【季度铂金会员】人工智能AI进阶

顺势而为，AI创新未来

* 阶段一人工智能Python基础/

* 第一章计算机组成原理/

* 计算机原理/

* 01-计算机组成

* 02-Python简介

* 第二章 python基础语法/

* 课程介绍/

* 03-课程介绍

* 注释/

* 04-注释

* 变量/

* 05-变量的作用

* 06-定义变量

* 07-使用变量

* bug认识/

* 08-认识bug

* 09-Debug工具

* 数据类型/

* 10-认识数据类型

* 输出/

* 11-输出_认识格式化符号

* 12-输出_格式化符号基础使用方法

* 13-输出_格式化符号高级使用方法

* 14-输出_拓展格式化字符串

* 15-输出_f-格式化字符串

* 16-输出_转义字符

* 17-输出_print结束符

* 输入/

* 01-了解输入

* 02-输入功能实现

* 数据类型转换/

* 03-体验数据类型转换

* 04-数据类型转换函数

* 运算符/

* 05-运算符的分类

* 06-算数运算符

* 07-赋值运算符

* 08-复合赋值运算符

* 09-复合赋值注意点

* 10-比较运算符

* 11-逻辑运算符

* 第三章判断语句/

* 判断语句介绍/

* 12-if的作用和语法

* if基本格式/

* 13-体验if

* 14-网吧上网(简单版)

* 15-网吧上网(进阶版)

* if...elif...else格式/

* 16-if..else

* 17-if语句执行流程

* 18-多重判断的作用和语法

* 19-体验多重判断

* 20-elif的执行流程

* if嵌套/

* 21-if嵌套的作用和语法

* 22-if嵌套案例：判断能否上车

* 23-if嵌套案例：判断是否能坐下

* 案例:猜拳游戏/

* 24-猜拳游戏的步骤分析

* 25-猜拳游戏功能实现

* 26-随机数

* 27-猜拳游戏：随机数

* 28-三目运算符

* 第四章循环语句/

* 循环语句介绍/

* 01-了解循环

* while循环/

* 02-while的语法和体验

* 03-计数器书写习惯

* 04-循环的执行流程

* 循环应用/

* 05-循环应用1：1-100累加

* 06-循环应用1：1-100偶数累加和方法1

* 07-循环应用1：1-100偶数累加和方法2

* 08-循环的注意事项

* break和continue/

* 09-了解break和continue

* 10-break

* 11-continue

* while循环嵌套及应用/

* 12-while循环嵌套的作用和语法

* 13-while循环嵌套快速体验

* 14-循环的执行流程

* 15-while循环嵌套应用之打印星号(正方形)

* 16-while循环嵌套应用之打印星号(三角形)

* 17-while循环嵌套应用之九九乘法表

* for循环/

* 18-for循环语法和体验

* 19-break退出for循环

* 20-continue退出for循环

* 循环else应用/

* 21-循环的else简介

* 22-while...else

* 23-while..else之break

* 24-while..else之continue

* 25-for...else

* 26-for...else之break和continue

* 第五章字符串/

* 字符串介绍/

* 27-认识字符串

* 输入输出/

* 28-字符串输出

* 29-字符串输入

* 切片/

* 01-字符串下标

* 02-切片简介

* 03-体验切片

* 字符串操作方法/

* 04-字符串常用操作方法之查找

* 05-字符串常用操作方法之修改(常用)

* 06-字符串常用操作方法之修改之大小写转换

* 07-字符串常用操作方法之修改之删除空白字符

* 08-字符串常用操作方法之修改之字符串对齐

* 09-字符串常用操作方法之判断开头或结尾

* 10-字符串常用操作方法之判断

* 第六章列表/

* 列表相关操作/

* 列表简介

* 11-列表下标

* 12-查找函数

* 13-判断是否存在

* 14-体验案例-判断是否存在

* 15-列表增加数据之append

* 16-列表增加数据之extend

* 17-列表增加数据之insert

* 18-列表删除数据

* 19-列表修改数据

* 20-列表复制数据

* 列表循环遍历/

* 21-列表的遍历之while

* 22-列表的遍历之for

* 列表嵌套/

* 23-列表嵌套

* 24-随机分配办公室的步骤分析

* 25-随机分配办公室的实现代码

* 第七章元组/

* 元组相关操作/

* 26-体验元组

* 27-定义元组

* 28-元组常见操作之查找

* 29-元组数据的修改操作

* 第八章字典/

* 字典介绍/

* 01-字典的应用场景

* 字典的常见操作/

* 02-创建字典的语法

* 03-字典常用操作之新增

* 04-字典常用操作之删除

* 05-字典常用操作之修改

* 06-字典常用操作之查找

* 字典遍历/

* 07-字典的循环遍历之key

* 08-字典的循环遍历之value

* 09-字典的循环遍历之键值对

* 10-字典的循环遍历之键值对(拆包)

