51CTO-数据分析与机器学习实战人脸检测
├── 05、深度学习框架-Caffe使用案例视频课程│ ├── 01深度学习框架caffe简介.mp4
│ ├── 10绘制网络结构图.mp4
│ ├── 12对训练的网络模型绘制LOSS曲线.mp4
│ ├── 09使用python定义自己的层.mp4
│ ├── 04网络配置-各计算层详解.mp4
│ ├── 11生成网络配置文件.mp4
│ ├── 唐宇迪-深度学习-caffe案例.zip
│ ├── 08使用命令行训练网络1.mp4
│ ├── caffe案例资料-.txt
│ ├── 03网络配置-数据层详解.mp4
│ ├── 06制作LMDB数据源训练分类网络.mp4
│ ├── 05solver超参数配置文件.mp4
│ ├── 13对训练结果进行分类任务.mp4
│ ├── 07多label问题之HDF5数据源.mp4
├── 15、深度学习项目实战视频课程-StyleTransfer(基于Tensorflow)
│ ├── 唐宇迪-StyleTransfer
│ │ ├── 数据下载地址.txt
│ │ ├── 文件放哪.png
│ │ ├── style-transfer代码.zip
│ ├── 014、Content损失计算.mp4
│ ├── 007、风格转换参数配置.mp4
│ ├── 004、风格生成网络结构原理.mp4
│ ├── 011、生成网络结构定义.mp4
│ ├── 005、风格生成网络细节.mp4
│ ├── 001、课程简介.mp4
│ ├── 015、Style损失计算.mp4
│ ├── 003、style-transfer基本原理.mp4
│ ├── 016、完成训练模块.mp4
│ ├── 002、Tensorflow安装.mp4
│ ├── 006、风格转换效果展示.mp4
│ ├── 012、生成网络计算操作.mp4
│ ├── 008、数据读取操作.mp4
│ ├── 013、参数初始化.mp4
│ ├── 009、VGG体征提取网络结构.mp4
│ ├── 017、模型保存与打印结果.mp4
│ ├── 018、完成测试代码.mp4
│ ├── 010、内容与风格特征提取.mp4
├── 23、深度学习30天系统实训-非加密
│ ├── 第四章-卷积神经网络
│ │ ├── 4-2卷积计算流程.mp4
│ │ ├── 4-6经典网络架构.mp4
│ │ ├── 4-5卷积网络整体架构.mp4
│ │ ├── 4-3卷积层计算参数.mp4
│ │ ├── 4-1卷积体征提取.mp4
│ │ ├── 4-4池化层操作.mp4
│ ├── 第五章-CNN实战与验证码识别
│ │ ├── 5-7验证码识别流程.mp4
│ │ ├── 5-2使用CNN训练mnist数.mp4
│ │ ├── 验证码案例.zip
│ │ ├── 5-1卷积网络复习（验证码数据代码下载--）.mp4
│ │ ├── 5-6验证码识别概述.mp4
│ │ ├── 5-3卷积与池化操作.mp4
│ │ ├── 5-4定义卷积网络计算流程.mp4
│ │ ├── 5-5完成迭代训练.mp4
│ ├── 第七章-word2vec实战与对抗生成网络
│ │ ├── 7-1基于词袋模型训练分类器.mp4
│ │ ├── 7-8DCGAN网络特性（DCGAN数据代码下载---）.mp4
│ │ ├── 7-3使用gensim构建word2.mp4
│ │ ├── 7-6GAN网络结构定义.mp4
│ │ ├── 7-9DCGAN网络细节.mp4
│ │ ├── 7-7 Gan迭代生成.mp4
│ │ ├── 7-5对抗生成网络原理概述(GAN数据代码下载---).mp4
│ │ ├── 7-2准备word2vec输入数据.mp4
│ │ ├── 7-4tfidf原理.mp4
│ ├── 第一章
│ │ ├── 1-2深度学习与人工智能概述.mp4
│ │ ├── 1-8课后讨论与答疑.mp4
│ │ ├── 1-7softmax分类器.mp4
│ │ ├── 神经网络（上课）.pdf
│ │ ├── 1-5得分函数.mp4
│ │ ├── 1-4K近邻与交叉验证.mp4
│ │ ├── 1-3机器学习常规套路.mp4
│ │ ├── 1-1课程概述与环境配置.mp4
│ │ ├── 1-6损失函数.mp4
│ ├── 第二章
│ │ ├── 2-7drop-out.mp4
│ │ ├── 2-8课后讨论.mp4
│ │ ├── 2-1梯度下降原理-2-2学习率的作用-2-3反向传播-2-4神经网络基础架构-2-5神经网络实例演示-2-6正则化与激活函数.mp4
│ ├── 第三次课程代码
│ │ ├── tensorflow代码.zip
│ │ ├── imagenet-vgg-verydeep-19.mat
│ │ ├── tensorflow【微信AG110 660 】【轻松网赚网 66 6root.com】.pptx
│ ├── 第八章-LSTM情感分析与黑科技概述
│ │ ├── 8-1 RNN网络架构.mp4
│ │ ├── 8-2LSTM网络架构.mp4
│ │ ├── 8-3案例：使用LSTM进行情.mp4
│ │ ├── 8-6趣味网络串讲（数据代.mp4
│ │ ├── 8-5基于word2vec的LSTM模型.mp4
│ │ ├── 8-4情感数据集处理.mp4
│ │ ├── 8-7课后讨论版.mp4
│ ├── 第三章-tensorflow训练mnist数据集
│ │ ├── 3-4tensorflow实现线性回归.mp4
│ │ ├── 3-5tensorflow实现手写字体.mp4
│ │ ├── 3-2tensorflow基本套路.mp4
│ │ ├── 3-1tensorflow安装.mp4
│ │ ├── 3-8课后讨论.mp4
│ │ ├── 3-7迭代完成训练.mp4
│ │ ├── mnist.zip
│ │ ├── 3-3tensorflow常用操作.mp4
│ │ ├── 3-6参数初始化.mp4
│ ├── 第六章-自然语言处理-word2vec
│ │ ├── 6-6负采样模型.mp4
│ │ ├── 6-1自然语言处理与深度学.mp4
│ │ ├── 6-5参数更新.mp4
│ │ ├── 6-2语言模型.mp4
│ │ ├── 6-4CBOW模型.mp4
│ │ ├── 6-7案例：影评情感分类(数据.mp4
│ │ ├── 6-3神经网络模型.mp4
├── 27、问答机器人
│ ├── QA问答.zip
├── 13、深度学习顶级论文算法详解视频课程
│ ├── DeepLearning(期刊论文)
│ │ ├── 83f2b0137888ff19f7d3236cfac42ffbee5685.pdf
│ │ ├── 4166643538787b5802a551e0f477a5ee0a76aa.pdf
│ │ ├── 61991ea3586e3039a1f35302945da0e62ed276.pdf
│ │ ├── d9a9027182bae247583555443e5015383b2c29.pdf
│ │ ├── c2da8f6984015ae113e2401190107a348be42c.pdf
│ ├── 第八课.wmv
│ ├── 第十一集.wmv
│ ├── 第九课.wmv
│ ├── 第十课.wmv
│ ├── 第七课.wmv
│ ├── 第二课.wmv
│ ├── 第三课.wmv
│ ├── 第十五课.wmv
│ ├── 第五课.wmv
│ ├── 第十六课.avi
│ ├── 第十二课.mp4
│ ├── 第四课.wmv
│ ├── 第十四.avi
│ ├── 第一课.课程简介.txt
│ ├── 第六课.wmv
│ ├── 第十三课.avi
├── 01、python数据分析与机器学习实战
│ ├── 视频课程
│ │ ├── 29Python时间序列分析
│ │ │ ├── 课时161章节简介.mp4
│ │ │ ├── 课时169参数选择.mp4
│ │ │ ├── 课时170股票预测案例.mp4
│ │ │ ├── 课时163Pandas数据重采样.mp4
│ │ │ ├── 课时167相关函数评估方法.mp4
│ │ │ ├── 课时171使用tsfresh库进行分类任务.mp4
│ │ │ ├── 课时162Pandas生成时间序列.mp4
│ │ │ ├── 课时172维基百科词条EDA.mp4
│ │ │ ├── 课时164Pandas滑动窗口.mp4
│ │ │ ├── 课时165数据平稳性与差分法.mp4
│ │ │ ├── 课时168建立ARIMA模型.mp4
│ │ │ ├── 课时166ARIMA模型.mp4
│ │ ├── 10项目实战-交易数据异常检测
│ │ │ ├── 课时59混淆矩阵.mp4
│ │ │ ├── 课时52案例背景和目标.mp4
│ │ │ ├── 课时54下采样策略.mp4
│ │ │ ├── 课时55交叉验证.mp4
│ │ │ ├── 课时61SMOTE样本生成策略.mp4
│ │ │ ├── 课时56模型评估方法.mp4
│ │ │ ├── 课时60逻辑回归阈值对结果的影响.mp4
│ │ │ ├── 课时53样本不均衡解决方案.mp4
│ │ │ ├── 课时58逻辑回归模型.mp4
│ │ │ ├── 课时57正则化惩罚.mp4
│ │ ├── 01人工智能入门指南（有基础的同学请略过！）
│ │ │ ├── 课时1课程介绍（主题与大纲.flv
│ │ │ ├── 课时4人工智能的核心-机器学习.flv
│ │ │ ├── 课时6算法推导与案例.mp4
│ │ │ ├── 课时5机器学习怎么学？.mp4
│ │ │ ├── 课时3Python我该怎么学.flv
│ │ │ ├── 课时2AI时代首选Python.flv
│ │ ├── 05Python可视化库Seaborn
│ │ │ ├── 课时37热度图绘制.mp4
│ │ │ ├── 课时33多变量分析绘图.mp4
│ │ │ ├── 课时27整体布局风格设置.mp4
│ │ │ ├── 课时32回归分析绘图.mp4
│ │ │ ├── 课时30调色板颜色设置.mp4
│ │ │ ├── 课时26Seaborn简介.mp4
│ │ │ ├── 课时36Facetgrid绘制多变量.mp4
│ │ │ ├── 课时34分类属性绘图.mp4
│ │ │ ├── 课时29调色板.mp4
│ │ │ ├── 课时28风格细节设置.mp4
│ │ │ ├── 课时35Facetgrid使用方法.mp4
│ │ │ ├── 课时31单变量分析绘图.mp4
│ │ ├── 16Python文本数据分析：新闻分类任务
│ │ │ ├── 课时90基于贝叶斯算法进行新闻分类.mp4
│ │ │ ├── 课时87新闻数据与任务简介.mp4
│ │ │ ├── 课时88TF-IDF关键词提取.mp4
│ │ │ ├── 课时89LDA建模.mp4
│ │ │ ├── 课时85文本分析与关键词提取.mp4
