01 自然语言处理通用框架BERT原理解读 · 02 谷歌开源项目BERT源码解读与应用实例 · 03 项目实战-基于BERT的中文情感分析实战 · 04 项目

*   01 自然语言处理通用框架BERT原理解读/

  *   01 课程简介

  *   02 BERT任务目标概述

  *   03 传统解决方案遇到的问题

  *   04 注意力机制的作用

  *   05 self-attention计算方法

  *   06 特征分配与softmax机制

  *   07 Multi-head的作用

  *   08 位置编码与多层堆叠

  *   09 transformer整体架构梳理

  *   10 BERT模型训练方法

  *   11 训练实例

*   02 谷歌开源项目BERT源码解读与应用实例/

  *   01 BERT开源项目简介

  *   02 项目参数配置

  *   03 数据读取模块

  *   04 数据预处理模块

  *   05 tfrecord制作

  *   06 Embedding层的作用

  *   07 加入额外编码特征

  *   08 加入位置编码特征

  *   09 mask机制

  *   10 构建QKV矩阵

  *   11 完成Transformer模块构建

  *   12 训练BERT模型

*   03 项目实战-基于BERT的中文情感分析实战/

  *   01 中文分类数据与任务概述

  *   02 读取处理自己的数据集

  *   03 训练BERT中文分类模型

*   04 项目实战-基于BERT的中文命名实体识别实战/

  *   01 命名实体识别数据分析与任务目标

  *   02 NER标注数据处理与读取

  *   03 构建BERT与CRF模型

*   05 BERT基础补充（熟悉的同学可以略过）/

  *   01 词向量模型通俗解释

  *   02 模型整体框架

  *   03 训练数据构建

  *   04 CBOW与Skip-gram模型

  *   05 负采样方案

  *   06 RNN网络模型解读

  *   07 NLP应用领域与任务简介

  *   08 情感分析项目流程解读

  *   09 加载词向量特征

  *   10 正负样本数据读取

  *   11 构建LSTM网络模型

  *   12 训练与测试效果

*   06 OCR文字识别原理/

  *   01 OCR文字识别要完成的任务

  *   02 CTPN文字检测网络概述

  *   03 序列网络的作用

  *   04 输出结果含义解析

  *   05 CTPN细节概述

  *   06 CRNN识别网络架构

  *   07 CTC模块的作用

*   07 OCR文字识别项目实战/

  *   01 OCR文字检测识别项目效果展示

  *   02 训练数据准备与环境配置

  *   03 检测模块候选框生成

  *   04 候选框标签制作

  *   05 整体网络所需模块

  *   06 网络架构各模块完成的任务解读

  *   07 CRNN识别模块所需数据与标签

  *   08 识别模块网络架构解读

*   08 对抗生成网络架构原理与实战解析/

  *   01 对抗生成网络通俗解释

  *   02 GAN网络组成

  *   03 损失函数解释说明

  *   04 数据读取模块

  *   05 生成与判别网络定义

*   09 基于CycleGan开源项目实战图像合成/

  *   01 CycleGan网络所需数据

  *   02 CycleGan整体网络架构

  *   03 PatchGan判别网络原理

  *   04 Cycle开源项目简介

  *   05 数据读取与预处理操作

  *   06 生成网络模块构造

  *   07 判别网络模块构造

  *   08 损失函数：identity loss计算方法

  *   09 生成与判别损失函数指定

  *   10 额外补充：VISDOM可视化配置

*   10 基于3D卷积的视频分析与动作识别/

  *   01 3D卷积原理解读

  *   02 UCF101动作识别数据集简介

  *   03 测试效果与项目配置

  *   04 视频数据预处理方法

  *   05 数据Batch制作方法

  *   06 3D卷积网络所涉及模块

  *   07 训练网络模型

*   11 物体检测框架-MaskRcnn项目介绍与配置/

  *   01 Mask-Rcnn开源项目简介

  *   02 开源项目数据集

  *   03 参数配置

*   12 MaskRcnn网络框架源码详解/

  *   01 FPN层特征提取原理解读

