2022黑马人工智能AI进阶年度钻石会员 完结
课程介绍:
黑马博学谷【年度钻石会员】人工智能AI进阶视频课程。本课是一门零基础人工智能体系化视频课程，讲师从基础python开始讲解，由浅入深，全面涵盖Python基础、Python框架、机器学习入门到进阶、计算机视觉与图像处理、NLP自然语言处理、人工智能面试讲解等内容。围绕众多企业实战项目，手把手带你掌握整个构建流程，并传授项目最优解决方案，深入剖析业务重难点问题，带你进阶人工智能AI工程师。
实战项目:
人脸识别项目：人脸跟踪，检测姓名、性别、情绪等信息，人眼状态检测、活体检测、陌生人检测与报警，深度神经网络的训练。
——/黑马人工智能AI进阶年度钻石会员2022年价值11980元/
├──【 主学习路线】01、阶段一 人工智能Python基础
| ├──1--第一章 计算机组成原理
| | └──1--计算机原理
| ├──10--第十章 公共方法
| | ├──1--公共方法
| | └──2--推导式
| ├──11--第十一章 函数
| | ├──1--函数介绍
| | ├──10--函数参数二
| | ├──11--拆包, 交换变量
| | ├──12--引用
| | ├──2--函数参数一
| | ├──3--函数返回值一
| | ├──4--函数文档说明
| | ├──5--函数嵌套
| | ├──6--局部变量
| | ├──7--全局变量
| | ├──8--函数执行流程
| | └──9--函数返回值二
| ├──12--第十二章 函数强化
| | ├──1--函数应用学员管理系统
| | ├──2--课后练习(学员管理系统)
| | ├──3--递归函数
| | ├──4--匿名函数
| | └──5--高阶函数
| ├──13--第十三章 文件操作
| | ├──1--文件操作介绍
| | ├──2--文件读写操作
| | ├──3--案例文件备份
| | └──4--文件及文件夹的相关操作
| ├──14--第十四章 面向对象
| | ├──1--面向对象介绍
| | ├──10--私有属性和方法
| | ├──11--多态
| | ├──12--类属性及相关方法
| | ├──2--类和对象
| | ├──3--对象属性操作
| | ├──4--魔法方法
| | ├──5--案例烤地瓜
| | ├──6--案例 搬家具
| | ├──7--继承
| | ├──8--子类重写父类属性和方法
| | └──9--super方法使用
| ├──15--第十五章 异常
| | ├──1--异常介绍
| | ├──2--捕获异常
| | ├──3--异常传递
| | └──4--自定义异常
| ├──16--第十六章 模块
| | ├──1--模块介绍
| | ├──2--模块制作
| | └──3--python中的包
| ├──17--第十七章 学生管理系统(面向对象版)
| | └──1--学生管理系统(面向对象)
| ├──2--第二章 python基础语法
| | ├──1--课程介绍
| | ├──2--注释
| | ├──3--变量
| | ├──4--bug认识
| | ├──5--数据类型
| | ├──6--输出
| | ├──7--输入
| | ├──8--数据类型转换
| | └──9--运算符
| ├──3--第三章 判断语句
| | ├──1--判断语句介绍
| | ├──2--if基本格式
| | ├──3--if...elif...else格式
| | ├──4--if嵌套
| | └──5--案例猜拳游戏
| ├──4--第四章 循环语句
| | ├──1--循环语句介绍
| | ├──2--while循环
| | ├──3--循环应用
| | ├──4--break和continue
| | ├──5--while循环嵌套及应用
| | ├──6--for循环
| | └──7--循环else应用
| ├──5--第五章 字符串
| | ├──1--字符串介绍
| | ├──2--输入输出
| | ├──3--切片
| | └──4--字符串操作方法
| ├──6--第六章 列表
| | ├──1--列表相关操作
| | ├──2--列表循环遍历
| | └──3--列表嵌套
| ├──7--第七章 元组
| | └──1--元组相关操作
| ├──8--第八章 字典
| | ├──1--字典介绍
| | ├──2--字典的常见操作
| | └──3--字典遍历
| └──9--第九章 集合
| | └──1--集合的相关操作
├──【 主学习路线】02、阶段二 人工智能Python高级
| ├──1--第一章 Linux基础命令
| | ├──1--linux简介
| | └──2--linux相关命令
| ├──10--第十章 MySqL数据库高级使用
| | ├──1--条件查询
| | ├──2--实战操作
| | ├──3--外键使用
| | ├──4--视图
| | ├──5--事务
| | ├──6--索引
| | ├──7--设计范式
| | └──8--PyMySQL的使用
| ├──2--第二章 Linux高级命令