* 第九章集合/

* 集合的相关操作/

* 11-创建集合

* 12-集合常见操作之增加数据

* 13-集合常见操作之删除数据

* 14-集合常见操作之查找数据

* 第十章公共方法/

* 公共方法/

* 15-公共操作之运算符加号

* 16-公共操作之运算符乘号

* 17-公共操作之运算符判断数据是否存在

* 18-公共方法之len

* 19-公共方法之del

* 20-公共方法之max和min

* 21-公共方法之range

* 22-公共方法之enumerate

* 23-容器类型转换

* 24-while循环创建有规律的列表

* 25-for循环创建有规律的列表

* 推导式/

* 26-体验列表推导式

* 27-带if的列表推导式

* 28-多for实现列表推导式

* 29-体验字典推导式

* 30-合并两个列表为字典

* 31-提取字典中目标数据

* 32-集合

* 第十一章函数/

* 函数介绍/

* 了解函数

* 01-函数的使用步骤

* 02-快速体验函数

* 03-函数的注意事项

* 函数参数一/

* 04-函数的参数的作用

* 函数返回值一/

* 05-体验函数返回值

* 06-return的特点

* 07-函数返回值的应用

* 函数文档说明/

* 08-函数的说明文档

* 函数嵌套/

* 09-函数嵌套调用

* 10-函数嵌套调用应用之打印横线图形01

* 11-函数嵌套调用应用之打印横线图形02

* 12-函数嵌套调用应用之函数计算01

* 13-函数嵌套调用应用之函数计算02

* 局部变量/

* 14-局部变量

* 全局变量/

* 15-访问全局变量

* 16-修改全局变量

* 函数执行流程/

* 17-多函数执行流程

* 函数返回值二/

* 18-返回值作为参数传递

* 19-函数的返回值

* 函数参数二/

* 20-函数参数之位置参数

* 21-关键字参数

* 22-缺省参数

* 23-不定长参数之位置参数

* 24-不定长参数之关键字参数

* 拆包, 交换变量/

* 25-元组拆包

* 26-字典拆包

* 27-交换变量的值之方法一

* 28-交换变量的值之方法二

* 引用/

* 29-了解引用之不可变类型

* 30-了解引用之可变类型

* 31-引用当做实参传入

* 第十二章函数强化/

* 函数应用:学员管理系统/

* 01-学员管理系统需求和步骤分析

* 02-学员管理系统框架搭建

* 03-代码调优

* 04-学员管理系统数据形式的分析

* 05-添加学员功能分析

* 06-添加学员之用户输入

* 07-添加学员之新增数据

* 08-添加学员之重名提示

* 09-删除学员思路分析

* 10-删除学员代码实现

* 课后练习(学员管理系统)/

* 课后学习-11-修改学员思路分析

* 课后学习-12-修改学员代码实现

* 课后学习-13-查询学员思路分析

* 课后学习-14-查询学员代码实现

* 课后学习-15-显示所有学员信息

* 课后学习-16-退出系统

* 递归函数/

* 17-了解递归

* 18-递归之回顾函数返回值

* 19-递归代码实现

* 20-递归的执行流程

* 21-递归出口问题

* 匿名函数/

* 22-了解lambda

* 23-体验lambda

* 24-lambda实例之计算两个数字累加和

* 25-lambda参数之无参数

* 26-lambda参数之一个参数

* 27-lambda参数之默认参数

* 28-lambda参数之args

* 29-lambda参数之kwargs

* 30-lambda应用之带判断的lambda

* 高阶函数/

* 31-列表内字典数据排序

* 32-abs和round

* 33-体验高阶函数的思路分析

* 34-体验高阶函数的代码实现

* 35-内置高阶函数之map

* 36-内置高阶函数之reduce

* 37-内置高阶函数之filter

* 第十三章文件操作/

* 文件操作介绍/

* 01-了解文件操作

* 文件读写操作/

* 02-体验文件操作步骤

* 03-访问模式特点01

* 04-读取函数之read

* 05-读取函数之readlines

* 06-读取函数之readline

* 07-访问模式特点02

* 08-访问模式特点02之代码测试

* 09-seek函数

* 案例:文件备份/

* 10-文件备份思路分析

* 11-文件备份之接收用户输入

* 12-文件备份之规划文件名

* 13-文件备份之数据写入

* 14-文件备份之限制有效文件名备份

* 文件及文件夹的相关操作/

* 15-文件操作函数

* 16-文件夹操作函数之创建和删除

* 17-文件夹操作函数之路径相关函数

* 18-批量重命名之添加字符串

* 19-批量重命名之添加和删除字符串

* 第十四章面向对象/

* 面向对象介绍/

* 20-了解面向对象

* 21-了解类和对象的关系

* 类和对象/

* 22-类和对象的语法

* 23-体验类和对象

* 24-类里面的self

* 25-一个类创建多个对象

* 对象属性操作/

* 26-类外面添加对象属性

* 27-类外面获取对象属性

* 28-类里面获取对象属性

* 魔法方法/

* 01-体验魔法方法init

* 02-带参数的init代码书写

* 03-魔法方法str

* 04-魔法方法del

* 案例:烤地瓜/

* 05-了解烤地瓜案例需求

* 06-烤地瓜案例步骤分析

* 07-烤地瓜init方法

* 08-烤地瓜方法cook

* 09-烤地瓜案例魔法方法str

* 10-创建对象测试属性和方法

* 11-烤地瓜添加调料

* 案例: 搬家具/

* 12-搬家具需求和步骤分析

* 13-搬家具之家具类

* 14- 搬家具之房屋类

* 15-搬家具之添加容纳家具思路分析

* 16-搬家具之容纳家具函数

* 17-拓展经典类和新式类

* 继承/

* 19-单继承

* 18-体验继承

* 20-多继承

* 子类重写父类属性和方法/

* 21-子类重写父类同名属性和方法

* 22-拓展_mro顺序

* 23-子类调用父类同名方法和属性之思路分析

* 24-子类调用父类同名方法和属性之代码实现

* super方法使用/

* 25-多层继承

* 26-super()方法作用

* 27-super方法写法

* 私有属性和方法/

* 28-定义私有属性和方法

* 29-获取和修改私有属性值

* 多态/

* 01-了解多态

* 02-体验多态思路分析

* 03-代码实现多态

* 类属性及相关方法/

* 04-设置和访问类属性

* 05-修改类属性

* 06-类方法

* 07-静态方法

* 第十五章异常/

* 异常介绍/

* 08-了解异常

* 09-体验异常

* 10-了解异常类型

* 捕获异常/

* 11-捕获指定异常类型

* 12-捕获多个指定异常类型

* 13-捕获异常描述信息

* 14-捕获所有异常

* 15-异常的else

* 16-异常的finally

* 17-拓展命令提示符运行py文件

* 异常传递/

* 18-异常传递的思路分析

* 19-异常传递的代码实现

* 自定义异常/

* 20-自定义异常的作用

* 21-自定义异常思路分析

* 22-自定义异常代码实现之异常类

* 23-自定义异常代码实现之捕获异常

* 第十六章模块/

* 模块介绍/

* 01-了解模块

* 02-导入模块之方法一

* 03-导入模块之方法二

* 04-导入模块之方法三

* 05-定义别名

* 模块制作/

* 06-了解制作模块

* 07-制作模块之定义模块

* 08-制作模块之测试和调用模块

* 09-了解模块定位顺序

* 10-模块定位顺序之注意点1

* 11-模块定位顺序之注意点2

* 12-拓展：名字重复的严重性

* 13-all列表

* python中的包/

* 14-了解包

* 15-制作包

* 16-导入包之方法一

* 17-导入包之方法二

* 第十七章学生管理系统(面向对象版)/

* 学生管理系统(面向对象)/

* 18-介绍系统需求

* 19-准备程序文件

* 20-定义学员类

* 21-了解管理系统的需求

* 22-定义管理系统类

* 23-管理系统框架需求和步骤

* 24-管理系统框架之程序入口函数

* 25-管理系统框架之定义系统功能函数

* 26-程序入口文件功能实现

* 27-添加学员功能

* 课后学习-28-删除学员功能

* 课后学习-29-修改学员信息

* 课后学习-30-查询学员信息

* 课后学习-31-显示所有学员信息

* 课后学习-32-保存学员信息需求和注意事项

* 课后学习-33-拓展__dict__

* 课后学习-34-保存学员信息

* 课后学习-35-加载学员信息思路

* 课后学习-36-加载学员信息

* 阶段作业人工智能Python基础-第1套试卷/

* 试卷

* 阶段二人工智能Python高级/

* 第一章 Linux基础命令/

* linux简介/

* 01_操作系统

* 02_虚拟机软件

* 03_Ubutun操作系统

* 04_Linux内核及发行版

* 05_Linux命令

* linux相关命令/

* 06_查看目录命令

* 07_切换目录

* 08_绝对路径和相对路径

* 09_创建、删除文件和目录命令

* 10_复制、移动文件和目录命令

* 11_终端命令格式的组成

* 12_查看命令帮助的方式

* 13_查看目录信息命令选项

* 14_创建、删除文件夹命令选项

* 15_拷贝、移动文件和文件夹命令选项

* 第二章 Linux高级命令/

* linux高级操作/

* 01_重定向命令

* 02_查看文件内容命令

* 03_链接命令

* 04_查找文件内容命令

* 05_查找文件命令

* 06_压缩和解压缩命令

* 07_文件权限命令01

* 08_文件权限命令02

* 09_文件权限命令03

* 远程控制/

* 10_获取管理员权限的相关命令

* 11_远程登录，远程拷贝命令

* 12_软件安装

* 13_软件卸载

* vim介绍/

* 14_vim的介绍

* 15_vim的常用命令

* 第三章多任务编程/

* 多任务介绍/

* 01_多任务的介绍

* 多进程介绍/

* 02_进程的介绍

* 03_多进程完成多任务

* 04_进程执行带有参数的任务

* 05_获取进程编号

* 06_进程间不共享全局变量

* 07_主进程和子进程的结束顺序

* 多线程介绍/

* 08_线程的介绍

* 09_多线程完成多任务

* 10_线程执行带有参数的任务

* 11_主线程和子线程的结束顺序

* 12_线程间的执行顺序

* 13_线程间共享全局变量

* 14_线程间资源竞争问题

* 锁的介绍/

* 15_互斥锁的使用

* 16_死锁

* 进程和线程的对比/

* 17_进程和线程对比

* 第四章网络编程/

* ip和端口介绍/

* 01_网络介绍

* 02_ip地址的介绍

* 03_ifconfig和ping命令

* 04_端口和端口号

* 05_端口号的分类

* TCP介绍/

* 06_socket的介绍

* 07_TCP介绍

* 08_python3编码转化

* TCP开发流程/

* 09_TCP客户端程序开发流程

* 10_TCP客户端程序开发

* 11_TCP服务端程序开发流程

* 12_TCP服务端程序开发

* 13_TCP网络应用程序相关注意点

* 14_socket之send和recv原理剖析

* 多任务案例/

* 15_案例_多任务版TCP服务端程序开发01

* 16_ 案例_多任务版TCP服务端程序开发02

* 第五章 HTTP协议和静态服务器/

* HTTP协议/

* 01_网址

* 02_HTTP协议的介绍

* 03_HTTP请求报文

* 04_HTTP响应报文

* 05_查看HTTP协议的通讯过程

* 静态web服务器搭建/

* 06_搭建Python自带的静态Web服务器

* 07_静态Web服务器_返回固定页面数据01

* 08_静态Web服务器_返回固定页面数据02

* 09_静态Web服务器_返回指定页面数据01

* 10_静态Web服务器_返回指定页面数据02

* 11_静态Web服务器_多任务版

* 12_静态Web服务器_面向对象开发

* 13_静态Web服务器_命令行启动动态绑定端口号

* 第六章闭包,装饰器及python高级语法/

* 闭包/

* 01_函数参数

* 02_闭包

* 03_闭包的使用

* 04_闭包内修改外部变量

* 装饰器/

* 05_装饰器

* 06_装饰器的使用

* 07_通用装饰器_装饰带有参数的函数

* 08_通用装饰器_装饰带有返回值的函数

* 09_通用装饰器_装饰带有不定长参数的函数

* 10_多个装饰器的使用

* 11_带有参数的装饰器

* 12_类装饰器

* property语法/

* 01_property属性_装饰器方式

* 02_property属性_类属性方式

* with语法/

* 03_with语句的使用

* 04_with语句和上下文管理器

* python高级语法/

* 05_生成器推导式

* 06_yield关键字

* 07_斐波那契数列

* 08_浅拷贝

* 09_深拷贝

* 第七章正则表达式/

* 正则表达式/

* 10_正则表达式概述

* 11_re模块的介绍

* 12_匹配单个字符

* 13_匹配多个字符

* 14_匹配开头和结尾

* 15_匹配分组01

* 16_分组匹配02

* 第八章数据结构与算法/

* 算法概念/

* 01-数据结构和算法的简介

* 02-算法的概念

* 03-算法的时间效率衡量

* 时间复杂度/

* 04-时间复杂度

* 05-时间复杂的计算

* 06-最优最坏时间复杂度

* 07-常见的时间复杂度

* 空间复杂度/

* 08-空间复杂度

* 数据结构/

* 09-数据结构的概念

* 10-内存的存储结构

* 11-数据结构的分类

* 顺序表/

* 12-顺序表存储方式

* 13-顺序表的实现和扩充

* 14-顺序表增加与删除元素

* 链表/

* 15-链表的结构

* 16-链表的代码实现

* 17-链表的判空_长度_遍历

* 18-链表头部增加结点

* 19-链表尾部增加结点

* 20-指定位置增加结点

* 21-删除结点

* 22-查找结点

* 栈/

* 01-栈的作用

* 02-栈的代码实现

* 队列/

* 03-队列的作用

* 04-队列

* 05-双端队列

* 冒泡排序/

* 06-排序算法的稳定性

* 07-冒泡排序

* 08-冒泡排序代码实现

* 09-冒泡排序的算法稳定性

* 选择排序/

* 10-选择排序

* 11-选择排序代码实现

* 12-选择排序的算法稳定性

* 插入排序/

* 13-插入排序

* 14-插入排序代码实现

* 15-插入排序算法稳定性

* 快速排序/

* 16-快速排序

* 17-快速排序代码实现

* 18-快速排序算法稳定性

* 二分查找/

* 01-二分查找

* 02-二分查找法代码实现-递归版

* 03-二分查找-非递归版

* 04-二分查找时间复杂度

* 二叉树/

* 05-树的基本概念

* 06-树的相关术语

* 07-二叉树的种类

* 08-二叉树的存储

* 09-树的应用场景_数据库索引

* 10-二叉树的概念和性质

* 二叉树的遍历/

* 11-广度优先遍历

* 12-添加节点思路分析

* 13-添加节点代码实现

* 14-遍历方法的实现

* 15-二叉树的三种深度优先遍历

* 16-二叉树的三种深度优先遍历代码实现

* 17-二叉树由遍历结果反推二叉树的结构

* 第九章 MySql数据库基本使用/

* 数据库介绍/

* 01_数据库的概念和作用

* 02_数据库分类及特点

* 03_数据库管理系统01

* 04_数据库管理系统02

* 05_MySQL环境搭建

* 06_MySql配置文件