  *   02 FPN网络架构实现解读

  *   03 生成框比例设置

  *   04 基于不同尺度特征图生成所有框

  *   05 RPN层的作用与实现解读

  *   06 候选框过滤方法

  *   07 Proposal层实现方法

  *   08 DetectionTarget层的作用

  *   09 正负样本选择与标签定义

  *   10 RoiPooling层的作用与目的

  *   11 RorAlign操作的效果

  *   12 整体框架回顾

*   13 基于MASK-RCNN框架训练自己的数据与任务/

  *   01 Labelme工具安装

  *   02 使用labelme进行数据与标签标注

  *   03 完成训练数据准备工作

  *   04 maskrcnn源码修改方法

  *   05 基于标注数据训练所需任务

  *   06 测试与展示模块

*   14 练手小项目-人体姿态识别demo/

  *   01 COCO数据集与人体姿态识别简介

  *   02 网络架构概述

  *   03 流程与结果演示

*   15 物体检测基础算法（熟悉的同学略过）/

  *   01 迁移学习的目标

  *   02 迁移学习策略

  *   03 Resnet原理

  *   04 Resnet网络细节

  *   05 Resnet基本处理操作

  *   06 shortcut模块

  *   07 加载训练好的权重

  *   08 迁移学习效果对比

  *   09 物体检测概述

  *   10 深度学习经典检测方法

  *   11 faster-rcnn概述

  *   12 论文整体框架

  *   13 RPN网络结构

  *   14 损失函数定义

  *   15 网络细节

*   16 图像风格转换实战/

  *   01 style-transfer基本原理

  *   02 风格生成网络结构原理

  *   03 风格生成网络细节

  *   04 风格转换效果展示

  *   05 参数解释与配置

  *   06 数据加载

  *   07 特征提取网络

  *   08 网络训练

  *   09 视频与图像测试模块

*   17 图像修复填充实战/

  *   01 论文概述

  *   02 网络架构

  *   03 细节设计

  *   04 论文总结

  *   05 数据与项目概述

  *   06 参数基本设计

  *   07 网络结构配置

  *   08 网络迭代训练

  *   09 测试模块

*   18 超分辨率重构实战/

  *   01 论文概述

  *   02 网络架构

  *   03 数据与环境配置

  *   04 数据加载与配置

  *   05 生成模块

  *   06 判别模块

  *   07 VGG特征提取网络

  *   08 损失函数与训练

  *   09 测试模块

*   19 打造对话机器人/

  *   01 效果演示

  *   02 参数配置与数据加载

  *   03 数据处理

  *   04 词向量与投影

  *   05 seq网络

  *   06 网络训练

*   20 智慧城市-道路通行时间预测/

  *   01 数据与任务目标分析

  *   02 数据清洗与标签转换

  *   03 道路通行时间序列数据生成

  *   04 序列缺失补全方法

  *   05 基于回归与插值完成序列特征

  *   06 基于回归与插值进行序列补全

  *   07 特征汇总

  *   08 建立回归模型进行预测

*   21 Keras实战模板总结/

  *   01 模板目录结构

  *   02 模型与训练结构

  *   03 评论数据集与任务目标

  *   04 数据准备

  *   05 模型整体架构

  *   06 准备模型

  *   07 训练网络

  *   08 多标签训练

*   22 PyTorch框架实战模板解读/

  *   01 项目模板各模块概述

  *   02 各模块配置参数解析

  *   03 数据读取与预处理模块功能解读

  *   04 模型架构模块

  *   05 训练模块功能

  *   06 训练结果可视化展示模块

  *   07 模块应用与BenckMark解读

*   23 机器学习通用项目实战模板/

  *   01 任务概述

  *   02 处理流程与数据简介

  *   03 数据处理

  *   04 单变量绘图分析

  *   05 离群点剔除

  *   06 变量与结果的关系

  *   07 多变量展示

  *   08 特征工程