黑马人工智能AI进阶（老学员专属）

* 阶段一人工智能Python基础/

* 第一章 python基础编程/

* python开发环境搭建/

* 01-（了解）学习目标

* 02-（了解）Python概述

* 03-（了解）Python解析器作用

* 04-（重点）Python解析器安装与配置

* 05-（重点）PyCharm软件安装

* 06-（重点）PyCharm创建入门Python案例

* 07-（重点）PyCharm常见问题之解析器配置

* 08-（了解）PyCharm软件本身设置

* Python注释与变量/

* 09-（重点）Python中的注释

* 10-（重点）PyCharm快捷键与编程习惯

* 11-（重点）Python中的变量详解

* Python数据类型/

* 12-（重点）Python中的7种数据类型

* 13-（重点）Python中的bug

* Python格式化输出/

* 14-（重点）Python中print输出函数详解

* 15-（重点）百分号形式的格式化输出

* 16-（重点）百分号形式的格式化输出高级特性

* 17-（了解）Python3中的format函数格式化

* 18-（重点）Python中format格式化输出的简写形式

* 19-（重点）Python中input函数详解

* （回顾）Python环境搭建与输入输出

* Python运算符/

* 01-（重点）使用临时变量实现两个变量值的交换

* 02-（了解）学习目标

* 03-（引言）为什么需要数据类型转换

* 04-（重点）四种类型转换方法

* 05-（重点）算数运算符

* 06-（重点）求梯形的面积

* 07-（重点）赋值运算符（注意其执行顺序）

* 08-（重点）复合赋值运算符

* 09-（重点）比较运算符

* 10-（重点）逻辑运算符

* 11-（扩展）短路运算

* 12-（了解）运算符的优先级

* Python分支语句/

* 13-（重点）if语句详解

* 14-（重点）if...else语句详解

* 15-（重点）if...elif...else多重分支语句

* 16-（重点）if...elif...else相关案例

* 17-（重点）and逻辑判断符简写形式

* 18-（重点）if嵌套结构

* 19-（重点）猜拳案例

* 20-（重点）三目运算符

* （回顾）课程回顾

* 01-（作业）三角形与世界杯小组赛成绩

* while循环/

* 02-（了解）While循环学习目标

* 03-（重点）循环基本结构与循环三步走

* 04-（重点）while循环的执行流程

* 05-（重点）循环案例演示（上）

* 06-（重点）循环案例演示（下）

* 07-（重点）循环中的两大关键词break与continue（必须要在continue之前更新计数器）

* 08-（重点）while中的死循环

* 09-（重点）猜数字案例

* 10-（重点）循环嵌套基本语法与执行流程

* while循环案例/

* 11-（难点）while循环嵌套打印5x5正方形

* 12-（重点）while循环嵌套打印直角三角形

* 13-（重点）while循环嵌套打印倒三角形

* 14-（重点）while循环嵌套打印九九乘法表

* for循环及案例/

* 15-（重点）for循环学习目标

* 16-（重点）for循环基本语法及其应用场景

* 17-（重点）for循环与range函数相关案例

* 18-（重点）用户登录案例演示

* 19-（重点）for循环嵌套案例演示

* （回顾）课程回顾

* 循环else/

* 01-（重点）while循环中的else语句结构

* 02-（重点）for循环中的else结构

* 03-（案例）报数字游戏案例

* 04-（扩展）小海龟会画画

* 字符串定义切片/

* 05-（了解）数据序列学习目标

* 06-（回顾）字符串定义与输入输出

* 07-（重点）字符串索引下标与循环遍历

* 08-（重点）字符串切片

* 字符串查找，替换，合并/

* 09-（重点）字符串的查找方法

* 10-（重点）字符的查找案例之获取图片名称与图片后缀

* 11-（重点）字符串修改方法

* 12-（重点）字符串的判断语句

* 13-（重点）获取4位随机验证码

* 14-（答疑）验证码的由来

* 列表定义及使用/

* 15-（重点）列表的定义与元素的访问

* 16-（重点）列表的查询操作

* 17-（重点）列表的增加操作

* 18-（重点）列表的删除操作

* 19-（重点）列表的修改操作

* 20-（重点）使用循环遍历列表

* 21-（重点）列表嵌套

* （回顾）课程回顾

* 元组定义及使用/

* 01-（重点）元组的定义与访问

* 02-（了解）学习目标

* 字典定义及使用/

* 03-（重点）字典的定义与访问过程

* 04-（重点）字典的新增操作

* 05-（重点）字典的删除操作

* 06-（重点）字典的修改操作

* 07-（重点）字典的查询方法

* 案例-学生管理系统（一）/

* 08-（重点）学生管理系统菜单功能开发

* 09-（重点）学生管理系统多分支判断

* 10-（重点）学生管理系统学生添加与查询功能实现

* 11-（重点）学生管理系统删除功能

* 集合定义及使用/

* 12-（重点）集合的定义

* 13-（重点）集合中的新增操作

* 14-（重点）集合中的删除方法

* 15-（重点）集合中的查询方法

* 16-（扩展）集合求交集-并集-差集

* 公共方法与推导式/

* 17-（重点）常见公共方法汇总（上）

* 18-（重点）公共方法len()与del

* 19-（重点）求最大值与最小值

* 20-（重点）enumerate方法详解

* 21-（重点）序列类型数据的相互转换

* 22-（重点）列表推导式

* 23-（重点）字典推导式

* 24-（扩展）字典推导式面试题

* 25-（了解）集合推导式

* （回顾）课程回顾

* 函数基本使用/

* 01-（了解）学习目标

* 02-（重点）Python中函数的定义与调用

* 03-（重点）return返回值详解

* 04-（重点）函数的说明文档-无声音请看下一章替代视频

* 05-（重点）封装一个验证码函数-无声音请看下一章替代视频

* 06-（重点）函数嵌套的执行流程-无声音请看下一章替代视频

* 07-（重点）函数的应用案例汇总

* 08-（答疑）为什么有的函数打印结果返回None

* 函数基本使用替代视频（04,05,06）/

* 05-（重点）函数的说明文档

* 06-（案例）生成指定长度的随机验证码

* 07-（理解）函数的嵌套执行流程与Debug工具的使用

* 函数作用域/

* 09-（重点）全局变量与局部变量

* 10-（重点）Python中的global关键字

* 11-（重点）global应用场景之多个函数共享数据

* 不定长参数与组包拆包/

* 12-（重点）位置参数与关键字参数

* 13-（重点）缺省参数

* 14-（重点）不定长元组与不定长字典参数

* 25-（重点）不定长参数应用案例

* 26-（重点）字典与元组拆包

* 案例-学生管理系统（二）/

* 27-（重点）学生管理系统菜单功能开发

* 28-（重点）学生管理系统之if多分支功能开发

* 29-（重点）学生管理系统之添加功能实现

* 30-（重点）学生管理系统之遍历所有学员信息

* 31-（重点）学生管理系统之删除功能实现

* 32-（重点）学生管理系统之编辑学生信息

* 33-（重点）学生管理系统之查询某个学生信息

* 基础加强练习/

* （回顾）课程回顾

* 01-（作业）使用for循环嵌套生成列表嵌套结构

* 02-（作业）使用for循环调整列表中的元素

* 03-（作业）使用for循环嵌套生成一个新列表

* 04-（作业）不引入第三方变量实现两个数交换（和Java通用）

* 05-（作业）百分号输出格式化又出现了百分号的情况

* 06-（作业）字符串切片案例

* 07-（作业）字典的key不同类型如何判断

* 08- (作业）不定长参数使用

* 可变类型及非可变类型/

* 09-（了解）学习目标

* 10-（了解）Python中的引用变量

* 11-（思考）引出可变类型与不可变数据类型

* 12-（对比）可变类型与非可变数据类型

* 13-（重点）可变与非可变数据类型应用

* 递推/

* 14-（了解）递推算法

* 15-（重点）斐波那契数列递推代码详解

* 递归/

* 16-（重点）递归三步走

* 17-（重点）使用递归求n的阶乘

* 18-（作业）猴子吃桃问题

* 19-（了解）函数在内存中的存储形式

* lambda表达式/

* 20-（重点）lambda基本语法与带参数的lambda表达式

* 21-（重点）带有默认值以及不定长参数的lambda表达式

* 22-（重点）带有三目运算符的lambda表达式

* 23-（重点）列表与字典组合数据排序操作

* 文件基本操作/

* （回顾）课程回顾

* 01-（了解）学习目标

* 02-（了解）文件操作概述

* 03-（重点）文件操作三步走

* 04-（对比）绝对路径与相对路径

* 05-（对比）重点掌握r-w-a三种模式

* 06-（重点）文件的读取操作

* 07-（重点）f.seek移动文件指针

* 文件操作案例/

* 08-（重点）Pyhton文件备份案例

* 09-（作业）使用递归求猴子吃桃问题

* 10-（案例）文件备份与查漏补缺

* 11-（重点）os模块实现重命名与删除文件

* 12-（重点）os模块中与文件夹相关的操作方法

* 13-（扩展慎重）文件夹的递归删除

* 案例-学生管理系统（三）/

* 14-（重点）学生管理系统数据保存与数据转换思路

* 15-（重点）学生管理系统之学生数据的存储