* 07_MySQL数据类型

* 数据表的基本操作/

* 08_数据完整性和约束

* 09_数据库登录和连接

* 10_数据库基本操作命令

* 11_数据表基本操作

* 12_数据表结构修改命令

* 13_表数据的操作_增加

* 14_表数据的操作_修改和查询

* 15_表数据的操作_删除

* where条件查询/

* 01_查询材料准备

* 02_where之比较运算符查询

* 03_where之逻辑运算符查询

* 04_where之模糊查询

* 05_where之范围查询

* 06_where之空值判断

* 排序/

* 07_order排序查询

* 第十章 MySqL数据库高级使用/

* 条件查询/

* 08_聚合函数

* 09_group分组查询

* 10_limit限制查询

* 11_连接查询-内连接

* 12_连接查询-外连接

* 13_连接查询-自连接

* 14_子查询

* 实战操作/

* 01_MySQL实战操作_数据准备

* 02_MySQL实战操作_goods表查询

* 03_MySQL实战操作_表的优化步骤

* 04_MySQL实战操作_表的优化实现

* 外键使用/

* 05_外键的使用

* 视图/

* 06_视图的概念

* 07_视图的使用

* 事务/

* 08_事务的概念及特点

* 09_事务的使用及ACID特性的验证

* 索引/

* 10_索引

* 设计范式/

* 11_数据库设计之三范式01

* 12_数据库设计之三范式02

* 13_E-R模型及表间关系

* PyMySQL的使用/

* 14_Python连接MySQL数据库

* 15_Python连接MySQL数据库_查询操作

* 16_Python连接MySQL数据库_增删改操作

* 17_SQL语句参数化

* 阶段作业人工智能Python高级-第1套试卷/

* 试卷

* 阶段三人工智能机器学习/

* 第一章机器学习概述V2.1/

* 机器学习介绍/

* 01-0前置-机器学习科学计算库内容简介

* 01-1讲解-机器学习科学计算库内容简介

* 02-1讲解-人工智能概述

* 02-2点评-人工智能概述

* 03-1讲解-人工智能的发展历程

* 04-1讲解-人工智能主要分支

* 04-2点评-人工智能主要分支

* 05-1讲解-机器学习定义工作流程概述

* 05-2点评-机器学习定义工作流程概述

* 06-1讲解-机器学习工作流程各步骤解释

* 06-2点评-机器学习工作流程各步骤解释

* 06-3点评-机器学习工作流程各步骤解释

* 07-1讲解-机器学习算法分类介绍

* 07-2点评-机器学习算法分类介绍

* 08-1讲解-模型评估

* 08-2点评-模型评估

* 08-3点评-模型评估

* 09-1讲解-Azure机器学习平台实验演示1

* 10-1讲解-Azure机器学习平台实验演示2

* 11-1讲解-深度学习简介

* 11-2点评-深度学习简介

* 第二章环境安装和使用V2.1/

* 环境安装及使用/

* 12-1讲解-基础环境安装

* 13-1讲解-jupyter notebook的基本使用1

* 13-2点评-jupyter notebook的基本使用1

* 14-1讲解-jupyter notebook的基本使用2

* 14-2点评-jupyter notebook的基本使用2

* 15-1讲解-matplotlib的基本使用

* 第三章 matplotlibV2.1/

* matplotlib使用/

* 01-1讲解-实现基础绘图-某城市温度变换图

* 01-2点评-实现基础绘图-某城市温度变换图

* 02-1讲解-绘图辅助功能完善-某城市温度变换图

* 02-2点评-绘图辅助功能完善-某城市温度变换图

* 03-1讲解-在一个坐标系下绘制多个图像

* 03-2点评-在一个坐标系下绘制多个图像

* 04-1讲解-在多个坐标系下绘制多个图像

* 04-2点评-在多个坐标系下绘制多个图像

* 05-1讲解-常见图形绘制

* 05-2点评-常见图形绘制

* 第四章 numpyV2.1/

* numpy使用/

* 06-1讲解-numpy介绍

* 06-2点评-numpy介绍

* 07-1讲解-ndarray介绍

* 07-2点评-ndarray介绍

* 08-1讲解-创建0，1数组，固定范围数组

* 08-2点评-创建0，1数组，固定范围数组

* 09-1讲解-创建随机数组

* 09-2点评-创建随机数组

* 10-1讲解-数组的基本操作

* 10-2点评-数组的基本操作

* 10-3点评-前面总结

* 10-4点评-回顾

* 11-1讲解-ndarray的运算

* 12-1讲解-数组间运算

* 11-2点评-ndarray的运算

* 12-2点评-数组间运算

* 13-1讲解-矩阵复习

* 13-2点评-矩阵复习

* 13-3点评-矩阵复习

* 第五章 pandasV2.1/

* pandas数据结构/

* 14-1讲解-pandas介绍

* 14-2点评-pandas介绍

* 15-1讲解-pandas数据结构-series

* 15-2点评-pandas数据结构-series

* 16-1讲解-pandas数据结构-DataFrame1

* 16-2点评-pandas数据结构-DataFrame1

* 16-3点评-回顾总结

* 17-1讲解-pandas数据结构-DataFrame2

* 18-1讲解-pandas数据结构-multiindex和panel

* 18-2点评-pandas数据结构-multiindex和panel

* pandas基础使用/

* 01-1讲解-pandas中的索引

* 01-2点评-pandas中的索引

* 02-1讲解-赋值和排序

* 02-2点评-赋值和排序

* 03-1讲解-pandas中的算术运算和逻辑运算

* 03-2点评-pandas中的算术运算和逻辑运算

* 04-1讲解-pandas中的统计函数

* 04-2点评-pandas中的统计函数

* 05-1讲解-pandas中的累计统计函数和自定义函数

* 05-2点评-pandas中的累计统计函数和自定义函数

* 06-1讲解-pandas中绘图方式介绍

* 07-1讲解-pandas中文件的读取和写入

* 07-2点评-pandas中文件的读取和写入

* 07-3点评-pandas中文件的读取和写入

* 07-4点评-内容总结

* pandas高级使用/

* 08-1讲解-缺失值的处理

* 08-2点评-缺失值的处理

* 09-1讲解-数据离散化

* 09-2点评-数据离散化

* 10-1讲解-数据表的合并

* 10-2点评-数据表的合并

* 11-1讲解-交叉表和透视表介绍

* 11-2点评-交叉表和透视表介绍

* 11-3点评-内容回顾

* 12-1讲解-分组聚合介绍

* 12-2点评-分组聚合介绍

* 13-1讲解-星巴克案例实现

* 13-2点评-星巴克案例实现

* 电影案例分析/

* 14-0前置-电影案例分析1

* 14-1讲解-电影案例分析1

* 14-2点评-电影案例分析1

* 15-1讲解-电影案例分析

* 15-2点评-电影案例分析

* 15-3点评-电影案例分析

* 第六章 seabornV2.1/

* 绘制统计图/

* 01-1讲解-绘制单变量分布

* 01-2点评-绘制单变量分布

* 02-1讲解-绘制双变量分布图形

* 02-2点评-绘制双变量分布图形

* 分类数据绘图/

* 03-1讲解-类别散点图的绘制

* 03-2点评-类别散点图的绘制

* 03-3点评-内容回顾

* 04-1讲解-类别内的数据分布和统计估计

* 04-2点评-类别内的数据分布和统计估计

* NBA案例/

* 05-1讲解-NBA数据获取和相关性基本分析

* 05-2点评-NBA数据获取和相关性基本分析

* 06-1讲解-对数据进行分析-seaborn

* 06-2点评-对数据进行分析-seaborn

* 07-1讲解-衍生变量的可视化实践

* 07-2点评-衍生变量的可视化实践

* 08-1讲解-球队数据分析

* 08-2点评-球队数据分析

* 北京租房数据统计分析/

* 09-0前置-北京市租房数据获取和重复值与空值处理

* 09-1讲解-北京市租房数据获取和重复值与空值处理

* 09-2点评-北京市租房数据获取和重复值与空值处理

* 10-1讲解-数据类型转换（面积，户型）

* 10-2点评-数据类型转换（面积，户型）

* 11-1讲解-房源数量和位置分布分析

* 11-2点评-房源数量和位置分布分析

* 12-1讲解-户型数量基本分析

* 12-2点评-户型数量基本分析

* 12-3点评-户型数量基本分析

* 13-1讲解-平均租金基本分析

* 13-2点评-平均租金基本分析

* 14-1讲解-面积区间分析

* 14-2点评-面积区间分析

* 14-3点评-内容总结

* 第七章 K近邻算法V2.1/

* k近邻算法介绍/

* 01-0前置-K-近邻算法简介

* 01-1讲解-K-近邻算法简介

* 01-2点评-K-近邻算法简介

* 02-1讲解-K近邻算法api初步使用

* 02-2点评-K近邻算法api初步使用

* 03-1讲解-机器学习中距离度量介绍

* 03-2点评-机器学习中距离度量介绍

* 04-1讲解-K值的选择介绍

* 04-2点评-K值的选择介绍

* kd树/

* 05-1讲解-kd树和kd树的构造过程

* 05-2点评-kd树和kd树的构造过程

* 06-1讲解-kd树案例实现

* 06-2点评-kd树案例实现

* 06-3点评-内容回顾

* 06-4点评-kd树案例实现

* 数据集处理/

* 07-1讲解-数据集获取和属性介绍

* 07-2点评-数据集获取和属性介绍

* 08-1讲解-数据可视化介绍

* 08-2讲解-数据可视化介绍

* 09-1讲解-数据集的划分

* 09-2点评-数据集的划分

* 特征工程/

* 10-1讲解-特征预处理简介

* 10-2点评-特征预处理简介

* 11-1讲解-归一化和标准化介绍

* 11-2点评-归一化和标准化介绍

* 11-3点评-归一化和标准化介绍

* KNN总结/

* 12-1讲解-鸢尾花种类预测

* 12-2点评-鸢尾花种类预测

* 12-3点评-内容总结

* 12-4点评-内容回顾

* 13-1讲解-KNN算法总结

* 13-2点评-KNN算法总结

* 交叉验证, 网格搜索/

* 14-1讲解-交叉验证、网格搜索概念介绍

* 14-2点评-交叉验证、网格搜索概念介绍

* 15-1讲解-交叉验证、网格搜索案例实现

* 15-2点评-交叉验证、网格搜索案例实现

* 案例 Facebook位置预测/

* 01-1讲解-案例-Facebook位置预测流程分析

* 01-2点评-案例-Facebook位置预测流程分析

* 02-1讲解-案例-Facebook位置预测代码实现1

* 02-2点评-案例-Facebook位置预测代码实现1

* 03-1讲解-案例-Facebook位置预测代码实现2

* 03-3点评-案例-Facebook位置预测代码实现2

* 04-1讲解-补充-数据分割和留出法

* 04-2点评-补充-数据分割和留出法

* 05-1讲解-补充-交叉验证法和自助法

* 05-2点评-补充-交叉验证法和自助法

* 第八章线性回归V2.1/

* 回归介绍/

* 06-1讲解-线性回归简介

* 06-2点评-线性回归简介

* 07-1讲解-初始线性回归api

* 08-1讲解-数学：求导

* 08-2点评-数学：求导

* 损失优化/

* 09-1讲解-线性回归中损失函数的介绍

* 09-2点评-线性回归中损失函数的介绍

* 10-1讲解-使用正规方程对损失函数进行优化

* 10-2点评-使用正规方程对损失函数进行优化

* 11-1讲解-使用梯度下降法对损失函数进行优化

* 11-2点评-使用梯度下降法对损失函数进行优化

* 回归相关知识/

* 12-1讲解-梯度下降法方法介绍

* 12-2点评-梯度下降法方法介绍

* 12-3点评-内容回顾

* 13-0前置-线性回归api再介绍

* 13-1讲解-线性回归api再介绍

* 13-2点评-线性回归api再介绍

* 14-1讲解-波士顿房价预测案例

* 14-2点评-波士顿房价预测案例

* 15-1讲解-欠拟合和过拟合的介绍

* 15-2点评-欠拟合和过拟合的介绍

* 16-1讲解-正则化线性模型

* 16-2点评-正则化线性模型

* 17-1讲解-岭回归介绍

* 17-2点评-岭回归介绍

* 18-1讲解-模型保存和加载

* 18-2点评-模型保存和加载

* 第九章逻辑回归V2.1/

* 逻辑回归/

* 01-1讲解-逻辑回归介绍

* 01-2点评-逻辑回归介绍

* 02-1讲解-逻辑回归api介绍

* 02-2点评-内容回顾

* 03-1讲解-肿瘤预测案例

* 03-2点评-肿瘤预测案例

* 04-1讲解-分类评估方法介绍

* 04-2点评-分类评估方法介绍

* 05-1讲解-roc曲线绘制过程

* 05-2点评-roc曲线绘制过程

* 05-3点评-roc曲线绘制过程

* 06-1讲解-补充-类别不平衡数据介绍

* 06-2点评-补充-类别不平衡数据介绍

* 07-1讲解-补充-过采样和欠采样介绍

* 07-2点评-补充-过采样和欠采样介绍

* 第十章决策树V2.1/

* 信息增益/

* 08-1讲解-决策树算法简介

* 09-1讲解-熵的介绍

* 09-2点评-熵的介绍

* 09-3点评-内容回顾

* 09-3点评-熵的介绍

* 10-0前置-信息增益的介绍

* 10-1讲解-信息增益的介绍

* 10-2点评-信息增益的介绍

* 11-1讲解-信息增益率的介绍

* 11-2点评-信息增益率的介绍

* 12-1讲解-基尼指数的介绍

* 12-2点评-基尼指数的介绍

* 13-1讲解-决策树划分原理小结

* 13-2点评-决策树划分原理小结

* 14-1讲解-cart剪枝介绍

* 14-2点评-cart剪枝介绍

* 特征提取/

* 15-1讲解-字典特征提取

* 15-2点评-字典特征提取

* 16-1讲解-英文文本特征提取

* 16-2点评-英文文本特征提取

* 17-1讲解-中文文本特征提取

* 17-2点评-中文文本特征提取

* 18-1讲解-tfidf内容讲解

* 18-2点评-tfidf内容讲解

* 18-3点评-tfidf内容讲解

* 案例:泰坦生存预测/

* 01-1讲解-决策树算法api介绍

* 01-2点评-决策树算法api介绍

* 02-1讲解-泰坦尼克号乘客生存预测

* 02-2点评-泰坦尼克号乘客生存预测

* 03-1讲解-树木可视化操作

* 03-2点评-树木可视化操作

* 回归决策树/

* 04-1讲解-回归决策树介绍

* 04-2点评-回归决策树介绍

* 05-1讲解-回归决策树和线性回归对比

* 05-2点评-回归决策树和线性回归对比

* 第十一章集成学习V2.1/

* 集成介绍/

* 06-1讲解-集成学习基本介绍

* 07-1讲解-bagging和随机森林

* 07-2点评-bagging和随机森林

* 07-3点评-bagging和随机森林

* 07-4点评-内容回顾

* 随机森林案例/

* 08-1讲解-otto案例介绍以及数据获取

* 08-2点评-otto案例介绍以及数据获取

* 09-1讲解-otto数据基本处理

* 09-2点评-otto数据基本处理

* 10-1讲解-otto数据模型基本训练

* 10-2点评-otto数据模型基本训练

* 11-1讲解-模型调优和确定最优模型

* 11-2点评-模型调优和确定最优模型

* 11-3点评-模型调优和确定最优模型

* 12-1讲解-生成提交数据

* 12-2点评-生成提交数据

* 集成学习/

* 13-1讲解-boosting介绍

* 13-2点评-boosting介绍

* 14-1讲解-GBDT的介绍

* 14-2点评-GBDT的介绍

* 第十二章聚类算法V2.1/

* 聚类算法/

