![[百度网盘] 路飞Python人工智能AI工程师【VIP】](https://yuansiwang.buzz/wp-content/themes/ceomax/timthumb.php?src=https://yuansiwang.buzz/wp-content/uploads/2025/03/202503120342487.jpg&h=204&w=333&zc=1&a=t&q=100&s=1)
| ——/2024路飞Python人工智能AI工程师/ ├──第01模块：Python快速入门（新） | ├──1.1 开篇：讲师和课程内容介绍.mp4 16.56M | ├──1.2 开篇：授课模式须知.mp4 15.32M | ├──1.3 开篇：学习方法的建议.mp4 14.98M | ├──1.4 开篇：笔记和文档的编写.mp4 50.58M | ├──1.5 开篇：写在最后.mp4 3.52M | ├──10.1 Python环境配置.mp4 29.33M | ├──10.10 字典基础定义.mp4 14.47M | ├──10.11 字典的核心操作.mp4 20.90M | ├──10.12 Set结构.mp4 19.91M | ├──10.13 赋值机制.mp4 5.25M | ├──10.14 判断结构.mp4 11.56M | ├──10.15 循环结构.mp4 20.16M | ├──10.16 函数定义.mp4 24.03M | ├──10.17 模块与包.mp4 23.75M | ├──10.18 异常处理模块.mp4 35.73M | ├──10.19 文件操作.mp4 35.54M | ├──10.2 Python库安装工具.mp4 28.50M | ├──10.20 类的基本定义.mp4 23.51M | ├──10.21 类的属性操作.mp4 25.40M | ├──10.22 时间操作.mp4 12.63M | ├──10.23 Python练习题-1.mp4 23.03M | ├──10.24 Python练习题-2.mp4 35.47M | ├──10.25 Python练习题-3.mp4 25.16M | ├──10.3 Notebook工具使用.mp4 51.81M | ├──10.4 Python简介.mp4 38.71M | ├──10.5 Python数值运算.mp4 26.93M | ├──10.6 Python字符串操作.mp4 24.67M | ├──10.7 索引结构.mp4 16.80M | ├──10.8 List基础结构.mp4 22.69M | ├──10.9 List核心操作.mp4 23.67M | ├──2.1 今日概要.mp4 6.25M | ├──2.10 CPython解释器版本.mp4 8.49M | ├──2.11 环境搭建说明.mp4 9.22M | ├──2.12 python解释器的安装（mac系统）.mp4 54.36M | ├──2.13 python解释器的安装（win系统）.mp4 65.47M | ├──2.14 Pycharm使用和破解（mac系统）.mp4 32.03M | ├──2.15 Pycharm使用和破解（win系统）.mp4 32.46M | ├──2.16 今日总结.mp4 6.93M | ├──2.17 今日作业.mp4 2.67M | ├──2.18 作业答案和讲解.mp4 9.04M | ├──2.2 课堂笔记的创建.mp4 6.61M | ├──2.3 常见计算机基本概念.mp4 39.74M | ├──2.4 编程语言.mp4 10.14M | ├──2.5 编译器和解释器.mp4 17.33M | ├──2.6 学习编程本质上的三件事.mp4 6.05M | ├──2.7 编程语言的分类.mp4 14.69M | ├──2.8 Python介绍.mp4 15.24M | ├──2.9 Python解释器种类.mp4 18.50M | ├──3.1 今日概要.mp4 1.85M | ├──3.10 类型转换和数据类型相关练习题.mp4 24.61M | ├──3.11 数据类型-练习题讲解.mp4 23.08M | ├──3.12 变量及其命名规范.mp4 23.79M | ├──3.13 变量的内存指向关系及其练习题.mp4 18.09M | ├──3.14 注释.mp4 8.30M | ├──3.15 输入.mp4 20.57M | ├──3.16 基本条件语句.mp4 27.11M | ├──3.17 基本条件语句-练习题讲解.mp4 11.59M | ├──3.18 多条件判断.mp4 8.35M | ├──3.19 条件嵌套.mp4 13.82M | ├──3.2 编码.mp4 12.83M | ├──3.20 今日总结和作业.mp4 5.36M | ├──3.21 作业答案和讲解.mp4 17.58M | ├──3.3 编程初体验.mp4 16.31M | ├──3.4 print输出及练习题.mp4 15.47M | ├──3.5 输出练习题讲解.mp4 7.41M | ├──3.6 数据类型的引入.mp4 4.32M | ├──3.7 整形.mp4 8.87M | ├──3.8 字符串.mp4 18.56M | ├──3.9 布尔类型.mp4 14.29M | ├──4.1 今日概要new.mp4 2.47M | ├──4.10 基于f字符串格式化.mp4 21.19M | ├──4.11 运算符.mp4 21.15M | ├──4.12 运算符：优先级.mp4 6.04M | ├──4.13 运算符：面试题相关知识和练习题.mp4 17.02M | ├──4.14 运算符：练习题讲解和面试题补充.mp4 25.24M | ├──4.15 总结和今日作业.mp4 9.08M | ├──4.16 作业题讲解.mp4 27.44M | ├──4.2 while循环及案例讲解.mp4 25.54M | ├──4.3 综合小案例以及阶段练习题.mp4 18.10M | ├──4.4 练习题讲解.mp4 29.07M | ├──4.5 break及示例讲解.mp4 12.90M | ├──4.6 continue及示例讲解.mp4 15.55M | ├──4.7 while_else语法.mp4 8.33M | ├──4.8 基于%字符串格式化.mp4 29.26M | ├──4.9 基于format字符串格式化及补充.mp4 15.87M | ├──5.1 今日概要.mp4 4.27M | ├──5.10 Python中的编码.mp4 12.81M | ├──5.11 今日总结.mp4 15.59M | ├──5.2 python代码的2种运行方式.mp4 10.30M | ├──5.3 进制及相互之间的转换.mp4 27.36M | ├──5.4 计算机中的单位.mp4 17.81M | ├──5.5 单位相关练习题讲解.mp4 3.47M | ├──5.6 ascii编码.mp4 13.56M | ├──5.7 gbk编码.mp4 7.49M | ├──5.8 unicode.mp4 40.60M | ├──5.9 utf8编码.mp4 23.28M | ├──6.1 数据类型概要.mp4 17.23M | ├──6.10 字符串：类型转换.mp4 3.82M | ├──6.11 字符串：不允许被修改.mp4 4.46M | ├──6.12 今日总结和作业.mp4 9.36M | ├──6.13 今日作业讲解.mp4 114.14M | ├──6.14 今日作业讲解.mp4 102.42M | ├──6.2 整型.mp4 29.03M | ├──6.3 布尔类型.mp4 12.49M | ├──6.4 字符串：独有功能（一）.mp4 41.64M | ├──6.5 字符串：独有功能（三）.mp4 35.10M | ├──6.6 字符串：独有功能（二）.mp4 40.45M | ├──6.7 字符串：练习题和讲解.mp4 51.61M | ├──6.8 字符串：公共功能（一）.mp4 32.46M | ├──6.9 字符串：公共功能（二）.mp4 49.45M | ├──7.1 今日概要.mp4 2.51M | ├──7.10 元组：定义.mp4 12.85M | ├──7.11 元组：公共功能.mp4 17.25M | ├──7.12 元组：转换和嵌套.mp4 44.39M | ├──7.13 元组：总结和作业.mp4 6.39M | ├──7.14 作业讲解.mp4 18.11M | ├──7.2 列表：定义.mp4 8.38M | ├──7.3 列表：独有功能（一）.mp4 32.49M | ├──7.4 列表：独有功能（二）.mp4 34.43M | ├──7.5 列表：独有功能（三）.mp4 42.49M | ├──7.6 列表：公共功能.mp4 58.21M | ├──7.7 列表：类型转换.mp4 7.58M | ├──7.8 列表：嵌套.mp4 21.38M | ├──7.9 列表：阶段作业题讲解.mp4 72.39M | ├──8.1 今日概要.mp4 3.09M | ├──8.10 字典：定义.mp4 16.81M | ├──8.11 字典：独有功能（一）.mp4 22.45M | ├──8.12 字典：独有功能（二）.mp4 33.68M | ├──8.13 字典：练习题和讲解.mp4 18.48M | ├──8.14 字典：公共功能.mp4 28.87M | ├──8.15 字典：转换和嵌套.mp4 22.63M | ├──8.16 浮点型.mp4 6.17M | ├──8.17 今日总结.mp4 9.61M | ├──8.18 今日作业讲解.mp4 102.69M | ├──8.2 集合：定义.mp4 8.86M | ├──8.3 集合：独有功能.mp4 12.49M | ├──8.4 集合：公共功能.mp4 4.40M | ├──8.5 集合：类型转换.mp4 4.84M | ├──8.6 集合：内部存储原理.mp4 10.97M | ├──8.7 集合：高效和嵌套.mp4 16.54M | ├──8.8 集合：练习题和讲解.mp4 7.06M | ├──8.9 None到底是个啥.mp4 8.34M | ├──9.1 今日概要.mp4 3.70M | ├──9.2 七条代码规范.mp4 29.63M | ├──9.3 补充：pass的作用？.mp4 2.91M | ├──9.4 补充：is和==的区别？.mp4 4.08M | ├──9.5 补充：位运算到底是干啥的？.mp4 26.12M | ├──9.6 阶段思维导图.mp4 4.56M | ├──9.7 第一阶段考试题.mp4 3.83M | └──9.8 第一阶段考试题（答案讲解）.mp4 92.00M ├──第02模块：Python数据科学必备工具包实战（新） | ├──1-numpy（新） | | ├──1.1 Anaconda简介及安装.mp4 66.48M | | ├──1.10 routines函数（二）.mp4 20.34M | | ├──1.11 routines函数（三）.mp4 30.19M | | ├──1.12 routines函数练习.mp4 19.35M | | ├──1.13 ndarray的读写操作.mp4 45.73M | | ├──1.14 ndarray读写练习.mp4 13.80M | | ├──1.15 ndarray级联concatenate.mp4 35.42M | | ├──1.16 ndarray的拆分.mp4 15.95M | | ├──1.17 ndarray拆分练习.mp4 19.53M | | ├──1.18 ndarray的基本运算.mp4 11.62M | | ├──1.19 广播机制.mp4 28.93M | | ├──1.2 jupyter_notebook启动.mp4 29.98M | | ├──1.20 ndarray运算练习.mp4 9.15M | | ├──1.21 ndarray的聚合函数.mp4 34.13M | | ├──1.22 ndarray综合练习.mp4 39.94M | | ├──1.23 ndarray的append和insert.mp4 26.56M | | ├──1.24 ndarray的delete、扁平处理、变形和翻转.mp4 32.05M | | ├──1.25 numpy的数学函数和算数函数.mp4 25.44M | | ├──1.26 numpy查找和排序.mp4 23.88M | | ├──1.3 jupyter_notebook单元格基本状态.mp4 21.57M | | ├──1.4 单元格的常用操作.mp4 9.71M | | ├──1.5 单元格运行与帮助文档.mp4 17.14M | | ├──1.6 IPython魔法指令和输入输出历史.mp4 50.35M | | ├──1.7 ndarray的属性及输出方法.mp4 17.55M | | ├──1.8 ndarray的元素类型统一.mp4 29.49M | | └──1.9 routines函数（一）.mp4 19.22M | ├──2-pandas（新） | | ├──2.1 pandas简介.mp4 9.49M | | ├──2.10 DataFrame运算（一）.mp4 36.35M | | ├──2.11 DataFrame运算（二）.mp4 24.02M | | ├──2.12 pandas对象的显示访问和隐式访问.mp4 19.80M | | ├──2.13 pandas对象的loc访问详解.mp4 39.25M | | ├──2.14 pandas对象iloc访问详解.mp4 12.82M | | ├──2.15 pandas对象访问的注意事项.mp4 18.40M | | ├──2.16 pandas高级查找.mp4 43.36M | | ├──2.17 pandas聚合操作.mp4 23.17M | | ├──2.18 pandas对象习题讲解.mp4 44.82M | | ├──2.19 pandas单层索引.mp4 29.97M | | ├──2.2 Series对象的基本构造及注意事项.mp4 39.38M | | ├──2.20 pandas多层索引.mp4 37.38M | | ├──2.21 多层索引的访问.mp4 33.11M | | ├──2.22 stack和unstack操作.mp4 15.44M | | ├──2.23 pandas数据类型练习.mp4 40.25M | | ├──2.24 csv文件和txt文件的读取.mp4 34.36M | | ├──2.25 pandasIO操作.mp4 23.49M | | ├──2.26 常用数据探索方法.mp4 20.50M | | ├──2.27 python空类型和numy空类型.mp4 31.22M | | ├──2.28 pandas空值查找.mp4 30.50M | | ├──2.29 pandas空值批量填充.mp4 36.10M | | ├──2.3 Series高级构造函数.mp4 13.70M | | ├──2.30 空值过滤.mp4 25.83M | | ├──2.31 异常值处理.mp4 44.92M | | ├──2.32 离群点检测和过滤.mp4 33.50M | | ├──2.33 重复值处理.mp4 25.28M | | ├──2.34 排序和随机抽样.mp4 12.42M | | ├──2.35 pandas索引操作.mp4 14.55M | | ├──2.36 rename操作.mp4 11.44M | | ├──2.37 replace替换.mp4 34.55M | | ├──2.38 map处理精确匹配模糊匹配.mp4 38.24M | | ├──2.39 pandas级联.mp4 63.64M | | ├──2.4 Series的重要属性.mp4 12.98M | | ├──2.40 合并的基本逻辑和注意事项.mp4 11.24M | | ├──2.41 合并参数left,right,how.mp4 63.91M | | ├──2.42 -合并参数left_on,right_on,on.mp4 42.19M | | ├──2.43 groupby分组.mp4 34.48M | | ├──2.44 交叉表和透视表.mp4 14.76M | | ├──2.5 Series的运算.mp4 21.04M | | ├──2.6 DataFrame结构理解.mp4 18.59M | | ├──2.7 DataFrame的基础构造方法.mp4 23.93M | | ├──2.8 DataFrame的其他构造方法.mp4 17.75M | | └──2.9 DataFrame的重要属性.mp4 9.22M | ├──3-matplotlib绘图 (新) | | ├──71课时matplotlib绘图-图像组成.mp4 24.48M | | ├──72课时matplotlib绘图-画板画布和就近原则.mp4 53.13M | | ├──73课时matplotlib绘图-网格设置.mp4 16.82M | | ├──74课时matplotlib绘图-刻度界限.mp4 23.98M | | ├──75课时matplotlib绘图-刻度值和刻度标签.mp4 27.08M | | ├──76课时matplotlib绘图-轴标题和画布标题.mp4 13.26M | | ├──77课时matplotlib绘图-图例设置.mp4 62.48M | | ├──78课时matplotlib绘图-图像保存.mp4 24.25M | | ├──79课时matplotlib绘图-画板注释信息和画板标题.mp4 31.88M | | ├──80课时matplotlib绘图-画板注释信息和箭头注释.mp4 31.38M | | ├──81课时matplotlib绘图-颜色处理.mp4 38.05M | | ├──82课时matplotlib绘图-透明度和图像读取.mp4 32.20M | | ├──83课时matplotlib绘图-线型和点型设置.mp4 33.99M | | ├──84课时matplotlib绘图-其他设置方式补充.mp4 20.88M | | ├──85课时2D图像绘制-线型图.mp4 39.72M | | ├──86课时2D图像绘制-散点图.mp4 64.85M | | ├──87课时2D图像绘制-直方图.mp4 46.84M | | ├──88课时2D图像绘制-直方图bins的用法补充.mp4 14.28M | | ├──89课时2D图像绘制-条形图.mp4 36.06M | | ├──90课时2D图像绘制-极坐表条形图.mp4 32.14M | | ├──91课时2D图像绘制-雷达图.mp4 