溯法(机器人的运动范围).mp4
19-54-【数据结构和算法】什么是递归(斐波那契额数列、跳台阶、变态跳台阶).mp4
19-55-【数据结构和算法】leetcode416（01背包实例）.mp4
19-56-【数据结构和算法】最长公共子序列(leetcode1143题).mp4
19-57-【数据结构和算法】最长上升子序列(leetcode300题).mp4
19-58-【xgboost的原理以及常见面试题】P1xgboost的一些预备知识.mp4
19-59-【xgboost的原理以及常见面试题】P2结构分.mp4
19-6-【了解机器学习中的特征工程和模型评估】P2堆排序.mp4
19-60-【xgboost的原理以及常见面试题】P3贪心算法寻找分裂点.mp4
19-61-【xgboost的原理以及常见面试题】P4近似算法和加权分桶.mp4
19-62-【xgboost的原理以及常见面试题】P5缺失值处理算法.mp4
19-63-【xgboost的原理以及常见面试题】P6其他优化.mp4
19-65-【了解优化算法的原理】P1深度学习中的优化问题.mp4
19-66-【了解优化算法的原理】P2梯度下降简单的数学原理.mp4
19-67-【了解优化算法的原理】P3随机梯度下降和小批量随机梯度下降.mp4
19-68-【了解优化算法的原理】P4动量法.mp4
19-69-【了解优化算法的原理】P5常见的一些改进的优化算法.mp4
19-7-【了解机器学习中的特征工程和模型评估】P3滑动窗口.mp4
19-70-【了解常见的采样方法、作用、具体实现，以及应用】P1蒙塔卡罗模拟定积分和重要性采样.mp4
19-71-【了解常见的采样方法、作用、具体实现，以及应用】P2.mp4
19-72-【了解常见的采样方法、作用、具体实现，以及应用】P3.mp4
19-73-【了解常见的采样方法、作用、具体实现，以及应用】P4.mp4
19-76-面试刷题班8月5日直播答疑.mp4
19-78-面试刷题班8月9日直播答疑.mp4
19-8-【了解机器学习中的特征工程和模型评估】P4双指针.mp4
19-80-面试刷题班8月15日直播答疑.mp4
19-82-面试刷题班8月22日直播答疑.mp4
19-9-【了解监督学习中的经典算法】P1逻辑回归.mp4
20-10-3-3神经语言模型简介与代码实现..mp4
20-11-3-4预训练的词表示及其使用实例..mp4
20-12-4-1word2vec原理..mp4
20-13-4-2word2vec代码复现..mp4
20-14-4-3word2vec项目实战展示..mp4
20-15-4-4BERT使用实战讲解..mp4
20-16-4-5MLP模型与实战..mp4
20-17-4-6RNN模型原理、代码复现与实战..mp4
20-18-5-1HMM序列标注..mp4
20-19-5-2HMM模型简介..mp4
20-2-1-1前言..mp4
20-20-5-3HMM样本生成..mp4
20-21-5-4HMM训练..mp4
20-22-5-5HMM预测..mp4
20-23-5-6HMM代码实现..mp4
20-3-1-2研究方向概述..mp4
20-4-2-1预备知识..mp4
20-5-2-2NLP问题中的特征..mp4
20-6-2-3特征输入..mp4
20-7-2-4文本的向量化表示与案例实现..mp4
20-8-3-1统计语言模型简介与案例实现..mp4
20-9-3-2语言模型任务评估..mp4
图文01-资料合集.html
图文02-1-知乎打卡返学费须知.html
图文02-2-说出你的故事！深度之眼征稿活动~.html
图文02-3-【严正声明】盗版必究！.html
图文02-4-【招募】如何获得深度之眼奖学金和助学金？.html
图文02-5-课件下载地址.html
图文03-1-知乎打卡返学费须知.html
图文03-2-【严正声明】盗版必究！.html
图文03-3-【招募】如何获得深度之眼奖学金和助学金？.html
图文03-35-【比赛实战】二分类比赛报名流程解析.html
图文03-4-【必看】训练营学习指南.html
图文03-5-【资料合集】代码、数据及课件下载地址.html
图文04-1-知乎打卡返学费须知.html
图文04-2-【严正声明】盗版必究！.html
图文04-3-【招募】如何获得深度之眼奖学金和助学金？.html
图文04-4-【必看】训练营学习指南.html
图文04-5-【资料合集】附件代码资料合集.html