* 01-1讲解-聚类算法介绍

* 02-1讲解-聚类算法api初步实现

* 02-2点评-聚类算法api初步实现

* 03-1讲解-聚类算法实现流程

* 03-2点评-聚类算法实现流程

* 04-1讲解-模型评估

* 04-2点评-模型评估

* 05-1讲解-算法优化介绍

* 05-2点评-算法优化介绍

* 06-1讲解-特征降维内容介绍

* 06-2点评-特征降维内容介绍

* 07-1讲解-pca降维介绍

* 08-1讲解-用户对物品类别的喜好细分案例

* 08-2点评-用户对物品类别的喜好细分案例

* 第十三章朴素贝叶斯V2.1/

* 朴素贝叶斯/

* 09-1讲解-初始朴素贝叶斯

* 09-2点评-初始朴素贝叶斯

* 10-1讲解-概率内容复习

* 10-2点评-概率内容复习

* 11-1讲解-朴素贝叶斯计算案例

* 11-2点评-朴素贝叶斯计算案例

* 12-1讲解-朴素贝叶斯案例实现1

* 13-1讲解-朴素贝叶斯案例实现2

* 13-2点评-朴素贝叶斯案例实现2

* 13-3点评-内容回顾

* 13-4点评-内容回顾

* 14-1讲解-朴素贝叶斯内容总结

* 14-2点评-朴素贝叶斯内容总结

* 第十四章 SVM算法V2.1/

* SVM算法/

* 01-1讲解-SVM基本介绍

* 01-2点评-SVM基本介绍

* 02-1讲解-SVM算法api初步使用

* 03-1讲解-SVM算法推导的目标函数

* 03-2点评-SVM算法推导的目标函数

* 04-1讲解-SVM目标函数推导过程及举例

* 04-2点评-SVM目标函数推导过程及举例

* 04-3点评-内容回顾

* 05-1讲解-SVM损失函数

* 05-2点评-SVM损失函数

* 06-1讲解-SVM的核方法介绍

* 06-2点评-SVM的核方法介绍

* 07-1讲解-SVM回归介绍

* 07-2点评-SVM回归介绍

* 08-1讲解-SVM算法api再介绍

* 08-2点评-SVM算法api再介绍

* 09-1讲解-数字识别器案例初步介绍

* 09-2点评-数字识别器案例初步介绍

* 10-1讲解-数字识别器-获取数据

* 10-2点评-数字识别器-获取数据

* 11-1讲解-数字识别器-数据基本处理和模型训练

* 11-2点评-数字识别器-数据基本处理和模型训练

* 12-1讲解-SVM总结

* 12-2点评-SVM总结

* 12-3点评-内容总结

* 第十五章 EM算法V2.1/

* EM算法/

* 01-1讲解-初识EM算法

* 01-2点评-初识EM算法

* 02-1讲解-EM算法介绍

* 02-2点评-EM算法介绍

* 02-3点评-内容回顾

* 03-0前置-EM算法实例

* 03-1讲解-EM算法实例

* 03-2点评-EM算法实例

* 第十六章 HMM算法V2.1/

* HMM算法/

* 04-1讲解-马尔科夫链的介绍

* 04-2点评-马尔科夫链的介绍

* 05-1讲解-HMM模型的简单案例

* 05-2点评-HMM模型的简单案例

* 06-1讲解-HMM模型三种经典问题举例求解

* 06-2点评-HMM模型三种经典问题举例求解

* 07-1讲解-HMM模型基础

* 07-2点评-HMM模型基础

* 08-1讲解-前向后向算法评估观察序列概率

* 08-2点评-前向后向算法评估观察序列概率

* 08-3点评-内容回顾

* 08-4点评-前向后向算法评估观察序列概率

* 09-1讲解-维特比算法解码隐藏状态序列

* 09-2点评-维特比算法解码隐藏状态序列

* 10-1讲解-鲍姆-韦尔奇算法简介

* 11-1讲解-HMM模型api介绍及案例代码实现

* 11-2点评-HMM模型api介绍及案例代码实现

* 第十七章集成学习进阶V2.1/

* XGBoost算法/

* 01-1讲解-xgboost最优模型构建方法

* 01-2点评-xgboost最优模型构建方法

* 02-1讲解-目标函数确定和树的复杂度介绍

* 02-2点评-目标函数确定和树的复杂度介绍

* 03-1讲解-XGBoost目标函数的推导

* 03-2点评-回顾

* 03-2点评-XGBoost目标函数的推导

* 04-1讲解-XGBoost的回归树构建方法

* 04-2点评-XGBoost的回归树构建方法

* 05-1讲解-XGBoost和GBDT的区别

* 05-2点评-XGBoost和GBDT的区别

* 06-1讲解-xgboost算法api与参数介绍

* 06-2点评-xgboost算法api与参数介绍

* 07-1讲解-xgboost简单案例介绍

* otto案例/

* 08-1讲解-otto案例xgboost实现-数据基本处理

* 08-2点评-otto案例xgboost实现-数据基本处理

* 08-3点评-otto案例xgboost实现-数据基本处理

* 09-1讲解-otto案例xgboost实现-模型基本训练

* 10-1讲解-otto案例xgboost实现-模型调优

* 10-2点评-otto案例xgboost实现-模型调优

* 10-3点评-内容回顾

* 11-1讲解-otto案例xgboost实现-最优模型运行

* lightGBM算法/

* 01-1讲解-lightGBM简单介绍

* 01-2点评-lightGBM简单介绍

* 02-1讲解-lightGBM算法原理介绍

* 02-2点评-lightGBM算法原理介绍

* 03-1讲解-lightGBM算法api参数介绍

* 03-2点评-lightGBM算法api参数介绍

* 04-1讲解-lightGBM算法简单案例介绍

* 04-2点评-lightGBM算法简单案例介绍

* 05-1讲解-pubg案例简介

* 05-2点评-pubg案例简介

* 绝地求生案例/

* 06-1讲解-获取pubg数据

* 06-2点评-获取pubg数据

* 07-1讲解-数据缺失值处理和查看每场比赛人数

* 07-2点评-数据缺失值处理和查看每场比赛人数

* 07-3点评-内容回顾

* 08-1讲解-规范化输出部分数据和部分变量合成

* 09-1讲解-异常值处理1

* 09-2点评-异常值处理1

* 10-1讲解-异常值值处理2

* 10-2点评-异常值值处理2

* 11-1讲解-类别型数据处理

* 11-2点评-类别型数据处理

* 12-1讲解-数据截取、确定特征值和目标值、分割数据集

* 13-1讲解-使用RF进行模型训练

* 13-2点评-使用RF进行模型训练

* 14-1讲解-lightGBM对模型调优1

* 14-2点评-lightGBM对模型调优1

* 15-1讲解-lightGBM对模型调优2

* 15-2点评-lightGBM对模型调优2

* 阶段作业人工智能机器学习-第1套试卷/

* 试卷

* 阶段四计算机视觉与图像处理/

* 第一章课程简介_v2.0/

* 深度学习/

* 01-1讲解-深度学习简介

* 01-2点评-深度学习简介

* 02-1讲解-DL发展历史

* 计算机视觉（CV）/

* 03-1讲解-计算机视觉定义与任务

* 03-2点评-计算机视觉定义与任务

* 04-1讲解-CV的应用领域

* 05-1讲解-CV的发展历史

* 05-2点评-CV的发展历史

* 第二章 tensorflow入门_v2.0/

* tensorflow和keras简介/

* 01-1讲解-Tensorflow简介

* 01-2点评-Tensorflow简介

* 02-1讲解-Tensorflow安装方法

* 03-1讲解-张量是什么

* 04-1讲解-张量的基本操作

* 04-2点评-张量的基本操作

* 05-1讲解-张量转换成numpy

* 06-1讲解-张量的常用函数

* 06-2点评-张量转换成numpy

* 07-1讲解-变量variable

* 07-2点评-变量variable

* 08-1讲解-tf.keras简介和常用模块

* 08-2点评-tf.keras简介和常用模块

* 09-1讲解-深度学习流程和tf.keras的常用方法

* 09-2点评-深度学习流程和tf.keras的常用方法

* 10-1讲解-tf和keras总结

* 10-2点评-tf和keras总结

* 11-1Tensorflow结合Keras模型构建流程回顾

* 快速入门模型/

* 01-0前置-快速入门模型简介

* 01-1讲解-快速入门模型简介

* 01-2点评-快速入门模型简介

* 02-1讲解-数据集处理

* 02-2点评-数据集处理

* 03-1讲解-sklearn实现分类

* 03-2点评-sklearn实现分类

* 04-1讲解-tf.keras实现数据处理

* 04-2点评-tf.keras实现数据处理

* 05-0前置-tf.keras实现模型构建

* 05-1讲解-tf.keras实现模型构建

* 05-2点评-tf.keras实现模型构建

* 06-1讲解-tf.keras实现模型训练与评估

* 07-1讲解-tf.keras实现总结

* 07-2点评-tf.keras实现总结

* 第三章深度神经网络_v2.0/

* 神经网络简介/

* 01-1讲解-深度学习简介

* 01-2点评-深度学习简介

* 02-1讲解-神经网络简介

* 02-2点评-神经网络简介

* 03-1讲解-神经元的工作方式

* 03-2点评-神经元的工作方式

* 04-0前置-激活函数sigmoid

* 04-1讲解-激活函数sigmoid

* 04-2点评-激活函数sigmoid

* 05-1讲解-激活函数tanh

* 05-2点评-激活函数tanh

* 06-1讲解-激活函数relu

* 06-2点评-激活函数relu

* 07-1讲解-激活函数leakyrelu

* 07-2点评-激活函数leakyrelu

* 08-1讲解-激活函数softmax

* 08-2点评-激活函数softmax

* 09-1讲解-其他激活函数及选择

* 09-2点评-其他激活函数及选择

* 10-1讲解-参数初始化

* 10-2点评-参数初始化

* 11-1讲解-Xavier初始化

* 11-2点评-Xavier初始化

* 12-1讲解-He初始化

* 12-2点评-He初始化

* 13-1讲解-神经网络的构建方式

* 13-2点评-神经网络的构建方式

* 14-1讲解-sequential构建方式

* 14-2点评-sequential构建方式

* 15-0前置-functional API构建方式

* 15-1讲解-functional API构建方式

* 16-0前置-Model 子类构建方式

* 16-1讲解-Model 子类构建方式

* 16-2点评-Model 子类构建方式

* 17-0前置-神经网络优缺点及历史

* 17-1讲解-神经网络优缺点及历史

* 17-2点评-神经网络优缺点及历史

* 常见的损失函数/

* 18-1讲解-Softmax损失函数计算随堂提问

* 18-2点评-Softmax随堂提问思考提示

* 19-1讲解-损失函数是什么

* 19-2点评-损失函数是什么

* 20-1讲解-交叉熵损失函数

* 21-1讲解-二分类的交叉熵损失函数

* 21-2点评-分类损失函数小结

* 22-1讲解-MAE损失

* 22-2点评-MAE损失

* 23-1讲解-MSE损失

* 23-2点评-MSE损失

* 24-1讲解-smooth L1损失

* 24-2点评-smooth L1损失

* 深度学习的优化方法/

* 25-1讲解-神经网络的优化方法

* 26-1讲解-梯度下降算法

* 26-2点评-梯度下降算法

* 27-1讲解-epoch,batch和iteration

* 28-0前置-前向传播，反向传播和链式法则

* 28-1讲解-前向传播，反向传播和链式法则

* 28-2点评-前向传播，反向传播和链式法则

* 29-0前置-激活函数模型搭建及梯度下降算法整体回顾

* 29-1讲解-激活函数模型搭建及梯度下降算法整体回顾

* 29-2点评-反向传播和链式法则例题分析

* 30-1讲解-梯度下降存在的问题及指数加权平均值

* 31-1讲解-动量梯度下降算法

* 32-1讲解-adagrad

* 32-2点评-adagrad

* 33-1讲解-RMSprop

* 33-2点评-RMSprop

* 34-1讲解-Adam

* 34-2点评-Adam

* 35-1讲解-学习率退火

* 35-2点评-学习率退火

* 36-1讲解-总结

* 36-2点评-总结

* 深度学习的正则化/

* 37-1讲解-正则化及L1L2正则化的使用

* 37-2点评-正则化及L1L2正则化的使用

* 38-1讲解-dropout

* 38-2点评-dropout

* 39-1讲解-提前停止

* 39-2点评-提前停止

* 40-1讲解-BN层及总结

* 40-2点评-BN层及总结

* 神经网络案例/

* 01-1讲解-mnist案例简介与数据加载

* 01-2点评-mnist案例简介与数据加载

* 02-1讲解-mnist案例简数据处理

* 02-2点评-mnist案例简数据处理

* 03-0前置-mnist案例模型构建

* 03-1讲解-mnist案例模型构建

* 03-2点评-mnist案例模型构建

* 04-1讲解-mnist案例模型编译与训练

* 04-2点评-mnist案例模型编译与训练

* 05-1讲解-mnist案例tensorboard使用

* 05-2点评-mnist案例tensorboard使用

* 06-1讲解-mnist案例模型评估与保存

* 06-2点评-mnist案例模型评估与保存

* 卷积神经网络CNN/

* 07-1讲解-全连接网络处理图像存在的问题

* 08-1讲解-CNN网络的组成

* 08-2点评-CNN网络的组成

* 09-1讲解-卷积层

* 09-2点评-卷积层

* 09-2点评-卷积层(多卷积核卷积串讲)

* 09-2点评-卷积层(多通道卷积原理)

* 09-2点评-卷积层(卷积操作课堂答疑)

* 09-2点评-卷积层(卷积操作相关内容课堂答疑)

* 09-2点评-卷积层(卷积层输入输出计算)

* 10-0前置-池化层和全连接层的介绍

* 10-1讲解-池化层和全连接层的介绍

* 10-2点评-池化层和全连接层的介绍

* 11-0前置-LeNet-5数据加载与处理

* 11-1讲解-LeNet-5数据加载与处理

* 11-2点评-LeNet-5数据加载与处理

* 12-1讲解-LeNet-5的模型构建

* 12-2点评-LeNet-5的模型构建

* 13-1讲解-LeNet-5的模型编译，训练和评估

* 14-1讲解-CNN网络总结

* 第四章图像分类_v2.0/

* 图像分类简介/

* 01-1讲解-图像分类简介

* 01-2点评-图像分类简介

* AlexNet/

* 02-1讲解-Alex简介和网络结构

* 02-2点评-Alex简介和网络结构

* 03-1讲解-AlexNet网络构建

* 03-2点评-AlexNet网络构建

* 04-0前置-AlexNet网络数据读取

* 04-1讲解-AlexNet网络数据读取

* 04-2点评-AlexNet网络数据读取

* 05-1讲解-AlexNet模型训练与评估

* 05-2点评-AlexNet模型训练与评估

* VGG/

* 06-1讲解-VGG简介与网络架构

* 07-1讲解-VGG网络构建

* 07-2点评-VGG网络构建

* 08-1讲解-VGG进行手写数字识别

* 08-2点评-VGG进行手写数字识别

* GoogleNet/

* 09-1讲解-GoogLeNet简介和Inception简介

* 09-2点评-GoogLeNet简介和Inception简介(GoogLeNet部分)

* 09-2点评-GoogLeNet简介和Inception简介(Inception部分)

* 10-0前置-Inception模块的构建

* 10-1讲解-Inception模块的构建

* 11-0前置-GoogLeNet及B1模块

* 11-1讲解-GoogLeNet及B1模块

* 11-2点评-GoogLeNet及B1模块(B1模块)