| | ├──1--linux高级操作
| | ├──2--远程控制
| | └──3--vim介绍
| ├──3--第三章 多任务编程
| | ├──1--多任务介绍
| | ├──2--多进程介绍
| | ├──3--多线程介绍
| | ├──4--锁的介绍
| | └──5--进程和线程的对比
| ├──4--第四章 网络编程
| | ├──1--ip和端口介绍
| | ├──2--TCP介绍
| | ├──3--TCP开发流程
| | └──4--多任务案例
| ├──5--第五章 HTTP协议和静态服务器
| | ├──1--HTTP协议
| | └──2--静态web服务器搭建
| ├──6--第六章 闭包,装饰器及python高级语法
| | ├──1--闭包
| | ├──2--装饰器
| | ├──3--property语法
| | ├──4--with语法
| | └──5--python高级语法
| ├──7--第七章 正则表达式
| | └──1--正则表达式
| ├──8--第八章 数据结构与算法
| | ├──1--算法概念
| | ├──10--选择排序
| | ├──11--插入排序
| | ├──12--快速排序
| | ├──13--二分查找
| | ├──14--二叉树
| | ├──15--二叉树的遍历
| | ├──2--时间复杂度
| | ├──3--空间复杂度
| | ├──4--数据结构
| | ├──5--顺序表
| | ├──6--链表
| | ├──7--栈
| | ├──8--队列
| | └──9--冒泡排序
| └──9--第九章 MySql数据库基本使用
| | ├──1--数据库介绍
| | ├──2--数据表的基本操作
| | ├──3--where条件查询
| | └──4--排序
├──【 主学习路线】03、阶段三 人工智能机器学习
| ├──1--第一章 机器学习概述V2.1
| | └──1--机器学习介绍
| ├──10--第十章 决策树V2.1
| | ├──1--信息增益
| | ├──2--特征提取
| | ├──3--案例泰坦生存预测
| | └──4--回归决策树
| ├──11--第十一章 集成学习V2.1
| | ├──1--集成介绍
| | ├──2--随机森林案例
| | └──3--集成学习
| ├──12--第十二章 聚类算法V2.1
| | └──1--聚类算法
| ├──13--第十三章 朴素贝叶斯V2.1
| | └──1--朴素贝叶斯
| ├──14--第十四章 SVM算法V2.1
| | └──1--SVM算法
| ├──15--第十五章 EM算法V2.1
| | └──1--EM算法
| ├──16--第十六章 HMM算法V2.1
| | └──1--HMM算法
| ├──17--第十七章 集成学习进阶V2.1
| | ├──1--XGBoost算法
| | ├──2--otto案例
| | ├──3--lightGBM算法
| | └──4--绝地求生案例
| ├──2--第二章 环境安装和使用V2.1
| | └──1--环境安装及使用
| ├──3--第三章 matplotlibV2.1
| | └──1--matplotlib使用
| ├──4--第四章 numpyV2.1
| | └──1--numpy使用
| ├──5--第五章 pandasV2.1
| | ├──1--pandas数据结构
| | ├──2--pandas基础使用
| | ├──3--pandas高级使用
| | └──4--电影案例分析
| ├──6--第六章 seabornV2.1
| | ├──1--绘制统计图
| | ├──2--分类数据绘图
| | ├──3--NBA案例
| | └──4--北京租房数据统计分析
| ├──666JAVA下载必看
| | ├──解压密码：666java.com
| | ├──高薪学习it网.url0.05kb
| | ├──海量优质it资源.url0.05kb
| | ├──看看我.zip14.66M
| | ├──课程总结.mp414.73M
| | ├──面试合集.txt0.18kb
| | ├──软件下载.txt0.15kb
| | ├──下载必看.txt0.16kb
| | └──资料2.zip14.66M
| ├──7--第七章 K近邻算法V2.1
| | ├──1--k近邻算法介绍
| | ├──2--kd树
| | ├──3--数据集处理
| | ├──4--特征工程
| | ├──5--KNN总结
| | ├──6--交叉验证, 网格搜索
| | └──7--案例 Facebook位置预测
| ├──8--第八章 线性回归V2.1
| | ├──1--回归介绍
| | ├──2--损失优化
| | └──3--回归相关知识
| └──9--第九章 逻辑回归V2.1
| | ├──1--逻辑回归
| | ├──解压密码：666java.com
| | ├──高薪学习it网.url0.05kb
| | ├──海量优质it资源.url0.05kb
| | ├──看看我.zip14.66M