* 16-（重点）学生管理系统之文件数据加载

* python异常处理/

* 17-（重点）异常与异常的捕获

* 18-（重点）捕获指定类型异常

* 19-（重点）同时捕获多个异常

* 20-（重点）捕获所有未知异常

* 21-（重点）异常捕获完整写法

* 22-（重点）异常综合案例

* 23-（了解）抛出自定义异常

* （回顾）昨天课程回顾

* python模块与包/

* 01-（了解）学习目标

* 02-（重点）使用import导入模块

* 03-（重点）使用from导入模块的相关功能

* 04-（重点）使用as关键字为模块或功能定义别名

* 05-（重点）自定义模块制作与导入

* 06-（重点）自定义模块功能测试与__name__魔术方法

* 07-（重点）多模块导入式命名冲突问题解决

* 08-（重点）自定义模块与系统模块重名解决方案

* 09-（重点）使用__all__魔术变量限制模块中功能的访问

* 10-（重点）Python中的自定义Package包

* 案例-飞机大战/

* 11-（了解）Python飞机大战学习目标

* 12-（重点）pygame模块安装

* 13-（思路）飞机大战实现步骤

* 14-（重点）飞机大战窗口及背景实现

* 15-（重点）英雄飞机实现

* 16-（重点）获取键盘事件

* 17-（重点）飞机移动

* 18-（重点）发射子弹

* 19-（重点）粘贴敌方飞机并让其移动

* 20-（重点）实现飞机爆炸效果

* （回顾）Python飞机大战

* （回顾）课程回顾

* 第二章 python面向对象/

* 类定义及类属性使用/

* 01-（了解）学习目标

* 02-（理解）面向对象编程思想

* 03-（重点）面向对象的两大要素（类和对象）

* 04-（重点）类的定义与实例化操作

* 05-（重点）使用类创建多个对象与self关键字详解

* 06-（重点）类属性的定义与获取

* 魔法方法/

* 07-（重点）Python类中的__init__魔术方法

* 08-（重点）Python类中的__del__魔术方法

* 09-（重点）Python类中的__str__魔术方法

* 10-（小结）魔术方法小结

* 案例-面向对象/

* 11-（案例）面向对象综合案例一

* 12-（案例）面向对象综合案例二

* 面向对象封装与继承/

* 13-（封装）私有属性封装

* 14-（封装）私有方法封装

* （案例）摆放家具案例上

* （案例）摆放家具案例下

* （回顾）课程回顾

* 01-（了解）学习目标

* 02-（重点）Python继承特性与单继承

* 03-（问题）常见面向对象编写问题汇总

* 04-（重点）Python中的多继承特性

* 面向对象多态/

* 05-（重点）Python中子类重写父类中的属性或方法

* 06-（重点）super()方法强制调用父类属性和方法

* 07-（了解）MRO方法解析顺序（了解继承关系）

* 08-（了解）Python中多态特性

* 09-（了解）Python中的多态案例

* 类属性方法/

* 10-（重点）类属性的概念（与实例属性相区分）

* 11-（重点）类方法的概念与定义

* 12-（重点）静态方法

* 13-（重点）面向对象其他特性综合案例

* 阶段二人工智能Python进阶编程/

* 第一章 Python进阶编程/

* 函数的闭包/

* 01-（了解）学习目标

* 02-（了解）全局变量与局部变量访问范围

* 03-（了解）计算机的垃圾回收机制

* 04-（理解）函数的闭包

* 05-（重点）nonlocal关键字

* 06-（案例）闭包的综合案例

* 07-（重点）标准装饰器

* 08-（重点）装饰器的应用场景与装饰器的调用流程

* 装饰器/

* 09-（重点）装饰器修饰带有参数的函数

* 10-（重点）装饰器修饰带有返回值的参数

* 11-（重点）通用装饰器的编写

* 12-（了解）使用装饰器传递参数

* 13-（了解）类装饰器

* HTML基础/

* 01-（了解）学习目标

* 02-（了解）HTML的组成与作用

* 03-（重点）VS Code安装与配置

* 04-（重点）VS Code配置详解

* 05-（重点）标题标签与段落标签

* 06-（重点）换行-水平线与图片标签

* 07-（重点）标签嵌套与带有属性的标签

* CSS基础/

* 08-（重点）无序列表与有序列表

* 09-（重点）表格标签

* 10-（重点）表单元素与表单属性

* 11-（了解）CSS的基本概念

* 12-（了解）CSS的三种引入方式_没有声音

* 13-（重点）三大选择器_没声音

* 14-（了解）层级组以及伪类选择器_没声音

* 15-（重点）常见布局属性_没声音

* 16-（重点）常见文本属性_没声音

* 无声音替代视频/

* 10-CSS定义

* 11-CSS的三种引用方式

* 12-CSS选择器（上）

* 13-CSS选择器（下）

* 14-常用布局属性

* 15-常用文字属性

* 16-静态模板分享

* Socket网络编程/

* 01-（了解）学习目标

* 02-（了解）计算机IP地址的作用

* 03-（了解）端口与端口号

* 04-（了解）TCP协议详解

* 05-（理解）socket套接字与网络应用程序开发流程

* TCP服务器开发/

* 06-（重点）TCP客户端开发五步走

* 07-（重点）TCP服务器端开发七步走（上）

* 08-（重点）TCP服务器端开发七步走（下）

* 09-（重点）TCP服务器端多客户端版本

* 10-（重点）TCP服务器端面向对象版本

* 11-（重点）TCP服务器端开发对话版

* 12-（重点）TCP网络应用程序开发注意事项与端口复用

* 13-（扩展）Python操作飞秋

* 静态Web服务器/

* （回顾）课程回顾

* 01-（了解）学习目标

* 02-（了解）HTTP协议与作用

* 03-（了解）URL统一资源定位符

* 04-（重点）开发者工具使用与HTTP GET请求报文

* 05-（重点）HTTP中GET和POST请求组成部分

* 06-（重点）HTTP响应报文结构

* 07-（了解）使用python.exe创建静态Web服务器

* 08-（重点）使用Python开发静态Web服务器

* 09-（重点）获取用户请求的资源路径

* FastAPI/

* 10-（重点）根据用户请求返回对应页面

* 11-（理解）请求报文与响应报文作用

* 12-（Bug）解决首页无法访问问题

* 13-（Bug）解决前端页面访问问题

* 14-（重点）FastAPI框架及快速入门

* 15-（重点）使用FastAPI实现多个页面请求

* 进程/

* （回顾）课程回顾

* 01-（了解）多任务的基本概念

* 02-（了解）进程的概念

* 03-（重点）使用多进程完成多任务

* 04-（重点）多进程实现带有参数的多任务

* 05-（重点）获取子进程与主进程ID编号

* 06-（重点）杀掉进程

* 07-（重点）注意事项一进程与进程之间不共享全局变量

* 08-（重点）注意事项二主进程与子进程的执行顺序

* 线程/

* 09-（了解）线程的概念（与进程区分开）

* 10-（重点）使用多线程实现多任务

* 11-（重点）使用多线程实现带有参数的多任务

* 12-（重点）设置子线程守护主线程

* 进程线程对比/

* 13-（重点）多线程之间执行是无序的

* 14-（重点）线程与线程之间共享全局变量

* 15-（重点）进程和线程对比

* 16-（重点）多任务实际工作应用场景

* With上下文管理器/

* （回顾）课程回顾

* 01-（了解）学习目标

* 02-（重点）为什么要引入with上下文管理器

* 03-（重点）with上下文管理器

* 04-（重点）生成器的创建方式一

* Python生成器/

* 05-（重点）yield生成器

* 06-（理解）使用yield生成器生成斐波那契数列

* 07-（重点）生成器多种写法

* 08-（回顾）变量引用以及可变和不可变数据类型

* Python中深浅拷贝/

* 09-（重点）Python中的浅拷贝

* 10-（重点）Python浅拷贝笔试题

* 11-（重点）Python中的深拷贝

* 12-（重点）Python中深拷贝特殊情况

* Python中正则表达式/

* 13-（重点）正则概述与快速入门

* 14-（重点）正则三步走之查什么

* 15-（重点）正则三步走之查多少

* 16-（重点）正则三步走之从哪查

* 17-（扩展）正则工具箱

* 第二章 Python爬虫实战/

* Python爬虫实战/

* （回顾）课程回顾

* 01-（重点）分组（子表达式）与捕获操作

* 02-（重点）反向引用

* 03-（重点）选择匹配符

* 04-（扩展）分组引用与分组别名

* 05-（案例）选择匹配符使用

* 06-（案例）正则邮箱验证

* 07-（案例）正则中的split切割操作

* 08-（扩展）flags标签说明

* 09-（重点）FastAPI搭建Web服务器

* 10-（重点）FastAPI通用配置详解

* 11-（重点）FastAPI执行流程与HTML通用配置

* 12-（思路）Python爬虫到底是什么？

* 13-（重点）通过Python爬虫获取图片链接地址

* 14-（重点）远程图片本地存储

* 15-（重点）使用Python爬虫爬取GDP数据

* 16-（重点）多任务爬虫

* 17-（重点）把数据进行可视化展现

* 阶段三数据处理与统计分析/

* 第一章人工智能Linux系统/

* Linux基础/

* 01-Linux操作系统学习目标

* 02-操作系统概述

* 03-Linux操作系统概述

* 04-虚拟机安装与配置