44.92M | | ├──92课时2D图像绘制-饼图.mp4 22.06M | | ├──93课时2D图像绘制-箱线图.mp4 58.51M | | └──94课时matplotlib全局设置.mp4 31.07M | ├──4-seaborn可视化（新） | | ├──100课时seaborn默认的配色方案.mp4 15.63M | | ├──101课时seaborn分类调色板.mp4 30.96M | | ├──102课时调色板工具和自定义调色板.mp4 16.22M | | ├──103课时连续调色板配色方案.mp4 17.38M | | ├──104课时对称调色板及配色方案总结.mp4 24.00M | | ├──105课时seaborn玩具数据加载.mp4 11.85M | | ├──106课时seaborn条形图绘制.mp4 34.28M | | ├──107课时seaborn条形图多分组技巧.mp4 45.51M | | ├──108课时scatterplot散点图.mp4 44.80M | | ├──109课时离散字段和连续字段的可视化方案.mp4 19.87M | | ├──110课时heatmap热力图.mp4 32.72M | | ├──111课时regplot和lmplot线性回归.mp4 10.88M | | ├──112课时单变量分布图像和组合图像.mp4 28.17M | | ├──113课时多分组可视化实现方案.mp4 21.67M | | ├──95课时seaborn默认风格设置.mp4 21.65M | | ├──96课时seaborn画布风格设置.mp4 22.36M | | ├──97课时seaborn边框配置.mp4 18.02M | | ├──98课时seaborn文字线条设置.mp4 23.21M | | └──99课时matplotlib调色板作用及定制.mp4 36.46M | ├──5-科学计算库-Numpy | | ├──5.1 Numpy概述.mp4 19.00M | | ├──5.10 四则运算.mp4 18.09M | | ├──5.11 随机模块.mp4 31.22M | | ├──5.12 文件读写.mp4 21.28M | | ├──5.13 数组保存.mp4 28.75M | | ├──5.14 练习题1.mp4 31.83M | | ├──5.15 练习题2.mp4 28.46M | | ├──5.16 练习题3.mp4 39.22M | | ├──5.2 Array数组.mp4 19.74M | | ├──5.3 数组结构.mp4 40.51M | | ├──5.4 数组类型.mp4 13.82M | | ├──5.5 数值运算.mp4 28.57M | | ├──5.6 排序操作.mp4 23.69M | | ├──5.7 数组形状操作.mp4 36.32M | | ├──5.8 数组生成函数.mp4 28.54M | | └──5.9 常用生成函数.mp4 16.51M | ├──6-数据分析处理库-Pandas | | ├──6.1 Pandas概述.mp4 36.04M | | ├──6.10 数据透视表.mp4 32.62M | | ├──6.11 时间操作.mp4 26.12M | | ├──6.12 时间序列操作.mp4 35.23M | | ├──6.13 Pandas常用操作.mp4 30.31M | | ├──6.14 Pandas常用操作2.mp4 28.85M | | ├──6.15 Groupby操作延伸.mp4 47.78M | | ├──6.16 字符串操作.mp4 18.33M | | ├──6.17 索引进阶.mp4 22.67M | | ├──6.18 Pandas绘图操作.mp4 41.54M | | ├──6.19 大数据处理技巧.mp4 67.77M | | ├──6.2 Pandas基本操作.mp4 45.31M | | ├──6.3 Pandas索引.mp4 40.42M | | ├──6.4 groupby操作.mp4 24.42M | | ├──6.5 数值运算.mp4 32.55M | | ├──6.6 对象操作.mp4 26.30M | | ├──6.7 对象操作2.mp4 26.84M | | ├──6.8 merge操作.mp4 29.37M | | └──6.9 显示设置.mp4 18.64M | ├──7-可视化库-Matplotlib | | ├──7.1 Matplotlib概述.mp4 28.47M | | ├──7.10 绘图细节设置2.mp4 32.27M | | ├──7.11 直方图与散点图.mp4 37.68M | | ├──7.12 3D图绘制.mp4 52.92M | | ├──7.13 pie图.mp4 32.03M | | ├──7.14 子图布局.mp4 46.73M | | ├──7.15 结合pandas与sklearn.mp4 36.93M | | ├──7.2 子图与标注.mp4 51.92M | | ├──7.3 风格设置.mp4 12.97M | | ├──7.4 条形图.mp4 28.08M | | ├──7.5 条形图细节.mp4 28.84M | | ├──7.6 条形图外观.mp4 30.75M | | ├──7.7 盒图绘制.mp4 18.24M | | ├──7.8 盒图细节.mp4 32.97M | | └──7.9 绘图细节设置.mp4 30.02M | └──8-可视化库-Seaborn | | ├──8.1 课程简介.mp4 5.34M | | ├──8.10 Facetgrid使用方法.mp4 19.25M | | ├──8.11 Facetgrid绘制多变量.mp4 26.92M | | ├──8.12 热度图绘制.mp4 40.24M | | ├──8.2 整体布局风格设置.mp4 23.99M | | ├──8.3 风格细节设置.mp4 24.86M | | ├──8.4 调色板.mp4 22.06M | | ├──8.5 调色板颜色设置.mp4 19.86M | | ├──8.6 单变量分析绘图.mp4 24.78M | | ├──8.7 回归分析绘图.mp4 26.57M | | ├──8.8 多变量分析绘图.mp4 24.87M | | └──8.9 分类属性绘图.mp4 26.86M ├──第03模块：人工智能-必备数学课程（新） | ├──1.1 课程简介.mp4 6.56M | ├──1.2 函数.mp4 8.80M | ├──1.3 极限.mp4 11.64M | ├──1.4 无穷小与无穷大.mp4 10.90M | ├──1.5 连续性与导数.mp4 15.10M | ├──1.6 偏导数.mp4 11.69M | ├──1.7 方向导数.mp4 14.29M | ├──1.8 梯度.mp4 21.72M | ├──10.1 熵的概念.mp4 7.74M | ├──10.2 熵的大小意味着什么.mp4 25.61M | ├──10.3 激活函数.mp4 10.48M | ├──10.4 激活函数的问题.mp4 16.52M | ├──11.1 回归分析概述.mp4 16.10M | ├──11.10 高阶与分类变量实例.mp4 43.81M | ├──11.11 案例：汽车价格预测任务概述.mp4 30.21M | ├──11.12 案例：缺失值填充.mp4 69.46M | ├──11.13 案例：特征相关性.mp4 74.02M | ├──11.14 案例：预处理问题.mp4 29.78M | ├──11.15 案例：回归求解.mp4 55.10M | ├──11.2 回归方程定义.mp4 12.10M | ├──11.3 误差项的定义.mp4 21.13M | ├──11.4 最小二乘法推导与求解.mp4 26.93M | ├──11.5 回归方程求解小例子.mp4 17.71M | ├──11.6 回归直线拟合优度.mp4 31.32M | ├──11.7 多元与曲线回归问题.mp4 26.86M | ├──11.8 Python工具包介绍.mp4 31.71M | ├──11.9 statsmodels回归分析.mp4 26.24M | ├──12.1 假设检验基本思想.mp4 25.42M | ├──12.10 Python假设检验实例.mp4 42.48M | ├──12.11 Python卡方检验实例.mp4 19.38M | ├──12.2 左右侧检验与双侧检验.mp4 34.18M | ├──12.3 Z检验基本原理.mp4 13.59M | ├──12.4 Z检验实例.mp4 43.03M | ├──12.5 T检验基本原理.mp4 39.37M | ├──12.6 T检验实例.mp4 17.69M | ├──12.7 T检验应用条件.mp4 19.70M | ├──12.8 卡方检验.mp4 37.50M | ├──12.9 假设检验中的两类错误.mp4 34.70M | ├──13.1 相关分析概述.mp4 19.96M | ├──13.2 皮尔森相关系数.mp4 18.49M | ├──13.3 计算与检验.mp4 48.09M | ├──13.4 斯皮尔曼等级相关.mp4 43.20M | ├──13.5 肯德尔系数.mp4 21.44M | ├──13.6 质量相关分析.mp4 37.11M | ├──13.7 偏相关与复相关.mp4 28.71M | ├──14.1 方差分析概述.mp4 14.51M | ├──14.2 方差的比较.mp4 32.94M | ├──14.3 方差分析计算方法.mp4 42.41M | ├──14.4 方差分析中的多重比较.mp4 22.20M | ├──14.5 多因素方差分析.mp4 30.76M | ├──14.6 Python方差分析实例.mp4 22.79M | ├──15.1 层次聚类概述.mp4 13.95M | ├──15.10 多种聚类算法概述.mp4 6.98M | ├──15.11 聚类案例实战.mp4 60.80M | ├──15.2 层次聚类流程.mp4 36.19M | ├──15.3 层次聚类实例.mp4 41.70M | ├──15.4 KMEANS算法概述.mp4 18.63M | ├──15.5 KMEANS工作流程.mp4 14.71M | ├──15.6 KMEANS迭代可视化展示.mp4 25.54M | ├──15.7 DBSCAN聚类算法.mp4 18.84M | ├──15.8 DBSCAN工作流程.mp4 27.52M | ├──15.9 DBSCAN可视化展示.mp4 24.00M | ├──16.1 贝叶斯分析概述.mp4 17.99M | ├──16.10 MCMC概述.mp4 32.52M | ├──16.11 PYMC3概述.mp4 18.90M | ├──16.12 模型诊断.mp4 31.11M | ├──16.13 模型决策.mp4 45.21M | ├──16.2 概率的解释.mp4 17.69M | ├──16.3 贝叶斯学派与经典统计学派的争论.mp4 16.24M | ├──16.4 贝叶斯算法概述.mp4 11.22M | ├──16.5 贝叶斯推导实例.mp4 12.20M | ├──16.6 贝叶斯拼写纠错实例.mp4 18.29M | ├──16.7 垃圾邮件过滤实例.mp4 22.44M | ├──16.8 贝叶斯解释.mp4 29.56M | ├──16.9 经典求解思路.mp4 27.76M | ├──2.1 微积分基本想法.mp4 10.36M | ├──2.2 微积分的解释.mp4 13.37M | ├──2.3 定积分.mp4 14.16M | ├──2.4 定积分性质.mp4 8.83M | ├──2.5 牛顿.莱布尼茨公式.mp4 21.12M | ├──3.1 泰勒公式出发点.mp4 9.90M | ├──3.2 一点一世界.mp4 16.13M | ├──3.3 阶数的作用.mp4 13.77M | ├──3.4 阶乘的作用.mp4 11.01M | ├──3.5 拉格朗日乘子法.mp4 18.84M | ├──3.6 求解拉格朗日乘子法.mp4 18.76M | ├──4.1 行列式概述.mp4 9.38M | ├──4.2 矩阵与数据的关系.mp4 15.05M | ├──4.3 矩阵基本操作.mp4 19.97M | ├──4.4 矩阵的几种变换.mp4 9.09M | ├──4.5 矩阵的秩.mp4 21.42M | ├──4.6 内积与正交.mp4 20.31M | ├──5.1 特征值与特征向量.mp4 11.97M | ├──5.2 特征空间与应用.mp4 7.62M | ├──5.3 SVD要解决的问题.mp4 11.55M | ├──5.4 特征值分解.mp4 9.22M | ├──5.5 SVD矩阵分解.mp4 21.96M | ├──6.1 离散型随机变量.mp4 12.66M | ├──6.2 连续型随机变量.mp4 18.00M | ├──6.3 简单随机抽样.mp4 3.84M | ├──6.4 似然函数.mp4 12.27M | ├──6.5 极大似然估计.mp4 17.65M | ├──7.1 概率与频率.mp4 11.14M | ├──7.10 期望求解.mp4 15.19M | ├──7.11 马尔科夫不等式.mp4 14.64M | ├──7.12 切比雪夫不等式.mp4 21.07M | ├──7.13 后验概率估计.mp4 17.20M | ├──7.14 贝叶斯拼写纠错实例.mp4 18.35M | ├──7.15 垃圾邮件过滤实例.mp4 22.52M | ├──7.2 古典概型.mp4 11.13M | ├──7.3 条件概率.mp4 14.42M | ├──7.4 条件概率小例子.mp4 10.43M | ├──7.5 独立性.mp4 13.15M | ├──7.6 二维离散型随机变量.mp4 14.13M | ├──7.7 二维连续型随机变量.mp4 10.18M | ├──7.8 边缘分布.mp4 18.07M | ├──7.9 期望.mp4 7.80M | ├──8.1 正太分布.mp4 60.64M | ├──8.2 二项式分布.mp4 38.10M | ├──8.3 泊松分布.mp4 53.43M | ├──8.4 均匀分布.mp4 8.83M | ├──8.5 卡方分布.mp4 23.83M | ├──8.6 beta分布.mp4 46.30M | ├──9.1 核函数的目的.mp4 11.25M | ├──9.2 线性核函数.mp4 8.88M | ├──9.3 多项式核函数.mp4 6.88M | ├──9.4 核函数实例.mp4 16.05M | ├──9.5 高斯核函数.mp4 14.78M | └──9.6 参数的影响.mp4 15.69M ├──第04模块：机器学习算法精讲及其案例应用（新） | ├──1.1 课程简介.mp4 23.43M | ├──1.10 线性回归整体模块概述.mp4 9.99M | ├──1.100 决策边界展示分析.mp4 30.54M | ├──1.101 树模型预剪枝参数作用.mp4 29.93M | ├──1.102 回归树模型.mp4 30.28M | ├──1.103 随机森林算法原理.mp4 20.61M | ├──1.104 随机森林优势与特征重要性指标.mp4 18.50M | ├──1.105 提升算法概述.mp4 16.13M | ├──1.106 stacking堆叠模型.mp4 13.44M | ├──1.107 构建实验数据集.mp4 12.30M | ├──1.108 硬投票与软投票效果对比.mp4 48.04M | ├──1.109 Bagging策略效果.mp4 28.99M | ├──1.11 初始化步骤.mp4 16.26M | ├──1.110 集成效果展示分析.mp4 33.10M | ├──1.111 OOB袋外数据的作用.mp4 12.30M | ├──1.112 特征重要性热度图展示.mp4 37.42M | ├──1.113 Adaboost算法概述.mp4 8.15M | ├──1.114 Adaboost决策边界效果.mp4 44.05M | ├──1.115 GBDT提升算法流程.mp4 17.31M | ├──1.116 集成参数对比分析.mp4 63.54M | ├──1.117 模型提前停止策略.mp4 21.36M | ├──1.118 停止方案实施.mp4 38.02M | ├──1.119 堆叠模型.mp4 16.52M | ├──1.12 实现梯度下降优化模块.mp4 25.34M | ├──1.120 支持向量机要解决的问题.mp4 13.97M | ├──1.121 距离与数据定义.mp4 14.61M | ├──1.122 目标函数推导.mp4 18.06M | ├──1.123 拉格朗日乘子法求解.mp4 15.19M | ├──1.124 化简最终目标函数.mp4 11.75M | ├──1.125 求解决策方程.mp4 22.74M | ├──1.126 软间隔优化.mp4 24.81M | ├──1.127 核函数的作用.mp4 22.34M | ├──1.128 知识点总结.mp4 19.11M | ├──1.129 支持向量机所能带来的效果.mp4 19.26M | ├──1.13 损失与预测模块.mp4 31.11M | ├──1.130 决策边界可视化展示.mp4 26.29M | ├──1.131 软间隔的作用.mp4 24.69M | ├──1.132 非线性SVM.mp4 18.04M | ├──1.133 核函数的作用与效果.mp4 49.38M | ├──1.134 深度学习要解决的问题.mp4 14.69M | ├──1.135 深度学习应用领域.mp4 36.63M | ├──1.136 计算机视觉任务.mp4 12.62M | ├──1.137 视觉任务中遇到的问题.mp4 22.38M | ├──1.138 得分函数.mp4 13.38M | ├──1.139 损失函数的作用.mp4 21.35M | ├──1.14 数据与标签定义.mp4 27.93M | ├──1.140 前向传播整体流程.mp4 27.60M | ├──1.141 返向传播计算方法.mp4 18.49M | ├──1.142 神经网络整体架构.mp4 21.02M | ├──1.143 神经网络架构细节.mp4 24.35M | ├──1.144 神经元个数对结果的影响.mp4 63.53M | ├──1.145 正则化与激活函数.mp4 20.11M | ├──1.146 