| | ├──课程总结.mp414.73M
| | ├──面试合集.txt0.18kb
| | ├──软件下载.txt0.15kb
| | ├──下载必看.txt0.16kb
| | └──资料2.zip14.66M
├──【 主学习路线】04、阶段四 计算机视觉与图像处理
| ├──1--第一章 课程简介_v2.0
| | ├──1--深度学习
| | └──2--计算机视觉（CV）
| ├──10--第十章 图像特征提取与描述_v2.0
| | ├──1--角点特征
| | ├──2--Harris和Shi-Tomas算法
| | ├──3--SIFT
| | ├──4--Fast和ORB算法
| | └──5--LBP和HOG特征算子
| ├──11--第十一章 视频操作_v2.0
| | ├──1--视频读写
| | └──2--视频追踪
| ├──12--第十二章 案例人脸案例_v2.0
| | └──1--案例人脸案例
| ├──2--第二章 tensorflow入门_v2.0
| | ├──1--tensorflow和keras简介
| | └──2--快速入门模型
| ├──3--第三章 深度神经网络_v2.0
| | ├──1--神经网络简介
| | ├──2--常见的损失函数
| | ├──3--深度学习的优化方法
| | ├──4--深度学习的正则化
| | ├──5--神经网络案例
| | └──6--卷积神经网络CNN
| ├──4--第四章 图像分类_v2.0
| | ├──1--图像分类简介
| | ├──2--AlexNet
| | ├──3--VGG
| | ├──4--GoogleNet
| | ├──5--ResNet
| | ├──6--图像增强方法
| | └──7--模型微调
| ├──5--第五章 目标检测_v2.0
| | ├──1--目标检测概述
| | ├──2--R-CNN网络基础
| | ├──3--Faster-RCNN原理与实现
| | ├──4--yolo系列算法
| | ├──5--yoloV3案例
| | └──6--SSD模型介绍
| ├──6--第六章 图像分割_v2.0
| | ├──1--目标分割介绍
| | ├──2--语义分割：FCN与Unet
| | ├──3--Unet-案例
| | └──4--实例分割：MaskRCNN
| ├──7--第七章 OpenCV简介_v2.0
| | ├──1--图像处理简介
| | ├──2--OpenCV简介及安装方法
| | └──3--OpenCV的模块
| ├──8--第八章 OpenCV基本操作_v.2.0
| | ├──1--图像的基础操作
| | └──2--算数操作
| └──9--第九章 OpenCV图像处理_v2.0
| | ├──1--几何变换
| | ├──2--形态学操作
| | ├──3--图像平滑
| | ├──4--直方图
| | ├──5--边缘检测
| | ├──6--模版匹配和霍夫变换
| | └──7--轮廓检测
├──【 主学习路线】05、阶段五 NLP自然语言处理
| └──【 主学习路线】05、阶段五 NLP自然语言处理
| | ├──1--第一章 Pytorch工具_v2.0
| | ├──10--第十章 迁移学习-v2.0
| | ├──11--第十一章 BERT,Transformer的模型架构与详解-v2.0
| | ├──12--第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0
| | ├──13--第十三章 HMM模型-v2.0
| | ├──14--第十四章 经典的序列模型-v2.0
| | ├──2--第二章 自然语言处理NLP介绍-v2.0
| | ├──3--第三章 文本预处理-v2.0
| | ├──4--第四章 RNN架构解析-v2.0
| | ├──5--第五章 RNN经典案例-v2.0
| | ├──6--第六章 莎士比亚风格的文本生成任务-v2.0
| | ├──7--第七章 Transformer背景介绍-v2.0
| | ├──8--第八章 Transformer架构解析-v2.0
| | └──9--第九章 fasttext工具的使用-v2.0
├──【 主学习路线】06、阶段六 人工智能项目实战
| ├──1--第一章 智慧交通
| | ├──1--项目简介
| | ├──10--车流量统计
| | ├──11--相机校正
| | ├──12--相机校正和图像去畸变
| | ├──13--车道线提取
| | ├──14--透视变换
| | ├──15--车道线定位与拟合
| | ├──16--车道曲率与车辆偏离中心线距离
| | ├──17--在视频中进行车道线检测
| | ├──18--SIamese网络系列（选学）
| | ├──19--跟踪效果（选学）
| | ├──2--算法原理
| | ├──20--数据集处理（选学）
| | ├──21--网络模型搭建（选学）
| | ├──22--网络模型训练（选学）
| | ├──23--网络模型测试（选学）