* 05-Linux操作系统安装

* 06-Linux连接工具使用

* 07-Linux的目录结构

* Linux常用命令/

* 08- Linux常见命令之ls命令

* 09-Linux常见命令之cd命令

* 10-Linux常见命令之mkdir命令

* 11-Linux常见命令之touch命令

* 12-Linux常见命令之rm命令

* 13-Linux常见命令之cp与mv命令

* 14-Linux常见命令之cat与more命令

* 15-Linux常见命令之ps命令与kill命令

* 16-Linux常见命令之ifconfig命令与clear命令

* 17-Linux常见命令之重启关机&which命令与hostname命令

* 18-Linux常见命令之grep命令与竖线管道命令

* 19-Linux常见命令之useradd命令与userdel命令

* 20-Linux常见命令之tar命令

* 21-Linux常见命令之su命令

* Vim编辑器/

* 22-VIM编辑器概述与VIM编辑器的三种工作模式

* 23- VIM编辑器命令模式下的相关命令

* 24-VIM编辑器底行模式的相关命令

* 25-VIM编辑器小结

* Linux常用管理命令/

* 01- Linux文件权限概述

* 02-Linux用户组管理

* 03-Linux用户管理

* 04-查看用户信息与切换用户

* 05-sudo指令详解

* Linux常用软件安装/

* 06-chmod字母形式修改文件权限

* 07-chmod数字形式修改文件权限

* 08-Linux获取系统信息相关指令

* 09-rpm软件包管理器的基本使用

* 10-rpm软件包卸载与安装

* 11-yum软件包管理工具

* 12-卸载系统自带的mariadb

* 13-MySQL8.0软件包安装

* 14-MySQL8.0初始化与账号配置

* 15-MySQL8.0安装小结

* 16-服务器集群搭建之完整克隆

* 17-服务器硬件配置

* 18-虚拟机网络配置

* 19-集群环境准备之关闭防火墙&SELinux&修改hosts映射

* 20-SSH免密登录实现

* 21-NTP时间同步

* 22-SCP远程文件拷贝

* Shell基础/

* 23-Shell编程

* 第二章 SQL数据处理与统计分析/

* 数据库基础/

* 01-数据库基础学习目标

* 02-数据库基本概念

* 03-MySQL数据库概述与下载

* 04-MySQL软件的安装（Windows版本）

* 05-Linux版本下MySQL连接与使用

* 06-MySQL管理软件DataGrip的安装与使用

* 07-DataGrip软件设置

* SQL语言基础/

* 08-SQL语言

* 09-SQL语言之数据库的增删查操作

* 10-SQL语言之数据表的创建

* 11-SQL语言之查看数据表信息

* 12-SQL语言之数据表的修改与删除操作

* 13-字段类型详解

* 14-SQL语言之DML数据增删改操作

* 15-数据表的清空操作

* SQL约束/

* 01-SQL约束之主键约束

* 02-知识点补充之自动增长auto_increment

* 03-SQL约束之not null非空约束

* 04-SQL约束之unique唯一约束

* 05-SQL约束之默认值约束

* 06-SQL约束之外键约束

* 07-小结之SQL五种约束

* SQL条件查询/

* 08-DQL数据查询语言之数据集准备

* 09-SQL简单查询演示

* 10-SQL五子句之where比较查询

* 11-SQL五子句之where范围查询

* 12-SQL五子句之where模糊查询

* 13-SQL五子句之where空值与非空查询

* 14-SQL五子句之where逻辑查询

* 15-where条件查询小结

* SQL聚合/

* 16-SQL五子句之order by排序查询

* 17-SQL语言之聚合查询操作

* 18-group by分组子句

* 19-group by执行原里图

* 20-group by子句与having子句的结合使用

* 21-with rollup回溯统计

* 22-group by与having子句使用小结

* 23-limit分页查询

* 24-DQL数据查询语言小结

* SQL多表查询/

* 25-多表查询数据集准备

* 26-交叉连接查询

* 27-内连接查询

* 28-外连接查询

* 29-多表查询总结

* 30-子查询三步走

* 数据库三范式/

* 01-数据库设计三范式之第一范式

* 02-数据库设计三范式之第二范式

* 03-数据库设计三范式之第三范式

* 04-数据库设计三范式小结

* 05-ER模型与表间关系

* PyMySQL/

* 06-PyMySQL概述与模块安装

* 07-PyMySQL七步走实现数据的查询操作

* 08-PyMySQL七步走实现数据的增加操作

* 09-PyMySQL七步走实现数据的删除操作

* 10-PyMySQL七步走实现数据的修改操作

* 11-PyMySQL小结

* 第三章 Pandas数据处理与统计分析/

* 环境搭建/

* 1 开发环境搭建

* 2 Anaconda使用

* 3 启动Jupyter服务

* 4 DataSpell使用

* NumPy/

* 1 NumPy介绍

* 2 创建ndarray

* 3 NumPy内置函数及运算

* pandas数据结构/

* 1 Python数据分析处理简介

* 2 Python数据分析处理常用库

* 3 数据分析与处理流程

* 4 创建Series对象

* 5 创建DataFrame对象

* 6 上传数据集操作

* 7 Series常用属性

* 8 Series常用方法

* 9 Series布尔索引

* 10 Series运算

* 11 DataFrame常用属性和方法

* 12 DataFrame布尔索引

* 13 DataFrame的运算

* 14 设置行索引

* 15 修改行索引列名

* 16 添加删除插入列

* 17 导出和导入数据

* pandas dataframe入门/

* 1 加载数据集

* 2 根据列名加载部分列

* 3 按行加载部分数据

* 4 获取指定行列数据

* 5 分组聚合需求1

* 6 分组聚合需求23

* 7 简单绘图

* pandas 分析入门/

* 1 计算常用统计值

* 2 常用排序方法

* 3 简单数据分析练习1

* 4 简单数据分析练习2

* 5 简单数据分析练习3

* 数据组合/

* 1 数据组合介绍

* 2 数据组合添加行

* 3 数据组合添加列

* 4 concat其他用法

* 5 合并多个数据集1

* 6 合并多个数据集2

* 数据清洗/

* 1 缺失数据简介

* 2 加载缺失数据

* 3 删除缺失值

* 4 填充缺失值

* 5 删除重复值

* 6 处理异常值

* apply自定义函数/

* 1 Series的apply方法

* 2 DataFrame的apply方法

* 3 apply使用案例

* 4 向量化函数&lambda函数

* 数据分组/

* 1 数据分组-聚合基础

* 2 数据分组-聚合进阶

* 3 数据分组-转换1

* 4 数据分组-转换2

* 5 数据分组-过滤

* 6 DataFrame分组对象

* 数据透视表/

* 1 数据透视表简介

* 2 会员存量增量分析

* 3 会员增量等级

* 4 各地区会销比

* 5 会员连带率分析

* 6 会员复购率分析

* datetime数据类型/

* 1 datetime介绍

* 2 datetime类型案例

* 第四章数据处理与统计分析案例-RFM案例/

* Python数据可视化/

* 1 Python数据可视化

* Matplotlib绘图/

* 1 Matplotlib绘图入门

* 2 Matplotlib绘图案例

* 3 Matplotlib绘制统计图

* Pandas绘图/

* 1 Pandas单变量可视化1

* 1 Pandas单变量可视化2

* 2 Pandas双变量可视化

* Seaborn绘图/

* 1 Seaborn单变量可视化

* 2 Seaborn双变量可视化

* 3 Seaborn多变量可视化

* 会员价值度模型介绍/

* 1 会员价值度模型介绍

* 2 RFM案例背景介绍

* RFM案例代码实现/

* 3 RFM案例代码实现1

* 4 RFM案例代码实现2

* 5 RFM案例代码实现3

* 6 RFM案例代码实现4

* RFM总结/

* 7 RFM案例应用&小结

* 阶段四机器学习多场景项目实战/

* 第一章机器学习基础算法/

* 人工智能原理基础/

* 01_人工智能概念

* 02_机器学习概念

* 03_机器学习分类01

* 04_机器学习分类02

* 05_拟合问题

* 06_机器学习开发环境

* KNN算法/

* 01_K近邻算法原理

* 02_距离度量的方法

* 03_归一化标准化

* 04_K近邻算法API

* 05_数据集划分01

* 06_数据集划分02

* 07_分类模型的评估

* 08_K值选择问题

* 09_手写数字识别

* 线性回归/

* 01_线性回归原理

* 02_损失函数和正规方程

* 03_求导

* 04_梯度下降法

* 05_梯度下降法2

* 06_其它梯度下降算法

* 07_回归问题的评估

* 08_回归问题的评估_2

* 09_欠拟合和过拟合

* 10_正则化

* 11_波士顿房价预测案例

* 逻辑回归/

* 01_逻辑回归简介

* 02_逻辑回归API应用案例

* 03_分类评估指标

* 04_案例-电信客户流失预测