│ │ │ ├── 课时86相似度计算.mp4
│ │ ├── 27scikit-learn模型建立与评估
│ │ │ ├── 课时154ROC指标与测试集的价值.mp4
│ │ │ ├── 课时156多类别问题.mp4
│ │ │ ├── 课时152使用逻辑回归改进模型效果.mp4
│ │ │ ├── 课时150使用python库分析汽车油耗效率.mp4
│ │ │ ├── 课时153 模型效果衡量标准.mp4
│ │ │ ├── 课时151使用scikit-learn库建立回归模型.mp4
│ │ │ ├── 课时155交叉验证.mp4
│ │ ├── 04Python数据可视化库-Matplotlib
│ │ │ ├── 课时24柱形图与盒图.mp4
│ │ │ ├── 课时25细节设置.mp4
│ │ │ ├── 课时23条形图与散点图.mp4
│ │ │ ├── 课时22子图操作.mp4
│ │ │ ├── 课时21折线图绘制.mp4
│ │ ├── 17支持向量机
│ │ │ ├── 课时94目标函数求解.mp4
│ │ │ ├── 课时98SVM核变换.mp4
│ │ │ ├── 课时92距离与数据的定义.mp4
│ │ │ ├── 课时91支持向量机要解决的问题.mp4
│ │ │ ├── 课时96支持向量的作用.mp4
│ │ │ ├── 课时93目标函数.mp4
│ │ │ ├── 课时97软间隔问题.mp4
│ │ │ ├── 课时95SVM求解实例.mp4
│ │ ├── 22降维算法-PCA主成分分析
│ │ │ ├── 课时113PCA实例.mp4
│ │ │ ├── 课时110PCA降维概述.mp4
│ │ │ ├── 课时112PCA求解.mp4
│ │ │ ├── 课时111PCA要优化的目标.mp4
│ │ ├── 12案例实战：使用sklearn构造决策树模型
│ │ │ ├── 课时67决策树复习.mp4
│ │ │ ├── 课时69树可视化与sklearn库简介.mp4
│ │ │ ├── 课时68决策树涉及参数.mp4
│ │ │ ├── 课时70sklearn参数选择.mp4
│ │ ├── 08逻辑回归算法
│ │ │ ├── 课时47逻辑回归求解.mp4
│ │ │ ├── 课时46逻辑回归算法原理推导.mp4
│ │ ├── 19聚类算法-Kmeans
│ │ │ ├── 课时102KMEANS工作流程.mp4
│ │ │ ├── 课时103KMEANS迭代可视化展示.mp4
│ │ │ ├── 课时101KMEANS算法概述.mp4
│ │ │ ├── 课时104使用Kmeans进行图像压缩.mp4
│ │ ├── 31机器学习项目实战-用户流失预警
│ │ │ ├── 课时177数据背景介绍.mp4
│ │ │ ├── 课时178数据预处理.mp4
│ │ │ ├── 课时181应用阈值得出结果.mp4
│ │ │ ├── 课时180结果衡量指标的意义.mp4
│ │ │ ├── 课时179尝试多种分类器效果.mp4
│ │ ├── 26使用Gensim库构造中文维基百度数据词向量模型
│ │ │ ├── 课时147维基百科中文数据处理.mp4
│ │ │ ├── 课时146使用Gensim库构造词向量.mp4
│ │ │ ├── 课时149测试模型相似度结果.mp4
│ │ │ ├── 课时148Gensim构造word2vec模型.mp4
│ │ ├── 18案例：SVM调参实例
│ │ │ ├── 课时100SVM参数选择.mp4
│ │ │ ├── 课时99sklearn求解支持向量机.mp4
│ │ ├── 07梯度下降策略
│ │ │ ├── 课时43梯度下降原理.mp4
│ │ │ ├── 课时44梯度下降方法对比.mp4
│ │ │ ├── 课时45学习率对结果的影响.mp4
│ │ ├── 06线性回归算法原理推导
│ │ │ ├── 课时42线性回归求解.mp4
│ │ │ ├── 课时41目标函数推导.mp4
│ │ │ ├── 课时39误差项分析.mp4
│ │ │ ├── 课时40似然函数求解.mp4
│ │ │ ├── 课时38线性回归算法概述.mp4
│ │ ├── 21案例实战：聚类实践
│ │ │ ├── 课时109聚类案例实战.mp4
│ │ │ ├── 课时108多种聚类算法概述.mp4
│ │ ├── 14案例实战：泰坦尼克获救预测
│ │ │ ├── 课时78使用随机森林改进模型.mp4
│ │ │ ├── 课时76数据预处理.mp4
│ │ │ ├── 课时79随机森林特征重要性分析.mp4
│ │ │ ├── 课时75船员数据分析.mp4
│ │ │ ├── 课时77使用回归算法进行预测.mp4
│ │ ├── 11决策树算法
│ │ │ ├── 课时63衡量标准-熵.mp4
│ │ │ ├── 课时66决策树剪枝策略.mp4
│ │ │ ├── 课时64决策树构造实例.mp4
│ │ │ ├── 课时65信息增益率.mp4
│ │ │ ├── 课时62决策树原理概述.mp4
│ │ ├── 24Xgboost集成算法
│ │ │ ├── 课时132xgboost求解实例.mp4
│ │ │ ├── 课时131xgboost目标函数推导.mp4
│ │ │ ├── 课时134xgboost实战演示.mp4
│ │ │ ├── 课时129集成算法思想.mp4
│ │ │ ├── 课时133xgboost安装.mp4
│ │ │ ├── 课时135Adaboost算法概述.mp4
│ │ │ ├── 课时130xgboost基本原理.mp4
│ │ ├── 15贝叶斯算法
│ │ │ ├── 课时82贝叶斯拼写纠错实例.mp4
│ │ │ ├── 课时84贝叶斯实现拼写检查器.mp4
│ │ │ ├── 课时81贝叶斯推导实例.mp4
│ │ │ ├── 课时80贝叶斯算法概述.mp4
│ │ │ ├── 课时83垃圾邮件过滤实例.mp4
│ │ ├── 34机器学习项目实战-HTTP日志聚类分析
│ │ │ ├── 课时198建立特征工程.mp4
│ │ │ ├── 课时200应用聚类算法得出异常ip点.mp4
│ │ │ ├── 课时199特征数据预处理.mp4
│ │ ├── 09案例实战：Python实现逻辑回归与梯度下降策略
│ │ │ ├── 课时49完成梯度下降模块.mp4
│ │ │ ├── 课时50停止策略与梯度下降案例.mp4
│ │ │ ├── 课时48Python实现逻辑回归任务概述.mp4
│ │ │ ├── 课时51实验对比效果.mp4
│ │ ├── 02Python科学计算库-Numpy
│ │ │ ├── 课时12Numpy常用函数.mp4
│ │ │ ├── 课时11Numpy矩阵基础.mp4
│ │ │ ├── 课时7使用Anaconda安装python环境（Python新手先看这个）.flv
│ │ │ ├── 课时14不同复制操作对比.mp4
│ │ │ ├── 课时9科学计算库Numpy.mp4
│ │ │ ├── 课时13矩阵常用操作.mp4
│ │ │ ├── 课时10Numpy基础结构.mp4
│ │ ├── 32探索性数据分析-足球赛事数据集
│ │ │ ├── 课时189报表可视化分析.mp4
│ │ │ ├── 课时185数据切分模块.mp4
│ │ │ ├── 课时184数据读取与预处理.mp4
│ │ │ ├── 课时186缺失值可视化分析.mp4
│ │ │ ├── 课时190红牌和肤色的关系.mp4
│ │ │ ├── 课时183数据背景介绍.mp4
│ │ │ ├── 课时188多特征之间关系分析.mp4
│ │ │ ├── 课时182内容简介.mp4
│ │ │ ├── 课时187特征可视化展示.mp4
│ │ ├── 13集成算法与随机森林
│ │ │ ├── 课时72特征重要性衡量.mp4
│ │ │ ├── 课时74堆叠模型.mp4
│ │ │ ├── 课时71集成算法-随机森林.mp4
│ │ │ ├── 课时73提升模型.mp4
│ │ ├── 25自然语言处理词向量模型-Word2Vec
│ │ │ ├── 课时140神经网络模型.mp4
│ │ │ ├── 课时137语言模型.mp4
│ │ │ ├── 课时139词向量.mp4
│ │ │ ├── 课时144梯度上升求解.mp4
│ │ │ ├── 课时136自然语言处理与深度学习.mp4
│ │ │ ├── 课时145负采样模型.mp4
│ │ │ ├── 课时138-N-gram模型.mp4
│ │ │ ├── 课时141Hierarchical Softmax-课时142CBOW模型实例.mp4
│ │ │ ├── 课时143CBOW求解目标.mp4
│ │ ├── 30机器学习项目实战-贷款申请最大化利润
│ │ │ ├── 课时175获得最大利润的条件与做法.mp4
│ │ │ ├── 课时173数据清洗过滤无用特征.mp4
│ │ │ ├── 课时174数据预处理.mp4
│ │ │ ├── 课时176预测结果并解决样本不均衡问题.mp4
│ │ ├── 33探索性数据分析-农粮组织数据集
│ │ │ ├── 课时191数据背景简介.mp4
│ │ │ ├── 课时192数据切片分析.mp4
│ │ │ ├── 课时194峰度与偏度.mp4
│ │ │ ├── 课时195数据对数变换.mp4
│ │ │ ├── 课时193单变量分析.mp4
│ │ │ ├── 课时197变量关系可视化展示.mp4
│ │ │ ├── 课时196数据分析维度.mp4
│ │ ├── 20聚类算法-DBSCAN
│ │ │ ├── 课时105DBSCAN聚类算法.mp4
│ │ │ ├── 课时107DBSCAN可视化展示.mp4
│ │ │ ├── 课时106DBSCAN工作流程【微信AG110 660 】【轻松网赚网 66 6root.com】.mp4
│ │ ├── 03python数据分析处理库-Pandas
│ │ │ ├── 课时18Pandas常用预处理方法.mp4
│ │ │ ├── 课时19Pandas自定义函数.mp4
│ │ │ ├── 课时15Pandas数据读取.mp4
│ │ │ ├── 课时16Pandas索引与计算.mp4
│ │ │ ├── 课时17Pandas数据预处理实例.mp4
│ │ │ ├── 课时20Series结构.mp4
│ │ ├── 28Python库分析科比生涯数据
│ │ │ ├── 课时158特征数据可视化展示.mp4
│ │ │ ├── 课时159数据预处理.mp4
│ │ │ ├── 课时157Kobe Bryan生涯数据读取与简介.mp4
│ │ │ ├── 课时160使用Scikit-learn建立模型.mp4
│ │ ├── 23神经网络
│ │ │ ├── 课时124神经网络-反向传播.mp4
│ │ │ ├── 课时127神经网络过拟合解决方案.mp4
│ │ │ ├── 课时128感受神经网络的强大.mp4
│ │ │ ├── 课时118线性分类原理.mp4