神经网络过拟合解决方法.mp4 27.35M | ├──1.147 神经网络整体框架概述.mp4 15.41M | ├──1.148 参数初始化操作.mp4 29.14M | ├──1.149 矩阵向量转换.mp4 22.45M | ├──1.15 训练线性回归模型.mp4 29.23M | ├──1.150 向量反变换.mp4 24.26M | ├──1.151 完成前向传播模块.mp4 24.91M | ├──1.152 损失函数定义.mp4 24.15M | ├──1.153 准备反向传播迭代.mp4 20.60M | ├──1.154 差异项计算.mp4 27.28M | ├──1.155 逐层计算.mp4 26.72M | ├──1.156 完成全部迭代更新模块.mp4 47.26M | ├──1.157 手写字体识别数据集.mp4 26.91M | ├──1.158 算法代码错误修正.mp4 36.78M | ├──1.159 模型优化结果展示.mp4 36.16M | ├──1.16 得到线性回归方程.mp4 22.34M | ├──1.160 测试效果可视化展示.mp4 44.28M | ├──1.161 贝叶斯要解决的问题.mp4 9.68M | ├──1.162 贝叶斯公式推导.mp4 13.78M | ├──1.163 拼写纠错实例.mp4 22.07M | ├──1.164 垃圾邮件过滤实例.mp4 19.30M | ├──1.165 朴素贝叶斯算法整体框架.mp4 12.65M | ├──1.166 邮件数据读取.mp4 11.25M | ├──1.167 预料表与特征向量构建.mp4 23.14M | ├──1.168 分类别统计词频.mp4 21.02M | ├──1.169 贝叶斯公式对数变换.mp4 20.24M | ├──1.17 整体流程debug解读.mp4 21.83M | ├──1.170 完成预测模块.mp4 23.53M | ├──1.171 关联规则概述.mp4 15.68M | ├──1.172 支持度与置信度.mp4 21.80M | ├──1.173 提升度的作用.mp4 27.52M | ├──1.174 Python实战关联规则.mp4 25.98M | ├──1.175 数据集制作.mp4 25.64M | ├──1.176 电影数据集题材关联分析.mp4 40.61M | ├──1.177 Apripri算法整体流程.mp4 23.33M | ├──1.178 数据集demo.mp4 8.30M | ├──1.179 扫描模块.mp4 16.05M | ├──1.18 多特征回归模型.mp4 38.78M | ├──1.180 拼接模块.mp4 14.39M | ├──1.181 挖掘频繁项集.mp4 18.09M | ├──1.182 规则生成模块.mp4 17.13M | ├──1.183 完成全部算法流程.mp4 19.58M | ├──1.184 规则结果展示.mp4 20.38M | ├──1.185 词向量模型通俗解释.mp4 15.43M | ├──1.186 模型整体框架.mp4 21.30M | ├──1.187 训练数据构建.mp4 12.18M | ├──1.188 CBOW与Skip.gram模型.mp4 18.35M | ├──1.189 负采样方案.mp4 21.98M | ├──1.19 非线性回归.mp4 31.53M | ├──1.190 数据与任务流程.mp4 31.49M | ├──1.191 数据清洗.mp4 19.43M | ├──1.192 batch数据制作.mp4 34.24M | ├──1.193 网络训练.mp4 33.93M | ├──1.194 可视化展示.mp4 28.62M | ├──1.195 推荐系统应用.mp4 18.80M | ├──1.196 推荐系统要完成的任务.mp4 10.35M | ├──1.197 相似度计算.mp4 16.40M | ├──1.198 基于用户的协同过滤.mp4 14.44M | ├──1.199 基于物品的协同过滤.mp4 22.05M | ├──1.2 回归问题概述.mp4 13.75M | ├──1.20 Sklearn工具包简介.mp4 22.80M | ├──1.200 隐语义模型.mp4 11.59M | ├──1.201 隐语义模型求解.mp4 15.47M | ├──1.202 模型评估标准.mp4 10.77M | ├──1.203 音乐推荐任务概述.mp4 50.77M | ├──1.204 数据集整合.mp4 39.97M | ├──1.205 基于物品的协同过滤.mp4 43.49M | ├──1.206 物品相似度计算与推荐.mp4 46.48M | ├──1.207 SVD矩阵分解.mp4 44.93M | ├──1.208 基于矩阵分解的音乐推荐~1.mp4 55.60M | ├──1.209 线性判别分析要解决的问题.mp4 19.84M | ├──1.21 数据集切分.mp4 19.97M | ├──1.210 线性判别分析要优化的目标.mp4 19.10M | ├──1.211 线性判别分析求解.mp4 20.21M | ├──1.212 实现线性判别分析进行降维任务.mp4 28.35M | ├──1.213 求解得出降维结果.mp4 27.92M | ├──1.214 PCA基本概念.mp4 34.38M | ├──1.215 PCA降维实例.mp4 45.80M | ├──1.216 PCA结果推导.mp4 23.55M | ├──1.217 方差与协方差.mp4 18.11M | ├──1.218 马尔科夫模型.mp4 12.81M | ├──1.219 隐马尔科夫模型基本出发点.mp4 13.35M | ├──1.22 交叉验证的作用.mp4 28.06M | ├──1.220 组成与要解决的问题.mp4 10.76M | ├──1.221 暴力求解方法.mp4 18.17M | ├──1.222 复杂度计算.mp4 10.86M | ├──1.223 前向算法.mp4 24.78M | ├──1.224 前向算法求解实例.mp4 24.27M | ├──1.225 Baum.Welch算法.mp4 18.59M | ├──1.226 参数求解.mp4 12.11M | ├──1.227 维特比算法.mp4 30.93M | ├──1.228 hmmlearn工具包.mp4 14.76M | ├──1.229 工具包使用方法.mp4 44.75M | ├──1.23 交叉验证实验分析.mp4 44.93M | ├──1.230 中文分词任务.mp4 9.81M | ├──1.231 实现中文分词.mp4 24.88M | ├──1.24 混淆矩阵.mp4 15.56M | ├──1.25 评估指标对比分析.mp4 36.82M | ├──1.26 阈值对结果的影响.mp4 28.14M | ├──1.27 ROC曲线.mp4 22.61M | ├──1.28 实验目标分析.mp4 14.36M | ├──1.29 参数直接求解方法.mp4 18.03M | ├──1.3 误差项定义.mp4 18.86M | ├──1.30 预处理对结果的影响.mp4 35.72M | ├──1.31 梯度下降模块.mp4 14.50M | ├──1.32 学习率对结果的影响.mp4 22.27M | ├──1.33 随机梯度下降得到的效果.mp4 31.75M | ├──1.34 MiniBatch方法.mp4 21.68M | ├──1.35 不同策略效果对比.mp4 22.22M | ├──1.36 多项式回归.mp4 26.16M | ├──1.37 模型复杂度.mp4 45.42M | ├──1.38 样本数量对结果的影响.mp4 42.42M | ├──1.39 正则化的作用.mp4 22.49M | ├──1.4 独立同分布的意义.mp4 16.26M | ├──1.40 岭回归与lasso.mp4 59.88M | ├──1.41 实验总结.mp4 40.28M | ├──1.42 逻辑回归算法原理.mp4 16.15M | ├──1.43 化简与求解.mp4 19.78M | ├──1.44 多分类逻辑回归整体思路.mp4 14.61M | ├──1.45 训练模块功能.mp4 27.31M | ├──1.46 完成预测模块.mp4 23.85M | ├──1.47 优化目标定义.mp4 23.56M | ├──1.48 迭代优化参数.mp4 31.74M | ├──1.49 梯度计算.mp4 29.39M | ├──1.5 似然函数的作用.mp4 20.95M | ├──1.50 得出最终结果.mp4 35.56M | ├──1.51 鸢尾花数据集多分类任务.mp4 17.98M | ├──1.52 训练多分类模型.mp4 30.20M | ├──1.53 准备测试数据.mp4 25.30M | ├──1.54 决策边界绘制.mp4 33.95M | ├──1.55 非线性决策边界.mp4 14.46M | ├──1.56 逻辑回归实验概述.mp4 40.11M | ├──1.57 概率结果随特征数值的变化.mp4 30.57M | ├──1.58 可视化展示.mp4 24.45M | ├──1.59 坐标棋盘制作.mp4 24.99M | ├──1.6 参数求解.mp4 22.42M | ├──1.60 分类决策边界展示分析.mp4 41.51M | ├──1.61 多分类.softmax.mp4 40.69M | ├──1.62 KMEANS算法概述.mp4 18.57M | ├──1.63 KMEANS工作流程.mp4 14.60M | ├──1.64 KMEANS迭代可视化展示.mp4 25.55M | ├──1.65 DBSCAN聚类算法.mp4 18.84M | ├──1.66 DBSCAN工作流程.mp4 27.68M | ├──1.67 DBSCAN可视化展示.mp4 24.02M | ├──1.68 Kmeans算法模块概述.mp4 6.69M | ├──1.69 计算得到簇中心点.mp4 16.57M | ├──1.7 梯度下降通俗解释.mp4 15.14M | ├──1.70 样本点归属划分.mp4 17.08M | ├──1.71 算法迭代更新.mp4 17.30M | ├──1.72 鸢尾花数据集聚类任务.mp4 21.48M | ├──1.73 聚类效果展示.mp4 34.48M | ├──1.74 Kmenas算法常用操作.mp4 29.07M | ├──1.75 聚类结果展示.mp4 13.74M | ├──1.76 建模流程解读.mp4 34.21M | ├──1.77 不稳定结果.mp4 12.90M | ├──1.78 评估指标.Inertia.mp4 32.28M | ├──1.79 如何找到合适的K值.mp4 23.61M | ├──1.8 参数更新方法.mp4 17.07M | ├──1.80 轮廓系数的作用.mp4 29.70M | ├──1.81 Kmenas算法存在的问题.mp4 22.21M | ├──1.82 半监督学习.mp4 36.37M | ├──1.83 DBSCAN算法.mp4 35.76M | ├──1.84 决策树算法概述.mp4 16.89M | ├──1.85 熵的作用.mp4 14.40M | ├──1.86 信息增益原理.mp4 18.64M | ├──1.87 决策树构造实例.mp4 16.52M | ├──1.88 信息增益率与gini系数.mp4 12.49M | ├──1.89 预剪枝方法.mp4 16.64M | ├──1.9 优化参数设置.mp4 18.32M | ├──1.90 后剪枝方法.mp4 15.52M | ├──1.91 回归问题解决.mp4 12.49M | ├──1.92 整体模块概述.mp4 7.60M | ├──1.93 递归生成树节点.mp4 18.81M | ├──1.94 整体框架逻辑.mp4 13.42M | ├──1.95 熵值计算.mp4 25.64M | ├──1.96 数据集切分.mp4 17.95M | ├──1.97 完成树模型构建.mp4 17.86M | ├──1.98 测试算法效果.mp4 15.50M | └──1.99 树模型可视化展示.mp4 22.50M ├──第05模块：机器学习算法建模实战项目（新） | ├──1.1 任务目标解读.mp4 23.14M | ├──1.10 混淆矩阵评估分析.mp4 38.32M | ├──1.11 测试集遇到的问题.mp4 15.13M | ├──1.12 阈值对结果的影响.mp4 25.67M | ├──1.13 SMOTE样本生成策略.mp4 17.99M | ├──1.14 过采样效果与项目总结.mp4 27.63M | ├──1.2 项目挑战与解决方案制定.mp4 31.31M | ├──1.3 数据标准化处理.mp4 33.46M | ├──1.4 下采样数据集制作.mp4 15.36M | ├──1.5 交叉验证.mp4 17.03M | ├──1.6 数据集切分.mp4 16.01M | ├──1.7 模型评估方法与召回率.mp4 21.84M | ├──1.8 正则化惩罚项.mp4 23.36M | ├──1.9 训练逻辑回归模型.mp4 49.47M | ├──2.1 基于随机森林的气温预测任务概述.mp4 30.59M | ├──2.2 基本随机森林模型建立.mp4 30.68M | ├──2.3 可视化展示与特征重要性.mp4 56.18M | ├──2.4 加入新的数据与特征.mp4 36.57M | ├──2.5 数据与特征对结果的影响.mp4 31.37M | ├──2.6 效率对比分析.mp4 35.15M | ├──2.7 网格与随机参数选择.mp4 24.89M | ├──2.8 随机参数选择方法实践.mp4 29.37M | ├──2.9 调参优化细节.mp4 34.61M | ├──3.1 新闻数据与任务概述.mp4 17.49M | ├──3.2 中文分词与停用词过滤.mp4 24.59M | ├──3.3 文本关键词提取.mp4 48.51M | ├──3.4 词袋模型.mp4 31.66M | ├──3.5 贝叶斯建模结果.mp4 32.95M | ├──3.6 TF_IDF特征分析对比.mp4 31.46M | ├──4.1 音乐推荐任务概述.mp4 50.70M | ├──4.2 数据集整合.mp4 39.99M | ├──4.3 基于物品的协同过滤.mp4 43.73M | ├──4.4 物品相似度计算与推荐.mp4 46.67M | ├──4.5 SVD矩阵分解.mp4 44.91M | ├──4.6-基于矩阵分解的音乐推荐.mp4 55.79M | ├──5.1 fbprophet股价预测任务概述.mp4 53.99M | ├──5.2 时间序列分析.mp4 51.86M | ├──5.3 fbprophet时间序列预测实例.mp4 58.45M | ├──5.4 亚马逊股价趋势.mp4 41.18M | ├──5.5 突变点调参.mp4 62.88M | ├──6.1 项目与数据介绍.mp4 53.44M | ├──6.10 行为特征.mp4 33.26M | ├──6.11 累积行为特征.mp4 54.94M | ├──6.12 Xgboost模型.mp4 27.23M | ├──6.2 数据挖掘流程.mp4 37.59M | ├──6.3 数据检查.mp4 32.05M | ├──6.4 构建用户特征表单.mp4 60.62M | ├──6.5 构建商品特征表单.mp4 46.69M | ├──6.6 数据探索概述.mp4 21.42M | ├──6.7 购买因素分析.mp4 33.40M | ├──6.8 特征工程.mp4 31.64M | └──6.9 基本特征构造.mp4 50.94M ├──第06模块：机器学习案例实战应用集锦（新） | ├──1.1 关联规则概述.mp4 15.68M | ├──1.2 支持度与置信度.mp4 21.89M | ├──1.3 提升度的作用.mp4 27.37M | ├──1.4 Python实战关联规则.mp4 25.98M | ├──1.5 数据集制作.mp4 25.66M | ├──1.6 电影数据集题材关联分析.mp4 40.92M | ├──10.1 数据与任务介绍.mp4 23.32M | ├──10.10 序列化执行预处理操作.mp4 33.72M | ├──10.11 完成所有预处理操作.mp4 36.54M | ├──10.12 构建回归模型.mp4 45.49M | ├──10.2 数据分析与可视化展示.mp4 24.18M | ├──10.3 连续值离散化与可视化细节.mp4 35.84M | ├──10.4 加载数据坐标到实际地图中进行分析.mp4 53.43M | ├──10.5 特征相关性分析.mp4 43.45M | ├──10.6 缺失值填充.mp4 15.94M | ├──10.7 sklearn工具包预处理模块.mp4 43.68M | ├──10.8 离散属性特征处理.mp4 26.19M | ├──10.9 构建合适的特征.mp4 37.88M | ├──11.1 数据任务介绍及缺失值处理.mp4 33.48M | ├──11.10 结果评估.mp4 64.95M | ├──11.11 必杀神奇：lightgbm.mp4 66.84M | ├──11.2 EDA数据探索分析.mp4 27.70M | ├──11.3 特征展示分析.mp4 23.96M | ├──11.4 KDEPLOT展示.mp4 25.14M | ├──11.5 部分特征分析与可视化.mp4 36.34M | ├──11.6 数据检查与特征工程.mp4 47.37M | ├──11.7 多项式特征.mp4 32.41M | ├──11.8 自定义特征.mp4 19.82M | ├──11.9 逻辑回归模型.mp4 48.93M | ├──12.1 数据与任务流程分析.mp4 28.42M | ├──12.2 图片数据导入.mp4 25.67M | ├──12.3 图像特征编码.mp4 25.78M | ├──12.4 数组保存与读取.mp4 19.85M | ├──12.5 得出聚类结果.mp4 26.51M | ├──12.6 聚类效果可视化展示.mp4 55.85M | ├──2.1 数据与任务分析.mp4 37.61M | ├──2.2 提取月份信息进行统计分析.mp4 20.38M | ├──2.3 房价随星期变化的可视化展示.mp4 35.65M | ├──2.4 房屋信息指标分析.mp4 