* 05_案例-电信客户流失预测02

* 第二章机器学习算法进阶/

* 决策树算法/

* 01_决策树介绍

* 02_ID3决策树

* 03_C4.5决策树

* 04_cart决策树

* 05_回归决策树

* 06_剪枝

* 07_泰坦尼克生存预测

* 朴素贝叶斯算法/

* 01_朴素贝叶斯原理

* 02_朴素贝叶斯案例_垃圾邮件加载

* 03_朴素贝叶斯案例_完成

* SVM算法/

* 01_支持向量机的引入

* 02_支持向量机的概念

* 03_支持向量机的核方法和损失函数

* 04_支持向量机案例

* 聚类算法/

* 01_聚类算法的概念

* 02_聚类算法API的使用

* 03_聚类算法实现原理

* 04_聚类算法的评估

* 05_特征降维

* 06_聚类算法案例

* 集成学习算法/

* 01_集成学习介绍

* 02_bagging和随机森林

* 03_bagging和Adaboost_01

* 04_bagging和Adaboost_02

* 05_案例-车辆贷款违约预测

* 06_GBDT

* 07_xgboost

* 08_红酒品质分类案例

* 机器学习算法回顾总结（有需要的同学可以看看）/

* 01_总结_算法重要性

* 02_总结_训练集测试集划分交叉验证

* 03_总结_随机搜索说明

* 04_总结_线性回归的API

* 05_总结_逻辑回归以及分类问题评估

* 06_总结_聚类问题

* 07_总结_bagging算法

* 08_总结_xgboost

* 09_总结朴素贝叶斯和SVM

* 10_特征工程基本套路

* 11_EDA套路介绍

* 12_用户画像和AB测试

* 第三章多场景业务实战-用户行为分析及文本挖掘/

* 用户行为分析/

* 0.1 反馈问题

* 0.2 昨日复习

* 1.1 用户行为分析-日pv uv

* 1.2 用户行为分析-小时pv uv

* 1.3 用户行为分析-留存率

* 1.4 用户行为分析-购买复购

* 1.5 用户行为分析-漏斗图

* 库存分析/

* 1.6 商品纬度分析

* 2.1 电商库存管理方法介绍

* 2.2 库存分析-数据加载预处理

* 2.3 上午复习

* 2.4 库存分析-构建xyz模型

* 2.5 库存分析-区分xyz类别

* 2.6 库存分析-xyz可视化

* 2.7 库存分析-构建abc模型

* 文本挖掘/

* 2.8 库存分析-abcxyz模型构建

* 2.9 库存分析-业务解读

* 3.1 文本挖掘介绍

* 3.2 用户评论案例背景

* 3.3 文本挖掘流程

* 3.4 文本评论-数据加载

* 3.5 文本评论-数据处理

* 3.6 文本评论-非文本数据分析

* 0.1 反馈问题

* 0.2 昨日复习

* 文本评论/

* 1.1 文本评论-文本数据分析

* 1.2 文本评论-创建词云图

* 2.1 报表设计介绍

* 2.2 日报介绍

* 2.3 报表方法论

* 2.4 excel连接mysql

* 2.5 上午复习

* 2.7 sql指标计算

* 2.8 报表展示

* 游戏数据分析/

* 3.1 游戏数据分析-运营数据

* 3.2 游戏数据分析-其他数据

* 3.3 游戏数据分析-案例背景

* 3.4 游戏数据分析-用户注册时间分析

* 3.5 游戏数据分析-付费情况分析

* 3.6 游戏数据分析-各等级付费分析

* 3.7 游戏数据分析-各等级付费展示

* 3.8 游戏数据分析-道具使用分析

* 3.9 游戏数据分析-玩法分析

* 第四章多场景业务实战-用户标签与指标计算/

* Pandas指标计算/

* 1.1 指标计算介绍

* 1.2 活跃用户指标

* 1.3 新增用户指标

* 1.4 留存&行为指标

* 1.5 产品数据指标

* 1.6 推广付费指标

* 1.7 如何选择指标

* 2.1 pandas指标计算案例背景

* 2.2 pandas指标计算-数据清洗

* 2.3 pandas指标计算-GMV计算

* 2.4 pandas指标计算-环比计算

* 2.5 pandas指标计算-月均活跃用户

* 2.6上午复习

* 2.7 pandas指标计算-新老用户划分

* 2.8 pandas指标计算-新老用户金额

* 2.9 pandas指标计算-新用户占比

* 2.10 pandas指标计算-激活率介绍

* 2.11 pandas指标计算-激活率计算

* 2.14 pandas指标计算小结

* 2.12 pandas指标计算-渠道激活率计算

* 2.13 pandas指标计算-月留存率计算

* 数据推断/

* 0.1 反馈问题

* 0.2 昨日复习

* 一定要做的事_MySQL8.0安装

* datagrip导入sql文件

* 1.1 数据推断-背景介绍

* 1.2 数据推断-基本思路

* 1.3 数据推断-菜名翻译

* 1.4 数据推断-菜名类别

* 1.5 数据推断-订单菜名合并

* 1.6 数据推断-用餐人数推断1

* 1.7 数据推断-用餐人数推断2

* 1.8 数据推断-小结

* 用户标签计算/

* 2.0 上午复习

* 2.1 精细化运营介绍

* 2.2 用户标签介绍

* 2.3 用户标签流程

* 2.4 用户标签体系

* 2.5 项目背景

* 2.6 基于时间实时类标签

* 2.7 基于阈值统计类标签

* 2.8 根据标签分析

* 3.1 用户行为分析介绍&事件分析

* 3.2 页面点击分析

* 3.3 漏斗模型分析

* 3.4 用户行为路径分析

* 3.5 AARRR模型&案例背景

* 3.6 数据预处理

* 3.7 用户行为分析1

* 阶段五金融风控项目/

* 第一章金融风控-项目数据处理/

* 金融风控业务基础/

* 3.1 金融风控项目整体介绍

* 3.2 金融风控&信贷介绍

* 3.3 金融风控信贷产品介绍

* 3.4 金融风控现金贷消费贷介绍

* 3.5 金融风控常见风险

* 3.6 金融风控常见术语

* 4.1 风控业务案例背景

* 4.2 风控业务案例添加字段

* 4.3 风控业务案例坏账率计算

* 4.4 风控业务案例入催率计算

* 4.5 风控业务案例回收情况分析

* 金融风控报表/

* 0 昨日复习

* 1.1 业务报表介绍

* 1.2 信贷业务介绍

* 1.3 首贷复贷概念

* 1.4 状态表log表

* 1.5 数据表介绍

* 1.6 风控报表指标

* 2.1 各阶段转化率报表

* 2.2 通过率表

* 风控评分卡模型/

* 2.3 上午复习

* 2.4 放款统计表

* 2.5 vintage报表

* 2.6 催收报表

* 3.1 互金审批流程

* 3.2 互金组成部分

* 3.3 评分卡介绍

* 3.4 机器学习工作流程

* 3.5 项目准备期介绍

* 3.6 样本选择介绍

* 金融风控特征工程/

* 0 昨日复习

* 1.1 样本选择划分

* 1.2 样本设计

* 1.3 特征工程-数据调研

* 1.4 特征工程-明确数据质量

* 1.5 特征工程-构建特征

* 1.6 特征工程-特征评估

* 1.7 模型评估

* 1.8 上线运营

* 1.9 风控建模流程小结

* 1.10 ABC卡小结

* 2.1 业务规则挖掘背景

* 2.2 业务规则挖掘数据处理

* 2.3 业务规则挖掘特征衍生

* 2.4 业务规则挖掘构建模型分析

* 金融风控特征构造/

* 3.0 上午复习

* 3.1 特征构造-梳理逻辑

* 3.2 特征构造-样本特征框架

* 3.3 特征构造-未来信息

* 3.4 特征构造-时间序列特征衍生1

* 3.5 特征构造-时间序列特征衍生2

* 3.6 特征构造-时间序列特征衍生3

* 3.7 特征构造-缺失值处理

* 3.8 特征构造-时间序列未来信息处理

* 4.1 特征变换-分箱介绍

* 4.2 特征变换-卡方分箱介绍1

* 4.3 特征变换-卡方分箱介绍2

* 4.4 特征变换-toad库卡方分箱

* 4.5 卡方分箱小结

* 金融风控多特征筛选/

* 0.1 反馈问题

* 0.2 昨日复习

* 1.1 多值无序特征编码

* 1.2 toad库进行WOE编码

* 1.3 WOE编码解释

* 1.4 特征组合

* 1.5 用户关联特征

* 2.1 单特征筛选-覆盖度区分度

* 2.2 单特征筛选-相关性

* 2.3 上午复习

* 2.4 单特征筛选-使用toad库

* 2.5 多特征筛选-星座特征boruta算法

* 2.6 多特征筛选-VIF

* 2.7 多特征筛选-RFE

* 2.8 多特征筛选-L1特征选择

* 2.9 内部特征监控

* 2.10 外部特征评估

* 3.1 评分卡模型设计实验

* 3.2 评分卡模型样本设计

* 3.3 评分卡模型评估指标

* 第二章金融风控-项目核心业务/

* 机器学习串讲/

* 0.1 机器学习串讲1-概述

* 0.2 机器学习串讲2-线性回归

* 0.3 机器学习串讲3-线性回归例子

* 0.4 机器学习串讲4-逻辑回归

* 0.5 机器学习串讲5-决策树

* 0.6 机器学习串讲6-CART决策树

* 0.7 机器学习串讲7-集成学习

* 0.8 机器学习串讲8-CART回归树

* 0.9 机器学习串讲9-GBDT

* 逻辑回归评分卡/

* 1.1 评分卡映射介绍

* 1.2 逻辑回归评分卡-模型构建

* 1.3 逻辑回归评分卡-模型评估

* 1.4 逻辑回归评分卡-特征选择

* 1.4 上午复习

* 1.5 逻辑回归评分卡-生成报告1

* 1.6 逻辑回归评分卡-生成报告2

* 1.7 逻辑回归评分卡-评分映射

* 1.8 逻辑回归评分卡小结

* 2.1 集成学习介绍

* 2.2 lightGBM特征选择