* 11-2点评-GoogLeNet及B1模块(GoogleNet部分)

* 12-1讲解-B2和B3模块实现

* 12-2点评-B2和B3模块实现

* 13-1讲解-B4模块实现

* 13-2点评-B4模块实现

* 14-1讲解-B5模块实现

* 14-2点评-B5模块实现

* 15-1讲解-手写数字识别实现

* 15-2点评-手写数字识别实现

* 16-0前置-inceptionV2,V3和总结

* 16-1讲解-inceptionV2,V3和总结

* 16-2点评-inceptionV2,V3和总结

* ResNet/

* 17-1讲解-ResNet简介和残差块

* 17-2点评-ResNet简介和残差块(残差块部分)

* 17-2点评-ResNet简介和残差块(ResNet部分)

* 18-1讲解-残差块的实现

* 18-2点评-残差块的实现(代码)

* 18-2点评-残差块的实现(原理)

* 19-1讲解-resNet简介

* 20-1讲解-resNet中残差模块的构建

* 21-1讲解-resNet模型构建

* 22-1讲解-resNet手写数字识别

* 22-2点评-resNet手写数字识别

* 图像增强方法/

* 23-1讲解-常用的图像增强方法

* 23-2点评-常用的图像增强方法

* 24-1讲解-tf.image进行图像增强

* 24-2点评-tf.image进行图像增强

* 25-1讲解-imagedatagenrator进行图像增强

* 25-2点评-imagedatagenrator进行图像增强

* 模型微调/

* 26-1讲解-模型微调

* 26-2点评-模型微调

* 27-1讲解-数据集获取

* 27-1讲解-数据集获取(代码)

* 27-2点评-数据集获取(演示)

* 28-1讲解-微调模型训练

* 28-2点评-模型微调拓展知识

* 28-2点评-微调模型训练

* 第五章目标检测_v2.0/

* 目标检测概述/

* 01-1讲解-目标检测任务

* 01-2点评-目标检测任务

* 02-1讲解-开源数据集

* 02-2点评-开源数据集

* 03-1讲解-IOU简介

* 04-1讲解-IOU实现1

* 05-1讲解-IOU实现2

* 05-2点评-IOU实现

* 06-1讲解-mAP简介

* 06-2点评-mAP简介

* 06-2点评-mAP简介(准确度与精确度部分)

* 06-2点评-mAP简介(PR指标部分)

* 06-2点评-mAP简介及总结

* 07-0前置-NMS简介

* 07-1讲解-NMS简介

* 08-1讲解-NMS的流程介绍

* 08-2点评-NMS的流程介绍

* 09-1讲解-NMS的实现

* 09-2点评-NMS的实现

* 10-0前置-目标检测算法分类

* 10-1讲解-目标检测算法分类

* 10-2点评-目标检测算法分类

* 11-1讲解-总结

* R-CNN网络基础/

* 01-0前置-学习目标+overfeat模型

* 01-1讲解-学习目标+overfeat模型

* 01-2点评-学习目标+overfeat模型

* 02-1讲解-RCNN的工作流程

* 02-2点评-RCNN的工作流程

* 03-1讲解-候选区域生成

* 03-2点评-候选区域生成

* 04-1讲解-CNN网络特征提取

* 04-2点评-CNN网络特征提取

* 05-0前置-SVM分类

* 05-1讲解-SVM分类

* 05-2点评-SVM分类

* 06-1讲解-目标定位

* 06-2点评-目标定位

* 07-1讲解-RCNN预测过程+总结

* 07-2点评-RCNN预测过程

* 07-2点评-RCNN总结

* 08-1讲解-FAST-RCNN改进

* 09-1讲解-Fast-RCNN的流程

* 09-2点评-Fast-RCNN的流程

* 10-1讲解-ROIPooling和分类回归

* 10-2点评-ROIPooling和分类回归

* 11-1讲解-多任务训练

* 11-2点评-多任务训练

* 12-0前置-Fast-RCNN预测过程和总结

* 12-1讲解-Fast-RCNN预测过程和总结

* 12-2点评-Fast-RCNN预测过程和总结

* 13-1讲解-总结

* 13-2点评-总结

* Faster-RCNN原理与实现/

* 01-1讲解-学习目标

* 02-1讲解-FasterRCNN的工作流程

* 02-2点评-FasterRCNN的工作流程

* 03-1讲解-FasterRCNN的源码及工具包导入

* 04-0前置-数据加载简介

* 04-1讲解-数据加载简介

* 05-1讲解-数据加载的实现

* 05-2点评-数据加载的实现

* 06-0点评-模型加载

* 06-1讲解-模型加载

* 06-2点评-模型加载

* 07-1讲解-rpn获取候选区域

* 07-2点评-rpn获取候选区域

* 08-1讲解-rcnn检测结果

* 08-2点评-rcnn检测结果

* 09-1讲解-fasterRCNN网络构成

* 09-2点评-fasterRCNN网络构成

* 10-1讲解-backbone的构成

* 10-2点评-backbone的构成

* 11-1讲解-backbone的实现

* 12-1讲解-RPN网络的流程

* 12-2点评-RPN网络的流程

* 13-1讲解-anchor的思想

* 13-2点评-anchor的思想

* 14-1讲解-anchor的实现

* 14-2点评-anchor的实现

* 15-1讲解-RPN的分类和回归

* 15-2点评-RPN的分类和回归(含前期回顾)

* 16-1讲解-proposal层介绍和实现

* 16-2点评-proposal层介绍和实现(含课堂答疑)

* 17-1讲解-ROI Pooling层介绍和实现

* 17-2点评-ROI Pooling层介绍和实现

* 18-1讲解-目标的分类与回归

* 18-2点评-目标的分类与回归

* 19-0前置-网络训练

* 19-1讲解-网络训练

* 19-2点评-网络的训练

* 20-1讲解-RPN网络的训练

* 20-2点评-RPN网络的训练

* 21-1讲解-RPN网络中的正负样本

* 21-2点评-RPN网络中的正负样本

* 22-1讲解-RPN网络的损失函数

* 22-2点评-RPN网络的损失函数

* 23-1讲解-fastRCNN的训练

* 23-2点评-fastRCNN的训练

* 24-1讲解-fastRCNN的正负样本

* 24-2点评-fastRCNN的正负样本

* 25-1讲解-fastRCNN的损失函数

* 25-2点评-fastRCNN的损失函数

* 26-1讲解-共享卷积训练

* 26-2点评-共享卷积训练

* 27-1讲解-端到端的训练方式

* 27-2点评-端到端的训练方式

* 28-1讲解-端到端的训练流程

* 28-2点评-端到端的训练流程

* 29-1讲解-模型训练实现

* 29-2点评-模型训练实现

* 30-1讲解-总结

* 30-2点评-总结

* yolo系列算法/

* 02-1讲解-yoloV1思想

* 02-2点评yoloV1思想

* 03-1讲解-yoloV1网络结构

* 03-2点评-yoloV1网络结构

* 04-1讲解-yoloV1网络输出

* 04-2点评-yoloV1网络输出

* 05-1讲解-yoloV1的目标值构建

* 05-2点评-yoloV1的目标值构建

* 06-1讲解-yoloV1的损失函数和训练

* 06-2点评-yoloV1的损失函数和训练

* 07-1讲解-yoloV1的预测和总结

* 07-2点评-yoloV1的预测和总结

* 08-1讲解-yoloV2的改进（BN+hi-reg）

* 09-1讲解-yoloV2的改进（anchor）

* 09-2点评-yoloV2的改进（anchor）

* 10-1讲解-yoloV2的改进（预测框）

* 10-2点评-yoloV2的改进（预测框）

* 11-1讲解-yoloV2的改进（细粒度特征融合和多尺度训练）

* 11-2点评-yoloV2的改进（细粒度特征融合和多尺度训练）

* 12-1讲解-yoloV2的改进（更快+更多）

* 12-2点评-yoloV2的改进（更快+更多）

* 13-1讲解-yoloV3的简介

* 13-2点评-yoloV3的简介

* 14-1讲解-多尺度检测

* 14-2点评-多尺度检测

* 15-1讲解-网络结构

* 15-2点评-网络结构

* 16-1讲解-先验框+logistic

* 16-2点评-先验框+logistic(先验框部分)

* 16-2点评-先验框+logistic(logistic部分)

* 17-1讲解-输入输出

* 17-2点评-输入输出

* 18-1讲解-YOLOv4

* 19-1讲解-总结

* yoloV3案例/

* 01-1讲解-学习目标+数据标注+工程介绍

* 02-1讲解-源码结构介绍

* 03-0前置-TFRecord文件介绍

* 03-1讲解-TFRecord文件介绍

* 03-2点评-TFRecord文件介绍

* 04-1讲解-数据集写入到tfrecords文件中

* 04-2点评-数据集写入到tfrecords文件中1

* 04-2点评-数据集写入到tfrecords文件中2

* 05-1讲解-从tfrecod文件中获取数据

* 06-1讲解-数据处理

* 06-2点评-数据处理

* 07-1讲解-yoloV3模型构建

* 07-2点评-yoloV3模型构建

* 08-1讲解-yoloV3的损失函数

* 08-2点评-yoloV3的损失函数

* 09-1讲解-yoloV3的正负样本设置

* 09-2点评-yoloV3的正负样本设置

* 10-1讲解-yoloV3的正负样本设置实现

* 10-2点评-yoloV3的正负样本设置实现

* 11-1讲解-模型训练：数据加载和模型加载

* 12-1讲解-模型训练实现

* 12-2点评-模型训练实现

* 13-1讲解-模型预测

* 13-2点评-模型预测

* 14-1讲解-总结

* 14-2点评-总结

* SSD模型介绍/

* 02-1讲解-SSD网络架构

* 02-2点评-SSD网络架构

* 03-1讲解-backbone+extra

* 03-2点评-backbone+extra

* 04-1讲解-loc+cls

* 04-2点评-loc+cls

* 05-1讲解-先验框+loc

* 05-2点评-先验框+loc

* 06-1讲解-模型训练

* 06-2点评-模型训练

* 07-1讲解-预测与总结

* 07-2点评-目标检测总结

* 第六章图像分割_v2.0/

* 目标分割介绍/

* 01-1讲解-图像分割定义

* 01-2点评-图像分割定义

* 02-1讲解-图像分割的类型

* 03-1讲解-图像分割的开源数据集

* 04-1讲解-图像分割的评估指标

* 05-1讲解-图像分割的总结

* 语义分割：FCN与Unet/

* 01-1讲解-FCN网络思想

* 02-1讲解-FCN网络架构

* 03-1讲解-FCN网络跨层连接和总结

* 03-2点评-FCN网络跨层连接和总结

* 04-1讲解-Unet网络介绍

* 04-2点评-Unet网络介绍

* Unet-案例/

* 01-1讲解-数据集介绍

* 02-1讲解-数据集路径和参数设置

* 02-2点评-数据集路径和参数设置

* 03-1讲解-数据集展示

* 04-1讲解-数据集生成器

* 04-2点评-数据集生成器

* 05-1讲解-模型构建

* 06-1讲解-编码部分

* 07-1讲解-解码部分

* 07-2点评-解码部分

* 08-1讲解-Unet网络构建

* 09-1讲解-数据集划分与获取

* 09-2点评-数据集划分与获取

* 10-1讲解-模型训练

* 11-1讲解-模型预测

* 12-1讲解-总结

* 12-2点评-总结

* 实例分割：MaskRCNN/

* 01-1讲解-学习目标

* 02-1讲解-MaskRCNN的流程

* 02-2点评-MaskRCNN的流程

* 03-1讲解-ROIAlign原理

* 03-2点评-ROIAlign原理

* 04-1讲解-ROIAlign实现方法

* 05-1讲解-ROIAlign实现

* 06-1讲解-mask分支

* 06-2点评-mask分支

* 07-1讲解-损失计算

* 07-2点评-损失计算

* 08-1讲解-总结

* 第七章 OpenCV简介_v2.0/

* 图像处理简介/

* 01-1讲解-课程介绍

* 02-1讲解-课程介绍

* OpenCV简介及安装方法/

* 03-1讲解-opencv简介及其安装方法

* OpenCV的模块/

* 04-1讲解-opencv模块

* 第八章 OpenCV基本操作_v.2.0/

* 图像的基础操作/

* 01-1讲解-opencv基本操作内容介绍

* 02-1讲解-图像的IO操作

* 02-2点评-图像的IO操作

* 03-1讲解-在图像上绘制图形

* 03-2点评-在图像上绘制图形

* 04-1讲解-图像基础操作的其他内容

* 04-2点评-图像基础操作(图像属性部分)

* 04-2点评-图像基础操作的其他内容

* 05-2点评-图像基础处理总结

* 算数操作/

* 06-1讲解-图像的加法

* 06-2点评-图像的加法

* 06-2点评-图像的减法

* 07-1讲解-图像的混合

* 07-2点评-图像的混合

* 第九章 OpenCV图像处理_v2.0/

* 几何变换/

* 01-1讲解-图像缩放

* 01-2点评-图像缩放

* 02-1讲解-图像平移

* 02-2点评-图像平移

* 03-1讲解-图像旋转

* 03-2点评-图像旋转

* 03-2点评-OpenCV基础运算总结

* 04-0前置-图像的仿射变换

* 04-1讲解-图像的仿射变换

* 04-2点评-图像的仿射变换

* 05-1讲解-图像的透射变换

* 05-1讲解-图像的透射变换(举例)

* 05-2点评-图像的透射变换

* 06-1讲解-图像金字塔

* 06-2点评-图像金字塔

* 07-1讲解-几何变换总结

* 形态学操作/

* 08-1讲解-连通性

* 08-2点评-连通性

* 09-0前置-膨胀与腐蚀

* 09-1讲解-膨胀与腐蚀

* 09-2点评-膨胀与腐蚀1

* 09-2点评-膨胀与腐蚀2(膨胀小结)

* 09-2点评-膨胀与腐蚀3(腐蚀小结)

* 10-1讲解-开闭运算

* 10-2点评-开闭运算

* 11-1讲解-黑帽和礼帽

* 11-1点评-黑帽和礼帽

* 12-1讲解-形态学操作总结

* 12-2点评-形态学操作总结

* 图像平滑/

* 13-1讲解-图像噪声

* 13-2点评-图像噪声

* 14-1讲解-均值滤波

* 14-2点评-均值滤波

* 15-1讲解-高斯滤波

* 15-2点评-高斯滤波

* 15-2点评-高斯滤波核函数的构建

* 16-0前置-中值滤波

* 16-1讲解-中值滤波

* 16-2点评-中值滤波

* 17-1讲解-图像平滑总结

* 直方图/

* 18-1讲解-直方图的原理与显示

* 18-2点评-直方图的原理与显示

* 19-1讲解-掩膜的应用

* 19-2点评-掩膜的应用

* 19-2点评-掩膜的应用(代码部分)

* 20-0前置-直方图均衡化

* 20-1讲解-直方图均衡化

* 20-2点评-直方图均衡化

* 21-1讲解-自适应均衡化

* 21-2点评-自适应均衡化

* 22-1讲解-直方图总结

* 22-2点评-直方图总结(含前期内容回顾)

* 边缘检测/

* 23-1讲解-边缘检测原理

* 23-2点评-边缘检测原理

* 24-1讲解-sobel算子

* 24-2点评-sobel算子

* 25-0前置-laplacian算子

* 25-1讲解-laplacian算子

* 25-2点评-laplacian算子

* 26-1讲解-Canny边缘检测

* 26-2点评-Canny边缘检测

* 27-1讲解-边缘检测总结

* 模版匹配和霍夫变换/

* 28-1讲解-模板匹配

* 28-2点评-模板匹配

* 29-1讲解-霍夫线变换原理

* 29-2点评-霍夫线变换原理

* 30-1讲解-霍夫线检测

* 30-2点评-霍夫线检测1

* 30-2点评-霍夫线检测2(答疑)