| | ├──24--网络模型应用（选学）
| | ├──3--多目标跟踪
| | ├──4--辅助功能
| | ├──5--卡尔曼滤波
| | ├──6--匈牙利算法
| | ├──7--数据关联
| | ├──8--SORT
| | └──9--目标检测
| ├──2--第二章 在线医生
| | ├──1--背景介绍
| | ├──10--结构化数据流水线
| | ├──11--非结构化数据流水线
| | ├──12--任务介绍与模型选用
| | ├──13--训练数据集
| | ├──14--BERT中文预训练模型
| | ├──15--构建RNN模型
| | ├──16--进行模型训练
| | ├──17--NE模型使用
| | ├──18--命名实体识别介绍
| | ├──19--BiLSTM介绍
| | ├──2--Unit对话API使用
| | ├──20--CRF介绍
| | ├──21--BiLSTM+CRF模型
| | ├──22--模型训练
| | ├──23--模型使用
| | ├──24--在线部分简要分析
| | ├──25--werobot服务构建
| | ├──26--主要逻辑服务
| | ├──27--任务介绍与模型选用及训练数据集
| | ├──28--BERT中文预训练模型1
| | ├──29--微调模型
| | ├──3--在线医生的总体架构
| | ├──30--进行模型训练1
| | ├──31--模型部署
| | ├──32--系统联调与测试
| | ├──4--总体架构中的工具介绍
| | ├──5--neo4j简介
| | ├──6--neo4j图数据库的安装
| | ├──7--Cypher介绍与使用
| | ├──8--在Python中使用neo4j
| | └──9--离线部分简要分析
| ├──3--第三章 智能文本分类系统
| | ├──1--整体系统搭建
| | ├──2--构建标签词汇图谱
| | ├──3--特征工程和fasttext模型训练
| | ├──4--多模型训练和预测
| | ├──5--系统联调和测试
| | ├──6--泛娱乐推荐介绍
| | ├──7--召回模块
| | └──8--排序模块
| └──4--第四章 实时人脸识别检测项目
| | ├──1--人脸识别
| | ├──2--口罩检测
| | ├──3--Dlib模型训练
| | ├──4--活体检测
| | └──5--属性识别
├──【 主学习路线】07、阶段七 人工智能面试强化（赠送）
| ├──1--第一章 自动编码器
| | ├──1--自动编码器历史与应用介绍
| | ├──2--构建自动编码器
| | ├──3--自动编码器改进技巧
| | └──4--变分自动编码器
| ├──10--第十章 贝叶斯方法实现及粒子滤波
| | └──1--贝叶斯方法实现及粒子滤波
| ├──11--第十一章 深度强化学习
| | ├──1--强化学习
| | ├──2--Q-learning算法
| | └──3--Deep Q-Network
| ├──2--第二章 图像分割应用
| | └──1--图像分割应用介绍
| ├──3--第三章 生成对抗学习
| | └──1--生成对抗学习
| ├──4--第四章 算法进阶迁移学习
| | └──1--迁移学习介绍
| ├──5--第五章 模型可解释
| | └──1--模型可解释
| ├──6--第六章 模型压缩
| | └──1--模型压缩
| ├──7--第七章 终生学习
| | └──1--终生学习
| ├──8--第八章 算法进阶进化学习
| | └──1--进化学习
| └──9--第九章 贝叶斯方法
| | └──1--贝叶斯方法
├──【课外拓展】01、阶段一 HR面试技巧
| └──【课外拓展】01、阶段一 HR面试技巧.zip1.94G
├──【课外拓展】02、阶段二 赠送-人脸支付
| └──第一章 1-人脸支付
| | ├──0-1 项目背景介绍
| | ├──0-2 人脸检测子任务
| | ├──0-3 人脸姿态估计
| | ├──0-4 人脸多任务
| | ├──0-5 人脸识别
| | └──0-6 项目集成
├──【课外拓展】03、阶段三 赠送-文本摘要项目
| └──第一章 1-文本摘要项目
| | ├──0-1 文本摘要项项目背景介绍
| | ├──0-10 模型的预测
| | ├──0-11 词向量的单独训练
| | ├──0-12 模型的优化
| | ├──0-13 PGN架构
| | ├──0-14 数据预处理
| | ├──0-15 PGN数据特殊性分析
| | ├──0-16 迭代器和类的实现
| | ├──0-17 PGN模型的搭建
| | ├──0-18 PGN模型训练
| | ├──0-19 PGN模型预测
| | ├──0-2 项目中的数据集初探
| | ├──0-20 评估方法介绍
| | ├──0-21 BLEU算法理论
| | ├──0-22 ROUGE算法理论
| | ├──0-23 ROUGE算法实现
| | ├──0-24 coverage机制原理
| | ├──0-25 coverage模型类实现