59.63M | ├──2.5 提取房屋常见设施.mp4 49.51M | ├──2.6 房屋规格热度图分析.mp4 40.81M | ├──2.7 预处理与建模准备.mp4 43.39M | ├──2.8 随机森林与LightGBM.mp4 33.41M | ├──2.9 训练与评估.mp4 52.91M | ├──3.1 数据与任务介绍.mp4 17.81M | ├──3.2 文本词频统计.mp4 24.94M | ├──3.3 ngram结果可视化展示.mp4 41.58M | ├──3.4 文本清洗.mp4 26.11M | ├──3.5 相似度计算.mp4 35.30M | ├──3.6 得出推荐结果.mp4 43.93M | ├──4.1 数据任务分析.mp4 46.83M | ├──4.2 特征工程制作.mp4 42.03M | ├──4.3 统计指标生成.mp4 41.07M | ├──4.4 特征信息提取.mp4 62.81M | ├──4.5 标签变换.mp4 32.98M | ├──4.6 输入数据制作.mp4 21.71M | ├──4.7 Xgboost训练模型.mp4 21.40M | ├──4.8 生成输出结果.mp4 52.19M | ├──5.1 数据与任务简介.mp4 31.52M | ├──5.2 数据问题探索与解决方案.mp4 42.17M | ├──5.3 剔除开挂数据.mp4 30.38M | ├──5.4 类别变量处理.mp4 22.00M | ├──5.5 绘图统计分析.mp4 31.68M | ├──5.6 热度图展示.mp4 27.04M | ├──5.7 随机森林建模.mp4 25.45M | ├──5.8 特征重要性.mp4 42.27M | ├──6.1 模型解释方法与实践.mp4 37.13M | ├──6.2 部分依赖图解释.mp4 16.94M | ├──6.3 双变量分析.mp4 20.77M | ├──6.4 ShapValues指标分析.mp4 47.04M | ├──6.5 疾病引起原因分析实战.mp4 44.37M | ├──7.1 Python字符串处理.mp4 31.86M | ├──7.10 名字实体匹配.mp4 17.09M | ├──7.11 恐怖袭击分析.mp4 33.03M | ├──7.12 统计分析结果.mp4 37.32M | ├──7.13 结巴分词器.mp4 22.69M | ├──7.14 词云展示.mp4 71.31M | ├──7.2 正则常用符号.mp4 30.06M | ├──7.3 正则表达式基本语法.mp4 26.06M | ├──7.4 常用函数介绍.mp4 30.82M | ├──7.5 NLTK工具包简介.mp4 24.16M | ├──7.6 停用词过滤.mp4 21.10M | ├──7.7 词性标注.mp4 28.52M | ├──7.8 数据清洗实例.mp4 35.30M | ├──7.9 Spacy工具包.mp4 35.65M | ├──8.1 词向量模型通俗解释.mp4 16.70M | ├──8.2 模型整体框架.mp4 23.06M | ├──8.3 训练数据构建.mp4 13.24M | ├──8.4 CBOW与Skip_gram模型.mp4 19.76M | ├──8.5 负采样方案.mp4 23.57M | ├──9.1 任务概述.mp4 29.88M | ├──9.2 词袋模型.mp4 22.75M | ├──9.3 词袋模型分析.mp4 51.77M | ├──9.4 TFIDF模型.mp4 35.28M | ├──9.5 word2vec词向量模型.mp4 40.56M | └──9.6 深度学习模型.mp4 30.81M ├──第06模块：深度学习框架-Tensorflow2版本实战（旧） | ├──1.1 课程简介.mp4 2.89M | ├──1.2 Tensorflow2版本简介与心得.mp4 22.85M | ├──1.3 Tensorflow2版本安装方法.mp4 34.18M | ├──1.4 tf基础操作.mp4 17.19M | ├──10.1 任务目标与数据介绍.mp4 21.14M | ├──10.2 RNN模型输入数据维度解读.mp4 12.50M | ├──10.3 数据映射表制作.mp4 29.87M | ├──10.4 embedding层向量制作.mp4 42.45M | ├──10.5 数据生成器构造.mp4 27.56M | ├──10.6 双向RNN模型定义.mp4 14.72M | ├──10.7 自定义网络模型架构.mp4 37.80M | ├──10.8 训练策略指定.mp4 20.68M | ├──10.9 训练文本分类模型.mp4 23.87M | ├──11.1 CNN应用于文本任务原理解析.mp4 17.31M | ├──11.2 整体流程解读.mp4 15.61M | ├──11.3 网络架构设计与训练.mp4 30.63M | ├──12.1 任务目标与数据源.mp4 12.63M | ├──12.2 构建时间序列数据.mp4 19.27M | ├──12.3 训练时间序列数据预测结果.mp4 26.45M | ├──12.4 多特征预测结果.mp4 21.39M | ├──12.5 序列结果预测.mp4 15.62M | ├──13.1 BERT课程简介.mp4 17.88M | ├──13.10 BERT模型训练方法.mp4 15.25M | ├──13.11 训练实例.mp4 16.84M | ├──13.2 BERT任务目标概述.mp4 8.52M | ├──13.3 传统解决方案遇到的问题.mp4 17.46M | ├──13.4 注意力机制的作用.mp4 11.15M | ├──13.5 self.attention计算方法.mp4 18.20M | ├──13.6 特征分配与softmax机制.mp4 15.73M | ├──13.7 Multi.head的作用.mp4 14.75M | ├──13.8 位置编码与多层堆叠.mp4 12.10M | ├──13.9 transformer整体架构梳理.mp4 17.22M | ├──14.1 BERT开源项目简介.mp4 29.19M | ├──14.10 构建QKV矩阵.mp4 32.78M | ├──14.11 完成Transformer模块构建.mp4 26.12M | ├──14.12 训练BERT模型.mp4 34.36M | ├──14.2 项目参数配置.mp4 62.23M | ├──14.3 数据读取模块.mp4 33.04M | ├──14.4 数据预处理模块.mp4 25.36M | ├──14.5 tfrecord制作.mp4 32.49M | ├──14.6 Embedding层的作用.mp4 19.34M | ├──14.7 加入额外编码特征.mp4 27.04M | ├──14.8 加入位置编码特征.mp4 14.72M | ├──14.9 mask机制.mp4 22.44M | ├──15.1 对抗生成网络通俗解释.mp4 14.22M | ├──15.2 GAN网络组成.mp4 8.32M | ├──15.3 DCGAN网络架构与流程解读.mp4 11.93M | ├──15.4 网络架构设计.mp4 23.88M | ├──15.5 损失函数定义与训练.mp4 33.04M | ├──16.1 CycleGan网络所需数据.mp4 20.82M | ├──16.10 判别网络模块构造.mp4 12.78M | ├──16.11 损失函数：identity loss计算方法.mp4 23.59M | ├──16.12 生成与判别损失函数指定.mp4 35.12M | ├──16.13 额外补充：VISDOM可视化配置.mp4 22.46M | ├──16.2 CycleGan整体网络架构.mp4 16.10M | ├──16.3 PatchGan判别网络原理.mp4 8.27M | ├──16.4 数据与环境配置.mp4 35.01M | ├──16.5 生成与判别器损失函数定义.mp4 20.97M | ├──16.6 整体损失模块解读.mp4 38.44M | ├──16.7 Cycle开源项目简介.mp4 32.80M | ├──16.8 数据读取与预处理操作.mp4 35.01M | ├──16.9 生成网络模块构造.mp4 31.36M | ├──17.1 额外补充.Resnet论文解读.mp4 65.98M | ├──17.2 额外补充.Resnet网络架构解读.mp4 13.98M | ├──17.3 项目结构概述.mp4 14.30M | ├──17.4 数据集处理方法.mp4 18.01M | ├──17.5 训练数据构建.mp4 17.36M | ├──17.6 网络架构层次解读.mp4 22.38M | ├──17.7 前向传播配置.mp4 24.14M | ├──17.8 训练resnet模型.mp4 20.06M | ├──2.1 深度学习要解决的问题.mp4 14.41M | ├──2.10 神经网络架构细节.mp4 23.74M | ├──2.11 神经元个数对结果的影响.mp4 59.38M | ├──2.12 正则化与激活函数.mp4 19.79M | ├──2.13 神经网络过拟合解决方法.mp4 25.71M | ├──2.2 深度学习应用领域.mp4 36.04M | ├──2.3 计算机视觉任务.mp4 12.35M | ├──2.4 视觉任务中遇到的问题.mp4 21.66M | ├──2.5 得分函数.mp4 13.06M | ├──2.6 损失函数的作用.mp4 20.94M | ├──2.7 前向传播整体流程.mp4 26.87M | ├──2.8 返向传播计算方法.mp4 17.68M | ├──2.9 神经网络整体架构.mp4 20.67M | ├──3.1 任务目标与数据集简介.mp4 24.37M | ├──3.2 建模流程与API文档.mp4 19.87M | ├──3.3 网络模型训练.mp4 21.53M | ├──3.4 模型超参数调节与预测结果展示.mp4 38.06M | ├──3.5 分类模型构建.mp4 39.39M | ├──3.6 tf.data模块解读.mp4 22.38M | ├──3.7 模型保存与读取实例.mp4 49.55M | ├──4.1 卷积神经网络应用领域.mp4 14.81M | ├──4.10 VGG网络架构.mp4 12.82M | ├──4.11 残差网络Resnet.mp4 13.26M | ├──4.12 感受野的作用.mp4 11.31M | ├──4.2 卷积的作用.mp4 16.74M | ├──4.3 卷积特征值计算方法.mp4 15.21M | ├──4.4 得到特征图表示.mp4 13.38M | ├──4.5 步长与卷积核大小对结果的影响.mp4 14.67M | ├──4.6 边缘填充方法.mp4 12.57M | ├──4.7 特征图尺寸计算与参数共享.mp4 14.79M | ├──4.8 池化层的作用.mp4 8.73M | ├──4.9 整体网络架构.mp4 11.84M | ├──5.1 猫狗识别任务与数据简介.mp4 15.16M | ├──5.2 卷积网络涉及参数解读.mp4 20.07M | ├──5.3 网络架构配置.mp4 19.89M | ├──5.4 卷积模型训练与识别效果展示.mp4 32.15M | ├──6.1 数据增强概述.mp4 32.84M | ├──6.2 图像数据变换.mp4 72.08M | ├──6.3 猫狗识别任务数据增强实例.mp4 22.45M | ├──7.1 迁移学习的目标.mp4 9.06M | ├──7.2 迁移学习策略.mp4 11.64M | ├──7.3 Resnet原理.mp4 80.66M | ├──7.4 加载训练好的经典网络模型.mp4 24.92M | ├──7.5 Callback模块与迁移学习实例.mp4 37.59M | ├──7.6 tfrecords数据源制作方法.mp4 26.99M | ├──7.7 图像数据处理实例.mp4 31.50M | ├──8.1 RNN网络架构解读.mp4 17.64M | ├──8.2 词向量模型通俗解释.mp4 15.37M | ├──8.3 模型整体框架.mp4 21.24M | ├──8.4 训练数据构建.mp4 12.20M | ├──8.5 CBOW与Skip.gram模型.mp4 18.40M | ├──8.6 负采样方案.mp4 22.01M | ├──9.1 任务流程解读.mp4 12.08M | ├──9.2 模型定义参数设置.mp4 11.77M | ├──9.3 文本词预处理操作.mp4 13.08M | ├──9.4 训练batch数据制作.mp4 29.46M | └──9.5 损失函数定义与训练结果展示.mp4 29.46M ├──第07模块：机器学习竞赛优胜解决方案实战（新） | ├──1.1 课程简介.mp4 16.25M | ├──1.2 任务目标与数据分析..mp4 22.71M | ├──1.3 整体模型架构.mp4 12.46M | ├──1.4 构建用户特征序列.mp4 26.88M | ├──1.5 序列特征提取方法.mp4 22.40M | ├──1.6 生成特征汇总表.mp4 26.83M | ├──1.7 标签制作.mp4 15.99M | ├──1.8 网络训练模块.mp4 29.88M | ├──1.9 得出最终模型结果.mp4 24.08M | ├──10.1 任务概述.mp4 8.72M | ├──10.2 处理流程与数据简介.mp4 39.36M | ├──10.3 数据处理.mp4 33.80M | ├──10.4 单变量绘图分析.mp4 17.86M | ├──10.5 离群点剔除.mp4 29.72M | ├──10.6 变量与结果的关系.mp4 29.39M | ├──10.7 多变量展示.mp4 44.46M | ├──10.8 特征工程.mp4 44.20M | ├──11.1 dataleakage问题.mp4 44.18M | ├──11.2 基础模型对比.mp4 45.69M | ├──11.3 选择参数.mp4 49.48M | ├──11.4 测试模型.mp4 36.34M | ├──11.5 模型解释.mp4 31.38M | ├──11.6 模型分析.mp4 64.50M | ├──2.1 数据任务概述.mp4 19.42M | ├──2.2 数据异常检查.mp4 43.36M | ├──2.3 时间特征提取.mp4 40.51M | ├──2.4 各道工序特征构建.mp4 47.57M | ├──2.5 准备训练数据.mp4 31.79M | ├──2.6 训练xgboost模型.mp4 37.94M | ├──3.1 数据与任务目标分析.mp4 19.53M | ├──3.2 数据清洗与标签转换.mp4 19.02M | ├──3.3 道路通行时间序列数据生成.mp4 26.86M | ├──3.4 序列缺失补全方法.mp4 25.52M | ├──3.5 基于回归与插值完成序列特征.mp4 36.27M | ├──3.6 基于回归与插值进行序列补全.mp4 22.85M | ├──3.7 特征汇总.mp4 34.32M | ├──3.8 建立回归模型进行预测.mp4 32.70M | ├──4.1 竞赛与目标分析.mp4 20.27M | ├──4.2 模型解释方法与实践.mp4 34.19M | ├──4.3 特征对比分析方法.mp4 36.26M | ├──4.4 部分依赖图解释.mp4 16.07M | ├──4.5 结果对比分析.mp4 40.04M | ├──4.6 双变量分析.mp4 19.99M | ├──4.7 ShapValues指标分析.mp4 44.47M | ├──4.8 疾病引起原因分析实战.mp4 41.69M | ├──5.1 数据与任务介绍.mp4 15.43M | ├──5.2 整体模型架构.mp4 10.82M | ├──5.3 数据、标签、语料库处理.mp4 25.75M | ├──5.4 输入样本填充补齐.mp4 24.18M | ├──5.5 训练网络模型.mp4 26.90M | ├──5.6 医疗数据集（糖尿病）实体识别.mp4 62.70M | ├──6.1 竞赛任务目标.mp4 15.97M | ├──6.2 图模型信息提取.mp4 20.59M | ├──6.3 节点权重特征提取(PageRank).mp4 24.46M | ├──6.4 deepwalk构建图顶点特征.mp4 35.83M | ├──6.5 各项统计特征.mp4 35.15M | ├──6.6 app安装特征.mp4 28.38M | ├──6.7 图中联系人特征.mp4 47.83M | ├──7.1 任务目标与数据集介绍.mp4 33.42M | ├──7.2 数据清洗与预处理.mp4 37.47M | ├──7.3 基本特征抽取.mp4 41.98M | ├──7.4 文章与词向量分析.mp4 48.48M | ├──7.5 权重划分.mp4 30.51M | ├──7.6 候选词统计特征.mp4 22.08M | ├──7.7 textrank特征提取.mp4 19.87M | ├──7.8 候选词相似度特征.mp4 12.89M | ├──7.9 特征工程汇总.mp4 47.25M | ├──8.1 基本数值特征.mp4 38.87M | ├──8.2 常用特征构造手段.mp4 41.74M | ├──8.3 时间特征处理.mp4 44.88M | ├──8.4 文本特征处理.mp4 82.64M | ├──8.5 构造文本向量.mp4 39.47M | ├──8.6 词向量特征.mp4 55.23M | ├──8.7 计算机眼中的图像.mp4 18.59M | ├──9.1 任务与解决框架概述.mp4 39.28M | ├──9.2 特征工程分析与特征提取.mp4 65.76M | ├──9.3 离散数据处理.mp4 48.86M | ├──9.4 统计与文本特征.mp4 43.49M | ├──9.5 文本特征构建.mp4 54.04M | ├──9.6 构建低敏用户模型.mp4 50.23M | └──9.7 高敏模型概述.mp4 41.00M ├──第07模块：深度学习框架-PyTorch项目实战（旧） | ├──1.1 PyTorch实战课程简介.mp4 15.77M | ├──1.2 PyTorch框架发展趋势简介.mp4 16.95M | ├──1.3 框架安装方法（CPU与GPU版本）.mp4 12.61M | ├──1.4 PyTorch基本操作简介.mp4 19.34M | ├──1.5 自动求导机制.mp4 25.88M | ├──1.6 线性回归DEMO.