* 31-1讲解-霍夫圆检测

* 32-1讲解-模板匹配和霍夫检测总结

* 轮廓检测/

* 33-1讲解-轮廓检测与绘制

* 34-1讲解-轮廓的特征

* 35-1讲解-轮廓特征-凸包

* 36-1讲解-轮廓特征-边界矩形

* 37-1讲解-轮廓特征-最小外接圆,椭圆拟合,直线拟合

* 38-1讲解-图像的矩特征

* 39-1讲解-轮廓检测总结

* 第十章图像特征提取与描述_v2.0/

* 角点特征/

* 01-0前置-角点特征

* 01-1讲解-角点特征

* Harris和Shi-Tomas算法/

* 02-1讲解-Harris检测原理

* 02-2点评-Harris检测原理

* 03-1讲解-harris检测演示

* 03-2点评-harris检测演示

* 04-1讲解-shi-tomas检点检测

* 04-2点评-shi-tomas检点检测

* 05-1讲解-Harris和Shi-tomas总结

* 05-2点评-Harris和Shi-tomas总结

* SIFT/SURF算法/

* 06-1讲解-SIFT算法简介

* 07-1讲解-SIFT算法-尺度空间极值点搜索和极值点定位

* 07-2点评-SIFT算法-尺度空间极值点搜索和极值点定位

* 08-0前置-SIFT算法-关键点方向及描述符

* 08-1讲解-SIFT算法-关键点方向及描述符

* 08-2点评-SIFT算法-关键点方向及描述符

* 09-0前置-SIFT算法总结及与SURF算法简介

* 09-1讲解-SIFT算法总结及与SURF算法简介

* 09-2点评-SIFT算法总结及与SURF算法简介

* 10-0前置-SIFT算法实现

* 10-1讲解-SIFT算法实现

* 10-2点评-SIFT算法实现

* Fast和ORB算法/

* 11-1讲解-FAST算法原理

* 11-2点评-FAST算法原理

* 12-1讲解-FAST算法实现

* 12-2点评-FAST算法实现

* 13-1讲解-ORB算法原理

* 13-2点评-ORB算法原理

* 14-1讲解-ORB算法实现

* 14-2点评-ORB算法实现

* 15-1讲解-FAST和ORB算法总结

* LBP和HOG特征算子/

* 16-1讲解-LBP特征原理

* 17-1讲解-LBP特征提取实现

* 18-1讲解-HOG特征简介

* 19-1讲解-HOG特征颜色空间归一化（伽马校正）

* 20-1讲解-HOG特征梯度计算和直方图统计

* 21-1讲解-HOG特征收集及优缺点

* 22-1讲解-HOG特征实现

* 23-1讲解-LBP和HOG特征总结

* 第十一章视频操作_v2.0/

* 视频读写/

* 01-1讲解-视频读取与显示

* 01-2点评-视频读取与显示

* 02-1讲解-视频文件保存

* 02-2点评-视频文件保存

* 03-1讲解-视频读写总结

* 视频追踪/

* 04-1讲解-meanshift原理

* 04-2点评-meanshift原理

* 05-1讲解-meanshift实现

* 05-2点评-meanshift实现

* 06-0前置-camshift算法及总结

* 06-1讲解-camshift算法及总结

* 06-2点评-camshift算法及总结

* 第十二章案例:人脸案例_v2.0/

* 案例:人脸案例/

* 07-1讲解-人脸检测基础

* 09-1讲解-人脸检测总结

* 08-1讲解-人脸检测实现

* 阶段作业计算机视觉与图像处理-第1套试卷/

* 试卷

* 阶段五 NLP自然语言处理/

* 第一章 Pytorch工具_v2.0/

* 认识pytorch/

* 01-1讲解-1.1认识Pytorch-第1步-什么是Pytorch

* 01-2点评-1.1认识Pytorch-第1步-什么是Pytorch

* 02-1讲解-1.1认识Pytorch-第2步-基本元素操作-part1

* 02-2点评-1.1认识Pytorch-第2步-基本元素操作-part1

* 03-1讲解-1.1认识Pytorch-第2步-基本元素操作-part2

* 03-2点评-1.1认识Pytorch-第2步-基本元素操作-part2

* 04-1讲解-1.1认识Pytorch-第3步-基本运算操作-part1

* 04-2点评-1.1认识Pytorch-第3步-基本运算操作-part1

* 05-1讲解-1.1认识Pytorch-第3步-基本运算操作-part2

* 05-2点评-1.1认识Pytorch-第3步-基本运算操作-part2

* 06-1讲解-1.1认识Pytorch-第4步-类型转换-part1

* 06-2点评-1.1认识Pytorch-第4步-类型转换-part1

* 07-1讲解-1.1认识Pytorch-第4步-类型转换-part2

* 07-2点评-1.1认识Pytorch-第4步-类型转换-part2

* 08-1讲解-1.1认识Pytorch-第4步-类型转换-part3

* 08-2点评-1.1认识Pytorch-第4步-类型转换-part3

* 09-1讲解-1.1认识Pytorch-第5步-小节总结

* 09-2点评-1.1认识Pytorch-第5步-小节总结

* Pytorch中的autograd/

* 10-1讲解-1.2Pytorch中的autograd-第1步-关于Tensor的概念

* 10-2点评-1.2Pytorch中的autograd-第1步-关于Tensor的概念

* 11-1讲解-1.2Pytorch中的autograd-第2步-关于Tensor的操作

* 11-2点评-1.2Pytorch中的autograd-第2步-关于Tensor的操作

* 12-1讲解-1.2Pytorch中的autograd-第3步-关于梯度的概念和小节总结

* 12-2点评-1.2Pytorch中的autograd-第3步-关于梯度的概念和小节总结

* 使用Pytorch构建一个神经网络/

* 13-1讲解-2.1Pytorch构建神经网络-第1步-构建神经网络-part1

* 13-2点评-2.1Pytorch构建神经网络-第1步-构建神经网络-part1

* 14-1讲解-2.1Pytorch构建神经网络-第1步-构建神经网络-part2

* 14-2点评-2.1Pytorch构建神经网络-第1步-构建神经网络-part2

* 15-1讲解-2.1Pytorch构建神经网络-第1步-构建神经网络-part3

* 15-2点评-2.1Pytorch构建神经网络-第1步-构建神经网络-part3

* 16-1讲解-2.1Pytorch构建神经网络-第1步-构建神经网络-part4

* 16-2点评-2.1Pytorch构建神经网络-第1步-构建神经网络-part4

* 17-1讲解-2.1Pytorch构建神经网络-第2步-损失函数

* 17-2点评-2.1Pytorch构建神经网络-第2步-损失函数

* 18-1讲解-2.1Pytorch构建神经网络-第3步-反向传播

* 18-2点评-2.1Pytorch构建神经网络-第3步-反向传播

* 19-1讲解-2.1Pytorch构建神经网络-第4步-更新网络参数

* 19-2点评-2.1Pytorch构建神经网络-第4步-更新网络参数

* 20-1讲解-2.1Pytorch构建神经网络-第5步-小节总结

* 20-2点评-2.1Pytorch构建神经网络-第5步-小节总结

* 使用Pytorch构建一个分类器/

* 00-2点评-作业讲解

* 01-1讲解-2.2Pytorch构建分类器-第0步-数据集介绍

* 01-2点评-2.2Pytorch构建分类器-第0步-数据集介绍

* 02-1讲解-2.2Pytorch构建分类器-第1步-下载数据集-part1

* 02-2点评-2.2Pytorch构建分类器-第1步-下载数据集-part1

* 03-1讲解-2.2Pytorch构建分类器-第1步-下载数据集-part2

* 03-2点评-2.2Pytorch构建分类器-第1步-下载数据集-part2

* 04-1讲解-2.2Pytorch构建分类器-第1步-下载数据集-part3

* 04-2点评-2.2Pytorch构建分类器-第1步-下载数据集-part3

* 05-1讲解-2.2Pytorch构建分类器-第2步-定义卷积神经网络-part1

* 05-2点评-2.2Pytorch构建分类器-第2步-定义卷积神经网络-part1

* 06-1讲解-2.2Pytorch构建分类器-第3步-定义损失函数-part1

* 06-2点评-2.2Pytorch构建分类器-第3步-定义损失函数-part1

* 07-1讲解-2.2Pytorch构建分类器-第4步-训练模型-part1

* 07-2点评-2.2Pytorch构建分类器-第4步-训练模型-part1

* 08-1讲解-2.2Pytorch构建分类器-第4步-训练模型-part2

* 08-2点评-2.2Pytorch构建分类器-第4步-训练模型-part2

* 09-1讲解-2.2Pytorch构建分类器-第5步-测试模型-part1

* 09-2点评-2.2Pytorch构建分类器-第5步-测试模型-part1

* 10-1讲解-2.2Pytorch构建分类器-第5步-测试模型-part2

* 10-2点评-2.2Pytorch构建分类器-第5步-测试模型-part2

* 11-1讲解-2.2Pytorch构建分类器-第5步-测试模型-part3

* 11-2点评-2.2Pytorch构建分类器-第5步-测试模型-part3

* 12-1讲解-2.2Pytorch构建分类器-第5步-测试模型-part4

* 12-2点评-2.2Pytorch构建分类器-第5步-测试模型-part4

* 13-1讲解-2.2Pytorch构建分类器-第6步-GPU训练模型和小节总结

* 13-2点评-2.2Pytorch构建分类器-第6步-GPU训练模型和小节总结

* 第二章自然语言处理NLP介绍-v2.0/

* NLP简介/

* 14-1讲解-1.1自然语言处理入门

* 14-2点评-1.1自然语言处理入门

* 第三章文本预处理-v2.0/

* 认识文本预处理/

* 15-1讲解-1.1认识文本预处理

* 15-2点评-1.1认识文本预处理

* 文本处理基本方法/

* 05-文本处理的主要环节

* 06-jieba分词-概念-pip安装

* 07-jieba分词-三种模式

* 08-jieba分词-用户自定义词典-繁体

* 09-命名实体识别和词性标注

* 文本张量表示方法/

* 02-1讲解-1.3文本张量表示方法-part1

* 02-2点评-1.3文本张量表示方法-part1

* 03-1讲解-1.3文本张量表示方法-part2

* 03-2点评-1.3文本张量表示方法-part2

* 04-1讲解-1.3文本张量表示方法-part3

* 04-2点评-1.3文本张量表示方法-part3

* 05-1讲解-1.3文本张量表示方法-part4

* 05-2点评-1.3文本张量表示方法-part4

* 06-1讲解-1.3文本张量表示方法-part5-step1

* 06-2点评-1.3文本张量表示方法-part5-step1

* 07-1讲解-1.3文本张量表示方法-part5-step2

* 07-2点评-1.3文本张量表示方法-part5-step2

* 08-1讲解-1.3文本张量表示方法-part5-step3

* 08-2点评-1.3文本张量表示方法-part5-step3

* 09-1讲解-1.3文本张量表示方法-part5-step4

* 09-2点评-1.3文本张量表示方法-part5-step4

* 10-1讲解-1.3文本张量表示方法-part5-step5

* 10-2点评-1.3文本张量表示方法-part5-step5

* 11-1讲解-1.3文本张量表示方法-part6

* 11-2点评-1.3文本张量表示方法-part6

* 12-1讲解-1.3文本张量表示方法-part7

* 文本的数据分析/

* 13-1讲解-1.4文本数据分析-1标签数量分布-part1

* 13-2点评-1.4文本数据分析-1标签数量分布-part1

* 14-1讲解-1.4文本数据分析-1标签数量分布-part2

* 14-2点评-1.4文本数据分析-1标签数量分布-part2

* 15-1讲解-1.4文本数据分析-2句子长度分布-part1

* 15-2点评-1.4文本数据分析-2句子长度分布-part1

* 16-1讲解-1.4文本数据分析-2句子长度分布-part2

* 16-2点评-1.4文本数据分析-2句子长度分布-part2

* 17-1讲解-1.4文本数据分析-2句子长度分布-part3

* 17-2点评-1.4文本数据分析-2句子长度分布-part3

* 18-1讲解-1.4文本数据分析-3不同词汇总数统计-part1

* 18-2点评-1.4文本数据分析-3不同词汇总数统计-part1

* 19-1讲解-1.4文本数据分析-4训练集词云-part1

* 19-2点评-1.4文本数据分析-4训练集词云-part1

* 20-1讲解-1.4文本数据分析-4训练集词云-part2

* 20-2点评-1.4文本数据分析-4训练集词云-part2

* 21-1讲解-1.4文本数据分析-5验证集词云-part1

* 21-2点评-1.4文本数据分析-5验证集词云-part1

* 22-1讲解-1.4文本数据分析-6小节总结

* 文本的特征处理/

* 23-1讲解-1.5文本特征处理-1ngram-part1

* 23-2点评-1.5文本特征处理-1ngram-part1

* 24-1讲解-1.5文本特征处理-1ngram-part2

* 24-2点评-1.5文本特征处理-1ngram-part2

* 25-1讲解-1.5文本特征处理-2文本长度规范-part1

* 25-2点评-1.5文本特征处理-2文本长度规范-part1

* 26-1讲解-1.5文本特征处理-2文本长度规范-part2

* 26-2点评-1.5文本特征处理-2文本长度规范-part2

* 文本数据增强/

* 27-1讲解-1.6文本数据增强-part1

* 27-2点评-1.6文本数据增强-part1

* 28-1讲解-1.6文本数据增强-part2

* 28-2点评-1.6文本数据增强-part2

* 29-1讲解-1.6文本数据增强-part3

* 第四章 RNN架构解析-v2.0/

* 认识RNN模型/

* 01-1讲解-1.1RNN模型简介-part1

* 01-2点评-1.1RNN模型简介-part1

* 02-1讲解-1.1RNN模型简介-part2

* 02-2点评-1.1RNN模型简介-part2

* 03-1讲解-1.1RNN模型小结

* 传统RNN模型/

* 04-1讲解-1.2传统RNN模型构造和代码演示part1

* 04-2点评-1.2传统RNN模型构造和代码演示part1

* 05-1讲解-1.2传统RNN模型构造和代码演示part2

* 05-2点评-1.2传统RNN模型构造和代码演示part2

* 06-1讲解-1.2传统RNN模型优缺点及小结

* 06-2点评-1.2传统RNN模型优缺点及小结

* LSTM模型/

* 07-1讲解-1.3LSTM模型介绍-part1

* 07-2点评-1.3LSTM模型介绍-part1

* 08-1讲解-1.3LSTM模型介绍-part2

* 08-2点评-1.3LSTM模型介绍-part2

* 09-1讲解-1.3LSTM模型介绍-part3

* 09-2点评-1.3LSTM模型介绍-part3

* 10-1讲解-1.3LSTM模型介绍-part4

* 10-2点评-1.3LSTM模型介绍-part4

* 11-1讲解-1.3LSTM模型小结

* GRU模型/

* 12-1讲解-1.4GRU_1模型介绍

* 12-2点评-1.4GRU_1模型介绍

* 13-1讲解-1.4GRU_2模型代码演示

* 14-1讲解-1.4GRU_3模型小结

* 14-2点评-1.4GRU_3模型小结

* 注意力机制/

* 15-1讲解-1.5注意力概念和计算规则介绍

* 15-2点评-1.5注意力概念和计算规则介绍

* 16-1讲解-1.5注意力机制代码分析

* 16-2点评-1.5注意力机制代码分析

* 17-1讲解-1.5注意力机制代码实现

* 17-2点评-1.5注意力机制代码实现

* 18-1讲解-1.5注意力机制小结

* 第五章 RNN经典案例-v2.0/

* 使用RNN模型构建人名分类器/

* 19-1讲解-2.1人名分类器第1步

* 19-2点评-2.1人名分类器第1步

* 20-1讲解-2.1人名分类器第2步-part1

* 20-2点评-2.1人名分类器第2步-part1

* 21-1讲解-2.1人名分类器第2步-part2

* 21-2点评-2.1人名分类器第2步-part2

* 21-3点评-2.1人名分类器第2步-part2

* 01-1讲解-2.1人名分类器第3步-part1

* 01-2点评-2.1人名分类器第3步-part1

* 02-1讲解-2.1人名分类器第3步-part2

* 02-2点评-2.1人名分类器第3步-part2

* 03-1讲解-2.1人名分类器第3步-part3

* 03-2点评-2.1人名分类器第3步-part3

* 04-1讲解-2.1人名分类器第3步-part4

* 04-2点评-2.1人名分类器第3步-part4

* 05-1讲解-2.1人名分类器第3步-part5

* 05-2点评-2.1人名分类器第3步-part5

* 06-1讲解-2.1人名分类器第4步-构建训练函数-part1

* 06-2点评-2.1人名分类器第4步-构建训练函数-part1

* 07-1讲解-2.1人名分类器第4步-构建训练函数-part2

* 07-2点评-2.1人名分类器第4步-构建训练函数-part2

* 08-1讲解-2.1人名分类器第4步-构建训练函数-part3

* 08-2点评-2.1人名分类器第4步-构建训练函数-part3

* 08-3点评-2.1人名分类器第4步-构建训练函数-part3

* 09-1讲解-2.1人名分类器第4步-构建训练函数-part4

* 10-1讲解-2.1人名分类器第4步-构建训练函数-part5

* 10-2点评-2.1人名分类器第4步-构建训练函数-part5

* 11-1讲解-2.1人名分类器第4步-构建训练函数-part6

* 11-2点评-2.1人名分类器第4步-构建训练函数-part6

* 12-1讲解-2.1人名分类器第4步-构建训练函数-part7

* 12-2点评-2.1人名分类器第4步-构建训练函数-part7

* 13-1讲解-2.1人名分类器第4步-构建训练函数-part8

* 13-2点评-2.1人名分类器第4步-构建训练函数-part8

* 14-1讲解-2.1人名分类器第4步-构建训练函数-part9

* 15-1讲解-2.1人名分类器第5步-构建评估函数-part1_RNN

* 15-2点评-2.1人名分类器第5步-构建评估函数-part1_RNN

* 16-1讲解-2.1人名分类器第5步-构建评估函数-part2_LSTM

* 17-1讲解-2.1人名分类器第5步-构建评估函数-part3_GRU

* 17-2点评-2.1人名分类器第5步-构建评估函数-part3_GRU

* 18-1讲解-2.1人名分类器第5步-构建预测函数-part4

* 18-2点评-2.1人名分类器第5步-构建预测函数-part4.