| | ├──0-26 coverage训练和预测
| | ├──0-27 Beam-search原理介绍
| | ├──0-28 Beam-search模型类实现
| | ├──0-29 TF-IDF算法原理和实现
| | ├──0-3 TextRank算法理论基础
| | ├──0-30 单词替换法的类实现
| | ├──0-31 单词替换法的训练和评估
| | ├──0-32 回译数据法实现和评估
| | ├──0-33 半监督学习法原理和实现
| | ├──0-34 训练策略原理和实现
| | ├──0-35 模型转移实现
| | ├──0-36 GPU优化原理和实现
| | ├──0-37 CPU优化原理和实现
| | ├──0-38 Flask实现模型部署
| | ├──0-4 TextRank算法实现模型
| | ├──0-5 seq2seq架构
| | ├──0-6 seq3seq架构
| | ├──0-7 工具函数的实现
| | ├──0-8 模型类的搭建
| | └──0-9 模型的训练
├──【课外拓展】04、阶段四 入学第一课
| └──无课程相关内容
├──【课外拓展】05、阶段五 阶段一 python基础（更新）
| ├──第二章 2-python面向对象
| | ├──0-1 类定义及类属性使用
| | ├──0-2 魔法方法
| | ├──0-3 案例-面向对象
| | ├──0-4 面向对象封装与继承
| | ├──0-5 面向对象多态
| | └──0-6 类属性方法
| └──第一章 1-python基础编程
| | ├──0-1 python开发环境搭建
| | ├──0-10 循环else
| | ├──0-11 字符串定义切片
| | ├──0-12 字符串查找，替换，合并
| | ├──0-13 列表定义及使用
| | ├──0-14 元祖定义及使用
| | ├──0-15 字典定义及使用
| | ├──0-16 案例-学生管理系统（一）
| | ├──0-17 集合定义及使用
| | ├──0-18 公共方法与推导式
| | ├──0-19 函数基本使用
| | ├──0-2 Python注释与变量
| | ├──0-20 函数基本使用替代视频（04,05,06）
| | ├──0-21 函数作用域
| | ├──0-22 不定长参数与组包拆包
| | ├──0-23 案例-学生管理系统（二）
| | ├──0-24 基础加强练习
| | ├──0-25 可变类型及非可变类型
| | ├──0-26 递推
| | ├──0-27 递归
| | ├──0-28 lambda表达式
| | ├──0-29 文件基本操作
| | ├──0-3 Python数据类型
| | ├──0-30 文件操作案例
| | ├──0-31 案例-学生管理系统（三）
| | ├──0-32 python异常处理
| | ├──0-33 python模块与包
| | ├──0-34 案例-飞机大战
| | ├──0-4 Python格式化输出
| | ├──0-5 Python运算符
| | ├──0-6 Python分支语句
| | ├──0-7 while循环
| | ├──0-8 while循环案例
| | └──0-9 for循环及案例
├──【课外拓展】06、阶段六 阶段二 Python高级（更新）
| ├──第二章 2-SQL基础
| | ├──0-1 数据库基础
| | ├──0-2 SQL语言基础
| | ├──0-3 SQL约束
| | ├──0-4 SQL聚合
| | ├──0-5 SQL多表查询
| | └──0-6 SQL高阶特性
| ├──第三章 3-Python编程进阶
| | ├──0-1 函数的闭包
| | ├──0-10 进程
| | ├──0-11 线程
| | ├──0-12 进程线程对比
| | ├──0-13 With上下文管理器
| | ├──0-14 Python生成器
| | ├──0-15 Python中深浅拷贝
| | ├──0-16 Python中正则表达式
| | ├──0-17 正则表达式扩展
| | ├──0-18 FastAPI搭建Web服务器
| | ├──0-19 Python爬虫
| | ├──0-2 装饰器
| | ├──0-3 PyMySQL
| | ├──0-4 HTML基础
| | ├──0-5 CSS基础
| | ├──0-6 Socket网络编程
| | ├──0-7 TCP服务器开发
| | ├──0-8 静态Weeb服务器
| | └──0-9 FastAPI
| └──第一章 1-Linux基础
| | ├──0-1 Linux基础
| | ├──0-2 Linux终端基本使用
| | ├──0-3 Linux常用命令(1)
| | └──0-4 Linux常用命令(2)
├──【课外拓展】07、阶段七 阶段三 机器学习（更新）
| ├──第二章 2-机器学习算法进阶
| | ├──0-1 决策树算法
| | ├──0-2 朴素贝叶斯算法
| | ├──0-3 SVM算法
| | ├──0-4 聚类算法