│ │ │ ├── 课时116K近邻尝试图像分类.mp4
│ │ │ ├── 课时122神经网络-最优化形象解读.mp4
│ │ │ ├── 课时119神经网络-损失函数.mp4
│ │ │ ├── 课时114初识神经网络.mp4
│ │ │ ├── 课时120神经网络-正则化惩罚项.mp4
│ │ │ ├── 课时126神经网络实例演示.mp4
│ │ │ ├── 课时125神经网络架构.mp4
│ │ │ ├── 课时121神经网络-softmax分类器.mp4
│ │ │ ├── 课时115计算机视觉所面临的挑战.mp4
│ │ │ ├── 课时123神经网络-梯度下降细节问题.mp4
│ │ │ ├── 课时117超参数的作用.mp4
├── 22、NLP-文本相似度
│ ├── 文本相似度.zip
├── 33、OpenCV计算机视觉实战(Python版)
│ ├── 资料
│ │ ├── 第九章：项目实战-信用卡数字识别.zip
│ │ ├── 第16-17章notebook课件.zip
│ │ ├── 第二十一章：人脸关键点定位.zip
│ │ ├── 第11-12章notebook课件.zip
│ │ ├── 第二十一章：项目实战-疲劳检测.zip
│ │ ├── 第十五章：项目实战-答题卡识别判卷.zip
│ │ ├── 第十四章：项目实战-停车场车位识别.zip
│ │ ├── 第十九章：项目实战-目标追踪.zip
│ │ ├── 第八章notebook课件.zip
│ │ ├── 第十三章：案例实战-全景图像拼接.zip
│ │ ├── 第十八章：Opencv的DNN模块.zip
│ │ ├── 第十章：项目实战-文档扫描OCR识别.zip
│ ├── 唐宇迪课件
│ │ ├── 第二十一章：项目实战-疲劳检测.zip
│ │ ├── 第2-7章notebook课件(1).zip
│ │ ├── 第16-17章notebook课件.zip
│ │ ├── 第八章notebook课件.zip
│ │ ├── 第十五章：项目实战-答题卡识别判卷.zip
│ │ ├── 第11-12章notebook课件.zip
│ │ ├── 第十八章：Opencv的DNN模块.zip
│ │ ├── 第十三章：案例实战-全景图像拼接.zip
│ │ ├── 第十九章：项目实战-目标追踪.zip
│ │ ├── 第九章：项目实战-信用卡数字识别.zip
│ │ ├── 第十章：项目实战-文档扫描OCR识别.zip
│ │ ├── 第十四章：项目实战-停车场车位识别.zip
│ ├── 唐宇迪OpenCV小章节.zip
│ ├── 14、项目实战-停车场车位识别.mp4
│ ├── 08、直方图与傅里叶变换.mp4
│ ├── 09、项目实战-信用卡数字识别.mp4
│ ├── 16、背景建模.mp4
│ ├── 19、项目实战-目标追踪.mp4
│ ├── 06、边缘检测.mp4
│ ├── 15、项目实战-答题卡识别判卷.mp4
│ ├── 07、图像金字塔与轮廓检测.mp4
│ ├── 11、图像特征-harris.mp4
│ ├── 01、课程简介.mp4
│ ├── 03、阈值与平滑处理.mp4
│ ├── 04、图像形态学处理.mp4
│ ├── 13、案例实战-全景图像拼接.mp4
│ ├── 21、项目实战-疲劳检测.mp4
│ ├── 10、项目实战-文档扫描OCR识别.mp4
│ ├── 05、图像梯度处理.mp4
│ ├── 20、卷积原理与操作.mp4
│ ├── 18、Opencv的DNN模块.mp4
│ ├── 12、图像特征-sift.mp4
│ ├── 17、光流估计.mp4
│ ├── 02、图像基本操作.mp4
├── 21、数据科学人工智能-必备数学基础
│ ├── 视频
│ │ ├── 08-第十四至第十五.mp4
│ │ ├── 02-第二章至第七章.mp4
│ │ ├── 01-第一章.mp4
│ │ ├── 06-第十一章至第十二章.mp4
│ │ ├── 03-第八章.mp4
│ │ ├── 09-第十六章.mp4
│ │ ├── 05-第十章补充.mp4
│ │ ├── 04-第九章至第十章.mp4
│ │ ├── 07-第十三章.mp4
│ ├── 课件
│ │ ├── 泰勒公式.pdf
│ │ ├── 微积分.pdf
│ │ ├── 似然函数.pdf
│ │ ├── 高等数学.pdf
│ │ ├── 核函数.pdf
│ │ ├── 概率论.pdf
│ │ ├── 后验概率估计.pdf
│ │ ├── 拉格朗日乘子法.pdf
│ │ ├── 矩阵.pdf
│ │ ├── 梯度.pdf
│ │ ├── SVD.pdf
│ │ ├── 激活函数.pdf
│ │ ├── 概率分布与概率密度.pdf
│ │ ├── 特征值与特征向量.pdf
│ │ ├── 熵.pdf
│ ├── 统计分析
│ │ ├── 统计分析-数据代码.zip
├── 12、深度学习项目实战视频课程-Seq2Seq序列生模型
│ ├── seq2seq网络架构原理
│ │ ├── 3.wmv
│ │ ├── 5.wmv
│ │ ├── 2.wmv
│ │ ├── 4.wmv
│ │ ├── 1.wmv
│ ├── 文章摘要生成
│ │ ├── 2.wmv
│ │ ├── 1.wmv
│ │ ├── 4.wmv
│ │ ├── 3.wmv
│ ├── 序列排序生成
│ │ ├── 1.wmv
│ │ ├── 3.wmv
│ │ ├── 2.wmv
│ │ ├── 4.wmv
│ │ ├── 5.wmv
│ ├── Seq2Seq网络.rar
├── 02、深度学习入门视频课程（上篇）
│ ├── 第2章 神经网络模型
│ │ ├── 2.wmv
│ │ ├── 3.wmv
│ │ ├── 1.wmv
│ ├── 第1章 深度学习必备基础知识点
│ │ ├── 7.wmv
│ │ ├── 11.wmv
│ │ ├── 8.wmv
│ │ ├── 4.wmv
│ │ ├── 6.wmv
│ │ ├── 10.wmv
│ │ ├── 1.wmv
│ │ ├── 3.wmv
│ │ ├── 9.wmv
│ │ ├── 5.wmv
│ │ ├── 2.wmv
│ ├── 第3章 神经网络案例实战
│ │ ├── 5.wmv
│ │ ├── 6.wmv
│ │ ├── 7.wmv
│ │ ├── 4.wmv
│ │ ├── 1.wmv
│ │ ├── 2.wmv
│ │ ├── 3.wmv
│ ├── nn代码.rar
├── 29、python3数据分析与挖掘实战
│ ├── Python3数据分析与挖掘实战
│ │ ├── 第20章 Python降维技术与大型数据分析与挖掘项目实训上
│ │ │ ├── 089、答疑.mp4
│ │ │ ├── 088、社交网络项目实战.mp4
│ │ │ ├── 087、Apriori算法与项目实战.mp4
│ │ ├── 第17章 Python数据建模与分类实现 下
│ │ │ ├── 079、答疑.mp4
│ │ │ ├── 074、贝叶斯算法 上.mp4
│ │ │ ├── 077、回归算法.mp4
│ │ │ ├── 075、贝叶斯课程 （补录）.mp4
│ │ │ ├── 076、贝叶斯算法 下.mp4
│ │ │ ├── 078、决策树.mp4
│ │ ├── 第1章 Python基础 第一阶段
│ │ │ ├── 002、初识python.mp4
│ │ │ ├── 003、python语法基础.mp4
│ │ │ ├── 001、课程介绍.mp4
│ │ │ ├── 005、课后答疑.mp4
│ │ │ ├── 004、python控制流.mp4
│ │ ├── 第12章 Python数据清洗、集成与变换
│ │ │ ├── 055、答疑.mp4
│ │ │ ├── 054、数据集成实战.mp4
│ │ │ ├── 053、数据分布探索实战.mp4
│ │ │ ├── 052、数据探索与数据与清洗概述（二）.mp4
│ │ │ ├── 051、数据探索与数据与清洗概述（一）.mp4
│ │ ├── 第21章 Python降维技术与大型数据分析与挖掘项目实训下
│ │ │ ├── 090、微博接口开发上.mp4
│ │ │ ├── 094、文本分类及答疑.mp4
│ │ │ ├── 091、微博接口开发下.mp4
│ │ │ ├── 92-93课时 PhantomJS.rar
│ │ ├── 第11章 Python数据可视化分析实现
│ │ │ ├── 050、答疑.mp4
│ │ │ ├── 049、读取和讯博客的数据并可视化分析.mp4
│ │ │ ├── 048、直方图.mp4
│ │ │ ├── 047、matplotlib基础 折线图-散点图.mp4
│ │ ├── 第6章 爬虫实战及Scrapy框架的安装
│ │ │ ├── 029、Scrapy框架的安装.mp4
│ │ │ ├── 025、抓包分析实战1.mp4
│ │ │ ├── 028、多线程爬虫实战.mp4
│ │ │ ├── 026、抓包分析实战2.mp4
│ │ │ ├── 027、微信爬虫实战.mp4
│ │ │ ├── 030、课后答疑.mp4
│ │ ├── 第8章 用Scrapy爬取网站的数据
│ │ │ ├── 036、自动模拟登陆爬虫实战.mp4
│ │ │ ├── 035、天善智能课程自动爬虫实战.mp4
│ │ │ ├── 037、当当商城爬虫实战.mp4
│ │ │ ├── 038、课后答疑.mp4
│ │ ├── 第3章 Python 爬虫初识
│ │ │ ├── 012、网络爬虫原理.mp4
│ │ │ ├── 011、作业讲解及爬虫初识.mp4
│ │ │ ├── 013、正则表达式实战.mp4
│ │ │ ├── 014、课后答疑.mp4
│ │ ├── 第16章 Python数据分析与挖掘实战 上
│ │ │ ├── 067、Python数据建模概述.mp4
│ │ │ ├── 073、答疑.mp4
│ │ │ ├── 069、常见分类算法.mp4
│ │ │ ├── 070、knn算法（补录）.mp4
│ │ │ ├── 071、KNN算法与贝克斯方法.mp4
│ │ │ ├── 068、Python数据分类实现过程.mp4
│ │ │ ├── 072、手写体数字识别.mp4
│ │ ├── 第13章 数据转换、属性构造、数据规约
│ │ │ ├── 056、数据转换.mp4
│ │ │ ├── 057、属性构造.mp4
│ │ │ ├── 059、答疑.mp4
│ │ │ ├── 058、数据规约.mp4
│ │ ├── 第14章 文本挖掘
│ │ │ ├── 060、文本挖掘 一.mp4
│ │ │ ├── 061、文本挖掘 二.mp4
│ │ │ ├── 062、答疑.mp4
│ │ ├── 第18章 Python数据分析与挖掘聚类实现与回归分析
│ │ │ ├── 080、决策树.mp4
│ │ │ ├── 082、答疑.mp4
│ │ │ ├── 081、聚类.mp4