数据与参数配置.mp4 17.01M | ├──1.7 线性回归DEMO.训练回归模型.mp4 28.21M | ├──1.8 常见tensor格式.mp4 15.06M | ├──1.9 Hub模块简介.mp4 40.59M | ├──10.1 OCR文字识别要完成的任务.mp4 13.74M | ├──10.2 CTPN文字检测网络概述.mp4 12.96M | ├──10.3 序列网络的作用.mp4 15.42M | ├──10.4 输出结果含义解析.mp4 11.72M | ├──10.5 CTPN细节概述.mp4 15.40M | ├──10.6 CRNN识别网络架构.mp4 10.58M | ├──10.7 CTC模块的作用.mp4 7.25M | ├──11.1 OCR文字检测识别项目效果展示.mp4 11.09M | ├──11.2 训练数据准备与环境配置.mp4 19.55M | ├──11.3 检测模块候选框生成.mp4 20.64M | ├──11.4 候选框标签制作.mp4 20.74M | ├──11.5 整体网络所需模块.mp4 13.45M | ├──11.6 网络架构各模块完成的任务解读.mp4 19.67M | ├──11.7 CRNN识别模块所需数据与标签.mp4 12.64M | ├──11.8 识别模块网络架构解读.mp4 26.57M | ├──12.1 3D卷积原理解读.mp4 15.03M | ├──12.2 UCF101动作识别数据集简介.mp4 31.45M | ├──12.3 测试效果与项目配置.mp4 35.80M | ├──12.4 视频数据预处理方法.mp4 19.94M | ├──12.5 数据Batch制作方法.mp4 30.32M | ├──12.6 3D卷积网络所涉及模块.mp4 24.11M | ├──12.7 训练网络模型.mp4 26.14M | ├──13.1 BERT课程简介.mp4 17.80M | ├──13.10 BERT模型训练方法.mp4 15.25M | ├──13.11 训练实例.mp4 16.79M | ├──13.2 BERT任务目标概述.mp4 8.47M | ├──13.3 传统解决方案遇到的问题.mp4 17.28M | ├──13.4 注意力机制的作用.mp4 11.23M | ├──13.5 selfattention计算方法.mp4 18.19M | ├──13.6 特征分配与softmax机制.mp4 15.73M | ├──13.7 Multihead的作用.mp4 14.90M | ├──13.8 位置编码与多层堆叠.mp4 12.37M | ├──13.9 transformer整体架构梳理.mp4 17.12M | ├──14.1 BERT开源项目简介.mp4 28.73M | ├──14.10 构建QKV矩阵.mp4 32.84M | ├──14.11 完成Transformer模块构建.mp4 26.04M | ├──14.12 训练BERT模型.mp4 34.57M | ├──14.2 项目参数配置.mp4 62.23M | ├──14.3 数据读取模块.mp4 32.95M | ├──14.4 数据预处理模块.mp4 25.32M | ├──14.5 tfrecord制作.mp4 32.53M | ├──14.6 Embedding层的作用.mp4 19.34M | ├──14.7 加入额外编码特征.mp4 27.02M | ├──14.8 加入位置编码特征.mp4 14.74M | ├──14.9 mask机制.mp4 22.44M | ├──15.1 项目配置与环境概述.mp4 16.86M | ├──15.2 数据读取与预处理.mp4 14.47M | ├──15.3 网络结构定义.mp4 19.12M | ├──15.4 训练网络模型.mp4 25.04M | ├──16.1 项目模板各模块概述.mp4 24.25M | ├──16.2 各模块配置参数解析.mp4 24.36M | ├──16.3 数据读取与预处理模块功能解读.mp4 30.90M | ├──16.4 模型架构模块.mp4 19.39M | ├──16.5 训练模块功能.mp4 30.79M | ├──16.6 训练结果可视化展示模块.mp4 23.09M | ├──16.7 模块应用与BenckMark解读.mp4 39.16M | ├──2.1 气温数据集与任务介绍.mp4 21.47M | ├──2.2 按建模顺序构建完成网络架构.mp4 27.47M | ├──2.3 简化代码训练网络模型.mp4 32.30M | ├──2.4 分类任务概述.mp4 10.66M | ├──2.5 构建分类网络模型.mp4 25.78M | ├──2.6 DataSet模块介绍与应用方法.mp4 34.06M | ├──3.1 卷积神经网络应用领域.mp4 14.81M | ├──3.10 VGG网络架构.mp4 12.84M | ├──3.11 残差网络Resnet.mp4 13.33M | ├──3.12 感受野的作用.mp4 11.31M | ├──3.2 卷积的作用.mp4 16.77M | ├──3.3 卷积特征值计算方法.mp4 15.27M | ├──3.4 得到特征图表示.mp4 13.25M | ├──3.5 步长与卷积核大小对结果的影响.mp4 14.67M | ├──3.6 边缘填充方法.mp4 12.71M | ├──3.7 特征图尺寸计算与参数共享.mp4 14.79M | ├──3.8 池化层的作用.mp4 8.87M | ├──3.9 整体网络架构.mp4 11.78M | ├──4.1 卷积网络参数定义.mp4 17.47M | ├──4.2 网络流程解读.mp4 24.45M | ├──4.3 Vision模块功能解读.mp4 16.32M | ├──4.4 分类任务数据集定义与配置.mp4 18.97M | ├──4.5 图像增强的作用.mp4 11.04M | ├──4.6 数据预处理与数据增强模块.mp4 23.45M | ├──4.7 Batch数据制作.mp4 29.73M | ├──5.1 迁移学习的目标.mp4 9.01M | ├──5.2 迁移学习策略.mp4 11.64M | ├──5.3 加载训练好的网络模型.mp4 33.48M | ├──5.4 优化器模块配置.mp4 17.32M | ├──5.5 实现训练模块.mp4 22.08M | ├──5.6 训练结果与模型保存.mp4 28.79M | ├──5.7 加载模型对测试数据进行预测.mp4 37.54M | ├──5.8 额外补充.Resnet论文解读.mp4 70.30M | ├──5.9 额外补充.Resnet网络架构解读.mp4 13.92M | ├──6.1 RNN网络架构解读.mp4 17.73M | ├──6.2 词向量模型通俗解释.mp4 15.48M | ├──6.3 模型整体框架.mp4 21.22M | ├──6.4 训练数据构建.mp4 12.24M | ├──6.5 CBOW与Skipgram模型.mp4 18.33M | ├──6.6 负采样方案.mp4 22.04M | ├──7.1 任务目标与数据简介.mp4 20.36M | ├──7.2 RNN模型所需输入格式解析.mp4 13.65M | ├──7.3 项目配置参数设置.mp4 25.09M | ├──7.4 新闻数据读取与预处理方法.mp4 21.98M | ├──7.5 训练LSTM文本分类模型.mp4 24.53M | ├──7.6 Tensorboardx可视化展示模块搭建.mp4 30.94M | ├──7.7 CNN应用于文本任务原理解析.mp4 17.31M | ├──7.8 网络模型架构与效果展示.mp4 28.72M | ├──8.1 对抗生成网络通俗解释.mp4 14.22M | ├──8.2 GAN网络组成.mp4 8.32M | ├──8.3 损失函数解释说明.mp4 26.30M | ├──8.4 数据读取模块.mp4 19.02M | ├──8.5 生成与判别网络定义.mp4 26.58M | ├──9.1 CycleGan网络所需数据.mp4 20.97M | ├──9.10 额外补充：VISDOM可视化配置.mp4 22.37M | ├──9.2 CycleGan整体网络架构.mp4 16.10M | ├──9.3 PatchGan判别网络原理.mp4 8.24M | ├──9.4 Cycle开源项目简介.mp4 32.80M | ├──9.5 数据读取与预处理操作.mp4 34.97M | ├──9.6 生成网络模块构造.mp4 31.48M | ├──9.7 判别网络模块构造.mp4 12.79M | ├──9.8 损失函数：identity loss计算方法.mp4 23.65M | └──9.9 生成与判别损失函数指定.mp4 35.15M ├──第08模块：深度学习入门视频课程（新） | ├──1.1 深度学习要解决的问题.mp4 14.51M | ├──1.2 深度学习应用领域.mp4 35.95M | ├──1.3 计算机视觉任务.mp4 12.31M | ├──1.4 视觉任务中遇到的问题.mp4 21.82M | ├──1.5 得分函数.mp4 13.12M | ├──1.6 损失函数的作用.mp4 20.97M | ├──1.7 前向传播整体流程.mp4 27.09M | ├──2.1 返向传播计算方法.mp4 17.83M | ├──2.2 神经网络整体架构.mp4 20.82M | ├──2.3 神经网络架构细节.mp4 23.94M | ├──2.4 神经元个数对结果的影响.mp4 59.97M | ├──2.5 正则化与激活函数.mp4 19.79M | ├──2.6 神经网络过拟合解决方法.mp4 26.42M | ├──3.1 卷积神经网络应用领域.mp4 15.31M | ├──3.10 VGG网络架构.mp4 13.31M | ├──3.11 残差网络Resnet.mp4 13.98M | ├──3.12 感受野的作用.mp4 11.86M | ├──3.2 卷积的作用.mp4 17.56M | ├──3.3 卷积特征值计算方法.mp4 16.04M | ├──3.4 得到特征图表示.mp4 13.81M | ├──3.5 步长与卷积核大小对结果的影响.mp4 15.45M | ├──3.6 边缘填充方法.mp4 13.29M | ├──3.7 特征图尺寸计算与参数共享.mp4 15.29M | ├──3.8 池化层的作用.mp4 9.21M | ├──3.9 整体网络架构.mp4 12.46M | ├──4.1 RNN网络架构解读.mp4 17.98M | ├──4.2 词向量模型通俗解释.mp4 17.40M | ├──4.3 模型整体框架.mp4 23.69M | ├──4.4 训练数据构建.mp4 13.53M | ├──4.5 CBOW与Skipgram模型.mp4 20.35M | └──4.6 负采样方案.mp4 24.01M ├──第09模块：深度学习必备框架实战（PyTorch+Tensorflow）（新） | ├──1.1 课程简介.mp4 3.05M | ├──1.2 Tensorflow2版本简介与心得.mp4 22.70M | ├──1.3 Tensorflow2版本安装方法.mp4 34.20M | ├──1.4 tf基础操作.mp4 17.17M | ├──10.1 任务目标与数据源.mp4 11.59M | ├──10.2 构建时间序列数据.mp4 19.60M | ├──10.3 训练时间序列数据预测结果.mp4 23.89M | ├──10.4 多特征预测结果.mp4 21.50M | ├──10.5 序列结果预测.mp4 15.48M | ├──11.1 额外补充.Resnet论文解读.mp4 70.52M | ├──11.2 额外补充.Resnet网络架构解读.mp4 14.26M | ├──11.3 项目结构概述.mp4 14.56M | ├──11.4 数据集处理方法.mp4 18.32M | ├──11.5 训练数据构建.mp4 17.68M | ├──11.6 网络架构层次解读.mp4 22.61M | ├──11.7 前向传播配置.mp4 24.00M | ├──11.8 训练resnet模型.mp4 20.38M | ├──12.1 PyTorch实战课程简介.mp4 16.07M | ├──12.2 PyTorch框架发展趋势简介.mp4 18.27M | ├──12.3 框架安装方法（CPU与GPU版本）.mp4 11.45M | ├──12.4 PyTorch基本操作简介.mp4 20.73M | ├──12.5 自动求导机制.mp4 25.84M | ├──12.6 线性回归DEMO.数据与参数配置.mp4 17.00M | ├──12.7 线性回归DEMO.训练回归模型.mp4 28.13M | ├──12.8 常见tensor格式.mp4 15.11M | ├──12.9 Hub模块简介.mp4 40.80M | ├──13.1 气温数据集与任务介绍.mp4 21.39M | ├──13.2 按建模顺序构建完成网络架构【王牌导航WPFX.LINK】.mp4 27.37M | ├──13.3 简化代码训练网络模型【王牌导航WPFX.LINK】.mp4 32.40M | ├──13.4 分类任务概述【王牌导航WPFX.LINK】.mp4 10.54M | ├──13.5 构建分类网络模型【王牌导航WPFX.LINK】.mp4 20.50M | ├──13.6 DataSet模块介绍与应用方法【王牌导航WPFX.LINK】.mp4 34.05M | ├──14.1 卷积神经网络应用领域【王牌导航WPFX.LINK】.mp4 15.31M | ├──14.10 VGG网络架构【王牌导航WPFX.LINK】.mp4 13.31M | ├──14.11 残差网络Resnet【王牌导航WPFX.LINK】.mp4 13.98M | ├──14.12 感受野的作用【王牌导航WPFX.LINK】.mp4 11.86M | ├──14.2 卷积的作用【王牌导航WPFX.LINK】.mp4 17.56M | ├──14.3 卷积特征值计算方法【王牌导航WPFX.LINK】.mp4 16.04M | ├──14.4 得到特征图表示【王牌导航WPFX.LINK】.mp4 13.81M | ├──14.5 步长与卷积核大小对结果的影响【王牌导航WPFX.LINK】.mp4 15.45M | ├──14.6 边缘填充方法.mp4 13.29M | ├──14.7 特征图尺寸计算与参数共享.mp4 15.29M | ├──14.8 池化层的作用.mp4 9.21M | ├──14.9 整体网络架构.mp4 12.46M | ├──15.1 卷积网络参数定义.mp4 19.19M | ├──15.2 网络流程解读.mp4 26.06M | ├──15.3 Vision模块功能解读.mp4 17.44M | ├──15.4 分类任务数据集定义与配置.mp4 19.82M | ├──15.5 图像增强的作用.mp4 11.35M | ├──15.6 数据预处理与数据增强模块.mp4 23.99M | ├──15.7 Batch数据制作.mp4 29.86M | ├──16.1 迁移学习的目标.mp4 9.15M | ├──16.2 迁移学习策略.mp4 11.93M | ├──16.3 加载训练好的网络模型.mp4 35.83M | ├──16.4 优化器模块配置.mp4 18.40M | ├──16.5 实现训练模块.mp4 25.13M | ├──16.6 训练结果与模型保存.mp4 30.62M | ├──16.7 加载模型对测试数据进行预测.mp4 39.30M | ├──16.8 额外补充.Resnet论文解读.mp4 70.52M | ├──16.9 额外补充.Resnet网络架构解读.mp4 14.26M | ├──17.1 任务目标与数据简介.mp4 20.71M | ├──17.2 RNN模型所需输入格式解析.mp4 14.33M | ├──17.3 项目配置参数设置.mp4 25.66M | ├──17.4 新闻数据读取与预处理方法.mp4 22.31M | ├──17.5 训练LSTM文本分类模型.mp4 25.10M | ├──17.6 Tensorboardx可视化展示模块搭建.mp4 29.09M | ├──17.7 CNN应用于文本任务原理解析.mp4 17.67M | ├──17.8 网络模型架构与效果展示.mp4 29.28M | ├──2.1 深度学习要解决的问题.mp4 14.51M | ├──2.10 神经网络架构细节.mp4 23.94M | ├──2.11 神经元个数对结果的影响.mp4 59.97M | ├──2.12 正则化与激活函数.mp4 19.79M | ├──2.13 神经网络过拟合解决方法.mp4 26.42M | ├──2.2 深度学习应用领域.mp4 35.95M | ├──2.3 计算机视觉任务.mp4 12.31M | ├──2.4 视觉任务中遇到的问题.mp4 21.82M | ├──2.5 得分函数.mp4 13.12M | ├──2.6 损失函数的作用.mp4 20.97M | ├──2.7 前向传播整体流程.mp4 27.09M | ├──2.8 返向传播计算方法.mp4 17.83M | ├──2.9 神经网络整体架构.mp4 20.82M | ├──3.1 任务目标与数据集简介.mp4 25.90M | ├──3.2 建模流程与API文档.mp4 21.18M | ├──3.3 网络模型训练.mp4 23.13M | ├──3.4 模型超参数调节与预测结果展示.mp4 40.15M | ├──3.5 分类模型构建.mp4 41.61M | ├──3.6 tf.data模块解读.mp4 22.26M | ├──3.7 模型保存与读取实例.mp4 49.51M | ├──4.1 猫狗识别任务与数据简介.mp4 14.00M | ├──4.2 卷积网络涉及参数解读.mp4 21.36M | ├──4.3 网络架构配置.mp4 20.50M | ├──4.4 卷积模型训练与识别效果展示.mp4 33.20M | ├──5.1 数据增强概述.mp4 33.55M | ├──5.2 图像数据变换.mp4 67.69M | ├──5.3 