| | ├──0-5 集成学习算法
| | └──0-6 机器学习算法回顾总结（有需要的同学可以看看）
| └──第一章 1-机器学习基础算法
| | ├──0-1 人工智能原理基础
| | ├──0-2 KNN算法
| | ├──0-3 线性回归
| | └──0-4 逻辑回归
├──【课外拓展】08、阶段八 阶段四—深度学习基础补充视频
| └──【课外拓展】08、阶段八 阶段四—深度学习基础补充视频
| | ├──01-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的意义.mp4100.88M
| | ├──02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用(1).mp4134.81M
| | ├──02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用.mp4134.81M
| | ├──03-深度学习基础-深度神经网络-神经网络介绍-网络是如何工作的-参数初始化增补-初始化方式的对比.mp4132.24M
| | ├──04-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-数据传输过程(1).mp443.91M
| | ├──04-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-数据传输过程.mp443.91M
| | ├──05-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传播过程（输入层到隐藏层）(1).mp438.46M
| | ├──05-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传播过程（输入层到隐藏层）.mp438.46M
| | ├──06-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传输过程（隐藏层到输出层）(1).mp419.99M
| | ├──06-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传输过程（隐藏层到输出层）.mp419.99M
| | ├──07-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-损失函数的计算.mp449.95M
| | ├──08-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-输出层权值的更新.mp465.37M
| | ├──09-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-隐藏层权值的更新.mp463.39M
| | ├──10-深度学习基础-深度神经网络-卷积神经网络CNN增补-网络参数量的计算.mp4155.78M
| | ├──11-深度学习基础-图像分类-图像分类案例补充(1)-任务介绍.mp451.45M
| | ├──12-深度学习基础-图像分类-图像分类案例补充(2)-数据接获取与可视化.mp4149.87M
| | ├──13-深度学习基础-图像分类-图像分类案例补充(3)-图像增强.mp427.15M
| | ├──14-深度学习基础-图像分类-图像分类案例补充(4)-Xception模型介绍.mp4107.98M
| | ├──15-深度学习基础-图像分类-图像分类案例补充(5)-项目网络介绍.mp4131.99M
| | ├──16-深度学习基础-图像分类-图像分类案例补充(6)-网络构建（输入流）.mp428.44M
| | ├──17-深度学习基础-图像分类-图像分类案例补充(7)-网络构建（中间流）.mp429.77M
| | ├──18-深度学习基础-图像分类-图像分类案例补充(8)-网络构建（输出流）.mp441.05M
| | ├──19-深度学习基础-图像分类-图像分类案例补充(9)-模型训练.mp4121.96M
| | ├──20-深度学习基础-图像分类-图像分类案例补充(10)-模型训练的实现.mp422.20M
| | └──21-深度学习基础-图像分类-图像分类案例补充(11)-模型预测.mp4143.40M
├──【课外拓展】09、阶段九 阶段五—NLP基础补充视频
| ├──01-文本预处理-文本预处理-文本数据增强讲解 .mp414.12M
| ├──02-文本预处理-文本预处理-文本数据增强代码实现 .mp414.17M
| ├──03-文本预处理- 新闻主题分类任务-数据加载方式的增补代码解读 .mp49.12M
| ├──04-文本预处理-新闻主题分类任务-数据加载方式的增补文件补齐 .mp45.40M
| ├──05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念 .mp49.78M