│ │ ├── 第7章 Scrapy爬虫
│ │ │ ├── 032、第一个Scrapy爬虫.mp4
│ │ │ ├── 034、课后答疑.mp4
│ │ │ ├── 033、Scrapy自动爬虫实战.mp4
│ │ │ ├── 031、Scrapy框架常见命令实战.mp4
│ │ ├── 第10章 Python数据分析与挖掘技术基础
│ │ │ ├── 042、快速了解数据分析与数据挖掘.mp4
│ │ │ ├── 045、Python数据导入实战.mp4
│ │ │ ├── 043、数据分析与挖掘相关模块简介与安装.mp4
│ │ │ ├── 046、答疑.mp4
│ │ │ ├── 044、相关模块的使用.mp4
│ │ ├── 第15章 文本相似度分析
│ │ │ ├── 064、文本相似度分析二.mp4
│ │ │ ├── 063、文本相似度分析一.mp4
│ │ │ ├── 066、答疑.mp4
│ │ │ ├── 065、文本相似度分析三.mp4
│ │ ├── 第4章 Urllib库实战
│ │ │ ├── 020、python新闻爬虫实战.mp4
│ │ │ ├── 019、爬虫的浏览器伪装技术.mp4
│ │ │ ├── 021、课后答疑.mp4
│ │ │ ├── 016、Urllib库实战（二）.mp4
│ │ │ ├── 018、爬虫的异常处理.mp4
│ │ │ ├── 017、Urllib库实战（三）.mp4
│ │ │ ├── 015、Urllib库实战.mp4
│ │ ├── 第9章 补充以及作业讲解
│ │ │ ├── 039、补充内容.mp4
│ │ │ ├── 040、上节课作业讲解.mp4
│ │ │ ├── 041、答疑.mp4
│ │ ├── 第2章 Python基础 第二阶段
│ │ │ ├── 006、python函数详解.mp4
│ │ │ ├── 010、课后答疑.mp4
│ │ │ ├── 007、python模块.mp4
│ │ │ ├── 008、python文件操作.mp4
│ │ │ ├── 009、python异常值处理.mp4
│ │ ├── 第5章 爬虫防屏蔽手段之代理服务器实战
│ │ │ ├── 024、课后答疑.mp4
│ │ │ ├── 022、爬虫防屏蔽手段之代理服务器实战.mp4
│ │ │ ├── 023、图片爬虫实战.mp4
│ │ ├── 第19章 Python数据分析与挖掘实战
│ │ │ ├── 083、贝叶斯应用.mp4
│ │ │ ├── 084、人工神经网络理论基础.mp4
│ │ │ ├── 086、答疑.mp4
│ │ │ ├── 085、人工神经网络实现实战.mp4
│ ├── 软件包及安装文档
│ │ ├── Python-3.5.x安装教程.pdf
│ │ ├── python-3.5.4-64位.exe
│ │ ├── python-3.5.4-32位.exe
│ ├── 源码.rar
├── 25、Python Kaggle竞赛案例实战
│ ├── Kaggle第4课：自然语言处理类问题
│ │ ├── Kaggle4_2.mp4
│ │ ├── Kaggle第四课第一部分.mp4
│ ├── Kaggle第1课：机器学习算法、工具与流程概述
│ │ ├── Kaggle 第一次课 1.mp4
│ │ ├── Kaggle 第一次课2 .mp4
│ │ ├── Kaggle第1课：机器学习算法、工具与流程概述.pdf
│ ├── Kaggle第6课：走起-深度学习
│ │ ├── 第6课：走起-深度学习.pdf
│ │ ├── 6.mp4
│ ├── Kaggle第5课：能源预测与分配类问题案例
│ │ ├── 5-2.mp4
│ │ ├── 5-1.mp4
│ ├── Kaggle第2课：经济金融领域的应用
│ │ ├── 第2课 经济金融领域的应用.pdf
│ │ ├── Kaggle 第二次课.mp4
│ ├── Kaggle第8课：金融风控问题
│ │ ├── 第8课：金融风控问题.pdf
│ │ ├── baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg
│ │ ├── 第八课.mp4
│ ├── Kaggle第7课：电商推荐与销量预测相关案例
│ │ ├── 7.mp4
│ ├── Kaggle第3课：排序与CTR预估问题
│ │ ├── New3.mp4
│ │ ├── 5-2.mp4
│ │ ├── kaggle第三课.mp4
│ ├── （解压密码000000）课堂同步.zip
├── 18、TensorFlow-图像处理
│ ├── 图像缺失补全
│ │ ├── glcic图像补全.zip
│ │ ├── 图像补全人脸数据.zip
│ ├── 高阶API
│ │ ├── 高阶API.zip
│ ├── 超分辨率重构
│ │ ├── srdata.zip
│ │ ├── srgan超分辨率重构.zip
│ ├── Tensorflow-图像处理视频课程05.mp4
│ ├── Tensorflow-图像处理视频课程02.mp4
│ ├── Tensorflow-图像处理视频课程03.mp4
│ ├── Tensorflow-图像处理视频课程01.mp4
│ ├── Tensorflow-图像处理视频课程04.mp4
├── 24、python-机器学习-进阶实战
│ ├── 唐宇迪-机器学习-进阶实战-资料
│ │ ├── 12.推荐系统
│ │ │ ├── 推荐系统.pdf
│ │ ├── 8.贝叶斯优化实战
│ │ │ ├── 贝叶斯优化：Hyperopt.zip
│ │ ├── 3.xgboost-gbdt-lightgbm
│ │ │ ├── GBDT.zip
│ │ ├── 9.EM算法
│ │ │ ├── 10-EM算法.pdf
│ │ ├── 16.NLP-文本特征方法对比
│ │ │ ├── socialmedia_relevant_cols_clean2.csv
│ │ │ ├── socialmedia_relevant_cols_clean.csv
│ │ │ ├── 自然语言处理方法对比.ipynb
│ │ │ ├── socialmedia_relevant_cols.csv
│ │ │ ├── GoogleNews-vectors-negative300.bin
│ │ │ ├── clean_data.csv
│ │ ├── 17.使用word2vec分类任务
│ │ │ ├── word2vec.zip
│ │ ├── 1.数据特征
│ │ │ ├── 数值特征
│ │ │ │ ├── .ipynb_checkpoints
│ │ │ │ │ ├── 数值特征-checkpoint.ipynb
│ │ │ │ │ ├── Feature Engineering on Numeric Data-checkpoint.ipynb
│ │ │ │ │ ├── Feature Engineering on Temporal Data-checkpoint.ipynb
│ │ │ │ │ ├── 特征预处理-checkpoint.ipynb
│ │ │ │ │ ├── Feature Engineering on Text Data-checkpoint.ipynb
│ │ │ │ │ ├── Feature Selection-checkpoint.ipynb
│ │ │ │ │ ├── 图像特征-checkpoint.ipynb
│ │ │ │ │ ├── 文本特征-checkpoint.ipynb
│ │ │ │ ├── datasets
│ │ │ │ │ ├── vgsales.csv
│ │ │ │ │ ├── Pokemon.csv
│ │ │ │ │ ├── desktop.ini
│ │ │ │ │ ├── dog.png
│ │ │ │ │ ├── fcc_2016_coder_survey_subset.csv
│ │ │ │ │ ├── item_popularity.csv
│ │ │ │ │ ├── cat.png
│ │ │ │ │ ├── song_views.csv
│ │ │ │ ├── 特征预处理.ipynb
│ │ │ │ ├── 数值特征.ipynb
│ │ │ │ ├── 文本特征.ipynb
│ │ │ │ ├── 图像特征.ipynb
│ │ ├── 7.贝叶斯优化及其工具包使用
│ │ │ ├── 贝叶斯优化：Hyperopt.zip
│ │ ├── 6.降维算法-线性判别分析
│ │ │ ├── 9-LDA与PCA算法.pdf
│ │ │ ├── 降维算法.zip
│ │ ├── 15.学习曲线
│ │ │ ├── 学习曲线
│ │ │ │ ├── .ipynb_checkpoints
│ │ │ │ │ ├── 学习曲线（Bias和Variance）-checkpoint.ipynb
│ │ │ │ ├── 4.png
│ │ │ │ ├── 8.png
│ │ │ │ ├── 1.png
│ │ │ │ ├── 9.png
│ │ │ │ ├── 3.png
│ │ │ │ ├── 10.png
│ │ │ │ ├── 6.png
│ │ │ │ ├── 7.png
│ │ │ │ ├── 11.png
│ │ │ │ ├── 学习曲线（Bias和Variance）.ipynb
│ │ │ │ ├── Folds5x2_pp.xlsx
│ │ │ │ ├── 5.png
│ │ │ │ ├── 2.png
│ │ ├── 18.Tensorflow自己打造word2vec
│ │ │ ├── word2vec
│ │ │ │ ├── word2vec.zip
│ │ ├── 19.制作自己常用工具包
│ │ │ ├── 特征筛选
│ │ │ │ ├── data
│ │ │ │ │ ├── caravan-insurance-challenge.csv
│ │ │ │ │ ├── AirQualityUCI.csv
│ │ │ │ │ ├── credit_example.csv
│ │ │ │ ├── feature_selector
│ │ │ │ │ ├── __init__.py
│ │ │ │ │ ├── feature_selector.py
│ │ │ │ ├── images
│ │ │ │ │ ├── example_cumulative_feature_importances.png
│ │ │ │ │ ├── example_missing_histogram.png
│ │ │ │ │ ├── example_unique_histogram.png
│ │ │ │ │ ├── example_collinear_heatmap.png
│ │ │ │ │ ├── feature_importance_dataframe.PNG
│ │ │ │ │ ├── collinear_dataframe.PNG