猫狗识别任务数据增强实例.mp4 23.42M | ├──6.1 迁移学习的目标.mp4 9.15M | ├──6.2 迁移学习策略.mp4 11.93M | ├──6.3 Resnet原理.mp4 80.93M | ├──6.4 加载训练好的经典网络模型.mp4 26.43M | ├──6.5 Callback模块与迁移学习实例.mp4 39.92M | ├──6.6 tfrecords数据源制作方法.mp4 26.99M | ├──6.7 图像数据处理实例.mp4 33.71M | ├──7.1 任务流程解读.mp4 11.99M | ├──7.2 模型定义参数设置.mp4 11.86M | ├──7.3 文本词预处理操作.mp4 13.04M | ├──7.4 训练batch数据制作.mp4 29.47M | ├──7.5 损失函数定义与训练结果展示.mp4 29.45M | ├──8.1 任务目标与数据介绍.mp4 18.52M | ├──8.2 RNN模型输入数据维度解读.mp4 14.05M | ├──8.3 数据映射表制作.mp4 31.81M | ├──8.4 embedding层向量制作.mp4 44.43M | ├──8.5 数据生成器构造.mp4 29.64M | ├──8.6 双向RNN模型定义.mp4 16.16M | ├──8.7 自定义网络模型架构.mp4 40.28M | ├──8.8 训练策略指定.mp4 22.01M | ├──8.9 训练文本分类模型.mp4 25.56M | ├──9.1 CNN应用于文本任务原理解析.mp4 17.67M | ├──9.2 整体流程解读.mp4 15.64M | └──9.3 网络架构设计与训练.mp4 30.22M ├──第10模块：opencv计算机视觉实战（新） | ├──1.1 课程简介.mp4 3.87M | ├──1.2 Python与Opencv配置安装.mp4 26.80M | ├──1.3 Notebook与IDE环境.mp4 58.12M | ├──10.1 整体流程演示.mp4 14.07M | ├──10.2 文档轮廓提取.mp4 20.09M | ├──10.3 原始与变换坐标计算.mp4 18.13M | ├──10.4 透视变换结果.mp4 21.79M | ├──10.5 tesseract-ocr安装配置.mp4 26.40M | ├──10.6 文档扫描识别效果.mp4 19.46M | ├──11.1 角点检测基本原理.mp4 11.77M | ├──11.2 基本数学原理.mp4 21.17M | ├──11.3 求解化简.mp4 21.55M | ├──11.4 特征归属划分.mp4 30.83M | ├──11.5 opencv角点检测效果.mp4 22.55M | ├──12.1 尺度空间定义.mp4 14.48M | ├──12.2 高斯差分金字塔.mp4 16.06M | ├──12.3 特征关键点定位.mp4 33.71M | ├──12.4 生成特征描述.mp4 16.95M | ├──12.5 特征向量生成.mp4 33.83M | ├──12.6 opencv中sift函数使用.mp4 21.34M | ├──13.1 特征匹配方法.mp4 19.82M | ├──13.2 图像拼接方法.mp4 29.87M | ├──13.3 RANSAC算法.mp4 25.27M | ├──13.4 流程解读.mp4 14.96M | ├──14.1 任务整体流程.mp4 34.47M | ├──14.2 所需数据介绍.mp4 21.00M | ├──14.3 图像数据预处理.mp4 32.82M | ├──14.4 车位直线检测.mp4 37.01M | ├──14.5 按列划分区域.mp4 33.65M | ├──14.6 车位区域划分.mp4 35.70M | ├──14.7 识别模型构建.mp4 27.17M | ├──14.8 基于视频的车位检测.mp4 65.10M | ├──15.1 整体流程与效果概述.mp4 17.82M | ├──15.2 预处理操作.mp4 16.55M | ├──15.3 填涂轮廓检测.mp4 17.61M | ├──15.4 选项判断识别.mp4 33.06M | ├──16.1 背景消除.帧差法.mp4 14.63M | ├──16.2 混合高斯模型.mp4 18.84M | ├──16.3 学习步骤.mp4 20.87M | ├──16.4 背景建模实战.mp4 35.50M | ├──17.1 基本概念.mp4 14.30M | ├──17.2 Lucas-Kanade算法.mp4 14.50M | ├──17.3 推导求解.mp4 18.84M | ├──17.4 光流估计实战.mp4 46.02M | ├──18.1 dnn模块.mp4 19.22M | ├──18.2 模型加载结果输出.mp4 27.28M | ├──19.1 目标追踪概述.mp4 33.94M | ├──19.2 多目标追踪实战.mp4 23.64M | ├──19.3 深度学习检测框架加载.mp4 28.17M | ├──19.4 基于dlib与ssd的追踪.mp4 49.36M | ├──19.5 多进程目标追踪.mp4 19.65M | ├──19.6 多进程效率提升对比.mp4 44.39M | ├──2.1 计算机眼中的图像.mp4 24.21M | ├──2.2 视频的读取与处理.mp4 35.94M | ├──2.3 ROI区域.mp4 11.74M | ├──2.4 边界填充.mp4 17.73M | ├──2.5 数值计算.mp4 30.91M | ├──20.1 卷积神经网络的应用.mp4 30.86M | ├──20.2 卷积层解释.mp4 20.08M | ├──20.3 卷积计算过程.mp4 23.94M | ├──20.4 pading与stride.mp4 23.15M | ├──20.5 卷积参数共享.mp4 15.22M | ├──20.6 池化层原理.mp4 14.40M | ├──20.7 卷积效果演示.mp4 17.19M | ├──20.8 卷积操作流程.mp4 29.31M | ├──21.1 关键点定位概述.mp4 20.00M | ├──21.2 获取人脸关键点.mp4 25.70M | ├──21.3 定位效果演示.mp4 31.86M | ├──21.4 闭眼检测.mp4 47.05M | ├──21.5 检测效果.mp4 28.70M | ├──3.1 图像阈值.mp4 23.58M | ├──3.2 图像平滑处理.mp4 18.05M | ├──3.3 高斯与中值滤波.mp4 15.18M | ├──4.1 腐蚀操作.mp4 13.57M | ├──4.2 膨胀操作.mp4 8.96M | ├──4.3 开运算与闭运算.mp4 6.94M | ├──4.4 梯度计算.mp4 5.47M | ├──4.5 礼帽与黑帽.mp4 12.41M | ├──5.1 Sobel算子.mp4 19.25M | ├──5.2 梯度计算方法.mp4 21.32M | ├──5.3 scharr与lapkacian算子.mp4 19.04M | ├──6.1 Canny边缘检测流程.mp4 12.85M | ├──6.2 非极大值抑制.mp4 12.85M | ├──6.3 边缘检测效果.mp4 23.17M | ├──7.1 图像金字塔定义.mp4 14.66M | ├──7.2 金字塔制作方法.mp4 18.46M | ├──7.3 轮廓检测方法.mp4 13.31M | ├──7.4 轮廓检测结果.mp4 22.06M | ├──7.5 轮廓特征与近似.mp4 26.87M | ├──7.6 模板匹配方法.mp4 34.96M | ├──7.7 匹配效果展示.mp4 15.84M | ├──8.1 直方图定义.mp4 17.39M | ├──8.2 均衡化原理.mp4 23.47M | ├──8.3 均衡化效果.mp4 20.06M | ├──8.4 傅里叶概述.mp4 28.68M | ├──8.5 频域变换结果.mp4 20.67M | ├──8.6 低通与高通滤波.mp4 22.71M | ├──9.1 总体流程与方法讲解.mp4 16.46M | ├──9.2 环境配置与预处理.mp4 23.21M | ├──9.3 模板处理方法.mp4 16.34M | ├──9.4 输入数据处理方法.mp4 19.95M | └──9.5 模板匹配得出识别结果.mp4 31.84M ├──第11模块：计算机视觉核心大项目实战（新） | ├──1.1 检测任务中阶段的意义.mp4 11.45M | ├──1.2 不同阶段算法优缺点分析.mp4 8.19M | ├──1.3 IOU指标计算.mp4 8.80M | ├──1.4 评估所需参数计算.mp4 18.76M | ├──1.5 map指标计算.mp4 15.75M | ├──10.1 FPN层特征提取原理解读.mp4 31.15M | ├──10.10 RoiPooling层的作用与目的.mp4 24.75M | ├──10.11 RorAlign操作的效果.mp4 19.32M | ├──10.12 整体框架回顾.mp4 22.65M | ├──10.2 FPN网络架构实现解读.mp4 41.22M | ├──10.3 生成框比例设置.mp4 20.83M | ├──10.4 基于不同尺度特征图生成所有框.mp4 24.75M | ├──10.5 RPN层的作用与实现解读.mp4 23.91M | ├──10.6 候选框过滤方法.mp4 11.96M | ├──10.7 Proposal层实现方法.mp4 25.35M | ├──10.8 DetectionTarget层的作用.mp4 19.17M | ├──10.9 正负样本选择与标签定义.mp4 20.59M | ├──11.1 Labelme工具安装.mp4 12.72M | ├──11.2 使用labelme进行数据与标签标注.mp4 20.64M | ├──11.3 完成训练数据准备工作.mp4 20.58M | ├──11.4 maskrcnn源码修改方法.mp4 48.65M | ├──11.5 基于标注数据训练所需任务.mp4 33.51M | ├──11.6 测试与展示模块.mp4 27.58M | ├──12.1 COCO数据集与人体姿态识别简介.mp4 38.59M | ├──12.2 网络架构概述.mp4 22.47M | ├──12.3 流程与结果演示.mp4 34.20M | ├──13.1 迁移学习的目标.mp4 9.86M | ├──13.2 迁移学习策略.mp4 12.91M | ├──13.3 Resnet原理.mp4 87.51M | ├──13.4 Resnet网络细节.mp4 30.47M | ├──13.5 Resnet基本处理操作.mp4 22.12M | ├──13.6 shortcut模块.mp4 29.06M | ├──13.7 加载训练好的权重.mp4 26.03M | ├──13.8 迁移学习效果对比.mp4 37.52M | ├──14.1 物体检测概述.mp4 28.16M | ├──14.2 深度学习经典检测方法.mp4 31.43M | ├──14.3 faster-rcnn概述.mp4 23.01M | ├──14.4 论文整体概述.mp4 87.94M | ├──14.5 RPN网络结构.mp4 84.95M | ├──14.6 损失函数定义.mp4 152.57M | ├──14.7 网络细节.mp4 180.05M | ├──15.1 OCR文字识别要完成的任务.mp4 15.33M | ├──15.2 CTPN文字检测网络概述.mp4 14.50M | ├──15.3 序列网络的作用.mp4 17.07M | ├──15.4 输出结果含义解析.mp4 12.85M | ├──15.5 CTPN细节概述.mp4 16.64M | ├──15.6 CRNN识别网络架构.mp4 11.82M | ├──15.7 CTC模块的作用.mp4 8.03M | ├──16.1 OCR文字检测识别项目效果展示.mp4 12.66M | ├──16.2 训练数据准备与环境配置.mp4 21.63M | ├──16.3 检测模块候选框生成.mp4 23.87M | ├──16.4 候选框标签制作.mp4 24.10M | ├──16.5 整体网络所需模块.mp4 15.16M | ├──16.6 网络架构各模块完成的任务解读.mp4 22.66M | ├──16.7 识别模块网络架构解读.mp4 30.43M | ├──17.1 3D卷积原理解读.mp4 16.90M | ├──17.2 UCF101动作识别数据集简介.mp4 35.43M | ├──17.3 测试效果与项目配置.mp4 40.90M | ├──17.4 视频数据预处理方法.mp4 23.17M | ├──17.5 数据Batch制作方法.mp4 34.46M | ├──17.6 3D卷积网络所涉及模块.mp4 27.68M | ├──17.7 训练网络模型.mp4 30.18M | ├──18.1 项目模板各模块概述.mp4 27.94M | ├──18.2 各模块配置参数解析.mp4 28.01M | ├──18.3 数据读取与预处理模块功能解读.mp4 35.58M | ├──18.4 模型架构模块.mp4 22.03M | ├──18.5 训练模块功能.mp4 35.05M | ├──18.6 训练结果可视化展示模块.mp4 27.51M | ├──18.7 模块应用与BenckMark解读.mp4 45.11M | ├──2.1 YOLO算法整体思路解读.mp4 11.57M | ├──2.2 检测算法要得到的结果.mp4 10.51M | ├──2.3 整体网络架构解读.mp4 22.29M | ├──2.4 位置损失计算.mp4 14.32M | ├──2.5 置信度误差与优缺点分析.mp4 20.85M | ├──3.1 V2版本细节升级概述.mp4 9.84M | ├──3.2 网络结构特点.mp4 11.48M | ├──3.3 架构细节解读.mp4 13.42M | ├──3.4 基于聚类来选择先验框尺寸.mp4 17.92M | ├──3.5 偏移量计算方法.mp4 19.67M | ├──3.6 坐标映射与还原.mp4 7.00M | ├──3.7 感受野的作用.mp4 20.32M | ├──3.8 特征融合改进.mp4 14.50M | ├──4.1 V3版本改进概述.mp4 13.65M | ├──4.2 多scale方法改进与特征融合.mp4 13.04M | ├──4.3 经典变换方法对比分析.mp4 8.31M | ├──4.4 残差连接方法解读.mp4 13.80M | ├──4.5 整体网络模型架构分析.mp4 9.11M | ├──4.6 先验框设计改进.mp4 9.62M | ├──4.7 sotfmax层改进.mp4 7.97M | ├──5.1 数据与环境配置.mp4 39.73M | ├──5.10 网格偏移计算.mp4 21.26M | ├──5.11 模型要计算的损失概述.mp4 15.53M | ├──5.12 标签值格式修改.mp4 18.12M | ├──5.13 坐标相对位置计算.mp4 21.00M | ├──5.14 完成所有损失函数所需计算指标.mp4 23.21M | ├──5.15 模型训练与总结.mp4 48.99M | ├──5.16 预测效果展示.mp4 22.61M | ├──5.2 训练参数设置.mp4 14.87M | ├──5.3 数据与标签读取.mp4 26.46M | ├──5.4 标签文件读取与处理.mp4 16.92M | ├──5.5 debug模式介绍.mp4 16.77M | ├──5.6 基于配置文件构建网络模型.mp4 25.63M | ├──5.7 路由层与shortcut层的作用.mp4 21.76M | ├──5.8 YOLO层定义解析.mp4 39.57M | ├──5.9 预测结果计算.mp4 28.47M | ├──6.1 Labelme工具安装.mp4 11.53M | ├──6.2 数据信息标注.mp4 20.69M | ├──6.3 完成标签制作.mp4 21.10M | ├──6.4 生成模型所需配置文件.mp4 25.15M | ├──6.5 json格式转换成yolo.v3所需输入.mp4 14.29M | ├──6.6 完成输入数据准备工作.mp4 26.38M | ├──6.7 训练代码与参数配置更改.mp4 30.53M | ├──6.8 训练模型并测试效果.mp4 24.22M | ├──7.1 迁移学习的目标.mp4 9.15M | ├──7.2 迁移学习策略.mp4 11.94M | ├──7.3 Resnet原理.mp4 81.02M | ├──7.4 Resnet网络细节.mp4 28.49M | ├──7.5 Resnet基本处理操作.mp4 20.61M | ├──7.6 shortcut模块.mp4 27.07M | ├──7.7 加载训练好的权重.mp4 24.06M | ├──7.8 迁移学习效果对比.mp4 35.34M | ├──8.1 物体检测概述.mp4 25.91M | ├──8.2 深度学习经典检测方法.mp4 29.23M | ├──8.3 faster-rcnn概述.mp4 21.46M | ├──8.4 论文整体概述.mp4 77.33M | ├──8.5 RPN网络结构.mp4 75.69M | ├──8.6 损失函数定义.mp4 134.58M | ├──8.7 网络细节.mp4 158.52M | ├──9.1 课程简介.mp4 12.36M | ├──9.2 Mask-Rcnn开源项目简介.mp4 75.28M | ├──9.3 开源项目数据集.mp4 33.40M | └──9.4 参数配置.mp4 66.75M ├──第12模块：对抗生成网络大项目实战（新） | ├──1.1 对抗生成网络通俗解释.mp4 14.35M | ├──1.2 GAN网络组成.mp4 8.46M | ├──1.3 损失函数解释说明.mp4 26.85M | ├──1.4 数据读取模块.mp4 19.51M | ├──1.5 生成与判别网络定义.mp4 27.13M | ├──10.1 猫狗识别任务与数据简介.mp4 16.07M | ├──10.2 卷积网络涉及参数解读.mp4 21.36M | ├──10.3 网络架构配置.mp4 21.57M | ├──10.4 卷积模型训练与识别效果展示.mp4 