| ├──06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理 .mp420.46M
| ├──07-RNN及其变体-RNN架构解析-注意力机制的增补attention机制模型 .mp434.58M
| ├──08-RNN及其变体-RNN架构解析-注意力机制的增补attention公式讲解 .mp421.86M
| ├──09-RNN及其变体-RNN架构解析-注意力机制的增补attention应用场景 .mp414.74M
| ├──10-Transformer—新增案例机器翻译模型-1模型的介绍 .mp457.15M
| ├──11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建 .mp424.13M
| ├──12-Transformer—新增案例机器翻译模型-3模型构建 .mp431.48M
| ├──13-Transformer—新增案例机器翻译模型-4掩码的构建 .mp415.05M
| ├──14-Transformer—新增案例机器翻译模型-5数据批处理 .mp413.79M
| ├──15-Transformer—新增案例机器翻译模型-6构建训练函数和评估函数 .mp432.81M
| ├──16-Transformer—新增案例机器翻译模型-7训练模型和定义解码函数 .mp422.58M
| ├──17-Transformer—新增案例机器翻译模型-8翻译函数的定义和9模型保存 .mp413.30M
| ├──18-迁移学习—迁移理论—加载和使用预训练模型全小节增补-1tokenizer加载 .mp422.91M
| ├──19-迁移学习—迁移理论—加载和使用预训练模型全小节增补-2加载带头和不带头的预训练模型 .mp439.74M
| ├──20-迁移学习—迁移理论—加载和使用预训练模型全小节增补-3加载不带头的模型输出结果 .mp427.98M
| ├──21-迁移学习—迁移理论—加载和使用预训练模型全小节增补-4加载语言模型头结果输出 .mp425.83M
| ├──22-迁移学习—迁移理论—加载和使用预训练模型全小节增补-5加载分类模型头结果输出 .mp421.14M
| ├──23-迁移学习—迁移理论—加载和使用预训练模型全小节增补-6加载问答模型头结果输出 .mp445.77M
| ├──24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传 .mp452.62M
| ├──25-迁移学习—迁移理论—迁移学习实践增补内容-模型上传后加载使用 .mp429.35M
| └──26-虚拟机的使用 .mp414.09M
├──【课外拓展】10、阶段十 CV基础+项目（更新）
| └──【课外拓展】10、阶段十 CV基础+项目（更新）
| | ├──第二章 2-深度学习核心模型与实战
| | ├──第六章 6-04 - 智慧交通
| | ├──第三章 3-01 - 目标检测
| | ├──第四章 4-02 - OpenCV
| | ├──第五章 5-03 - 人脸支付
| | └──第一章 1-Pytorch与深度学习基础
└──人工智能课件
| ├──01-阶段1-3（python基础 、python高级、机器学习）
| | ├──02-虚拟机环境
| | ├──01-Python+机器学习课程环境使用说明(1).pdf3.78M
| | ├──01-阶段1-3（python基础 、python高级、机器学习）.zip2.22G
| | ├──AI虚拟机使用常见问题汇总(1).pdf646.33kb
| | └──Azure机器学习模型搭建实验(1).doc1.70M
| ├──02-阶段4 （计算机视觉CV) 阶段6 （CV项目）
| | ├──02-虚拟机环境
| | └──02-阶段4 （计算机视觉CV) 阶段6 （CV项目）.zip439.07M
| ├──03-阶段5（自然语言处理NLP）、阶段6（NLP项目）
| | ├──02-NLP虚拟机环境
| | └──03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.zip10.50G
| ├──阶段测试题
| | ├──阶段1—测试
| | ├──阶段2—测试
| | ├──阶段3—测试
| | ├──阶段4—测试
| | ├──阶段5—测试
| | └──.DS_Store6.00kb
| ├──Iris数据集
| | ├──iris.csv4.86kb
| | └──iris.txt4.85kb
| ├──01-计算机视觉CV课程环境使用说明文档.pdf3.59M
| └──机器学习梳理总结xmind.zip8.61M
**** Hidden Message *****
确实是难得好帖啊，顶先 确实是难得好帖啊，顶先 啥也不说了，感谢楼主分享哇！ 支持楼主大人了！ 啥也不说了，感谢楼主分享哇！ 确实是难得好帖啊，顶先 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 么有分，谁能送我点积分啊::>_<::