│ │ │ │ │ ├── example_top_feature_importances.png
│ │ │ │ ├── __pycache__
│ │ │ │ │ ├── feature_selector.cpython-36.pyc
│ │ │ │ ├── .ipynb_checkpoints
│ │ │ │ │ ├── 工具-checkpoint.ipynb
│ │ │ │ │ ├── Feature Selector Usage-checkpoint.ipynb
│ │ │ │ ├── 工具.ipynb
│ │ ├── 10.HMM隐马尔科夫模型
│ │ │ ├── HMM.pdf
│ │ ├── 2.GBDT提升算法
│ │ │ ├── GBDT.pdf
│ │ ├── 4.使用lightgbm进行饭店流量预测
│ │ │ ├── GBDT.zip
│ │ ├── 5.人口普查数据集项目实战-收入预测
│ │ │ ├── 2.png
│ │ │ ├── 机器学习数据分析模板.ipynb
│ │ │ ├── 3.png
│ │ │ ├── 1.png
│ │ ├── 11.HMM案例实战
│ │ │ ├── HMM
│ │ │ │ ├── __pycache__
│ │ │ │ │ ├── data.cpython-36.pyc
│ │ │ │ │ ├── get_hmm_param.cpython-36.pyc
│ │ │ │ ├── hmm_start.py
│ │ │ │ ├── get_hmm_param.py
│ │ │ │ ├── data.py
│ │ │ ├── hmm实践.ipynb
│ │ │ ├── data2.csv
│ │ │ ├── 时间序列.ipynb
│ │ ├── 13.音乐推荐系统实战
│ │ │ ├── Python实现音乐推荐系统
│ │ │ │ ├── __pycache__
│ │ │ │ │ ├── Recommenders.cpython-36.pyc
│ │ │ │ ├── .ipynb_checkpoints
│ │ │ │ │ ├── 推荐系统-checkpoint.ipynb
│ │ │ │ ├── 3.png
│ │ │ │ ├── 8.png
│ │ │ │ ├── 6.png
│ │ │ │ ├── track_metadata.db
│ │ │ │ ├── 推荐系统.ipynb
│ │ │ │ ├── 4.png
│ │ │ │ ├── triplet_dataset_sub_song.csv
│ │ │ │ ├── 2.png
│ │ │ │ ├── user_playcount_df.csv
│ │ │ │ ├── Recommenders.py
│ │ │ │ ├── 5.png
│ │ │ │ ├── track_metadata_df_sub.csv
│ │ │ │ ├── song_playcount_df.csv
│ │ │ │ ├── train_triplets.txt
│ │ │ │ ├── 7.png
│ │ │ │ ├── recommendation_engines.py
│ │ │ │ ├── 老版.ipynb
│ │ │ │ ├── 1.png
│ │ ├── 14.基于统计分析的电影推荐
│ │ │ ├── 电影推荐.zip
│ │ ├── 20.数据处理与特征工程
│ │ │ ├── 机器学习项目实战流程
│ │ │ │ ├── images
│ │ │ │ │ ├── weather_norm_eui.png
│ │ │ │ │ ├── feature_importances.PNG
│ │ │ │ │ ├── tree_small.dot
│ │ │ │ │ ├── cover_auto_ml.jpg
│ │ │ │ │ ├── density_boroughs.png
│ │ │ │ │ ├── data_formatted_with_score.PNG
│ │ │ │ │ ├── raw_data.PNG
│ │ │ │ │ ├── test_prediction_density.png
│ │ │ │ │ ├── feature_pairs.png
│ │ │ │ │ ├── tree_verysmall.png
│ │ │ │ │ ├── tpot-ml-pipeline.png
│ │ │ │ │ ├── local_explanation_one.png
│ │ │ │ │ ├── cover_one.jpg
│ │ │ │ │ ├── tree.png
│ │ │ │ │ ├── cover_two.jpg
│ │ │ │ │ ├── density_type.png
│ │ │ │ │ ├── wrong_explanation_plot.png
│ │ │ │ │ ├── cover_three.jpg
│ │ │ │ │ ├── tree_single.dot
│ │ │ │ │ ├── tree_single_small.dot
│ │ │ │ │ ├── residual_distribution.png
│ │ │ │ │ ├── positive_correlations.PNG
│ │ │ │ │ ├── negative_correlations.PNG
│ │ │ │ │ ├── nestimator_performance.png
│ │ │ │ │ ├── tree_single_small.png
│ │ │ │ │ ├── lime_wrong_explanation.PNG
│ │ │ │ │ ├── intrepretability_vs_accuracy.png
│ │ │ │ │ ├── annotated_individual_node.PNG
│ │ │ │ │ ├── individual_node.png
│ │ │ │ │ ├── tpot_training_information.PNG
│ │ │ │ │ ├── model_comparison.png
│ │ │ │ │ ├── tree_small.png
│ │ │ │ │ ├── missing_values.PNG
│ │ │ │ │ ├── score_distribution.png
│ │ │ │ │ ├── formatted_train_data.PNG
│ │ │ │ │ ├── tree_verysmall.dot
│ │ │ │ │ ├── kfold_cv.png
│ │ │ │ │ ├── tree.dot
│ │ │ │ │ ├── feature_importances_graph.png
│ │ │ │ │ ├── df_info.PNG
│ │ │ │ │ ├── score_vs_eui.png
│ │ │ │ │ ├── test_values.png
│ │ │ │ │ ├── correlation_examples.png
│ │ │ │ │ ├── tree_single.png
│ │ │ │ ├── data
│ │ │ │ │ ├── X_train.csv
│ │ │ │ │ ├── cleaned_data.csv
│ │ │ │ │ ├── testing_features.csv
│ │ │ │ │ ├── X_test.csv
│ │ │ │ │ ├── training_features.csv
│ │ │ │ │ ├── Y_train.csv
│ │ │ │ │ ├── Y_test.csv
│ │ │ │ │ ├── no_score.csv
│ │ │ │ │ ├── testing_labels.csv
│ │ │ │ │ ├── training_labels.csv
│ │ │ │ │ ├── Energy_and_Water_Data_Disclosure_for_Local_Law_84_2017__Data_for_Calendar_Year_2016_.csv
│ │ │ │ ├── .ipynb_checkpoints
│ │ │ │ │ ├── 机器学习项目实战-1-数据预处理-checkpoint.ipynb
│ │ │ │ │ ├── 机器学习项目实战-3-分析-checkpoint.ipynb
│ │ │ │ │ ├── 机器学习项目实战-2-建模-checkpoint.ipynb
│ │ │ │ │ ├── Exploratory_Work-checkpoint.ipynb
│ │ │ │ ├── auto_ml
│ │ │ │ │ ├── tpot_exported_pipeline.py
│ │ │ │ ├── 机器学习项目实战-2-建模.ipynb
│ │ │ │ ├── hw_assignment.pdf
│ │ │ │ ├── 机器学习项目实战-1-数据预处理.ipynb
│ │ │ │ ├── 机器学习项目实战-3-分析.ipynb
│ │ │ │ ├── Building Data Report.pdf
│ │ │ │ ├── 2016_nyc_benchmarking_data_disclosure_definitions.pdf
│ │ │ │ ├── hw_assignment.docx
│ ├── 8 贝叶斯优化实战.mp4
│ ├── 3 xgboost-gbdt-lightgbm提.mp4
│ ├── 2 GBDT提升算法.mp4
│ ├── 16 NLP-文本特征方法对比.mp4
│ ├── 10 HMM隐马尔科夫模型.mp4
│ ├── 18 和 19章.mp4
│ ├── 1 数据特征.mp4
│ ├── 20 机器学习项目实战-数据处.mp4
│ ├── 14 基于统计分析的电影推荐.mp4
│ ├── 6 降维算法-线性判别分析.mp4
│ ├── 15 学习曲线.mp4
│ ├── 12 推荐系统.mp4
│ ├── 13 音乐推荐系统实战.mp4
│ ├── 21 机器学习项目实战-建模与.mp4
│ ├── 5 人口普查数据集项目实战.mp4
│ ├── 7 贝叶斯优化及其工具包使用.mp4
│ ├── 20181129_155828.mp4
│ ├── 11 HMM案例实战.mp4
│ ├── 4 使用lightgbm进行饭店流.mp4
│ ├── 17 使用word2vec分类任务.mp4
├── 16、机器学习-对抗生成网络
│ ├── 对抗生成网络资料
│ │ ├── 人脸数据.zip
│ │ ├── GAN.pptx
│ │ ├── DCGAN.zip
│ ├── 5.案例实战对抗生成网络：构造判别网络模型.mp4
│ ├── 3.对抗生成网络工作原理.mp4
│ ├── 9.DCGAN基本原理.mp4
│ ├── DCGAN.zip
│ ├── 6.案例实战对抗生成网络：构造生成网络模型.mp4
│ ├── 15.DCGAN项目实战：训练DCGAN网络.mp4
│ ├── 14.DCGAN项目实战：基于卷积的判别网络.mp4
│ ├── 2.对抗生成网络形象解释.mp4