* 2.3 lightGBM评分卡

* 金融风控项目串讲/

* 0.1 反馈问题

* 0.2 昨日复习

* 1.1 整体流程-数据处理

* 1.2 整体流程-卡方分箱

* 1.3 整体流程-WOE编码

* 1.4 整体流程-特征筛选

* 1.5 整体流程-模型训练

* 1.6 整体流程-生成报告

* 1.7 整体流程-生成评分卡

* 异常检测/

* 2.1 不均衡学习介绍

* 2.2 不均衡-代价敏感

* 2.3 不均衡-SOMTE算法

* 2.4 不均衡-SOMTE案例

* 2.5 上午复习

* 3.1 反欺诈介绍

* 3.2 异常检测介绍

* 3.3 异常检测算法1

* 3.4 异常检测案例

* 3.5 异常检测算法2

* 3.6 preA模型介绍

* 4 风控小结

* 阶段六深度学习/

* 第一章 Pytorch与深度学习基础/

* Pytorch基础/

* 01-深度学习课程概述

* 02-PyTorch使用-张量的概念

* 03-PyTorch使用-张量的基本创建方式

* 04-PyTorch使用-创建线性和随机张量

* 05-PyTorch使用-创建全01张量

* 06-PyTorch使用-张量元素类型转换

* 07-PyTorch使用-张量的创建小节

* 08-PyTorch使用-张量基本运算

* 09-PyTorch使用-张量阿达玛积运算

* 10-PyTorch使用-张量点积运算

* 11-PyTorch使用-指定张量运算设备

* Pytorch张量操作/

* 12-PyTorch使用-张量数值计算小节

* 13-PyTorch使用-张量转换为numpy数组

* 14-PyTorch使用-numpy数组转换为张量

* 15-PyTorch使用-标量张量和数字的转换

* 15-PyTorch使用-张量类型转换小节

* 16-PyTorch使用-张量的cat拼接

* 16-PyTorch使用-张量的stack拼接

* 17-PyTorch使用-张量拼接操作小节

* 18-PyTorch使用-简单索引和列表索引操作

* Pytorch高阶操作/

* 19-PyTorch使用-布尔索引和多维索引操作

* 20-PyTorch使用-张量索引操作小节

* 21-PyTorch使用-张量形状操作reshape函数使用

* 21-PyTorch使用-张量形状操作transpose和permute函数使用

* 22-PyTorch使用-张量形状操作view函数使用

* 23-PyTorch使用-张量形状操作squeeze和unsqueeze函数使用

* 24-PyTorch使用-张量形状操作小节

* 25-PyTorch使用-张量运算函数

* 26-PyTorch使用-梯度基本计算

* 27-PyTorch使用-控制梯度计算

* 28-PyTorch使用-梯度计算注意

* 29-PyTorch使用-自动微分模块小节

* Pytorch案例实战/

* 30-PyTorch使用-手动构建线性回归-数据集构建

* 31-PyTorch使用-手动构建线性回归-假设函数-损失函数-优化方法

* 32-PyTorch使用-手动构建线性回归-训练函数编写思路

* 33-PyTorch使用-手动构建线性回归-训练函数代码实现

* 34-PyTorch使用-手动构建线性回归小节

* 35-PyTorch使用-模型定义方法-基本组件的使用

* 36-PyTorch使用-模型定义方法-数据加载器-1

* 37-PyTorch使用-模型定义方法-数据加载器-2

* 38-PyTorch使用-模型定义方法-实现线性回归

* 39-PyTorch使用-直接序列化模型对象

* 40-PyTorch使用-存储模型参数

* 41-PyTorch使用-总结

* 深度学习基础理论/

* 42-神经网络基础-内容概述

* 43-神经网络基础-深度学习概述

* 44-神经网络基础-人工神经网络概述

* 45-神经网络基础-激活函数的作用

* 46-神经网络基础-simoid激活函数

* 47-神经网络基础-tanh激活函数

* 48-神经网络基础-relu激活函数

* 49-神经网络基础-softmax激活函数

* 50-神经网络基础-激活函数小节

* 51-神经网络基础-网络参数初始化

* 52-神经网络基础-梯度下降算法回顾

* 53-神经网络基础-正向传播和链式法则

* 54-神经网络基础-反向传播算法案例讲解

* 55-神经网络基础-反向传播算法代码演示-1

* 56-神经网络基础-反向传播算法代码演示-2

* 57-神经网络基础-指数加权平均

* 深度学习优化理论/

* 58-神经网络基础-momentum优化方法

* 59-神经网络基础-adagrad优化方法

* 60-神经网络基础-rmsprop优化方法

* 61-神经网络基础-adam和小节

* 62-神经网络基础-dropout原理

* 63-神经网络基础-dropout对网络参数的影响

* 64-神经网络基础-BN层理解

* BP神经网络案例/

* 65-神经网络基础-价格分类-案例介绍

* 66-神经网络基础-价格分类-构建数据集

* 67-神经网络基础-价格分类-网络模型搭建

* 68-神经网络基础-价格分类-模型训练过程

* 69-神经网络基础-价格分类-模型评估过程

* 70-神经网络基础-价格分类-网络模型调优

* 71-神经网络基础-价格分类-小节

* 第二章深度学习核心模型与实战/

* 卷积神经网络基础/

* 72-卷积神经网络-卷积神经网络概述

* 73-卷积神经网络-图像基础知识

* 74-卷积神经网络-卷积简单计算

* 75-卷积神经网络-多卷积核计算

* 76-卷积神经网络-Conv2d使用

* 77-卷积神经网络-池化计算

* 78-卷积神经网络-MaxPool2d使用

* 卷积神经网络案例/

* 80-卷积神经网络-案例-图像分类-CIFAR10数据集

* 81-卷积神经网络-案例-图像分类-CNN网络搭建

* 82-卷积神经网络-案例-图像分类-编写训练函数

* 83-卷积神经网络-案例-图像分类-编写预测函数

* 84-卷积神经网络-案例-图像分类-小节

* 循环神经网络基础/

* 85-循环神经网络-RNN概述

* 86-循环神经网络-Embedding使用

* 87-循环神经网络-Embeddings小节

* 88-循环神经网络-RNN层理解

* 89-循环神经网络-RNN层使用

* 循环神经网络案例/

* 90-循环神经网络-案例-数据清洗

* 91-循环神经网络-案例-构建词典

* 92-循环神经网络-案例-数据类编写

* 93-循环神经网络-案例-网络搭建

* 94-循环神经网络-案例-训练函数

* 95-循环神经网络-案例-预测函数

* 96-循环神经网络-案例-小节

* 阶段七自然语言处理/

* 第一章 NLP基础/

* NLP简介/

* 10_自然语言处理入门

* 文本处理的基本方法/

* 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/

* 04_1.3文本张量表示方法-part1

* 05_1.3文本张量表示方法-part2

* 06_1.3文本张量表示方法-part3

* 07_1.3文本张量表示方法-part4

* 08_1.3文本张量表示方法-part5-step1

* 09_1.3文本张量表示方法-part5-step2

* 10_1.3文本张量表示方法-part5-step3

* 11_1.3文本张量表示方法-part5-step4

* 12_1.3文本张量表示方法-part5-step5

* 12_1.3文本张量表示方法-part6

* 12_1.3文本张量表示方法-part7

* 文本数据分析/

* 13_1.4文本数据分析-1标签数量分布-part1

* 14_1.4文本数据分析-1标签数量分布-part2

* 15_1.4文本数据分析-2句子长度分布-part1

* 16_1.4文本数据分析-2句子长度分布-part2

* 17_1.4文本数据分析-2句子长度分布-part3

* 18_1.4文本数据分析-3不同词汇总数统计-part1

* 19_1.4文本数据分析-4训练集词云-part1

* 20_1.4文本数据分析-4训练集词云-part2

* 21_1.4文本数据分析-5验证集词云-part1

* 22_1.4文本数据分析-6小节总结

* 23_1.5文本特征处理-1ngram-part1

* 24_1.5文本特征处理-1ngram-part2

* 25_1.5文本特征处理-2文本长度规范-part1

* 26_1.5文本特征处理-2文本长度规范-part2

* 文本数据增强（google翻译国内暂不可用，请大家熟悉流程即可）/

* 27_1.6文本数据增强-part1

* 28_1.6文本数据增强-part2

* 29_1.6文本数据增强-part3

* 01-文本预处理-第一章文本预处理-1.6文本数据增强讲解

* 02-文本预处理-第一章文本预处理-1.6文本数据增强代码实现

* HMM和CRF简介/

* 11_1.1HMM模型介绍

* 12_1.1CRF模型简介

* 第二章 NLP进阶/

* RNN基础/

* 01_1.1RNN模型简介-part1

* 02_1.1RNN模型简介-part2

* 03_1.1RNN模型小结

* 04_1.2传统RNN模型构造和代码演示part1

* 05_1.2传统RNN模型构造和代码演示part2

* 06_1.2传统RNN模型优缺点及小结

* LSTM基础/

* 07_1.3LSTM模型介绍-part1

* 08_1.3LSTM模型介绍-part2

* 09_1.3LSTM模型介绍-part3