34.68M | ├──2.1 CycleGan网络所需数据.mp4 21.11M | ├──2.10 额外补充：VISDOM可视化配置.mp4 22.93M | ├──2.2 CycleGan整体网络架构.mp4 16.43M | ├──2.3 PatchGan判别网络原理.mp4 8.40M | ├──2.4 Cycle开源项目简介.mp4 33.84M | ├──2.5 数据读取与预处理操作.mp4 35.49M | ├──2.6 生成网络模块构造.mp4 32.02M | ├──2.7 判别网络模块构造.mp4 13.07M | ├──2.8 损失函数：identity loss计算方法.mp4 23.99M | ├──2.9 生成与判别损失函数指定.mp4 35.74M | ├──3.1 stargan效果演示分析.mp4 22.55M | ├──3.2 网络架构整体思路解读.mp4 21.95M | ├──3.3 建模流程分析.mp4 30.43M | ├──3.4 V1版本存在的问题及后续改进思路.mp4 39.76M | ├──3.5 V2版本在整体网络架构.mp4 43.47M | ├──3.6 编码器训练方法.mp4 44.02M | ├──3.7 损失函数公式解析.mp4 34.32M | ├──3.8 训练过程分析.mp4 70.11M | ├──4.1 项目配置与数据源下载.mp4 15.43M | ├──4.10 测试模块效果与实验分析.mp4 23.97M | ├──4.2 测试效果演示.mp4 30.33M | ├──4.3 项目参数解析.mp4 20.06M | ├──4.4 生成器模块源码解读.mp4 34.03M | ├──4.5 所有网络模块构建实例.mp4 33.50M | ├──4.6 数据读取模块分析.mp4 39.98M | ├──4.7 判别器损失计算.mp4 22.73M | ├──4.8 损失计算详细过程.mp4 33.40M | ├──4.9 生成模块损失计算.mp4 48.74M | ├──5.1 论文整体思路与架构解读.mp4 27.60M | ├──5.2 VCC2016输入数据.mp4 15.73M | ├──5.3 语音特征提取.mp4 23.77M | ├──5.4 生成器模型架构分析.mp4 11.62M | ├──5.5 InstanceNorm的作用解读.mp4 14.53M | ├──5.6 AdaIn的目的与效果.mp4 10.17M | ├──5.7 判别器模块分析.mp4 85.51M | ├──6.1 数据与项目文件解读.mp4 16.50M | ├──6.10 源码损失计算流程.mp4 27.66M | ├──6.11 测试模块生成转换语音.mp4 34.99M | ├──6.2 环境配置与工具包安装.mp4 29.06M | ├──6.3 数据预处理与声音特征提取.mp4 60.67M | ├──6.4 生成器构造模块解读.mp4 29.56M | ├──6.5 下采样与上采样操作.mp4 24.80M | ├──6.6 starganvc2版本标签输入分析.mp4 36.61M | ├──6.7 生成器前向传播维度变化.mp4 19.47M | ├──6.8 判别器模块解读.mp4 24.46M | ├──6.9 论文损失函数.mp4 84.10M | ├──7.1 论文概述.mp4 41.62M | ├──7.2 网络架构.mp4 69.80M | ├──7.3 数据与环境配置.mp4 21.22M | ├──7.4 数据加载与配置.mp4 28.93M | ├──7.5 生成模块.mp4 35.66M | ├──7.6 判别模块.mp4 31.92M | ├──7.7 VGG特征提取网络.mp4 26.79M | ├──7.8 损失函数与训练.mp4 65.77M | ├──7.9 测试模块.mp4 60.95M | ├──8.1 论文概述.mp4 70.10M | ├──8.2 网络架构.mp4 23.33M | ├──8.3 细节设计.mp4 67.04M | ├──8.4 论文总结.mp4 96.88M | ├──8.5 数据与项目概述.mp4 37.31M | ├──8.6 参数基本设计.mp4 52.77M | ├──8.7 网络结构配置.mp4 49.48M | ├──8.8 网络迭代训练.mp4 69.21M | ├──8.9 测试模块.mp4 34.46M | ├──9.1 卷积网络参数定义.mp4 19.19M | ├──9.10 加载训练好的网络模型.mp4 35.83M | ├──9.11 优化器模块配置.mp4 18.40M | ├──9.12 实现训练模块.mp4 25.13M | ├──9.13 训练结果与模型保存.mp4 30.62M | ├──9.14 加载模型对测试数据进行预测.mp4 39.30M | ├──9.15 额外补充.Resnet论文解读.mp4 70.52M | ├──9.16 额外补充.Resnet网络架构解读.mp4 14.26M | ├──9.2 网络流程解读.mp4 26.06M | ├──9.3 Vision模块功能解读.mp4 17.44M | ├──9.4 分类任务数据集定义与配置.mp4 19.82M | ├──9.5 图像增强的作用.mp4 11.12M | ├──9.6 数据预处理与数据增强模块.mp4 25.38M | ├──9.7 Batch数据制作.mp4 31.31M | ├──9.8 迁移学习的目标.mp4 9.15M | └──9.9 迁移学习策略.mp4 11.93M ├──第12模块：姿态估计与目标追踪实战系列（新） | ├──1-姿态估计OpenPose系列算法解读 | | ├──10课时匹配方法解读.mp4 14.53M | | ├──11课时CPM模型特点.mp4 15.91M | | ├──12课时算法流程与总结.mp4 26.11M | | ├──1课时姿态估计要解决的问题分析.mp4 33.03M | | ├──2课时姿态估计应用领域概述.mp4 13.60M | | ├──3课时传统topdown方法的问题.mp4 21.16M | | ├──4课时要解决的两个问题分析.mp4 7.25M | | ├──5课时基于高斯分布预测关键点位置.mp4 17.63M | | ├──6课时各模块输出特征图解读.mp4 11.44M | | ├──7课时PAF向量登场.mp4 9.27M | | ├──8课时PAF标签设计方法.mp4 16.90M | | └──9课时预测时PAF积分计算方法.mp4 22.67M | ├──10-基础补充-PyTorch框架必备核心模块解读 | | ├──100课时图像增强的作用.mp4 10.92M | | ├──101课时数据预处理与数据增强模块.mp4 24.90M | | ├──102课时Batch数据制作.mp4 30.94M | | ├──103课时迁移学习的目标.mp4 8.56M | | ├──104课时迁移学习策略.mp4 11.20M | | ├──105课时加载训练好的网络模型.mp4 36.16M | | ├──106课时优化器模块配置.mp4 18.58M | | ├──107课时实现训练模块.mp4 25.31M | | ├──108课时训练结果与模型保存.mp4 31.14M | | ├──109课时加载模型对测试数据进行预测.mp4 37.70M | | ├──96课时卷积网络参数定义.mp4 19.00M | | ├──97课时网络流程解读.mp4 26.27M | | ├──98课时Vision模块功能解读.mp4 17.29M | | └──99课时分类任务数据集定义与配置.mp4 20.11M | ├──2-OpenPose算法源码分析 | | ├──13课时数据集与路径配置解读.mp4 21.84M | | ├──14课时读取图像与标注信息.mp4 31.99M | | ├──15课时关键点与躯干特征图初始化.mp4 20.94M | | ├──16课时根据关键点位置设计关键点标签.mp4 33.25M | | ├──17课时准备构建PAF躯干标签.mp4 18.40M | | ├──18课时各位置点归属判断.mp4 17.49M | | ├──19课时特征图各点累加向量计算.mp4 20.65M | | ├──20课时完成PAF特征图制作.mp4 21.13M | | ├──21课时网络模型一阶段输出.mp4 18.26M | | └──22课时多阶段输出与预测.mp4 31.41M | ├──3-deepsort算法知识点解读 | | ├──23课时卡尔曼滤波通俗解释.mp4 19.65M | | ├──24课时卡尔曼滤波要完成的任务.mp4 11.27M | | ├──25课时任务本质分析.mp4 13.65M | | ├──26课时基于观测值进行最优估计.mp4 12.97M | | ├──27课时预测与更新操作.mp4 16.77M | | ├──28课时追踪中的状态量.mp4 11.47M | | ├──29课时匈牙利匹配算法概述.mp4 12.79M | | ├──30课时匹配小例子分析.mp4 14.59M | | ├──31课时REID特征的作用.mp4 13.57M | | ├──32课时sort与deepsort建模流程分析.mp4 18.35M | | ├──33课时预测与匹配流程解读.mp4 18.43M | | └──34课时追踪任务流程拆解.mp4 20.59M | ├──4-deepsort源码解读 | | ├──35课时项目环境配置.mp4 25.89M | | ├──36课时参数与DEMO演示.mp4 26.27M | | ├──37课时针对检测结果初始化track.mp4 30.27M | | ├──38课时对track执行预测操作.mp4 24.10M | | ├──39课时状态量预测结果.mp4 23.05M | | ├──40课时IOU代价矩阵计算.mp4 20.01M | | ├──41课时参数更新操作.mp4 32.94M | | ├──42课时级联匹配模块.mp4 25.80M | | ├──43课时ReID特征代价矩阵计算.mp4 28.16M | | └──44课时匹配结果与总结.mp4 49.72M | ├──5-YOLO-V4版本算法解读 | | ├──45课时V4版本整体概述.mp4 10.47M | | ├──46课时V4版本贡献解读.mp4 7.10M | | ├──47课时数据增强策略分析.mp4 16.32M | | ├──48课时DropBlock与标签平滑方法.mp4 13.89M | | ├──49课时损失函数遇到的问题.mp4 10.45M | | ├──50课时CIOU损失函数定义.mp4 7.75M | | ├──51课时NMS细节改进.mp4 11.07M | | ├──52课时SPP与CSP网络结构.mp4 10.73M | | ├──53课时SAM注意力机制模块.mp4 15.42M | | ├──54课时PAN模块解读.mp4 14.63M | | └──55课时激活函数与整体架构总结.mp4 13.87M | ├──6-V5版本项目配置 | | ├──56课时整体项目概述.mp4 26.60M | | ├──57课时训练自己的数据集方法.mp4 29.79M | | ├──58课时训练数据参数配置.mp4 34.86M | | └──59课时测试DEMO演示.mp4 36.58M | ├──7-V5项目工程源码解读 | | ├──60课时数据源DEBUG流程解读.mp4 25.14M | | ├──61课时图像数据源配置.mp4 21.54M | | ├──62课时加载标签数据.mp4 17.08M | | ├──63课时Mosaic数据增强方法.mp4 17.61M | | ├──64课时数据四合一方法与流程演示.mp4 25.74M | | ├──65课时getItem构建batch.mp4 21.60M | | ├──66课时网络架构图可视化工具安装.mp4 23.61M | | ├──67课时V5网络配置文件解读.mp4 25.66M | | ├──68课时Focus模块流程分析.mp4 14.83M | | ├──69课时完成配置文件解析任务.mp4 38.15M | | ├──70课时前向传播计算.mp4 20.62M | | ├──71课时BottleneckCSP层计算方法.mp4 22.76M | | ├──72课时SPP层计算细节分析.mp4 19.51M | | ├──73课时Head层流程解读.mp4 19.00M | | ├──74课时上采样与拼接操作.mp4 14.27M | | ├──75课时输出结果分析.mp4 24.90M | | ├──76课时超参数解读.mp4 22.85M | | ├──77课时命令行参数介绍.mp4 27.39M | | ├──78课时训练流程解读.mp4 30.83M | | ├──79课时各种训练策略概述.mp4 24.10M | | └──80课时模型迭代过程.mp4 24.46M | ├──8-基础补充-Resnet模型及其应用实例 | | ├──81课时医学疾病数据集介绍.mp4 14.04M | | ├──82课时Resnet网络架构原理分析.mp4 17.48M | | ├──83课时dataloader加载数据集.mp4 42.68M | | ├──84课时Resnet网络前向传播.mp4 23.48M | | ├──85课时残差网络的shortcut操作.mp4 30.98M | | ├──86课时特征图升维与降采样操作.mp4 17.13M | | └──87课时网络整体流程与训练演示.mp4 47.09M | └──9-基础补充-PyTorch框架基本处理操作 | | ├──88课时PyTorch框架发展趋势简介.mp4 18.02M | | ├──89课时框架安装方法（CPU与GPU版本）.mp4 13.54M | | ├──90课时PyTorch基本操作简介.mp4 21.36M | | ├──91课时自动求导机制.mp4 25.73M | | ├──92课时线性回归DEMO_数据与参数配置.mp4 16.48M | | ├──93课时线性回归DEMO_训练回归模型.mp4 28.13M | | ├──94课时常见tensor格式.mp4 14.56M | | └──95课时Hub模块简介.mp4 42.10M ├──第13模块：行人重识别系列项目（新） | ├──1.1 行人重识别要解决的问题.mp4 13.18M | ├──1.2 挑战与困难分析.mp4 27.51M | ├──1.3 评估标准rank1指标.mp4 10.15M | ├──1.4 map值计算方法.mp4 12.06M | ├──1.5 triplet损失计算实例.mp4 19.70M | ├──1.6 Hard.Negative方法应用.mp4 20.75M | ├──2.1 论文整体思想及注意力机制的作用解读.mp4 39.56M | ├──2.2 空间权重值计算流程分析.mp4 22.90M | ├──2.3 融合空间注意力所需特征.mp4 20.02M | ├──2.4 基于特征图的注意力计算.mp4 47.22M | ├──3.1 项目环境与数据集配置.mp4 38.74M | ├──3.2 参数配置与整体架构分析.mp4 47.64M | ├──3.3 进入debug模式解读网络计算流程.mp4 21.42M | ├──3.4 获得空间位置点之间的关系.mp4 30.40M | ├──3.5 组合关系特征图.mp4 28.84M | ├──3.6 计算得到位置权重值.mp4 26.98M | ├──3.7 基于特征图的权重计算.mp4 18.09M | ├──3.8 损失函数计算实例解读.mp4 42.91M | ├──3.9 训练与测试模块演示.mp4 53.26M | ├──4.1 论文整体框架概述.mp4 12.93M | ├──4.2 局部特征与全局关系计算方法.mp4 12.01M | ├──4.3 特征分组方法.mp4 11.59M | ├──4.4 GCP模块特征融合方法.mp4 21.47M | ├──4.5 oneVsReset方法实例.mp4 11.79M | ├──4.6 损失函数应用位置.mp4 12.52M | ├──5.1 项目配置与数据集介绍.mp4 46.62M | ├──5.10 得到所有分组特征结果.mp4 35.88M | ├──5.11 损失函数与训练过程演示.mp4 29.64M | ├──5.12 测试与验证模块.mp4 35.85M | ├──5.2 数据源构建方法分析.mp4 30.09M | ├──5.3 dataloader加载顺序解读.mp4 19.39M | ├──5.4 debug模式解读.mp4 45.92M | ├──5.5 网络计算整体流程演示.mp4 21.17M | ├──5.6 特征序列构建.mp4 28.45M | ├──5.7 GCP全局特征提取.mp4 26.19M | ├──5.8 局部特征提取实例.mp4 37.30M | ├──5.9 特征组合汇总.mp4 32.53M | ├──6.1 关键点位置特征构建.mp4 15.78M | ├──6.2 图卷积与匹配的作用.mp4 17.41M | ├──6.3 局部特征热度图计算.mp4 18.31M | ├──6.4 基于图卷积构建人体拓扑关系.mp4 22.04M | ├──6.5 图卷积模块实现方法.mp4 19.93M | ├──6.6 图匹配在行人重识别中的作用.mp4 13.45M | ├──6.7 整体算法框架分析.mp4 17.63M | ├──7.1 数据集与环境配置概述.mp4 34.46M | ├──7.10 整体项目总结.mp4 55.00M | ├──7.2 局部特征准备方法.mp4 37.82M | ├──7.3 得到一阶段热度图结果.mp4 28.79M | ├──7.4 阶段监督训练.mp4 57.80M | ├──7.5 初始化图卷积模型.mp4 27.33M | ├──7.6 mask矩阵的作用.mp4 31.13M | ├──7.7 邻接矩阵学习与更新.mp4 37.02M | ├──7.8 基于拓扑结构组合关键点特征.mp4 44.63M | └──7.9 图匹配模块计算流程.mp4 46.33M ├──第14模块：自然语言处理实战案例（新） | ├──1.1 Python字符串处理.mp4 32.05M | ├──1.10 名字实体匹配.mp4 17.24M | ├──1.11 恐怖袭击分析.mp4 32.99M | ├──1.12 统计分析结果.mp4 37.05M | ├──1.13 