│ ├── 12.DCGAN项目实战：配置参数.mp4
│ ├── 1.课程简介.mp4
│ ├── 10.DCGAN的网络模型架构.mp4
│ ├── 7.案例实战对抗生成网络：构造损失函数.mp4
│ ├── 4.案例实战对抗生成网络：环境配置.mp4
│ ├── 13.DCGAN项目实战：基于卷积的生成网络架构.mp4
│ ├── 8.案例实战对抗生成网络：训练对抗生成网络.mp4
│ ├── 人脸数据.zip
│ ├── 11.DCGAN项目实战：DIY你要生成的数据.mp4
│ ├── 1.补充.mp4
├── 03、深度学习入门视频课程（下篇）
│ ├── 001、深度学习入门课程01 感受卷积神经网络的强大.mp4
│ ├── 020、深度学习入门课程19 深度学习框架Caffe简介.mp4
│ ├── 012、RNN网络细节.mp4
│ ├── 004、深度学习入门课程04 卷积核参数分析.mp4
│ ├── 022、深度学习入门课程21 深度学习框架Caffe接口使用实例.mp4
│ ├── 013、深度学习入门课程12 python实现RNN算法.mp4
│ ├── 018、深度学习入门课程17 训练技巧之数据增强.mp4
│ ├── 007、深度学习入门课程07 卷积神经网络反向传播原理.mp4
│ ├── 002、深度学习入门课程02 卷积层详解.mp4
│ ├── 010、深度学习入门课程10 经典卷及网络架构实例.mp4
│ ├── 016、深度学习入门额课程15 物体检测实例.mp4
│ ├── 009、深度学习入门课程09 实现Pooling层的前向传播与反向传播.mp4
│ ├── 021、深度学习入门课程20 深度学习框架Caffe训练过程.mp4
│ ├── 006、深度学习入门课程06 池化层（Pooling）原理.mp4
│ ├── 003、深度学习入门课程03 卷积计算流程.mp4
│ ├── 019、深度学习入门课程18 训练技巧之Transfer Learning.mp4
│ ├── 005、深度学习入门课程05 卷积参数共享原则.mp4
│ ├── 008、深度学习入门课程08 实现卷积层的前向传播与反向传播.mp4
│ ├── 011、深度学习入门课程11 RNN网络结构.mp4
│ ├── 017、深度学习入门课程16 如何巧妙设计网络结构.mp4
│ ├── 014、深度学习入门课程13 LSTM网络结构简介.mp4
│ ├── 015、深度学习入门课程14 分类与回归（Location）任务应用详解.mp4
├── 11、深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程
│ ├── 递归神经网络原理(四课时)
│ │ ├── 1.wmv
│ │ ├── 4.wmv
│ │ ├── 3.wmv
│ │ ├── 2.wmv
│ ├── 唐诗生成资料
│ │ ├── RNN与LSTM.pptx
│ │ ├── poem.zip
│ │ ├── tensorflow-RNN.pptx
│ ├── TensorFlow打造唐诗生成网络（八课时）
│ │ ├── 3.wmv
│ │ ├── 7.wmv
│ │ ├── 5.wmv
│ │ ├── 6.wmv
│ │ ├── 1.wmv
│ │ ├── 8.wmv
│ │ ├── 2.wmv
│ │ ├── 4.wmv
│ ├── RNN手写字体识别（三课时）
│ │ ├── 1.wmv
│ │ ├── 2.wmv
│ │ ├── 3.wmv
├── 17､ 机器学习-推荐系统
│ ├── 章节1-推荐系统工作原理
│ │ ├── 03数据,代码下载（点击参考资料下载）.zip
│ │ ├── 07基于物品的协同过滤.mp4
│ │ ├── 04推荐系统要完成的任务.mp4
│ │ ├── 08隐语义模型.mp4
│ │ ├── 01系列课程概述.mp4
│ │ ├── 02推荐系统应用.mp4
│ │ ├── 06基于用户的协同过滤.mp4
│ │ ├── 05相似度计算.mp4
│ │ ├── 10模型评估标准.mp4
│ │ ├── 09隐语义模型求解.mp4
│ ├── 章节2-使用Tensorflow构造隐语义模型
│ │ ├── 12Surprise库使用方法.mp4
│ │ ├── 13得出推荐商品结果.mp4
│ │ ├── 11Surprise库与数据简介.mp4
│ ├── 章节3-使用Surprise库建立推荐系统
│ │ ├── 14使用Tensorflow构建隐语义模型.mp4
│ │ ├── 16损失函数定义.mp4
│ │ ├── 17训练网络.mp4
│ │ ├── 15模型架构.mp4
├── 08、Python数据分析(机器学习)经典案例
│ ├── 课时40.协方差分析.flv
│ ├── 课时05.特征数据可视化展示.flv
│ ├── 课时47.盈利方法和模型评估.flv
│ ├── 课时25.二阶段输入特征制作.flv
│ ├── 课时32.tensorflow框架的安装.flv
│ ├── 课时12.使用数据生成策略.flv
│ ├── 课时33.神经网络模型概述.flv
│ ├── 课时15.决策树模型参数详解.flv
│ ├── 课时23.级联模型原理.flv
│ ├── 课时11.使用阈值来衡量预测标准.flv
│ ├── 课时09.数据不平衡问题解决方案.flv
│ ├── 课时31.基于聚类模型的分析.flv
│ ├── 课时07.使用scikit-learn建立分类模型.flv
│ ├── 课时48.预测结果.flv
│ ├── 课时28.员工不同属性指标对结果的影响.flv
│ ├── 课时29.数据预处理.flv
│ ├── 课时18.船员数据分析.flv
│ ├── 课时03.使用Anaconda搭建python环境.flv
│ ├── 课时41.使用PCA进行降维.flv
│ ├── 课时36.构建完整的神经网络模型.flv
│ ├── 课时19.数据预处理.flv
│ ├── 课时42.数据简介与故事背景.flv
│ ├── 课时39.数据预处理.flv
│ ├── 课时34.使用tensorflow设定基本参数.flv
│ ├── 课时16.决策树中参数的选择.flv
│ ├── 课时02.课程数据，代码下载.swf
│ ├── 课时13.数据简介与特征课时化展示.flv
│ ├── 课时10.逻辑回归进行分类预测.flv
│ ├── 课时14.不同特征的分布规则.flv
│ ├── 课时45.数据清洗.flv
│ ├── 课时37.训练神经网络模型.flv
│ ├── 课时30.构建预测模型.flv
│ ├── 课时38.PCA原理简介.flv
│ ├── 课时35.卷积神经网络模型.flv
│ ├── 课时21.使用随机森林改进模型.flv
│ ├── 课时20.使用回归算法进行预测.flv
│ ├── 课时08.数据简介及面临的挑战.flv
│ ├── 课时17.将建立好决策树可视化展示出来.flv
│ ├── 课时06.数据预处理.flv
│ ├── 课时43.基于词频的特征提取.flv
│ ├── 课时46.数据预处理.flv
│ ├── 课时27.数据简介与特征预处理.flv
│ ├── 课时26.使用级联模型进行预测.flv
│ ├── 课时01.课程简介.flv
│ ├── 课时04.Kobe.Bryan生涯数据读取与简介.flv
│ ├── 课时44.改进特征选择方法.flv
│ ├── 课时24.数据预处理与热度图.flv
│ ├── 课时22.随机森林特征重要性分析.flv
├── 31、数据挖掘课程
│ ├── 7-10课.zip
│ ├── 4-6课.zip
│ ├── 1-3课.zip
├── 20、Tensorflow-物体检测-Faster-Rcnn
│ ├── 物体检测-faster-rcnn
│ │ ├── 物体检测-faster-rcnn
│ │ │ ├── faster-rcnn.pptx
│ │ │ ├── Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf
│ │ │ ├── FasterRcnn.zip
│ │ │ ├── iccv15_tutorial_training_rbg.pdf
│ │ ├── Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf
│ │ ├── FasterRcnn.zip
│ │ ├── faster-rcnn.pptx
│ │ ├── iccv15_tutorial_training_rbg.pdf
│ ├── 第二章 faster-rcnn论文解读.mp4
│ ├── 第三章 tensorflow版本实现解读.rar
│ ├── 第一章 三代物体检测算法概述.rar
│ ├── Tensorflow-物体检测-Faster-Rcnn解读.zip
│ ├── 第一章 三代物体检测算法概述.mp4
├── 09、决胜AI-强化学习实战系列视频课程
│ ├── 唐宇迪-强化学习课件及代码
│ │ ├── 强化学习.pdf
│ │ ├── ValueIteration.py
│ │ ├── bird.zip
│ ├── 1-7.Q-Learning基本原理.mp4
│ ├── 2-10.完整代码流程分析.mp4
│ ├── 2-4.搭建Deep Q-Learning网络模型.mp4
│ ├── 2-5.Deep Q Learning卷积操作定义.mp4
│ ├── 2-7.实现阶段数据存储.mp4
│ ├── 2-8.实现训练模块.mp4
│ ├── 2-11.Deep Q-Learning效果演示.mp4
│ ├── 1-9.Q-Learning迭代效果.mp4
│ ├── 2-2.Deep-Q-Learning网络细节.mp4
│ ├── 2-9.Debug解读训练代码.mp4
│ ├── 2-3,Deep Q-Learning网络参数配置.mp4
│ ├── 1-4.Bellman方程.mp4
│ ├── 2-6.数据预处理.mp4
│ ├── 1-5.值迭代求解.mp4
│ ├── 1-1.强化学习简介.mp4
│ ├── 1-10.求解流程详解.mp4
│ ├── 1-3.马尔科夫决策过程.mp4
│ ├── 2-1.Deep-Q-Network原理.mp4
│ ├── 1-2.强化学习基本概念.mp4
│ ├── 1-6.代码实战求解过程.mp4
│ ├── 1-8.Q-Learning迭代计算实例.mp4
├── 14、自然语言处理word2vec
│ ├── word2vec
│ │ ├── 11-.wmv
│ │ ├── 7-.wmv
│ │ ├── 3-.wmv
│ │ ├── 5-.wmv
│ │ ├── 1-.wmv
│ │ ├── 8-.wmv
│ │ ├── 9-.wmv
│ │ ├── 6-.wmv
│ │ ├── 10-.wmv
│ │ ├── 4-.wmv
│ │ ├── 2-.wmv
│ ├── Gensim构造词向量模型