* 10_1.3LSTM模型介绍-part4

* 11_1.3LSTM模型小结

* GRU基础/

* 12_1.4GRU_1模型介绍

* 13_1.4GRU_2模型代码演示

* 14_1.4GRU_3模型小结

* 注意力Attention机制/

* 01_1.5注意力概念和计算规则介绍

* 02_1.5注意力机制代码分析

* 03_1.5注意力机制代码实现

* 04_1.5注意力机制小结

* 05-RNN及其变体-2.1RNN架构解析-1.5注意力机制的增补内容概念

* 06-RNN及其变体-2.1RNN架构解析-1.5注意力机制的增补流程梳理

* 07-RNN及其变体-2.1RNN架构解析-1.5注意力机制的增补attention机制模型

* 08-RNN及其变体-2.1RNN架构解析-1.5注意力机制的增补attention公式讲解

* 09-RNN及其变体-2.1RNN架构解析-1.5注意力机制的增补attention应用场景

* 人名分类器案例/

* 05_2.1人名分类器第1步

* 06_2.1人名分类器第2步-part1

* 07_2.1人名分类器第2步-part2

* 08_2.1人名分类器第3步-part1

* 09_2.1人名分类器第3步-part2

* 10_2.1人名分类器第3步-part3

* 11_2.1人名分类器第3步-part4

* 12_2.1人名分类器第3步-part5

* 01_2.1人名分类器第4步-构建训练函数-part1

* 02_2.1人名分类器第4步-构建训练函数-part2

* 03_2.1人名分类器第4步-构建训练函数-part3

* 04_2.1人名分类器第4步-构建训练函数-part4

* 05_2.1人名分类器第4步-构建训练函数-part5

* 06_2.1人名分类器第4步-构建训练函数-part6

* 07_2.1人名分类器第4步-构建训练函数-part7

* 08_2.1人名分类器第4步-构建训练函数-part8

* 09_2.1人名分类器第4步-构建训练函数-part9

* 10_2.1人名分类器第5步-构建评估函数-part1_RNN

* 11_2.1人名分类器第5步-构建评估函数-part2_LSTM

* 12_2.1人名分类器第5步-构建评估函数-part3_GRU

* 13_2.1人名分类器第5步-构建预测函数-part4

* 14_2.1人名分类器第5步-构建预测函数-part5

* 15_2.1人名分类器第6步案例小结

* 英译法任务/

* 01_2.2英译法任务_第0步-总体介绍

* 02_2.2英译法任务_第1步-导入包

* 03_2.2英译法任务_第2步-part1

* 04_2.2英译法任务_第2步-part2

* 05_2.2英译法任务_第2步-part3

* 06_2.2英译法任务_第2步-part4

* 07_2.2英译法任务_第2步-part5

* 08_2.2英译法任务_第2步-part6

* 09_2.2英译法任务_第2步-part7

* 10_2.2英译法任务_第3步-part1

* 11_2.2英译法任务_第3步-part2

* 12_2.2英译法任务_第3步-part3

* 13_2.2英译法任务_第3步-part4

* 14_2.2英译法任务_第3步-part5

* 15_2.2英译法任务_第3步-part6

* 01_2.2英译法任务_第4步-part1

* 02_2.2英译法任务_第4步-part2

* 03_2.2英译法任务_第4步-part3

* 04_2.2英译法任务_第4步-part4

* 05_2.2英译法任务_第4步-part5

* 06_2.2英译法任务_第4步-part6

* 07_2.2英译法任务_第5步-part1

* 08_2.2英译法任务_第5步-part2

* 09_2.2英译法任务_第5步-part3

* 10_2.2英译法任务_第5步-part4

* 11_2.2英译法任务_第5步-part5

* Transformer架构/

* 01_1.1Transformer背景介绍

* 02_2.1认识Transformer架构-part1

* 03_2.1认识Transformer架构-part2

* 04_2.2输入部分实现-part1

* 05_2.2输入部分实现-part2

* 06_2.2输入部分实现-part3

* 07_2.2输入部分实现-part4

* 08_2.2输入部分实现-part5

* 09_2.2输入部分实现-part6

* 多头注意机制/

* 10_2.3.1掩码张量-part1

* 11_2.3.1掩码张量-part2

* 12_2.3.1掩码张量-part3

* 13_2.3.2注意力机制-part1

* 14_2.3.2注意力机制-part2

* 15_2.3.2注意力机制-part3

* 16_2.3.2注意力机制-part4

* 01_2.3.3多头注意力机制-part1

* 02_2.3.3多头注意力机制-part2

* 03_2.3.3多头注意力机制-part3

* 04_2.3.3多头注意力机制-part4

* 编码器层/解码器层/

* 05_2.3.4前馈全连接层-part1

* 06_2.3.4前馈全连接层-part2

* 07_2.3.5规范化层-part1

* 08_2.3.5规范化层-part2

* 09_2.3.6子层连接结构-part1

* 10_2.3.6子层连接结构-part2

* 11_2.3.7编码器层-part1

* 12_2.3.7编码器层-part2

* 13_2.3.8编码器-part1

* 14_2.3.8编码器-part2

* 01_2.4.1解码器层-part1

* 02_2.4.1解码器层-part2

* 03_2.4.2解码器-part1

* 04_2.4.2解码器-part2

* 05_2.5输出部分实现-part1

* 06_2.5输出部分实现-part2

* 模型构建/

* 07_2.6模型构建-part1

* 08_2.6模型构建-part2

* 09_2.6模型构建-part3

* 10_2.6模型构建-part4

* 10-Transformer—第三章新增案例机器翻译模型-1模型的介绍

* 11-Transformer—_第三章新增案例机器翻译模型-数据的下载和vocab构建

* 12-Transformer—_第三章新增案例机器翻译模型-3模型构建

* 13-Transformer—_第三章新增案例机器翻译模型-4掩码的构建

* 14-Transformer—_第三章新增案例机器翻译模型-5数据批处理

* 15-Transformer—_第三章新增案例机器翻译模型-6构建训练函数和评估函数

* 16-Transformer—_第三章新增案例机器翻译模型-7训练模型和定义解码函数

* 17-Transformer—_第三章新增案例机器翻译模型-8翻译函数的定义和9模型保存

* 第三章迁移学习/

* 文本分类/

* 01_1.1认识fasttext工具

* 02_1.2进行文本分类-第1步

* 03_1.2进行文本分类-第2步

* 04_1.2进行文本分类-第3步

* 05_1.2进行文本分类-第4步

* 06_1.2进行文本分类-第5步-part1

* 07_1.2进行文本分类-第5步-part2

* 08_1.2进行文本分类-第5步-part3

* 09_1.2进行文本分类-第5步-part4

* 10_1.2进行文本分类-第6步和小节总结

* 训练词向量/

* 11_1.3训练词向量-part1

* 12_1.3训练词向量-part2

* 13_1.3训练词向量-part3

* 14_1.4词向量迁移-part1

* 15_1.4词向量迁移-part2

* 迁移学习理论/

* 01_2.1迁移学习理论-part1

* 02_2.1迁移学习理论-part2

* 03_2.2NLP中的标准数据集-part1

* 04_2.2NLP中的标准数据集-part2

* 05_2.2NLP中的标准数据集-part3

* 06_2.2NLP中的标准数据集-part4

* 07_2.3NLP中的常用预训练模型

* 08_2.4加载和使用预训练模型-第1-2步

* 09_2.4加载和使用预训练模型-第3步

* 10_2.4加载和使用预训练模型-第4步-part1

* 11_2.4加载和使用预训练模型-第4步-part2

* 12_2.4加载和使用预训练模型-第4步-part3

* 13_2.4加载和使用预训练模型-第4步-part4

* 18-迁移学习—_第二章迁移理论—_2.4加载和使用预训练模型全小节增补-1tokenizer加载

* 19-迁移学习—_第二章迁移理论—_2.4加载和使用预训练模型全小节增补-2加载带头和不带头的预训练模型

* 20-迁移学习—_第二章迁移理论—_2.4加载和使用预训练模型全小节增补-3加载不带头的模型输出结果

* 21-迁移学习—_第二章迁移理论—_2.4加载和使用预训练模型全小节增补-4加载语言模型头结果输出

* 22-迁移学习—_第二章迁移理论—_2.4加载和使用预训练模型全小节增补-5加载分类模型头结果输出

* 23-迁移学习—_第二章迁移理论—_2.4加载和使用预训练模型全小节增补-6加载问答模型头结果输出

* 迁移学习NLP实战1/

* 01_2.5迁移学习实践-0微调脚本-part1

* 02_2.5迁移学习实践-0微调脚本-part2

* 03_2.5迁移学习实践-0微调脚本-part3

* 04_2.5迁移学习实践-0微调脚本-part4

* 05_2.5迁移学习实践-0微调脚本-part5

* 06_2.5迁移学习实践-类型1实战-part1

* 07_2.5迁移学习实践-类型1实战-part2