* 19-1讲解-2.1人名分类器第5步-构建预测函数-part5

* 19-2点评-2.1人名分类器第5步-构建预测函数-part5

* 20-1讲解-2.1人名分类器第6步案例小结

* 20-2点评-2.1人名分类器第6步案例小结

* 使用seq2seq模型架构实现英译法任务/

* 21-1讲解-2.2英译法任务_第0步-总体介绍

* 21-2点评-2.2英译法任务_第0步-总体介绍

* 22-1讲解-2.2英译法任务_第1步-导入包

* 00-1讲解-2.2英译法任务_第2步-part1

* 00-2点评-2.2英译法任务_第2步-part1

* 01-1讲解-2.2英译法任务_第2步-part2

* 01-2点评-2.2英译法任务_第2步-part2

* 02-1讲解-2.2英译法任务_第2步-part3

* 02-2点评-2.2英译法任务_第2步-part3

* 03-1讲解-2.2英译法任务_第2步-part4

* 03-2点评-2.2英译法任务_第2步-part4

* 04-1讲解-2.2英译法任务_第2步-part5

* 04-2点评-2.2英译法任务_第2步-part5

* 05-1讲解-2.2英译法任务_第2步-part6

* 05-2点评-2.2英译法任务_第2步-part6

* 06-1讲解-2.2英译法任务_第2步-part7

* 06-2点评-2.2英译法任务_第2步-part7

* 07-1讲解-2.2英译法任务_第3步-part1

* 07-2点评-2.2英译法任务_第3步-part1

* 08-1讲解-2.2英译法任务_第3步-part2

* 08-2点评-2.2英译法任务_第3步-part2

* 09-1讲解-2.2英译法任务_第3步-part3

* 09-2点评-2.2英译法任务_第3步-part3

* 10-1讲解-2.2英译法任务_第3步-part4

* 10-2点评-2.2英译法任务_第3步-part4

* 11-1讲解-2.2英译法任务_第3步-part5

* 11-2点评-2.2英译法任务_第3步-part5

* 12-1讲解-2.2英译法任务_第3步-part6

* 12-2点评-2.2英译法任务_第3步-part6

* 13-1讲解-2.2英译法任务_第4步-part1

* 13-2点评-2.2英译法任务_第4步-part1

* 14-1讲解-2.2英译法任务_第4步-part2

* 14-2点评-2.2英译法任务_第4步-part2

* 01-1讲解-2.2英译法任务_第4步-part3

* 01-2点评-2.2英译法任务_第4步-part3

* 02-1讲解-2.2英译法任务_第4步-part4

* 02-2点评-2.2英译法任务_第4步-part4

* 03-1讲解-2.2英译法任务_第4步-part5

* 03-2点评-2.2英译法任务_第4步-part5

* 04-1讲解-2.2英译法任务_第4步-part6

* 04-2点评-2.2英译法任务_第4步-part6

* 05-1讲解-2.2英译法任务_第5步-part1

* 05-2点评-2.2英译法任务_第5步-part1

* 06-1讲解-2.2英译法任务_第5步-part2

* 06-2点评-2.2英译法任务_第5步-part2

* 07-1讲解-2.2英译法任务_第5步-part3

* 07-2点评-2.2英译法任务_第5步-part3

* 08-1讲解-2.2英译法任务_第5步-part4

* 08-2点评-2.2英译法任务_第5步-part4

* 09-1讲解-2.2英译法任务_第5步-part5

* 09-2点评-2.2英译法任务_第5步-part5

* 第六章莎士比亚风格的文本生成任务-v2.0/

* 莎士比亚风格的文本生成任务/

* 10-1讲解-莎士比亚风格的文本生成任务-0案例介绍

* 10-2点评-莎士比亚风格的文本生成任务-0案例介绍

* 11-1讲解-莎士比亚风格的文本生成任务-第1步-part1

* 12-1讲解-莎士比亚风格的文本生成任务-第1步-part2

* 12-2点评-莎士比亚风格的文本生成任务-第1步-part2

* 13-1讲解-莎士比亚风格的文本生成任务-第1步-part3

* 13-2点评-莎士比亚风格的文本生成任务-第1步-part3

* 14-1讲解-莎士比亚风格的文本生成任务-第1步-part4

* 14-2点评-莎士比亚风格的文本生成任务-第1步-part4

* 15-1讲解-莎士比亚风格的文本生成任务-第2步-part1

* 15-2点评-莎士比亚风格的文本生成任务-第2步-part1

* 16-1讲解-莎士比亚风格的文本生成任务-第2步-part2

* 16-2点评-莎士比亚风格的文本生成任务-第2步-part2

* 17-1讲解-莎士比亚风格的文本生成任务-第2步-part3

* 17-2点评-莎士比亚风格的文本生成任务-第2步-part3

* 18-1讲解-莎士比亚风格的文本生成任务-第2步-part4

* 18-2点评-莎士比亚风格的文本生成任务-第2步-part4

* 19-1讲解-莎士比亚风格的文本生成任务-第2步-part5

* 19-2点评-莎士比亚风格的文本生成任务-第2步-part5

* 20-1讲解-莎士比亚风格的文本生成任务-第2步-part6

* 20-2点评-莎士比亚风格的文本生成任务-第2步-part6

* 01-1讲解-莎士比亚风格的文本生成任务-第3步-part1

* 01-2点评-莎士比亚风格的文本生成任务-第3步-part1

* 02-1讲解-莎士比亚风格的文本生成任务-第3步-part2

* 02-2点评-莎士比亚风格的文本生成任务-第3步-part2

* 03-1讲解-莎士比亚风格的文本生成任务-高级方式-part1

* 03-2点评-莎士比亚风格的文本生成任务-高级方式-part1

* 04-1讲解-莎士比亚风格的文本生成任务-高级方式-part2

* 04-2点评-莎士比亚风格的文本生成任务-高级方式-part2

* 第七章 Transformer背景介绍-v2.0/

* Transformer背景介绍/

* 05-1讲解-1.1Transformer背景介绍

* 05-2点评-1.1Transformer背景介绍

* 第八章 Transformer架构解析-v2.0/

* 认识Transformer架构/

* 06-1讲解-2.1认识Transformer架构-part1

* 06-2点评-2.1认识Transformer架构-part1

* 07-1讲解-2.1认识Transformer架构-part2

* 07-2点评-2.1认识Transformer架构-part2

* 输入部分实现/

* 08-1讲解-2.2输入部分实现-part1

* 08-2点评-2.2输入部分实现-part1

* 09-1讲解-2.2输入部分实现-part2

* 09-2点评-2.2输入部分实现-part2

* 10-1讲解-2.2输入部分实现-part3

* 10-2点评-2.2输入部分实现-part3

* 11-1讲解-2.2输入部分实现-part4

* 11-2点评-2.2输入部分实现-part4

* 12-1讲解-2.2输入部分实现-part5

* 12-2点评-2.2输入部分实现-part5

* 13-1讲解-2.2输入部分实现-part6

* 13-2点评-2.2输入部分实现-part6

* 掩码张量/

* 14-1讲解-2.3.1掩码张量-part1

* 14-2点评-2.3.1掩码张量-part1

* 15-1讲解-2.3.1掩码张量-part2

* 15-2点评-2.3.1掩码张量-part2

* 16-1讲解-2.3.1掩码张量-part3

* 16-2点评-2.3.1掩码张量-part3

* 注意力机制/

* 17-1讲解-2.3.2注意力机制-part1

* 17-2点评-2.3.2注意力机制-part1

* 18-1讲解-2.3.2注意力机制-part2

* 18-2点评-2.3.2注意力机制-part2

* 19-1讲解-2.3.2注意力机制-part3

* 19-2点评-2.3.2注意力机制-part3

* 20-1讲解-2.3.2注意力机制-part4

* 多头注意力机制/

* 21-1讲解-2.3.3多头注意力机制-part1

* 21-2点评-2.3.3多头注意力机制-part1

* 01-1讲解-2.3.3多头注意力机制-part2

* 01-2点评-2.3.3多头注意力机制-part2

* 02-1讲解-2.3.3多头注意力机制-part3

* 02-2点评-2.3.3多头注意力机制-part3

* 03-1讲解-2.3.3多头注意力机制-part4

* 03-2点评-2.3.3多头注意力机制-part4

* 前馈全连接层/

* 04-1讲解-2.3.4前馈全连接层-part1

* 05-1讲解-2.3.4前馈全连接层-part2

* 05-2点评-2.3.4前馈全连接层-part1-part2

* 规范化层/

* 06-1讲解-2.3.5规范化层-part1

* 06-2点评-2.3.5规范化层-part1

* 07-1讲解-2.3.5规范化层-part2

* 07-2点评-2.3.5规范化层-part2

* 子层连接结构/

* 08-1讲解-2.3.6子层连接结构-part1

* 08-2点评-2.3.6子层连接结构-part1

* 09-1讲解-2.3.6子层连接结构-part2

* 09-2点评-2.3.6子层连接结构-part2

* 编码器层/

* 10-1讲解-2.3.7编码器层-part1

* 10-2点评-2.3.7编码器层-part1

* 11-1讲解-2.3.7编码器层-part2

* 11-2点评-2.3.7编码器层-part2

* 编码器/

* 12-1讲解-2.3.8编码器-part1

* 12-2点评-2.3.8编码器-part1

* 13-1讲解-2.3.8编码器-part2

* 解码器层/

* 14-1讲解-2.4.1解码器层-part1

* 14-2点评-2.4.1解码器层-part1

* 15-1讲解-2.4.1解码器层-part2

* 15-2点评-2.4.1解码器层-part2

* 解码器/

* 16-1讲解-2.4.2解码器-part1

* 16-2点评-2.4.2解码器-part1

* 17-1讲解-2.4.2解码器-part2

* 17-2点评-2.4.2解码器-part2

* 输出部分实现/

* 18-1讲解-2.5输出部分实现-part1

* 18-2点评-2.5输出部分实现-part1

* 19-1讲解-2.5输出部分实现-part2

* 19-2点评-2.5输出部分实现-part2

* 模型构建/

* 20-1讲解-2.6模型构建-part1

* 20-2点评-2.6模型构建-part1

* 21-1讲解-2.6模型构建-part2

* 21-2点评-2.6模型构建-part2

* 22-1讲解-2.6模型构建-part3

* 22-2点评-2.6模型构建-part3

* 23-1讲解-2.6模型构建-part4

* 23-2点评-2.6模型构建-part4

* 第九章 fasttext工具的使用-v2.0/

* 认识fasttext工具/

* 01-1讲解-1.1认识fasttext工具

* 01-2点评-1.1认识fasttext工具

* 进行文本分类/

* 02-1讲解-1.2进行文本分类-第1步

* 02-2点评-1.2进行文本分类-第1步

* 03-1讲解-1.2进行文本分类-第2步

* 03-2点评-1.2进行文本分类-第2步

* 04-1讲解-1.2进行文本分类-第3步

* 04-2点评-1.2进行文本分类-第3步

* 05-1讲解-1.2进行文本分类-第4步

* 05-2点评-1.2进行文本分类-第4步

* 06-1讲解-1.2进行文本分类-第5步-part1

* 06-2点评-1.2进行文本分类-第5步-part1

* 07-1讲解-1.2进行文本分类-第5步-part2

* 07-2点评-1.2进行文本分类-第5步-part2

* 08-1讲解-1.2进行文本分类-第5步-part3

* 08-2点评-1.2进行文本分类-第5步-part3

* 09-1讲解-1.2进行文本分类-第5步-part4

* 09-2点评-1.2进行文本分类-第5步-part4

* 10-1讲解-1.2进行文本分类-第6步和小节总结

* 训练词向量/

* 11-1讲解-1.3训练词向量-part1

* 11-2点评-1.3训练词向量-part1

* 12-1讲解-1.3训练词向量-part2

* 12-2点评-1.3训练词向量-part2

* 13-1讲解-1.3训练词向量-part3

* 13-2点评-1.3训练词向量-part3

* 词向量迁移/

* 14-1讲解-1.4词向量迁移-part1

* 14-2点评-1.4词向量迁移-part1

* 15-1讲解-1.4词向量迁移-part2

* 15-2点评-1.4词向量迁移-part2

* 第十章迁移学习-v2.0/

* 迁移学习理论/

* 16-1讲解-2.1迁移学习理论-part1

* 16-2点评-2.1迁移学习理论-part1

* 17-1讲解-2.1迁移学习理论-part2

* 17-2点评-2.1迁移学习理论-part2

* NLP中的标准数据集/

* 18-1讲解-2.2NLP中的标准数据集-part1

* 18-2点评-2.2NLP中的标准数据集-part1

* 19-1讲解-2.2NLP中的标准数据集-part2

* 19-2点评-2.2NLP中的标准数据集-part2

* 20-1讲解-2.2NLP中的标准数据集-part3

* 20-2点评-2.2NLP中的标准数据集-part3

* 01-1讲解-2.2NLP中的标准数据集-part4

* 01-2点评-2.2NLP中的标准数据集-part4

* NLP中的常用预训练模型/

* 02-1讲解-2.3NLP中的常用预训练模型

* 02-2点评-2.3NLP中的常用预训练模型

* 加载和使用预训练模型/

* 03-1讲解-2.4加载和使用预训练模型-第1-2步

* 03-2点评-2.4加载和使用预训练模型-第1-2步

* 04-1讲解-2.4加载和使用预训练模型-第3步

* 04-2点评-2.4加载和使用预训练模型-第3步

* 05-1讲解-2.4加载和使用预训练模型-第4步-part1

* 05-2点评-2.4加载和使用预训练模型-第4步-part1

* 06-1讲解-2.4加载和使用预训练模型-第4步-part2

* 06-2点评-2.4加载和使用预训练模型-第4步-part2

* 07-1讲解-2.4加载和使用预训练模型-第4步-part3

* 07-2点评-2.4加载和使用预训练模型-第4步-part3

* 08-1讲解-2.4加载和使用预训练模型-第4步-part4

* 08-2点评-2.4加载和使用预训练模型-第4步-part4

* 迁移学习实践/

* 09-1讲解-2.5迁移学习实践-0微调脚本-part1

* 09-2点评-2.5迁移学习实践-0微调脚本-part1

* 10-1讲解-2.5迁移学习实践-0微调脚本-part2

* 10-2点评-2.5迁移学习实践-0微调脚本-part2

* 11-1讲解-2.5迁移学习实践-0微调脚本-part3

* 11-2点评-2.5迁移学习实践-0微调脚本-part3

* 12-1讲解-2.5迁移学习实践-0微调脚本-part4

* 12-2点评-2.5迁移学习实践-0微调脚本-part4

* 13-1讲解-2.5迁移学习实践-0微调脚本-part5

* 13-2点评-2.5迁移学习实践-0微调脚本-part5

* 14-1讲解-2.5迁移学习实践-类型1实战-part1

* 14-2点评-2.5迁移学习实践-类型1实战-part1

* 15-1讲解-2.5迁移学习实践-类型1实战-part2

* 15-2点评-2.5迁移学习实践-类型1实战-part2

* 16-1讲解-2.5迁移学习实践-类型1实战-part3

* 16-2点评-2.5迁移学习实践-类型1实战-part3

* 17-1讲解-2.5迁移学习实践-类型2实战-part1

* 17-2点评-2.5迁移学习实践-类型2实战-part1

* 18-1讲解-2.5迁移学习实践-类型2实战-part2

* 18-2点评-2.5迁移学习实践-类型2实战-part2

* 01-1讲解-2.5迁移学习实践-类型2实战-part3

* 01-2点评-2.5迁移学习实践-类型2实战-part3

* 02-1讲解-2.5迁移学习实践-类型2实战-part4

* 02-2点评-2.5迁移学习实践-类型2实战-part4

* 03-1讲解-2.5迁移学习实践-类型2实战-part5

* 03-2点评-2.5迁移学习实践-类型2实战-part5

* 04-1讲解-2.5迁移学习实践-类型2实战-part6

* 04-2点评-2.5迁移学习实践-类型2实战-part6

* 05-1讲解-2.5迁移学习实践-类型2实战-part7

* 05-2点评-2.5迁移学习实践-类型2实战-part7

* 06-1讲解-2.5迁移学习实践-类型2实战-part8

* 06-2点评-2.5迁移学习实践-类型2实战-part8

* 07-1讲解-2.5迁移学习实践-类型2实战-part9

* 07-2点评-2.5迁移学习实践-类型2实战-part9

* 08-1讲解-2.5迁移学习实践-类型2实战-part10

* 08-2点评-2.5迁移学习实践-类型2实战-part10

* 09-1讲解-2.5迁移学习实践-类型2实战-part11

* 09-2点评-2.5迁移学习实践-类型2实战-part11

* 10-1讲解-2.5迁移学习实践-类型2实战-part12

* 第十一章 BERT,Transformer的模型架构与详解-v2.0/

* 认识BERT/

* 11-1讲解-1.1认识BERT-part1

* 11-2点评-1.1认识BERT-part1

* 12-1讲解-1.1认识BERT-part2

* 12-2点评-1.1认识BERT-part2

* 13-1讲解-1.1认识BERT-part3

* 13-2点评-1.1认识BERT-part3

* 14-1讲解-1.1认识BERT-part4

* Transformer的结构是什么样的? 各个子模块各有什么作用?/

* 01-1讲解-1.2Transformer的结构详解-part1

* 01-2点评-1.2Transformer的结构详解-part1

* 02-1讲解-1.2Transformer的结构详解-part2

* 02-2点评-1.2Transformer的结构详解-part2

* Transformer结构中的Decoder端具体输入/

* 03-1讲解-1.3Transformer中Decoder的输入详解

* 03-2点评-1.3Transformer中Decoder的输入详解

* Transformer中的self-attention/

* 04-1讲解-1.4Transformer中的自注意力机制以及为什么采用QKV三元组

* 04-2点评-1.4Transformer中的自注意力机制以及为什么采用QKV三元组

* 采用Multi-head Attention的原因和计算规则/

* 05-1讲解-1.5采用Multi-head Attention的原因和计算规则

* 05-2点评-1.5采用Multi-head Attention的原因和计算规则

* Transformer相比于RNN的优势和原因/

* 06-1讲解-1.6Transformer相比于RNN的优势和原因

* 06-2点评-1.6Transformer相比于RNN的优势和原因

* Transformer可以代替seq2seq的原因/

* 07-1讲解-1.7为什么说Transformer可以代替seq2seq

* 07-2点评-1.7为什么说Transformer可以代替seq2seq

* self-attention公式中添加scaled的原因/

* 08-1讲解-1.8self-attention公式中添加scaled的原因-part1

* 08-2点评-1.8self-attention公式中添加scaled的原因-part1

* 09-1讲解-1.8self-attention公式中添加scaled的原因-part2

* 09-2点评-1.8self-attention公式中添加scaled的原因-part2

* 09-3点评-1.8self-attention公式中添加scaled的原因-part2

* 10-1讲解-1.8self-attention公式中添加scaled的原因-part3

* 10-2点评-1.8self-attention公式中添加scaled的原因-part3

* Transformer架构的并行化是如何进行的/

* 11-1讲解-1.9Transformer架构的并行化是如何进行的

* 11-2点评-1.9Transformer架构的并行化是如何进行的

* BERT模型的优点和缺点/

* 12-1讲解-1.10BERT模型的优点和缺点

* 12-2点评-1.10BERT模型的优点和缺点

* BERT的MLM任务为什么采用80% 10% 10%的策略/

* 13-2点评-1.11BERT的MLM任务为什么采用80% 10% 10%的策略

* 13-1讲解-1.11BERT的MLM任务为什么采用80% 10% 10%的策略

* 长文本预测任务使用BERT如何构造训练样本/

* 14-1讲解-1.12长文本预测任务使用BERT如何构造训练样本

* 14-2点评-1.12长文本预测任务使用BERT如何构造训练样本

* 第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0/

* 认识ELMo/

* 15-1讲解-2.1认识ELMo-part1

* 15-2点评-2.1认识ELMo-part1

* 15-3点评-2.1认识ELMo-part1

* 01-1讲解-2.1认识ELMo-part2

* 01-2点评-2.1认识ELMo-part2

* 02-1讲解-2.1认识ELMo-part3

* 02-2点评-2.1认识ELMo-part3

* 认识GPT/

* 03-1讲解-2.2认识GPT-part1

* 03-2点评-2.2认识GPT-part1

* 04-1讲解-2.2认识GPT-part2

* 04-2点评-2.2认识GPT-part2

* 认识GPT2/

* 05-1讲解-2.3认识GPT2-part1

* 05-2点评-2.3认识GPT2-part1

* 06-1讲解-2.3认识GPT2-part2

* 06-2点评-2.3认识GPT2-part2

* 07-1讲解-2.3认识GPT2-part3

* 07-2点评-2.3认识GPT2-part3

* 08-1讲解-2.3认识GPT2-part4

* 08-2点评-2.3认识GPT2-part4

* 请详述BERT, GPT, ELMo模型的对比和各自的优缺点/

* 09-1讲解-2.4BERT,GPT,ELMo的区别和优缺点

* 09-2点评-2.4BERT,GPT,ELMo的区别和优缺点

* 第十三章 HMM模型-v2.0/

* 马尔科夫链/

* 10-1讲解-马尔科夫链介绍

* HMM简介/

* 11-1讲解-HMM简介

* 11-2点评-HMM简介

* 11-3点评-HMM简介

* HMM模型基础/

* 12-1讲解--HMM模型假设

* 12-2点评-HMM模型假设

* 13-1讲解-举例解释模型概念

* 13-2点评-举例解释模型概念

* 维特比算法解码隐藏状态序列/

* 14-1讲解-维特比算法举例讲解

* 14-2点评-维特比算法举例讲解

* 第十四章经典的序列模型-v2.0/

* 认识HMM与CRF模型/

* 15-1讲解-1.1HMM模型介绍

* 15-2点评-1.1HMM模型介绍

* 16-1讲解-1.2CRF模型简介

* 16-2点评-1.2CRF模型简介

* 阶段作业 NLP自然语言处理-第1套试卷/

* 试卷

* 阶段六人工智能项目实战/

* 第一章智慧交通/

* 项目简介/

* 01.课程介绍

* 02.项目简介

* 03.效果展示

* 04. 环境搭建

* 算法原理/

* 05.numba简介

* 06.numba的使用方法

* 07.imutils简介

* 08.imutils图像平移

* 09.imutils图像缩放

* 10.imutils图像旋转

* 11.imutils骨架提取

* 12.imutils总结

* 13.DNN简介

* 14.DNN BlobFromImage

* 15.DNN API及总结

* 多目标跟踪/

* 01.车流量统计项目介绍

* 02.多目标跟踪分类

* 03.运动模型

* 04.常用的多目标跟踪算法

* 05.多目标跟踪算法总结

* 辅助功能/

* 06.辅助函数中交并比简介

* 07.辅助函数IOU的实现

* 08.bbox表示形式的转换

* 09.辅助函数bbox表示形式转换的实现

* 10.辅助功能总结

* 卡尔曼滤波/

* 11.卡尔曼滤波背景介绍

* 12.卡尔曼滤波场景描述和状态预测

* 13.卡尔曼滤波内外部影响

* 14.卡尔曼滤波对观测的估计及观测结果

* 15.卡尔曼滤波中的高斯分布

* 16.卡尔曼滤波实际中的计算方法

* 17.卡尔曼滤波器的总结

* 01.filterpy简介

* 02.filterpy中的初始化

* 03.filterpy中的预测

* 04.filterpy中的更新

* 05.小车案例简介及运动数据的生成

* 06.卡尔曼滤波器参数的初始化

* 07.卡尔曼滤波器预测过程

* 08.卡尔曼滤波器可视化过程

* 09.卡尔曼滤波器总结

* 10.卡尔曼滤波器初始化简介

* 11.卡尔曼滤波器更新简介

* 12.卡尔曼滤波器初始化实现

* 13.卡尔曼滤波器更新与预测的实现

* 匈牙利算法/

* 14.匈牙利算法和KM算法简介

* 15.匈牙利算法

* 16.KM算法

* 17.匈牙利算法实现

* 18.匈牙利算法进行目标匹配

* 数据关联/

* 19.目标关联实现（1）

* 20.目标关联实现（2）

* SORT/DeepSort/

* 01.sort算法简介

* 02.deepsort算法简介

* 03.sort:deepsort总结

* 04.多目标跟踪实现

* 05.多目标跟踪初始化实现

* 06.多目标跟踪更新实现（1）

* 07.多目标跟踪更新实现（2）

* 08.多目标跟踪更新实现（3）

* 目标检测/

* 09.yoloV3简介

* 10.yoloV3的多尺度检测

* 11.yoloV3的网络结构

* 12.yoloV3的先验框

* 13_Yolov3模型源码分析

* 14.yoloV3模型的输入输出

* 15.yoloV3模型总结

* 01.yoloV3目标检测简介

* 02. 视频中yoloV3目标检测简介

* 03. yoloV3模型检测模型恢复实现

* 04. yoloV3模型前向传播实现

* 05. yoloV3模型检测框获取实现

* 06. yoloV3模型检测框获取实现(2)