│ │ ├── 4-.wmv
│ │ ├── 1-.wmv
│ │ ├── 2-.wmv
│ │ ├── 3-.wmv
│ ├── 实战word2vec
│ │ ├── 5-.wmv
│ │ ├── 4-.wmv
│ │ ├── 6-.wmv
│ │ ├── 3-.wmv
│ │ ├── 2-.wmv
│ │ ├── 7-.wmv
│ │ ├── 1-.wmv
├── 34 大数据 Python数据分析处理库-pandas实战视频课程
│ ├── 大数据Python数据分析处理库-pandas实战视频课程.zip
│ ├── 大数据 Python数据分析处理库-pandas实战视频课程7.mp4
│ ├── 大数据 Python数据分析处理库-pandas实战视频课程6.mp4
│ ├── 大数据 Python数据分析处理库-pandas实战视频课程5.mp4
│ ├── 大数据 Python数据分析处理库-pandas实战视频课程4.mp4
│ ├── 大数据 Python数据分析处理库-pandas实战视频课程3.mp4
│ ├── 大数据 Python数据分析处理库-pandas实战视频课程1.mp4
│ ├── 大数据 Python数据分析处理库-pandas实战视频课程2.mp4
├── 06、深度学习项目实战视频课程-人脸检测
│ ├── 唐宇迪 深度学习 人脸检测数据代码
│ │ ├── alexnet_trainval.prototxt
│ │ ├── train.prototxt
│ │ ├── train.zip
│ │ ├── deploy_full_conv.prototxt
│ │ ├── face-lmdb.sh
│ │ ├── run_face_detect_batch.py
│ │ ├── face_rect.txt
│ │ ├── solver.prototxt
│ │ ├── result.jpg
│ │ ├── train.txt
│ │ ├── testTrain.zip
│ │ ├── deploy.prototxt 暂时无用
│ │ ├── alexnet_iter_50000_full_conv.caffemodel
│ │ ├── train.sh
│ │ ├── faceTrain.zip
│ │ ├── tmp9055.jpg
│ │ ├── face_detect.ipynb
│ ├── 05-Caffe数据源准.mp4
│ ├── 04-正负样本裁剪策略.mp4
│ ├── 16-模型准确率影响因素分析.mp4
│ ├── 17-项目总结.mp4
│ ├── 02-课程数据，代码下载链接.txt
│ ├── 10-检测算法框架原理.mp4
│ ├── 01-人脸检测项目概述.mp4
│ ├── 03-数据收集.mp4
│ ├── 12-坐标映射变换.mp4
│ ├── 09-选择合适的参数并训练网络模型.mp4
│ ├── 06-LMDB脚本文件.mp4
│ ├── 11-实现多尺度人脸检测算法.mp4
│ ├── 14-检测效果及改进.mp4
│ ├── 15-优化策略分析.mp4
│ ├── 13-完成检测代码.mp4
│ ├── 07-制作LMDB数据源.mp4
│ ├── 08-网络模型配置文件.mp4
│ ├── 人脸检测-.docx
├── 10、Tensorflow项目实战视频课程-文本分类
│ ├── 文本分类
│ │ ├── 数据-代码.zip
│ ├── 1.wmv
│ ├── 6.wmv
│ ├── 12.wmv
│ ├── 8.wmv
│ ├── 9.wmv
│ ├── 15.wmv
│ ├── 10.wmv
│ ├── 2.wmv
│ ├── 13.wmv
│ ├── 5.wmv
│ ├── 3.wmv
│ ├── 11.wmv
│ ├── 4.wmv
│ ├── 7.wmv
│ ├── 14.wmv
├── 26、LSTM行为识别
│ ├── 行为识别.zip
├── 35 大数据 Python科学计算库-Numpy实战视频课程
│ ├── numpy代码.zip
│ ├── 大数据 Python科学计算库-Numpy实战视频课程5.mp4
│ ├── 大数据 Python科学计算库-Numpy实战视频课程1.mp4
│ ├── 大数据 Python科学计算库-Numpy实战视频课程2.mp4
│ ├── 大数据 Python科学计算库-Numpy实战视频课程4.mp4
│ ├── 大数据 Python科学计算库-Numpy实战视频课程3.mp4
├── 28、OpenCV计算机视觉图像识别深度学习实战
│ ├── 第04讲 机器视觉中的特征提取与描述
│ │ ├── 第四课下.mkv
│ │ ├── 第四课上.mkv
│ ├── 第02讲 初探计算机视觉
│ │ ├── （解压密码000000）第二讲同步资料.zip
│ │ ├── 第二课.mkv
│ ├── 第01讲 图像处理基础
│ │ ├── 第一课.mkv
│ ├── 第03讲 空域图像处理的洪荒之力
│ │ ├── 第三课上.mkv
│ │ ├── （解压密码000000）第三讲同步资料.zip
│ │ ├── 第三课下.mkv
│ ├── 第05讲 坐标变换与视觉测量
│ │ ├── 第五课【微信AG110 660 】【海量资源 666 root.com】.mkv
│ ├── 第09讲 3D计算机视觉
│ │ ├── （解压密码000000）第九讲同步资料.zip
│ │ ├── 第九课下.mkv
│ │ ├── 第九课上.mkv
│ ├── 第06讲 深度学习在图像识别中的应用
│ │ ├── （解压密码000000）第六讲同步资料.zip
│ │ ├── 第六课下.mkv
│ │ ├── 第六课上.mkv
│ ├── 第08讲 图像标注与问答
│ │ ├── 第八课.mkv
│ │ ├── （解压密码000000）第八讲同步资料.zip
│ ├── 第10讲 机器视觉项目实战
│ │ ├── 第十课.mkv
│ │ ├── （解压密码000000）第十讲同步资料.zip
│ ├── 第07讲 图像检索
│ │ ├── （解压密码000000）第七讲同步资料.zip
│ │ ├── 第七课.mkv
│ ├── （解压密码000000）图像处理与计算机视觉基础总结.zip
│ ├── opencv-3.0.0.zip
├── 30、量化交易课程
│ ├── ML_机器学习与量化交易项目班
│ │ ├── 视频
│ │ │ ├── 1自动化交易综述.mkv
│ │ │ ├── 4用python进行金融数据分析.mkv
│ │ │ ├── 6策略建模：基于机器学习的策略建模.mkv
│ │ │ ├── 7模型评估与风险控制.mkv
│ │ │ ├── 10策略优化与课程总结.mkv
│ │ │ ├── 9 量化策略的实现.mkv
│ │ │ ├── 5策略建模综述.mkv
│ │ │ ├── 2量化交易系统综述.mkv
│ │ │ ├── 3搭建自己的量化数据库.mkv
│ │ │ ├── 8自动交易系统的搭建.mkv
│ │ ├── ppt
│ │ │ ├── 机器学习和量化交易实战 Lecture 03.pdf
│ │ │ ├── 机器学习和量化交易实战 Lecture 07.pptx
│ │ │ ├── 机器学习和量化交易实战 Lecture 02.pdf
│ │ │ ├── 机器学习和量化交易实战 Lecture 04.pdf
│ │ │ ├── 机器学习和量化交易实战 Lecture 10.pptx
│ │ │ ├── 机器学习和量化交易实战 Lecture 09.pptx
│ │ │ ├── 机器学习和量化交易实战 Lecture 01.pdf
│ │ │ ├── 机器学习和量化交易实战 Lecture 06.pdf
│ │ ├── 代码
│ │ │ ├── lecture_code 04
│ │ │ │ ├── code for lecture 4.ipynb
│ │ │ ├── lecture_code 03
│ │ │ │ ├── price_retrieval.py
│ │ │ │ ├── securities_master.sql
│ │ │ │ ├── cadf.py
│ │ │ │ ├── quandl_data.py
│ │ │ │ ├── insert_symbols.py
│ │ │ │ ├── retrieving_data.py
│ │ │ │ ├── quantitative.sql
│ │ │ ├── lecture_code 08
│ │ │ │ ├── event.py
│ │ │ │ ├── backtest.py
│ │ │ │ ├── mac.py
│ │ │ │ ├── portfolio.py
│ │ │ ├── lecture_code 05
│ │ │ │ ├── BB.py
│ │ │ │ ├── MA.py
│ │ │ │ ├── FI.py
│ │ │ │ ├── forecast.py
│ │ │ │ ├── ROC.py
│ │ │ │ ├── grid_search.py
│ │ │ │ ├── CCI.py
│ │ │ │ ├── evm.py
├── 19、Tensorflow-自然语言处理
│ ├── Tensorflow-自然语言处理.rar
├── 07、大数据-深度学习项目实战-关键点定位视频教程
│ ├── 唐宇迪-深度学习-人脸关键点
│ │ ├── 课上代码
│ │ │ ├── code.zip
│ │ ├── deep_landmark.zip
│ ├── 009、深度学习项目实战09 完成全部测试结果.mp4
│ ├── 003、深度学习项目实战03 对原始数据进行数据增强.mp4
│ ├── 004、深度学习项目实战04 完成第一阶段HDF5数据源制作.mp4
│ ├── 011、深度学习项目实战11 项目总结分析.mp4
│ ├── 002、深度学习项目实战02 多标签数据源制作以及标签坐标转换.mp4
│ ├── 008、深度学习项目实战08 网络模型参数初始化.mp4
│ ├── 006、深度学习项目实战06 第二三阶段网络数据源制作.mp4
│ ├── 001、深度学习项目实战01 人脸关键点检测算法框架.mp4
│ ├── 010、深度学习项目实战10 人脸关键点检测效果.mp4
│ ├── 012、深度学习项目实战12 算法框架分析.mp4
│ ├── 005、深度学习项目实战05 第一阶段网络训练.mp4
│ ├── 007、深度学习项目实战07 第二三阶段网络模型训练.mp4
├── 36 大数据——Python数据可视化-Matplotlib实战视频课程
│ ├── 大数据——Python数据可视化-Matplotlib实战视频课程3.mp4
│ ├── Matplotlib绘图.zip
│ ├── 大数据——Python数据可视化-Matplotlib实战视频课程4.mp4
│ ├── 大数据——Python数据可视化-Matplotlib实战视频课程2.mp4