* 08_2.5迁移学习实践-类型1实战-part3

* 迁移学习NLP实战2/

* 09_2.5迁移学习实践-类型2实战-part1

* 10_2.5迁移学习实践-类型2实战-part2

* 11_2.5迁移学习实践-类型2实战-part3

* 12_2.5迁移学习实践-类型2实战-part4

* 13_2.5迁移学习实践-类型2实战-part5

* 14_2.5迁移学习实践-类型2实战-part6

* 15_2.5迁移学习实践-类型2实战-part7

* 16_2.5迁移学习实践-类型2实战-part8

* 17_2.5迁移学习实践-类型2实战-part9

* 18_2.5迁移学习实践-类型2实战-part10

* 19_2.5迁移学习实践-类型2实战-part11

* 20_2.5迁移学习实践-类型2实战-part12

* 24-迁移学习—_第二章迁移理论—_2.5迁移学习实践增补内容-模型上传

* 25-迁移学习—_第二章迁移理论—_2.5迁移学习实践增补内容-模型上传后加载使用

* 第四章 NLP新模型/

* BERT基础/

* 11-1讲解-1.1认识BERT-part1

* 12-1讲解-1.1认识BERT-part2

* 13-1讲解-1.1认识BERT-part3

* 14-1讲解-1.1认识BERT-part4

* Transformer进阶/

* 01-1讲解-1.2Transformer的结构详解-part1

* 02-1讲解-1.2Transformer的结构详解-part2

* 03-1讲解-1.3Transformer中Decoder的输入详解

* 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

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

* 06-1讲解-1.6Transformer相比于RNN的优势和原因

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

* 08-1讲解-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

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

* 11-1讲解-1.9Transformer架构的并行化是如何进行的

* 12-1讲解-1.10BERT模型的优点和缺点

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

* 14-1讲解-1.12长文本预测任务使用BERT如何构造训练样本

* ELMo/

* 15-1讲解-2.1认识ELMo-part1

* 01-1讲解-2.1认识ELMo-part2

* 02-1讲解-2.1认识ELMo-part3

* GPT/GPT2/

* 03-1讲解-2.2认识GPT-part1

* 04-1讲解-2.2认识GPT-part2

* 05-1讲解-2.3认识GPT2-part1

* 06-1讲解-2.3认识GPT2-part2

* 07-1讲解-2.3认识GPT2-part3

* 08-1讲解-2.3认识GPT2-part4

* 09-1讲解-2.4BERT,GPT,ELMo的区别和优缺点

* 阶段八美创AI医生项目/

* 第一章美创AI医生-命名实体审核任务/

* 项目背景及Unit实现/

* 1 项目介绍

* 2 背景介绍

* 3 ai医生项目架构

* 4 项目工具总体说明

* 5 Unit介绍

* 6 Unit代码介绍

* 7 pycharm远程连接服务器

* 8 Unit代码实现

* 总体框架中的工具/

* 9 Flask介绍

* 10 远程连接到服务器说明

* 11 redis介绍

* 12 Gunicorn介绍

* 13 supervisor介绍

* 14 上午复习

* neo4j简介/

* 15 neo4j介绍

* 16 neo4j安装

* 17 Cypher使用-创建结点

* 18 Cypher使用-创建关系

* 19 Cypher使用-常用命令

* 20 字典序介绍

* 21 Cypher使用-字符串函数

* 22 Cypher使用-聚合函数

* 23 Cypher使用-创建索引

* 24 Python中使用neo4j

* 25 neo4j事务介绍

* 26 今日小结

* 昨日总结及离线流程分析/

* 0.1 问题答疑

* 0.2 昨日回顾

* 1 离线流程说明

* 离线部分简要分析/

* 2 结构化数据说明

* 3 结构化数据写入neo4j分析

* 4 结构化数据写入neo4j实现1

* 5 结构化数据写入neo4j实现2

* 6 非结构化数据说明

* 7 命名实体审核模型介绍

* 8 训练数据说明

* 9 上午复习

* BERT中文预训练模型及RNN模型构建/

* 10 BERT预训练模型说明

* 11 BERT预训练模型使用代码实现

* 12 RNN模型介绍

* 13 RNN模型代码实现

* NE模型训练/

* 14 模型训练代码实现1

* 15 模型训练代码实现2

* 16 模型训练代码实现3

* 17 模型训练代码实现4

* 18 模型训练代码实现5

* 19 今日小结

* NE模型使用说明/

* 0.1 反馈问题

* 0.2 作业

* 0.3 neo4j案例

* 0.4 昨日复习

* 1 命名实体审核模型使用说明

* 2 命名实体审核模型处理实现

* 3 代码运行效果

* 实体识别及统计语言模型介绍/

* 4 序列标注介绍

* 5 命名实体识别介绍

* 6 统计语言介绍

* 7 隐马模型介绍

* 8 上午复习

* 9 盒子和球模型介绍

* 统计语言模型实现1/

* 10 数据生成代码流程

* 11 数据生成代码实现

* 12 前向概率算法

* 13 前向概率计算实现

* 14 中文分词介绍

* 15 维特比算法步骤

* 16 维特比算法思想

* 17 维特比算法例子

* 18 今日小结

* 统计语言模型实现2/

* 0.1 项目流程回顾

* 0.2 作业反馈

* 0.3 昨日复习

* 1 训练代码分析

* 2 训练代码实现

* 3 训练代码答疑

* 4 上午复习

* 统计语言模型实现3/

* 5 维特比算法分析

* 6 维特比算法实现

* 7 分词函数实现

* 8 评估指标计算分析

* 9 评估指标计算实现

* 第二章美创AI医生-命名实体识别任务/

* BiLSTM/

* 10 CRF模型介绍

* 11 BiLSTM模型介绍

* 12 BiLSTM模型实现

* 13 今日小结

* 0.1 反馈问题

* 0.2 昨日复习

* BiLSTM+CRF/

* 1 BiLSTM+CRF模型介绍

* 2 CRF模型概念介绍

* 3 BiLSTM+CRF模型损失函数

* 4 BiLSTM+CRF单条路径损失值

* 5 BiLSTM+CRF全部路径损失值

* 6 上午复习

* CRF/

* 7 CRF模型代码分析

* 8 CRF模型__init__函数实现

* 9 CRF模型单条路径代码分析

* 10 函数参数类型答疑

* 11 CRF模型单条路径代码实现

* 12 CRF模型全部路径代码分析

* 13 CRF模型全部路径代码实现1

* 14 CRF模型全部路径代码实现2

* 15 CRF模型损失函数计算

* 16 CRF模型预测函数代码分析

* 17 CRF模型预测函数代码实现

* 18 今日小结

* NER模型及数据预处理/

* 0 昨日复习

* 1 NER模型介绍

* 2 NER模型代码实现

* 3 数据预处理1

* 4 数据预处理2

* 5 数据预处理3

* 模型训练及评估/

* 6 模型训练代码分析

* 7 模型训练代码实现1

* 8 上午复习

* 9 模型训练代码实现2

* 10 模型评估代码分析

* 11 模型评估代码实现1

* 12 模型评估代码实现2

* 13 模型评估代码实现3

* 模型使用/

* 14 实体抽取代码分析1

* 15 实体抽取代码分析2

* 16 实体抽取代码实现

* 17 模型使用

* 0 bilstm crf模型流程复习

* 流程介绍及服务启动/

* 1 在线流程介绍

* 2 微信公众号注册流程

* 3 pycharm远程连接到服务器

* 4 werobot服务代码实现

* 5 启动服务端口占用问题

* 6 werobot服务启动测试

* 主要逻辑服务/

* 7 主要逻辑服务介绍

* 8 主要逻辑服务-query_neo4j代码实现

* 9 主要逻辑服务代码分析

* 10 上午复习

* 11 主要逻辑服务-main_serve代码实现

* 12 主要逻辑服务-first_sentence代码实现

* 13 主要逻辑服务-non_first_sentence代码实现

* 14 主要逻辑服务启动

* 在线部分-模型训练/

* 15 句子相关模型介绍

* 16 Bert预训练模型介绍

* 17 Bert预训练模型代码实现

* 18 微调模型介绍

* 19 微调模型代码实现

* 20 句子相关模型训练测试

* 在线部分-模型部署/

* 0 在线流程回顾

* 1 句子相关模型部署

* 2 模型联调

* 3 使用supervisord管理服务

* 4 不使用supervisord管理服务

* 5 测试流程分析

* 流程回顾及内容总结/

* 6 整体流程回顾

* 7 git入门简介

* 1 力扣算法题目介绍

* 2 基础知识点总结

* 3 作业讲解

* 项目总结/

* 4 项目完整部署过程

* 5 项目流程回顾

* 6 代码执行顺序小结

* 7 调试技巧分享