图文05-1-知乎打卡返学费须知.html
图文05-3-【严正声明】盗版必究！.html
图文05-4-【招募】如何获得深度之眼奖学金和助学金？.html
图文05-5-【必看】训练营学习指南.html
图文05-6-【资料合集】课件及作业代码合集.html
图文06-1-知乎打卡返学费须知.html
图文06-13-【第二周】学习sklearn中逻辑回归算法.html
图文06-14-【第二周】本周学习内容总结.html
图文06-17-【第三周】决策树的剪枝和连续值处理.html
图文06-18-【第三周】sklearn包中决策树算法的使用.html
图文06-19-【第三周】本周学习任务简单总结.html
图文06-2-【严正声明】盗版必究！.html
图文06-23-【第四周】sklearn包中svm算法的使用.html
图文06-24-【第四周】本周学习任务简单总结.html
图文06-3-【招募】如何获得深度之眼奖学金和助学金？.html
图文06-30-【第五周】sklearn包中的朴素贝叶斯算法的适用.html
图文06-31-【第五周】本周学习任务简单总结.html
图文06-34-【第六周】sklearn包中神经网络的使用.html
图文06-35-【第六周】本周学习任务简单总结.html
图文06-37-【第七周】经验误差与过拟合.html
图文06-38-【第七周】评估方法.html
图文06-39-【第七周】性能度量.html
图文06-4-【必看】训练营学习指南.html
图文06-40-【第七周】sklearn包中模型评估方法的使用.html
图文06-41-【第七周】本周学习任务简单总结.html
图文06-43-【第八周】深度学习初探.html
图文06-44-【第八周】特征降维.html
图文06-45-【第八周】特征选择.html
图文06-46-【第八周】sklearn包中特征选择和降维算法的使用.html
图文06-47-【第八周】本周学习任务简单总结.html
图文06-49-【第九周】集成学习.html
图文06-5-【资料合集】课件下载合集.html
图文06-50-【第九周】结合策略.html
图文06-51-【第九周】实验-lightGBM的使用.html
图文06-52-【第九周】本周学习任务简单总结.html
图文06-58-【第十周】实验-sklearn-userguide2.3.2.html
图文06-59-【第十周】本周学习任务简单总结.html
图文06-6-赠送的【机器学习实战】导读课+全套作业讲解+python代码.html
图文06-60-【第十一周】任务与奖赏.html
图文06-61-【第十一周】学习任务简单总结.html
图文06-8-【第一周】本周学习任务简单总结.html
图文07-1-【必看】训练营学习指南.html
图文07-10-Week1-Day2单变量线性回归.html
图文07-11-Week1Day4第三章：线性代数基本回顾和第四章：多元线性回归.html
图文07-12-Week1-Day7本周任务简单总结.html
图文07-13-Week2-Day1【作业实操】编程作业1：线性回归.html
图文07-15-Week2-Day4逻辑线性回归和正则化.html
图文07-16-直播答疑问题收集日.html
图文07-17-Week2-Day7本周任务简单总结.html
图文07-18-Week3-Day1【作业实操】编程作业2：逻辑回归+正则化.html
图文07-2-【严正声明】盗版必究！.html
图文07-22-Week3-Day5第八章：神经网络学习.html
图文07-23-Week3-Day7本周任务简单总结.html
图文07-24-Week4-Day1【作业实操】编程作业3：神经网络.html
图文07-28-Week4-Day5神经网络反向传播算法.html
图文07-29-Week5-Day1【作业实操】编程作业4：神经网络（2）.html
图文07-3-【资料合集】作业代码及答案下载.html
图文07-33-Week5Day4第十章：应用机器学习的建议，第十一章：机器学习系统设计.html
图文07-34-Week5本周任务简单总结.html
图文07-35-Week6-Day1【作业实操】编程作业5：机器学习系统设计.html
图文07-37-Week6Day4吴恩达课程第十二章：支持向量机.html
Copyright © All rights reserved.
信息加载中,请等待...