* 07. yoloV3在视频中进行目标检测

* 车流量统计/

* 08. 车流量计数简介

* 09. 车流量计数代码简介

* 10. 车流量计数代码实现（1）

* 11. 车流量计数代码实现（2）

* 12. 视频中的车流量检测

* 13. 视频中的车流量检测实现（1）

* 14. 视频中的车流量检测实现（2）

* 相机校正/

* 00.项目简介

* 01.相机校正的学习目标

* 02.相机校正的意义

* 03.相机成像原理

* 04.相机成像模型

* 05.世界坐标系到相机坐标系

* 06.相机坐标系到图像坐标系

* 07.图像坐标系到像素坐标系

* 08.坐标系转换总结

* 09.图像畸变简介

* 10.径向畸变

* 11.切向畸变

* 12.相机标定分类

* 13.张氏校正法简介

* 14.单应性矩阵

* 15.求解内参矩阵

* 16.求解外参矩阵

* 17.极大似然估计

* 18.迭代优化方法

* 19.牛顿法

* 20.高斯牛顿法

* 21.LM算法

* 22.标定流程

* 23.双目标定

* 24.相机校正总结

* 相机校正和图像去畸变/

* 02.相机校正流程与棋盘格数据

* 03.相机校正简介

* 04.相机校正实现（1）

* 05.相机校正实现（2）

* 06.相机校正实现（3）

* 07.图像去畸变

* 08.相机校正和图像去畸变总结

* 车道线提取/

* 09.车道线提取简介

* 10.车道线提取代码简介

* 11.车道线提取代码实现

* 12.车道线提取代码演示

* 13.车道线提取总结

* 透视变换/

* 14.透视变换简介

* 15.透视变换实现

* 16.透视变换演示

* 车道线定位与拟合/

* 01.车道线定位和拟合简介

* 02.车道线定位介绍

* 03.车道线定位实现（1）

* 04.车道线定位实现（2）

* 05.车道线定位实现（3）

* 06.车道线安全区域填充方法简介

* 07.车道线安全区域填充方法实现

* 08.车道线检测演示

* 09.车道线定位总结

* 车道曲率与车辆偏离中心线距离/

* 10.车道线曲率介绍

* 11.车道线曲率代码介绍

* 12.车道线曲率实现

* 13.车辆偏离车道线中心距离

* 14.车道线中心位置计算

* 15.车辆偏离距离实现

* 在视频中进行车道线检测/

* 16.视频中检测车道线的实现

* 17.视频中检测车道线的代码实现

* SIamese网络系列（选学）/

* 00. 目标车辆跟踪简介

* 01.siamese网络简介

* 02.单样本学习

* 03.Siamese网络在目标跟踪中的应用

* 04.SiamFC网络结构

* 05.SiamFC网络输入

* 06.SiamFC损失函数

* 07.SiamFC训练与跟踪

* 08.SiamRPN网络结构

* 09.SiamRPN one-shot跟踪

* 10.SiamRPN 模型创新

* 11.SiamRPN 损失函数

* 12.SiamRPN 模型训练

* 13.DaSiamRPN简介

* 14.SiamRPN++网络结构

* 15.SiamRPN++模型创新

* 16.SiamRPN++模型训练

* 17.SiamMask网络模型

* 18.SiamMask模型创新

* 19.SiamMask损失函数

* 20.SiamMask训练参数

* 21.Siamese总结

* 跟踪效果（选学）/

* 22.demo简介

* 23. demo实现（1）

* 24. demo实现（2）

* 25. demo实现（3）

* 数据集处理（选学）/

* 01. DataSet初始化简介

* 02. DataSet初始化实现

* 03. DataSet辅助函数

* 04. 训练集数据构建简介

* 05. 训练集数据构建实现

* 网络模型搭建（选学）/

* 06. custom文件简介

* 07. custom ResDowns简介与实现

* 08. custom ResDown简介与实现

* 09. custom UP简介与实现

* 10. custom mask简介与实现

* 11. custom Refine简介

* 12. custom Refine初始化实现

* 13. custom Refine前向传播实现

* 14. custom实现

* 网络模型训练（选学）/

* 01. train简介

* 02. train框架搭建

* 03. train main简介

* 04. train main方法实现

* 05. train DataLoader方法实现

* 06. train optim_lr方法实现

* 07. train方法简介

* 08. train方法实现（1）

* 09. train方法实现（2）

* 10. 模型保存实现

* 11. base模块训练

* 12. Refine模块训练和总结

* 13. test.py简介

* 14. main函数简介

* 15. main函数实现

* 网络模型测试（选学）/

* 16. test get_subwindow_tracking简介

* 17. test get_subwindow_tracking实现

* 18. test generate_anchors简介

* 19. test generate_anchors实现

* 20. test siameseinit简介

* 21. test siameseinit实现

* 22. test siamesetrack简介（1）

* 23. test siamesetrack简介（2）

* 24. test siamesetrack简介（3）

* 25. test siamesetrack简介（4）

* 26. test siamesetrack简介（5）

* 网络模型应用（选学）/

* 27. test siamesetrack实现（1）

* 28. test siamesetrack实现（2）

* 29. test siamesetrack实现（3）

* 30. test siamesetrack实现（4）

* 31. test siamesetrack实现（5）

* 32. test siamesetrack实现（6）

* 33. test siamesetrack实现（7）

* 第二章在线医生/

* 背景介绍/

* 1.1在线医生背景介绍

* Unit对话API使用/

* 1.2Unit对话API的使用-part1

* 1.2Unit对话API的使用-part2

* 1.2Unit对话API的使用-part3

* 1.2Unit对话API的使用-part4

* 在线医生的总体架构/

* 2.1在线医生的总体架构-part1

* 2.1在线医生的总体架构-part2

* 总体架构中的工具介绍/

* 2.2总体架构中的工具介绍-part1

* 2.2总体架构中的工具介绍-part2

* 2.2总体架构中的工具介绍-part3

* 2.2总体架构中的工具介绍-part4

* 2.2总体架构中的工具介绍-part5

* neo4j简介/

* 3.1neo4j简介

* neo4j图数据库的安装/

* 3.2neo4j图数据库的安装

* Cypher介绍与使用/

* 3.3Cypher介绍与使用-part1

* 3.3Cypher介绍与使用-part2

* 3.3Cypher介绍与使用-part3

* 3.3Cypher介绍与使用-part4

* 3.3Cypher介绍与使用-part5

* 在Python中使用neo4j/

* 3.4在Python中使用neo4j-part1

* 3.4在Python中使用neo4j-part2

* 离线部分简要分析/

* 4.1离线部分简要分析

* 结构化数据流水线/

* 4.2结构化数据流水线-part1

* 4.2结构化数据流水线-part2

* 非结构化数据流水线/

* 4.3非结构化数据流水线

* 任务介绍与模型选用/

* 5.1任务介绍与模型选用

* 训练数据集/

* 5.2训练数据集

* BERT中文预训练模型/

* 5.3BERT中文预训练模型-part1

* 5.3BERT中文预训练模型-part2

* 构建RNN模型/

* 5.4构建RNN模型-part1

* 5.4构建RNN模型-part2

* 5.4构建RNN模型-part3

* 进行模型训练/

* 5.5NE模型训练-第1步

* 5.5NE模型训练-第2步

* 5.5NE模型训练-第3步

* 5.5NE模型训练-第4步-part1

* 5.5NE模型训练-第4步-part2

* 5.5NE模型训练-第5步

* 5.5NE模型训练-第6步

* NE模型使用/

* 5.6NE模型使用-part1

* 5.6NE模型使用-part2

* 命名实体识别介绍/

* 6.1命名实体识别介绍

* BiLSTM介绍/

* 6.2BiLSTM介绍-0

* 6.2BiLSTM介绍-第1步-part1

* 6.2BiLSTM介绍-第1步-part2

* 6.2BiLSTM介绍-第2步-part1

* 6.2BiLSTM介绍-第2步-part2

* 6.2BiLSTM介绍-第3步

* CRF介绍/

* 6.3CRF介绍

* BiLSTM+CRF模型/

* 6.4BiLSTM+CRF模型-0网络架构介绍

* 6.4BiLSTM+CRF模型-1损失函数介绍

* 6.4BiLSTM+CRF模型-模型实现-第1步-part1

* 6.4BiLSTM+CRF模型-模型实现-第1步-part2

* 6.4BiLSTM+CRF模型-模型实现-第2步-part1

* 6.4BiLSTM+CRF模型-模型实现-第3步-part1

* 6.4BiLSTM+CRF模型-模型实现-第3步-part2

* 6.4BiLSTM+CRF模型-模型实现-第4步-part1

* 6.4BiLSTM+CRF模型-模型实现-第4步-part2

* 6.4BiLSTM+CRF模型-模型实现-第5步-part1

* 6.4BiLSTM+CRF模型-模型实现-第5步-part2

* 6.4BiLSTM+CRF模型-模型实现-第6步-part1

* 6.4BiLSTM+CRF模型-模型实现-第6步-part2

* 6.4BiLSTM+CRF模型-小节总结

* 模型训练/

* 6.5模型训练-第1步

* 6.5模型训练-第2步-part1

* 6.5模型训练-第2步-part2

* 6.5模型训练-第3步-part1

* 6.5模型训练-第3步-part2

* 6.5模型训练-第4步-part1

* 6.5模型训练-第4步-part2

* 6.5模型训练-第4步-part3

* 6.5模型训练-第4步-part4

* 6.5模型训练-第5步-part1

* 6.5模型训练-第5步-part2

* 6.5模型训练-第5步-part3

* 6.5模型训练-第5步-part4

* 6.5模型训练-第5步-part5

* 6.5模型训练-第5步-part6

* 6.5模型训练-第5步-part7

* 6.5模型训练-第5步-part8

* 6.5模型训练-第6步

* 模型使用/

* 6.6模型使用-单文本预测-part1

* 6.6模型使用-单文本预测-part2

* 6.6模型使用-单文本预测-part3

* 6.6模型使用-单文本预测-part4

* 6.6模型使用-批量文本预测-part1

* 6.6模型使用-批量文本预测-part2

* 在线部分简要分析/

* 7.1在线部分简要分析

* werobot服务构建/

* 7.2werobot服务构建-part1

* 7.2werobot服务构建-part2

* 7.2werobot服务构建-part3

* 主要逻辑服务/

* 7.3主要逻辑服务-0架构总体介绍

* 7.3主要逻辑服务-第1步-part1

* 7.3主要逻辑服务-第1步-part2

* 7.3主要逻辑服务-第2步

* 7.3主要逻辑服务-第3步-part1

* 7.3主要逻辑服务-第3步-part2

* 7.3主要逻辑服务-第4步

* 7.3主要逻辑服务-第5-6步及小结

* 任务介绍与模型选用及训练数据集/

* 8.1-2任务介绍与模型选用及训练集数据

* BERT中文预训练模型1/

* 8.3Bert中文预训练模型-part1

* 8.3Bert中文预训练模型-part2

* 微调模型/

* 8.4微调模型-part1

* 8.4微调模型-part2

* 进行模型训练1/

* 8.5模型训练-第1步-part1

* 8.5模型训练-第1步-part2

* 8.5模型训练-第2步-part1

* 8.5模型训练-第2步-part2

* 8.5模型训练-第3步-part1

* 8.5模型训练-第3步-part2

* 8.5模型训练-第4步-part1

* 8.5模型训练-第4步-part2

* 8.5模型训练-第5步-part1

* 8.5模型训练-第5步-part2

* 8.5模型训练-第6步和小节总结

* 模型部署/

* 8.6模型部署-第1步-part1

* 8.6模型部署-第1步-part2

* 8.6模型部署-第2-3步和小结

* 系统联调与测试/

* 9.1系统联调与测试-1开启服务-part1

* 9.1系统联调与测试-1开启服务-part2

* 9.1系统联调与测试-1开启服务-part3

* 9.1系统联调与测试-2测试部分-part1

* 9.1系统联调与测试-2测试部分-part2

* 9.1系统联调与测试-2测试部分-part3

* 第三章智能文本分类系统/

* 整体系统搭建/

* 1.0导学（最新）

* 1.1后端服务搭建v3-part1（最新）

* 1.1后端服务搭建v3-part2（最新）

* 1.2输入与处理v3-part1（最新）

* 1.2输入与处理v3-part2

* 1.3图谱匹配v3-part1（最新）

* 1.3图谱匹配v3-part2

* 1.4匹配歧义判断v3-part1（最新）

* 1.4匹配歧义判断v3-part2

* 1.5概率调整v3-part1（最新）

* 1.5概率调整v3-part2

* 1.6概率归一化与父标签检索v3-part1（最新）

* 1.6概率归一化与父标签检索v3-part2

* 构建标签词汇图谱/

* 2.0导学

* 2.1设计标签树v3

* 2.2构建标签树v3-part1

* 2.2构建标签树v3-part2

* 2.3获取原始语料v3

* 2.4获取词汇集v3-part1

* 2.4获取词汇集v3-part2

* 2.5将词汇集导入图谱v3-part1

* 2.5将词汇集导入图谱v3-part2

* 特征工程和fasttext模型训练/

* 3.0导学

* 3.1获取训练预料v3-part1

* 3.1获取训练语料v3-part2

* 3.1获取训练语料v3-part3

* 3.1获取原始语料v3-part4

* 3.2进行数据分析v3-part1

* 3.2进行数据分析v3-part2

* 3.2进行数据分析v3-part3

* 3.2进行数据分析v3-part4

* 3.2进行数据分析v3-part5

* 3.2进行数据分析v3-part6

* 3.3特征处理v3-part1

* 3.3特征处理v3-part2

* 3.3特征处理v3-part3

* 3.3特征处理v3-part4

* 3.3特征处理v3-part5

* 3.3特征处理v3-part6

* 3.3特征处理v3-part7

* 3.3特征处理v3-part8

* 3.3特征处理v3-part9

* 3.4构建模型结构v3-part1

* 3.4构建模型结构v3-part2

* 3.4构建模型结构v3-part3

* 3.5选取损失函数和优化方法v3-part1

* 3.5选取损失函数和优化方法v3-part2

* 3.6进行模型训练v3-part1

* 3.6进行模型训练v3-part2

* 3.6进行模型训练v3-part3

* 3.6进行模型训练v3-part4

* 3.7模型保存与加载v3-part1

* 多模型训练和预测/

* 4.0导学

* 4.1多模型多进程训练v3-part1

* 4.1多模型多进程训练v3-part2

* 4.1多模型多进程训练v3-part3

* 4.1多模型多进程训练v3-part4

* 4.1多模型多进程训练v3-part5

* 4.2多模型多线程预测v3-part1

* 4.2多模型多线程预测v3-part2

* 4.2多模型多线程预测v3-part3

* 4.2多模型多线程预测v3-part4

* 4.2多模型多线程预测v3-part5

* 4.2多模型多线程预测v3-part6

* 系统联调和测试/

* 5.0导学

* 5.1系统联调与测试v3-part1

* 5.1系统联调与测试v3-part2

* 5.2搭建前端可视化页面v3

* 泛娱乐推荐介绍/

* 01_泛娱乐推荐系统产品概述

* 02_泛娱乐推荐系统架构与流程介绍

* 03_开发环境介绍

* 召回模块/

* 04_召回模块介绍以及web接口业务对接

* 05_双画像构建介绍

* 06_双画像数据导入neo4j

* 07_双画像构建总结

* 08_召回模块_多召回策略介绍

* 09_召回逻辑代码介绍以及热门召回实现

* 10_时间召回以及速度召回实现

* 11_公共召回、个性化召回以及总结

* 12_召回金字塔实现

* 13_规则过滤器介绍以及实现

* 14_用户推荐逻辑完善1

* 15_用户推荐逻辑完善2

* 排序模块/

* 16_排序模块以及排序发展介绍

* 17_Wide&deep模型介绍

* 18_模型原理以及源码介绍

* 19_特征工程以及样本构建

* 20_泛娱乐wdl模型实现代码

* 21_数据读取

* 22_GCP平台以及使用介绍

* 23_超参数调优与GPU指定

* 24_GCP模型预测以及部署

* 第四章实时人脸识别检测项目/

* 人脸识别/

* 01-人脸识别概述

* 02-人脸识别流程及评价指标

* 03-Adaboost基本流程与Haar特征

* 04-Haar特征图到特征值的降维

* 05-通过积分图计算Haar特征值

* 06-Adaboost强分类器的生成

* 07-强分类器的检测原理及数据存储

* 08-Adaboost拓展与总结

* 09-Adaboost人脸检测实现效果

* 10-Adaboost人脸检测代码实践

* 11-face_recognition面部特征提取API应用

* 12-关键点提取实践简介

* 13.1-实践：人脸特征点的定位

* 13.2-实践：人脸化妆代码实践

* 13.3-实践：视频中寻人代码实现（上）

* 13.4-实践：视频中寻人代码实现（下）

* 14-疲劳检测原理

* 14.1-疲劳检测效果展示

* 15.1-疲劳检测代码实现(上)

* 15.2-疲劳检测代码实现(中)

* 15.3-疲劳检测代码实现(下1)

* 15.3-疲劳检测代码实现(下2)

* 15.4-练习_张嘴检测

* 15.5-练习_张嘴检测代码实现（上）

* 15.6-练习_张嘴检测（下）

* 16-人脸对齐原理与应用

* 17-人脸对齐代码实现

* 口罩检测/

* 01-口罩检测功能概述

* 02-口罩检测效果展示

* 03-口罩检测数据集构建原理

* 04-口罩检测数据集构建实现流程

* 05-口罩检测图片批处理过程实现

* 06-口罩检测训练数据生成代码梳理1

* 07-口罩检测训练数据生成代码梳理2

* 08-口罩数据集生成代码实现(上1)

* 08-口罩数据集生成代码实现(上2)

* 09.1-口罩数据集生成代码实现（中）

* 09.2-口罩数据集生成代码实现（下）

* 10-口罩检测数据增扩及微调模型的加载

* 11-口罩检测训练程序讲解

* 12.1-口罩检测训练程序代码实现(上)

* 12.2-口罩检测训练程序代码实现(中)

* 12.3-口罩识别训练程序代码实现(下)

* 13-口罩检测测试程序面部特征提取

* 14-口罩检测模型测试应用及评价总结

* 15.1-口罩检测测试程序(图片)代码实现(上)

* 15.2-口罩检测测试程序(图片)代码实现(下)

* 16.1-口罩检测视频处理代码实现（上）

* 16.2-口罩检测视频处理代码实现（中）

* 16.3-口罩检测视频处理代码实现（下）

* Dlib模型训练/

* 1-Dlib模型训练功能简介

* 2-训练数据集的准备

* 3-训练数据集的程序运行

* 4-Dlib模型训练过程与原理

* 5-Dlib模型测试与应用

* 6-训练数据集的准备代码实现

* 7-训练Dlib模型代码实现

* 8-评价Dlib模型代码实现

* 活体检测/

* 01-活体检测概述及应用

* 02-活体检测行业应用及AI实现

* 03-活体检测基本原理

* 04-活体检测数据集准备代码实现（上）

* 05-活体检测数据集准备代码实现（下）

* 06-活体检测模型搭建代码实现

* 07-活体识别模型训练过程代码实现（上）

* 08-活体识别模型训练过程代码实现（下）

* 09-活体检测模型应用代码实现（上）

* 10-活体检测模型应用代码实现（下）

* 11-活体检测训练过程演示

* 属性识别/

* 01-表情识别效果展示

* 02-表情识别数据准备

* 03-表情检测数据集的构造代码实现

* 04.1-表情识别模型构造与训练

* 04.2-表情检测模型训练代码实现（上）

* 04.3-表情检测模型训练代码实现（中）

* 04.4-表情检测模型训练代码实现（下）

* 05-表情检测测试程序代码实现

* 06-表情检测参数优化

* 07-表情检测模型应用

* 08-表情检测模型应用代码实现（上）

* 09-表情检测模型应用代码实现（中）

* 10-表情检测模型应用代码实现（下）

* 11-表情检测VGG模型构建

* 12-配置文件的编写

* 13-生成HDF5数据集

* 01-年龄性别检测概述

* 02-性别年龄检测效果演示

* 03-数据集的准备（上）

* 04-数据集的准备（中）

* 05-数据集准备（下）

* 06-微调模型的构建(上)

* 07-微调模型的构建（中）

* 08-微调模型的构建（下）

* 09-性别检测模型训练（上）

* 10-性别检测模型训练（下）

* 11-性别检测测试程序代码实现（上）

* 12-性别检测测试程序代码实现（中）

* 13-性别检测测试程序代码实现（下）

* 阶段作业人工智能项目实战-第1套试卷/

* 试卷

* 阶段七人工智能面试强化（赠送）/

* 第一章自动编码器/

* 自动编码器历史与应用介绍/

* 1.1.自动编码器历史与应用介绍

* 构建自动编码器/

* 1.2.基础自动编码器

* 1.3基础自动编码器-数据读取

* 1.4基础自动编码器编码-模型结构与优化

* 1.5基础自动编码器编码-模型训练

* 1.6基础自动编码器-3D可视化

* 自动编码器改进技巧/

* 2.1自动编码器改进--深层

* 2.2自动编码器改进-稀疏与降噪

* 2.3自动编码器改进编码-数据读取

* 2.4自动编码器改进编码-模型结构1

* 2.4自动编码器改进编码-模型结构2

* 2.5自动编码器改进-模型训练与比较

* 变分自动编码器/

* 3.1变分自动编码器介绍

* 3.2变分自动编码器练习-模型搭建1

* 3.2变分自动编码器练习-模型搭建2

* 3.3变分自动编码器练习-模型训练

* 3.4自动编码器总结

* 第二章图像分割应用/

* 图像分割应用介绍/

* 1.1图像分割应用介绍

* 1.2自定义数据集读取代码编写

* 1.3模型搭建1

* 1.3模型搭建2

* 1.4模型训练

* 1.5模型调试与总结

* 第三章生成对抗学习/

* 生成对抗学习/

* 1.1深度学习前沿介绍

* 1.2生成对抗网络介绍

* 1.3图像生成代码练习-自定义数据读取

* 1.4图像生成代码练习-模型搭建

* 1.5图像生成代码练习-模型训练器1

* 1.5图像生成代码练习-模型训练器2

* 1.6模型调试

* 1.7生成对抗网络总结

* 第四章算法进阶迁移学习/

* 迁移学习介绍/

* 1.1迁移学习介绍

* 1.2自定义数据集读取练习

* 1.3模型训练1

* 1.3模型训练2

* 1.4模型调试

* 1.5迁移学习总结

* 第五章模型可解释/

* 模型可解释/

* 1.1模型可解释介绍1

* 1.2模型可解释介绍2

* 1.3模型可解释代码练习1

* 1.4模型可解释代码练习2

* 1.5模型可解释总结

* 第六章模型压缩/

* 模型压缩/

* 1.1模型压缩介绍

* 1.2模型压缩代码练习-构建模型

* 1.3模型压缩代码练习-训练模型1

* 1.4模型压缩代码练习-模型训练2

* 1.5模型调试

* 1.6模型压缩总结

* 第七章终生学习/

* 终生学习/

* 1.1终生学习介绍

* 1.2代码练习-自定义数据1

* 1.3代码练习-自定义数据集2

* 1.4代码练习-模型训练1

* 1.5代码练习-模型训练2

* 1.6模型调试

* 1.7终生学习总结

* 第八章算法进阶进化学习/

* 进化学习/

* 1.1进化学习介绍

* 1.2遗传算法编码练习

* 1.3旅行商问题练习1

* 1.4旅行商问题练习2

* 1.5进化策略练习

* 1.6进化学习总结

* 第九章贝叶斯方法/

* 贝叶斯方法/

* 01-课程介绍

* 02-贝叶斯方法介绍

* 03-频率派与贝叶斯派

* 04-贝叶斯后验分布

* 05-贝叶斯定理

* 06-拼写检查应用-上

* 07-拼写检查应用-中

* 08-贝叶斯网络介绍

* 09-贝叶斯网络定义

* 10-贝叶斯网络实例

* 11-贝叶斯网络基本结构-上

* 12-贝叶斯网络基本结构-中

* 13-贝叶斯网络基本结构-下

* 14-贝叶斯案例介绍

* 15-构造贝叶斯网络结构

* 16-构造概率分布CPD

* 第十章贝叶斯方法实现及粒子滤波/

* 贝叶斯方法实现及粒子滤波/

* 01-贝叶斯网络推理数据

* 02-贝叶斯推理演示

* 03-粒子滤波介绍

* 04-粒子滤波概念

* 05-粒子初始化

* 06-粒子迭代-上

* 07-粒子迭代-中

* 08-粒子迭代-下

* 09-粒子迭代总结

* 10-重采样

* 11-状态方程

* 12-更新状态方程

* 13-计算粒子权重

* 14-粒子重采样实现

* 15-粒子滤波演示

* 16-高斯过程介绍

* 17-高斯过程原理

* 18-高斯过程回归

* 19-高斯过程分类

* 第十一章深度强化学习/

* 强化学习/

* 01-深度强化学习简介

* 02-强化学习介绍

* 03-强化学习方法

* 04-强化学习特点

* 05-强化学习基本过程

* 06-强化学习步骤

* 07-贝尔曼方程

* 08-Q函数

* Q-learning算法/

* 09-Q-learning算法

* 10-Q-learning伪代码

* 11-Q值更新

* 12-Q值计算

* 13-Flappy-Bird游戏说明

* 14-状态与动作选择

* 15-Q-table

* 16-Q-Table训练

* Deep Q-Network/

* 01-初始策略

* 02-Q值更新策略

* 03-Deep-Q-Network介绍

* 04-问题分析

* 05-实现方法

* 06-构建模型

* 07-Q学习损失函数

* 08-论文解读和图像预处理

* 09-CNN输入

* 10-DQN结构

* 11-DQN代码分析

* 12-DQN训练流程

* 13-DQN训练代码分析

* 14-DQN训练演示

* 15-DQN实验分析

* 阶段作业人工智能面试强化-第1套试卷/

* 试卷