* 阶段九蜂窝AI文本摘要项目/

* 第一章 AI文本摘要-经典模型/

* 项目介绍/

* 01-1讲解-第1章_1小节项目简介_part1

* 02-1讲解-第1章_1小节项目介绍_part2

* 03-1讲解-第1章_1小节项目介绍_part3

* 数据集介绍/

* 04-1讲解-第1章_2小节数据集初探_part1

* 05-2讲解-第1章_2小节数据集初探_part2

* 06-1讲解-第1章_2小节数据集初探_part3

* 07-1讲解-第1章_2小节数据集初探_part4

* TextRank模型理论基础/

* 01-1讲解-第2章_1小节TextRank理论基础_part1

* 02-1讲解-第2章_1小节TextRank理论基础_part2

* 03-1讲解-第2章_1小节TextRank理论基础_part3

* 04-1讲解-第2章_1小节TextRank理论基础_part4

* 05-1讲解-第2章_1小节TextRank理论基础_part5

* 06-1讲解-第2章_1小节TextRank理论基础_part6

* TextRank实现baseline-0模型/

* 07-1讲解-第2章_2小节实现模型_第1步

* 08-1讲解-第2章_2小节实现模型_第2步

* 09-1讲解-第2章_2小节实现模型_第3步

* 10-1讲解-第2章_2小节实现模型_第4步

* 11-1讲解-第2章_2小节实现模型_第5步

* 12-1讲解-第2章_2小节实现模型_第6步

* Seq2Seq实现baseline-1模型1/

* 01-1讲解-第3章_3.1模型实现_0架构介绍

* 02-1讲解-第3章_3.1模型实现_1工具函数_第1步

* 03-1讲解-第3章_3.1模型实现_1工具函数_第2步

* 04-1讲解-第3章_3.1模型实现_1工具函数_第3步

* 05-1讲解-第3章_3.1模型实现_1工具函数_第4步

* 06-1讲解-第3章_3.1模型实现_1工具函数_第5步_part1

* 07-1讲解-第3章_3.1模型实现_1工具函数_第5步_part2

* 08-1讲解-第3章_3.1模型实现_1工具函数_第5步_part3

* 09-1讲解-第3章_3.1模型实现_1工具函数_第5步_part4

* 09-2讲解-第3章_3.1模型实现_1工具函数_第5步_part5

* 09-3讲解-第3章_3.1模型实现_1工具函数_第5步_part6

* Seq2Seq实现baseline-1模型2/

* 10-1讲解-第3章_3.1模型实现_2模型类_第1步

* 11-1讲解-第3章_3.1模型实现_2模型类_第2步_part1

* 12-1讲解-第3章_3.1模型实现_2模型类_第2步_part2

* 13-1讲解-第3章_3.1模型实现_2模型类_第2步_part3

* 14-1讲解-第3章_3.1模型实现_2模型类_第3步_part1

* 15-1讲解-第3章_3.1模型实现_2模型类_第3步_part2

* 16-1讲解-第3章_3.1模型实现_3训练模型_part1

* 17-1讲解-第3章_3.1模型实现_3训练模型_part2

* 18-1讲解-第3章_3.1模型实现_3训练模型_part3

* 19-1讲解-第3章_3.1模型实现_4预测模型_part1

* 20-1讲解-第3章_3.1模型实现_4预测模型_part2

* baseline-1模型的优化/

* 21-1讲解-第3章_3.2词向量优化_1预训练词向量_part1

* 22-1讲解-第3章_3.2词向量优化_1预训练词向量_part2

* 23-1讲解-第3章_3.2词向量优化_1预训练词向量_part3

* 24-1讲解-第3章_3.2词向量优化_2模型优化_part1

* 25-1讲解-第3章_3.2词向量优化_2模型优化_part2

* 26-1讲解-第3章_3.2词向量优化_2模型优化_part3

* 27-1讲解-第3章_3.2词向量优化_2模型优化_part4

* 28-1讲解-第3章_3.2词向量优化_2模型优化_part5

* PGN架构解析/

* 01-1讲解-第4章_4.1PGN架构_part1

* 02-1讲解-第4章_4.1PGN架构_part2

* 03-1讲解-第4章_4.1PGN架构_part3

* PGN数据处理/

* 04-1讲解-第4章_4.2数据处理_1预处理数据_第1步

* 05-1讲解-第4章_4.2数据处理_1预处理数据_第2步

* 06-1讲解-第4章_4.2数据处理_1预处理数据_第3步_part1

* 07-1讲解-第4章_4.2数据处理_1预处理数据_第3步_part2

* 08-1讲解-第4章_4.2数据处理_1预处理数据_第3步_part3

* 09-1讲解-第4章_4.2数据处理_2PGN特殊性分析

* 10-1讲解-第4章_4.2数据处理_3工具函数_part1

* 11-1讲解-第4章_4.2数据处理_3工具函数_part2

* 12-1讲解-第4章_4.2数据处理_3工具函数_part3

* 13-1讲解-第4章_4.2数据处理_3工具函数_part4

* 14-1讲解-第4章_4.2数据处理_3工具函数_part5

* 15-1讲解-第4章_4.2数据处理_3工具函数_part6

* 16-1讲解-第4章_4.2数据处理_3工具函数_part7

* 17-1讲解-第4章_4.2数据处理_3工具函数_part8

* 18-1讲解-第4章_4.2数据处理_4迭代器和类_part1

* 19-1讲解-第4章_4.2数据处理_4迭代器和类_part2

* 20-1讲解-第4章_4.2数据处理_4迭代器和类_part3

* 21-1讲解-第4章_4.2数据处理_4迭代器和类_part4

* PGN实现baseline-2模型/

* 22-1讲解-第4章_4.3模型实现_1模型创建_第1步

* 23-1讲解-第4章_4.3模型实现_1模型创建_第2步

* 24-1讲解-第4章_4.3模型实现_1模型创建_第3步

* 25-1讲解-第4章_4.3模型实现_1模型创建_第4步

* 26-1讲解-第4章_4.3模型实现_1模型创建_第5步

* 27-1讲解-第4章_4.3模型实现_2模型训练_第1步

* 28-1讲解-第4章_4.3模型实现_2模型训练_第2步_part1

* 29-1讲解-第4章_4.3模型实现_2模型训练_第2步_part2

* 30-1讲解-第4章_4.3模型实现_2模型训练_第2步_part3

* 31-1讲解-第4章_4.3模型实现_3模型预测_part1

* 32-1讲解-第4章_4.3模型实现_3模型预测_part2

* 第二章 AI文本摘要-模型迭代部署及优化/

* 文本摘要评估方法/

* 01-1讲解-第5章_5.1摘要评估方法_0常用方法介绍

* 02-1讲解-第5章_5.1摘要评估方法_1BLEU方法

* 03-1讲解-第5章_5.1摘要评估方法_2ROUGE方法

* ROUGE评估算法实现/

* 04-1讲解-第5章_5.2ROUGE算法实现_part1

* 05-1讲解-第5章_5.2ROUGE算法实现_part2

* PGN+Coverage的优化模型/

* 01-1讲解-第6章_6.1coverage优化_0数学原理

* 02-1讲解-第6章_6.1coverage优化_1模型类实现

* 03-1讲解-第6章_6.1coverage优化_2训练与预测

* PGN+beam+Search的优化模型/

* 04-1讲解-第6章_6.2Beam-search优化_0基本原理

* 05-1讲解-第6章_6.2Beam-search优化_1方法实现_part1

* 06-1讲解-第6章_6.2Beam-search优化_1方法实现_part2

* 07-1讲解-第6章_6.2Beam-search优化_1方法实现_part3

* 08-1讲解-第6章_6.2Beam-search优化_1方法实现_part4

* 数据增强优化/

* 09-1讲解-第6章_6.3数据增强优化_1单词替换法_1TF-IDF算法_part1

* 10-1讲解-第6章_6.3数据增强优化_1单词替换法_1TF-IDF算法_part2

* 11-1讲解-第6章_6.3数据增强优化_1单词替换法_1TF-IDF算法_part3

* 12-1讲解-第6章_6.3数据增强优化_1单词替换法_1TF-IDF算法_part4

* 13-1讲解-第6章_6.3数据增强优化_1单词替换法_1TF-IDF算法_part5

* 14-1讲解-第6章_6.3数据增强优化_1单词替换法_2单词类_part1

* 15-1讲解-第6章_6.3数据增强优化_1单词替换法_2单词类_part2

* 16-1讲解-第6章_6.3数据增强优化_1单词替换法_3训练与评估

* 17-1讲解-第6章_6.3数据增强优化_2回译数据法_part1

* 18-1讲解-第6章_6.3数据增强优化_2回译数据法_part2

* 19-1讲解-第6章_6.3数据增强优化_3半监督学习法

* 训练策略优化/

* 20-1讲解-第6章_6.4训练策略优化_1Scheduled-sampling_part1

* 21-1讲解-第6章_6.4训练策略优化_1Scheduled-sampling_part2

* 22-1讲解-第6章_6.4训练策略优化_2Weight-tying

* 硬件优化与模型部署/

* 01-1讲解-第7章_7.1硬件优化与模型部署_0模型转移测试

* 02-1讲解-第7章_7.1硬件优化与模型部署_1GPU优化

* 03-1讲解-第7章_7.1硬件优化与模型部署_2CPU优化

* 04-1讲解-第7章_7.1硬件优化与模型部署_3模型部署_part1

* 05-1讲解-第7章_7.1硬件优化与模型部署_3模型部署_part2