│ ├── 大数据——Python数据可视化-Matplotlib实战视频课程5.mp4
│ ├── 大数据——Python数据可视化-Matplotlib实战视频课程1.mp4
├── 32、OpenCV+TensorFlow 入门人工智能图像处理
│ ├── 第8章 “刷脸”识别
│ │ ├── 8-4 OpenCV预处理.mp4
│ │ ├── 8-8 神经网络训练识别4.mp4
│ │ ├── 8-9 本章小结【微信AG110 660 】【平价资源网 666 root.com】.mp4
│ │ ├── 8-7 神经网络训练识别3.mp4
│ │ ├── 8-6 神经网络训练识别2【微信AG110 660 】【平价资源网 666 root.com】.mp4
│ │ ├── 8-5 神经网络训练识别1【微信AG110 660 】【平价资源网 666 root.com】.mp4
│ │ ├── 8-3 ffmpeg初识_音频.mp4【微信AG110 660 】【平价资源网 666 root.com】.mp4
│ │ ├── 8-2 最简单的图片爬虫【微信AG110 660 】【平价资源网 666 root.com】.mp4
│ │ ├── 8-1 章节介绍【微信AG110 660 】【平价资源网 666 root.com】.mp4
│ ├── 第3章 计算机视觉加强之几何变换
│ │ ├── 3-7 图片移位2.mp4
│ │ ├── 3-12 图片旋转.mp4
│ │ ├── 3-2 图片缩放1.mp4
│ │ ├── 3-11 图片仿射变换.mp4
│ │ ├── 3-6 图片位移1.mp4
│ │ ├── 3-3 图片缩放2.mp4
│ │ ├── 3-4 图片缩放3.mp4
│ │ ├── 3-10 图片缩放.mp4
│ │ ├── 3-13 图片几何变换小结.mp4
│ │ ├── 3-5 图片剪切.mp4
│ │ ├── 3-8 图片移位3.mp4
│ │ ├── 3-1 本章介绍.mp4
│ │ ├── 3-9 图片镜像.mp4
│ ├── 第9章 课程总结
│ │ ├── 9-1 课程总结.mp4
│ ├── 第6章 计算机视觉加强之机器学习
│ │ ├── 6-12 SVM小结.mp4
│ │ ├── 6-23 机器学习小结.mp4
│ │ ├── 6-4 Haar特征1.mp4
│ │ ├── 6-6 Haar特征3.mp4
│ │ ├── 6-11 SVM支持向量机2.mp4
│ │ ├── 6-2 视频分解图片.mp4
│ │ ├── 6-15 Hog特征3.mp4
│ │ ├── 6-21 Hog_SVM小狮子识别4.mp4
│ │ ├── 6-5 Haar特征2.mp4
│ │ ├── 6-22 Hog_SVM小狮子识别5.mp4
│ │ ├── 6-16 Hog特征4.mp4
│ │ ├── 6-10 SVM支持向量机1.mp4
│ │ ├── 6-17 Hog小结.mp4
│ │ ├── 6-8 adaboost分类器2.mp4
│ │ ├── 6-1 机器学习章节介绍.mp4
│ │ ├── 6-19 Hog_SVM小狮子识别2.mp4
│ │ ├── 6-13 Hog特征1.mp4
│ │ ├── 6-14 Hog特征2.mp4
│ │ ├── 6-3 图片合成视频.mp4
│ │ ├── 6-7 adaboost分类器1.mp4
│ │ ├── 6-20 Hog_SVM小狮子识别3.mp4
│ │ ├── 6-9 Haar+adaboost人脸识别.mp4
│ │ ├── 6-18 Hog_SVM小狮子识别1.mp4
│ ├── 第2章 计算机视觉入门
│ │ ├── 2-12 tensorflow运算原理.mp4
│ │ ├── 2-19 小综合：人工神经网络逼近股票价格1.mp4
│ │ ├── 2-7 案例2：图片写入.mp4
│ │ ├── 2-4 测试案例helloWorld.mp4
│ │ ├── 2-21 小综合：人工神经网络逼近股票价格3.mp4
│ │ ├── 2-13 常量变量四则运算.mp4
│ │ ├── 2-6 Opencv模块组织结构.mp4
│ │ ├── 2-10 案例4：像素读取写入.mp4
│ │ ├── 2-20 小综合：人工神经网络逼近股票价格2.mp4
│ │ ├── 2-18 matplotlib模块的使用.mp4
│ │ ├── 2-5 案例1：图片的读取和展示.mp4
│ │ ├── 2-14 矩阵基础1.mp4
│ │ ├── 2-8 案例3：不同图片质量保存.mp4
│ │ ├── 2-3 Windows下一站式开发环境anaconda搭建.mp4
│ │ ├── 2-16 矩阵基础3.mp4
│ │ ├── 2-15 矩阵基础2.mp4
│ │ ├── 2-9 像素操作基础.mp4
│ │ ├── 2-22 小综合：人工神经网络逼近股票价格4.mp4
│ │ ├── 2-1 本章介绍.mp4
│ │ ├── 2-17 numpy模块使用.mp4
│ │ ├── 2-11 tensorflow常量变量定义.mp4
│ │ ├── 2-2 Mac下一站式开发环境anaconda搭建.mp4
│ ├── 第1章 课程导学
│ │ ├── 1-1 计算机视觉导学.mp4
│ ├── 第5章 计算机视觉加强之图像美化
│ │ ├── 5-5 灰度直方图源码.mp4
│ │ ├── 5-11 高斯均值滤波.mp4
│ │ ├── 5-6 彩色直方图源码.mp4
│ │ ├── 5-10 磨皮美白.mp4
│ │ ├── 5-9 亮度增强.mp4
│ │ ├── 5-2 彩色图片直方图.mp4
│ │ ├── 5-4 图片修补.mp4
│ │ ├── 5-7 灰度直方图均衡化.mp4
│ │ ├── 5-1 美化效果章节介绍.mp4
│ │ ├── 5-3 直方图均衡化.mp4
│ │ ├── 5-8 彩色直方图均衡化.mp4
│ │ ├── 5-12 中值滤波.mp4
│ │ ├── 5-13 图像美化章节小结.mp4
│ ├── 第7章 手写数字识别
│ │ ├── 7-15 cnn实现手写数字识别3.mp4
│ │ ├── 7-5 knn数字识别3.mp4
│ │ ├── 7-13 cnn实现手写数字识别1.mp4
│ │ ├── 7-6 knn数字识别4.mp4
│ │ ├── 7-14 cnn实现手写数字识别2.mp4
│ │ ├── 7-10 knn数字识别8.mp4
│ │ ├── 7-17 cnn实现手写数字识别5.mp4
│ │ ├── 7-4 knn数字识别2.mp4
│ │ ├── 7-3 knn数字识别1.mp4
│ │ ├── 7-12 knn数字识别10.mp4
│ │ ├── 7-18 cnn实现手写数字识别6.mp4
│ │ ├── 7-19 数字识别小结.mp4
│ │ ├── 7-8 knn数字识别6.mp4
│ │ ├── 7-16 cnn实现手写数字识别4.mp4
│ │ ├── 7-7 knn数字识别5.mp4
│ │ ├── 7-11 knn数字识别9.mp4
│ │ ├── 7-1 章节介绍.mp4
│ │ ├── 7-9 knn数字识别7.mp4
│ │ ├── 7-2 样本介绍.mp4
│ ├── 第4章 计算机视觉加强之图像特效&线段文字绘制
│ │ ├── 4-5 颜色反转.mp4
│ │ ├── 4-10 边缘检测2.mp4
│ │ ├── 4-12 颜色映射.mp4
│ │ ├── 4-7 毛玻璃.mp4
│ │ ├── 4-16 矩形圆形任意多边形绘制.mp4
│ │ ├── 4-9 边缘检测1.mp4
│ │ ├── 4-8 图片融合.mp4
│ │ ├── 4-1 图像特效介绍.mp4
│ │ ├── 4-6 马赛克.mp4
│ │ ├── 4-13 油画特效.mp4
│ │ ├── 4-14 图像特效小结.mp4
│ │ ├── 4-15 线段绘制.mp4
│ │ ├── 4-2 图像灰度处理1.mp4
│ │ ├── 4-17 文字图片绘制.mp4
│ │ ├── 4-11 浮雕效果.mp4
│ │ ├── 4-4 算法优化.mp4
│ │ ├── 4-3 图像灰度处理2.mp4
│ ├── 源码.zip
├── 04、深度学习框架-Tensorflow案例实战视频课程
│ ├── 唐宇迪-Tensorflow课程
│ │ ├── 验证码识别.zip
│ │ ├── tensorflow代码.zip
│ │ ├── tensorflow.pptx
│ ├── 001、Tensorflow案例实战视频课程01 课程简介.mp4
│ ├── 005、Tensorflow案例实战视频课程05 构造线性回归模型.mp4
│ ├── 020、Tensorflow案例实战视频课程20 构造网络的输入数据和标签.mp4
│ ├── 013、Tensorflow案例实战视频课程13 模型的保存和读取.mp4
│ ├── 003、Tensorflow案例实战视频课程03 基本计算单元-变量.mp4
│ ├── 014、Tensorflow案例实战视频课程14 加载训练好的VGG网络模型.mp4
│ ├── 017、Tensorflow案例实战视频课程17 RNN网络模型.mp4
│ ├── 009、Tensorflow案例实战视频课程09 神经网络模型架构.mp4
│ ├── 012、Tensorflow案例实战视频课程12 卷积神经网络模型参数.mp4
│ ├── 002、Tensorflow案例实战视频课程02 Tensorflow安装.mp4
│ ├── 011、Tensorflow案例实战视频课程11 卷积神经网络模型架构.mp4
│ ├── 015、Tensorflow案例实战视频课程15 使用VGG模型进行测试.mp4
│ ├── 008、Tensorflow案例实战视频课程08 迭代完成逻辑回归模型.mp4
│ ├── 004、Tensorflow案例实战视频课程04 常用基本操作.mp4
│ ├── 010、Tensorflow案例实战视频课程10 训练神经网络.mp4
│ ├── 018、Tensorflow案例实战视频课程18 训练RNN网络.mp4
│ ├── 019、Tensorflow案例实战视频课程19 验证码数据生成.mp4
│ ├── 021、Tensorflow案例实战视频课程21 卷积网络模型定义.mp4
│ ├── 006、Tensorflow案例实战视频课程06 Mnist数据集简介.mp4
│ ├── 016、Tensorflow案例实战视频课程16 使用RNN处理Mnist数据集.mp4
│ ├── 007、Tensorflow案例实战视频课程07 逻辑回归框架.mp4
│ ├── 022、Tensorflow案例实战视频课程22 迭代及测试网络效果.mp4
**** Hidden Message *****
啥也不说了，感谢楼主分享哇！ 我只是路过打酱油的 这个帖一般般，还可以哦。 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！