结巴分词器.mp4 22.61M | ├──1.14 词云展示.mp4 71.63M | ├──1.2 正则常用符号.mp4 29.88M | ├──1.3 正则表达式基本语法.mp4 26.12M | ├──1.4 常用函数介绍.mp4 30.80M | ├──1.5 NLTK工具包简介.mp4 24.09M | ├──1.6 停用词过滤.mp4 21.43M | ├──1.7 词性标注.mp4 28.41M | ├──1.8 数据清洗实例.mp4 35.50M | ├──1.9 Spacy工具包.mp4 36.22M | ├──10.1 任务概述.mp4 32.11M | ├──10.2 词袋模型.mp4 24.07M | ├──10.3 词袋模型分析.mp4 54.24M | ├──10.4 TFIDF模型.mp4 36.95M | ├──10.5 word2vec词向量模型.mp4 42.69M | ├──10.6 深度学习模型.mp4 31.73M | ├──11.1 任务概述.mp4 10.43M | ├──11.2 数据展示.mp4 16.74M | ├──11.3 正负样本制作.mp4 27.78M | ├──11.4 网络模型定义.mp4 39.10M | ├──11.5 基于字符的训练.mp4 40.35M | ├──11.6 基于句子的相似度训练.mp4 28.58M | ├──12.1 RNN网络架构.mp4 17.94M | ├──12.2 LSTM网络架构.mp4 16.60M | ├──12.3 案例：使用LSTM进行情感分类.mp4 28.45M | ├──12.4 情感数据集处理.mp4 31.82M | ├──12.5 基于word2vec的LSTM模型.mp4 46.74M | ├──13.1 任务概述与环境配置.mp4 11.12M | ├──13.2 参数配置.mp4 20.32M | ├──13.3 数据预处理模块.mp4 31.59M | ├──13.4 batch数据制作.mp4 25.48M | ├──13.5 RNN模型定义.mp4 16.44M | ├──13.6 完成训练模块.mp4 25.47M | ├──13.7 训练唐诗生成模型.mp4 10.32M | ├──13.8 测试唐诗生成效果.mp4 19.64M | ├──14.1 效果演示.mp4 22.63M | ├──14.2 参数配置与数据加载.mp4 37.07M | ├──14.3 数据处理.mp4 30.92M | ├──14.4 词向量与投影.mp4 28.27M | ├──14.5 seq网络.mp4 22.97M | ├──14.6 网络训练.mp4 28.13M | ├──2.1 任务概述.mp4 26.40M | ├──2.2 商品类别划分.mp4 29.09M | ├──2.3 商品类别可视化展示.mp4 32.49M | ├──2.4 描述长度对价格的影响.mp4 26.96M | ├──2.5 词云展示.mp4 44.11M | ├──2.6 tf.idf结果.mp4 27.28M | ├──2.7 降维可视化展示.mp4 30.35M | ├──2.8 聚类与主题模型.mp4 47.47M | ├──3.1 贝叶斯算法概述.mp4 10.05M | ├──3.2 贝叶斯推导实例.mp4 10.95M | ├──3.3 贝叶斯拼写纠错实例.mp4 16.78M | ├──3.4 垃圾邮件过滤实例.mp4 20.43M | ├──3.5 贝叶斯实现拼写检查器.mp4 33.01M | ├──4.1 文本分析与关键词提取.mp4 17.42M | ├──4.2 相似度计算.mp4 17.35M | ├──4.3 新闻数据与任务简介.mp4 30.17M | ├──4.4 TF.IDF关键词提取.mp4 43.51M | ├──4.5 LDA建模.mp4 25.96M | ├──4.6 基于贝叶斯算法进行新闻分类.mp4 46.12M | ├──5.1 马尔科夫模型.mp4 14.21M | ├──5.10 维特比算法.mp4 34.10M | ├──5.2 隐马尔科夫模型基本出发点.mp4 14.95M | ├──5.3 组成与要解决的问题.mp4 11.77M | ├──5.4 暴力求解方法.mp4 20.71M | ├──5.5 复杂度计算.mp4 12.10M | ├──5.6 前向算法.mp4 28.03M | ├──5.7 前向算法求解实例.mp4 26.96M | ├──5.8 Baum.Welch算法.mp4 20.48M | ├──5.9 参数求解.mp4 13.46M | ├──6.1 hmmlearn工具包.mp4 15.91M | ├──6.2 工具包使用方法.mp4 47.50M | ├──6.3 中文分词任务.mp4 10.95M | ├──6.4 实现中文分词.mp4 27.51M | ├──7.1 开篇.mp4 7.55M | ├──7.10 负采样模型.mp4 9.87M | ├──7.2 语言模型.mp4 8.22M | ├──7.3 N.gram模型.mp4 12.39M | ├──7.4 词向量.mp4 12.62M | ├──7.5 神经网络模型.mp4 14.68M | ├──7.6 Hierarchical Softmax.mp4 14.06M | ├──7.7 CBOW模型实例.mp4 16.78M | ├──7.8 CBOW求解目标.mp4 8.04M | ├──7.9 锑度上升求解.mp4 14.64M | ├──8.1 使用Gensim库构造词向量.mp4 14.80M | ├──8.2 维基百科中文数据处理.mp4 33.84M | ├──8.3 Gensim构造word2vec模型.mp4 19.31M | ├──8.4 测试模型相似度结果.mp4 17.61M | ├──9.1 影评情感分类.mp4 43.16M | ├──9.2 基于词袋模型训练分类器.mp4 26.38M | ├──9.3 准备word2vec输入数据.mp4 23.13M | └──9.4 使用gensim构建word2vec词向量（新）.mp4 52.16M ├──第15模块：NLP通用框架BERT项目实战（新） | ├──1.1 BERT课程简介.mp4 18.42M | ├──1.10 BERT模型训练方法.mp4 15.47M | ├──1.11 训练实例.mp4 17.01M | ├──1.2 BERT任务目标概述.mp4 8.60M | ├──1.3 传统解决方案遇到的问题.mp4 17.88M | ├──1.4 注意力机制的作用.mp4 11.36M | ├──1.5 self-attention计算方法.mp4 18.74M | ├──1.6 特征分配与softmax机制.mp4 16.18M | ├──1.7 Multi-head的作用.mp4 15.27M | ├──1.8 位置编码与多层堆叠.mp4 12.75M | ├──1.9 transformer整体架构梳理.mp4 17.81M | ├──2.1 BERT开源项目简介.mp4 30.13M | ├──2.10 构建QKV矩阵.mp4 33.57M | ├──2.11 完成Transformer模块构建.mp4 26.63M | ├──2.12 训练BERT模型.mp4 34.83M | ├──2.2 项目参数配置.mp4 62.82M | ├──2.3 数据读取模块.mp4 33.17M | ├──2.4 数据预处理模块.mp4 25.93M | ├──2.5 tfrecord制作.mp4 33.09M | ├──2.6 Embedding层的作用.mp4 19.79M | ├──2.7 加入额外编码特征.mp4 27.58M | ├──2.8 加入位置编码特征.mp4 15.03M | ├──2.9 mask机制.mp4 22.99M | ├──3.1 中文分类数据与任务概述.mp4 40.72M | ├──3.2 读取处理自己的数据集.mp4 35.15M | ├──3.3 训练BERT中文分类模型.mp4 42.91M | ├──4.1 命名实体识别数据分析与任务目标.mp4 22.96M | ├──4.2 NER标注数据处理与读取.mp4 44.78M | ├──4.3 构建BERT与CRF模型.mp4 41.87M | ├──5.1 词向量模型通俗解释.mp4 17.42M | ├──5.2 模型整体框架.mp4 23.72M | ├──5.3 训练数据构建.mp4 13.52M | ├──5.4 CBOW与Skip-gram模型.mp4 20.39M | ├──5.5 负采样方案.mp4 24.03M | ├──6.1 数据与任务流程.mp4 32.40M | ├──6.2 数据清洗.mp4 19.78M | ├──6.3 batch数据制作.mp4 35.01M | ├──6.4 网络训练.mp4 34.53M | ├──6.5 可视化展示.mp4 29.21M | ├──7.1 RNN网络模型解读.mp4 18.86M | ├──7.2 NLP应用领域与任务简介.mp4 25.05M | ├──7.3 项目流程解读.mp4 30.67M | ├──7.4 加载词向量特征.mp4 23.41M | ├──7.5 正负样本数据读取.mp4 27.97M | ├──7.6 构建LSTM网络模型.mp4 33.12M | ├──7.7 训练与测试效果.mp4 61.91M | ├──8.1 数据与任务介绍.mp4 16.51M | ├──8.2 整体模型架构.mp4 11.92M | ├──8.3 数据-标签-语料库处理.mp4 26.36M | ├──8.4 输入样本填充补齐.mp4 24.83M | ├──8.5 训练网络模型.mp4 27.37M | ├──8.6 医疗数据集（糖尿病）实体识别.mp4 64.87M | ├──9.1 课时中文商城评价数据处理方法.mp4 49.36M | ├──9.2 课时模型训练与测试结果.mp4 71.02M | ├──9.3 课时文本摘要数据标注方法.mp4 45.39M | ├──9.4 课时训练自己标注的数据并测试.mp4 20.67M | ├──9.5 课时Huggingface工具使用.mp4 480.00M | └──9.6 课时BERT系列与NER实例.mp4 393.13M ├──第16模块：语音识别核心项目实战（新） | ├──1.1 序列网络模型概述分析.mp4 14.96M | ├──1.2 工作原理概述.mp4 7.20M | ├──1.3 注意力机制的作用.mp4 11.96M | ├──1.4 加入attention的序列模型整体架构.mp4 17.14M | ├──1.5 TeacherForcing的作用与训练策略.mp4 13.47M | ├──1.6 额外补充.RNN网络模型解读.mp4 20.20M | ├──2.1 数据源与环境配置.mp4 23.85M | ├──2.2 语料表制作方法.mp4 18.22M | ├──2.3 制作json标注数据.mp4 28.93M | ├──2.4 声音数据处理模块解读.mp4 42.17M | ├──2.5 Pack与Pad操作解析.mp4 26.01M | ├──2.6 编码器模块整体流程.mp4 22.24M | ├──2.7 加入注意力机制.mp4 23.83M | ├──2.8 计算得到每个输出的attention得分.mp4 26.55M | ├──2.9 解码器与训练过程演示.mp4 31.12M | ├──3.1 论文整体思路与架构解读.mp4 27.60M | ├──3.2 VCC2016输入数据.mp4 15.73M | ├──3.3 语音特征提取.mp4 23.77M | ├──3.4 生成器模型架构分析.mp4 11.62M | ├──3.5 InstanceNorm的作用解读.mp4 14.53M | ├──3.6 AdaIn的目的与效果.mp4 10.17M | ├──3.7 判别器模块分析.mp4 85.51M | ├──4.1 数据与项目文件解读.mp4 16.50M | ├──4.10 源码损失计算流程.mp4 27.66M | ├──4.11 测试模块生成转换语音.mp4 34.99M | ├──4.2 环境配置与工具包安装.mp4 29.06M | ├──4.3 数据预处理与声音特征提取.mp4 60.67M | ├──4.4 生成器构造模块解读.mp4 29.56M | ├──4.5 下采样与上采样操作.mp4 24.80M | ├──4.6 starganvc2版本标签输入分析.mp4 25.38M | ├──4.7 生成器前向传播维度变化.mp4 19.47M | ├──4.8 判别器模块解读.mp4 24.46M | ├──4.9 论文损失函数.mp4 84.10M | ├──5.1 语音分离任务分析.mp4 7.07M | ├──5.2 经典语音分离模型概述.mp4 14.03M | ├──5.3 DeepClustering论文解读.mp4 12.45M | ├──5.4 TasNet编码器结构分析.mp4 30.89M | ├──5.5 DW卷积的作用与效果.mp4 8.33M | ├──5.6 基于Mask得到分离结果.mp4 13.82M | ├──6.1 数据准备与环境配置.mp4 56.78M | ├──6.2 训练任务所需参数介绍-1698817367.mp4 20.86M | ├──6.2 训练任务所需参数介绍.mp4 20.86M | ├──6.3 DataLoader定义-1698817371.mp4 25.28M | ├──6.3 DataLoader定义.mp4 25.28M | ├──6.4 采样数据特征编码-1698817375.mp4 27.92M | ├──6.4 采样数据特征编码.mp4 27.92M | ├──6.5 编码器特征提取-1698817381.mp4 39.83M | ├──6.5 编码器特征提取.mp4 39.83M | ├──6.6 构建更大的感受区域-1698817387.mp4 37.22M | ├──6.6 构建更大的感受区域.mp4 37.22M | ├──6.7 解码得到分离后的语音-1698817392.mp4 35.07M | ├──6.7 解码得到分离后的语音.mp4 35.07M | ├──6.8 测试模块所需参数.mp4 32.00M | ├──7.1 语音合成项目所需环境配置.mp4 33.78M | ├──7.10 得到加权的编码向量.mp4 37.95M | ├──7.11 模型输出结果.mp4 39.85M | ├──7.12 损失函数与预测.mp4 34.14M | ├──7.2 所需数据集介绍.mp4 32.17M | ├──7.3 路径配置与整体流程解读.mp4 44.73M | ├──7.4 Dataloader构建数据与标签.mp4 52.49M | ├──7.5 编码层要完成的任务.mp4 32.77M | ├──7.6 得到编码特征向量.mp4 20.39M | ├──7.7 解码器输入准备.mp4 24.83M | ├──7.8 解码器流程梳理.mp4 30.17M | └──7.9 注意力机制应用方法.mp4 36.81M └──课件资料 | ├──第11模块：CV项目 | | ├──MASK-RCNN | | └──YOLO-V3-PyTorch.exe 464.40M | ├──第12模块：深度学习-对抗生成网络-实战系列 | | ├──第七章：图像超分辨率重构实战 | | ├──1-6章.exe 2.97G | | └──8-10章.exe 1.88G | ├──第13模块：行人重识别 | | ├──1-5章.exe 3.39G | | └──6-10章.exe 1.98G | ├──第15模块：自然语言处理(Python版) | | ├──2-16章.exe 2.46G | | ├──第17-27章：基于Tensorflow的项目实战.exe 3.91G | | └──第28-32章：基于Keras的项目实战.exe 720.44M | ├──第7模块：数据挖掘竞赛-优胜解决方案 | | ├──1-8章.exe 3.99G | | ├──第九章：用电敏感客户分类.exe 937.43M | | └──第十章：机器学习项目实战模板.exe 13.19M | ├──第9模块：TF与Torch | | ├──PyTorch框架实战 | | └──Tensorflow2版本.exe 3.56G | ├──第10模块：opencv计算机视觉实战.exe 549.87M | ├──第14模块：自然语言处理BERT模型实战.exe 1.84G | ├──第16模块：深度学习-语音识别实战.exe 1.38G | ├──第1，2模块：Python数据科学必备库（4个）.exe 32.44M | ├──第3模块：数学基础.exe 75.71M | ├──第4模块：机器学习实训营（原理+复现+实验）.exe 1.03G | ├──第5模块：机器学习算法建模实战.exe 1.10G | ├──第6模块：Python数据分析与机器学习实战集锦.exe 487.12M | └──第8模块：深度学习入门.exe 112.58M |
常见问题
相关文章
![[百度网盘] 路飞Python人工智能AI工程师【VIP】](https://yuansiwang.buzz/wp-content/themes/ceomax/timthumb.php?src=https://yuansiwang.buzz/wp-content/uploads/2025/03/202503120342487.jpg&h=204&w=403&zc=1&a=t&q=100&s=1)
猜你喜欢
- NLP系统精讲与大厂案例落地实战，吃透内容理解体系 2025-03-18
- PyTorch深度学习开发医学影像端到端判别项目 2025-03-18
- [百度网盘] 路飞Python人工智能AI工程师【VIP】 2025-03-13
- 【路飞学城】爬虫开发+APP逆向超级大神班11期【VIP】 2025-03-12
- CTO-Python全栈一课通【VIP】 2025-03-06
- 全栈成功之路 500课实战Python全栈工程师 2024-01-23
- 51CTO-Pytest全栈自动化测试指南 2024-01-15
- 唐宇迪视频36门课程Python数据分析与机器学习实战人脸检测决胜 2024-01-09
- 黑马-新版Python开发就业课，初级+中级+高级项目实战 2023-12-12
- Logic Python Web高阶开发班（Python全栈开发腾讯官方认证就业班） 2023-11-23
