【3月20日】GPT-4直播分享 · 提示学习前沿论文解读 · AI+网络空间安全 · 【4月19日】NLP前沿论文直播 · LLAMA2中文大模型 · 【5月

*   01 【3月20日】GPT-4直播分享

*   01 提示学习前沿论文解读/

  *   01 资料合集.html

  *   02 第一节课：Prompt Learning 概述

  *   03 第二节课：论文解读1

  *   04 第三节课：论文解读2

  *   05 第四节课：代码实践LoRA微调

  *   06 第五节课：论文解读3

*   02 AI+网络空间安全/

  *   01 资料合集.html

  *   02 第一节课：理论介绍

  *   03 第二节课：数据解析+预处理

  *   04 第三节课：模型代码实践

*   02 【4月19日】NLP前沿论文直播

*   03 LLAMA2中文大模型/

  *   01 资料合集.html

  *   02 第一节课：理论介绍

  *   03 第二节课：代码实践

*   03 【5月15日】NLP前沿直播

*   04 图像分割——前沿论文带读训练营（CV方向）/

  *   01 资料合集.html

  *   02 01 Segment Anything——【5月18日】第一次课（论文泛读&论文精读）

  *   03 02 Segment Anything——【5月25日】第二次课（代码讲解）

  *   04 03 Segment Anything——【5月30日】第三次课（代码讲解）

  *   05 04 UniverSeg——【6月6日】第一次课（论文泛读&论文精读）

  *   06 05 UniverSeg——【6月14日】第二次课（代码讲解）

  *   07 06 UniverSeg——【6月21日】第三次课（代码讲解）

  *   08 07【7月12日】第一次课（论文泛读&论文精读）

  *   09 08【8月26日】第二次课（代码讲解）

  *   10 09【10月12日】第三次课（代码讲解）

*   05 大模型——前沿论文带读训练营（NLP方向）/

  *   01 【5月15日】NLP前沿直播

  *   02 资料合集.html

  *   03 01 LLaMA训练营——【4月21日】第一次课（论文泛读）

  *   04 02 LLaMA训练营——【4月22日】第二次课（论文精读）

  *   05 03 LLaMA训练营——【4月26日】第三次课（代码讲解）

  *   06 04 GLM-130B训练营——【5月8日】第一次课（论文泛读）

  *   07 05 GLM-130B训练营——【5月10日】第二次课（论文精读）

  *   08 06 GLM-130B训练营——【5月12日】第三次课（代码讲解）

  *   09 07 Alpaca训练营——【5月19日】第一次课（论文泛读）

  *   10 08 Alpaca训练营——【5月22日】第二次课（论文精读）

  *   11 09 Alpaca训练营——【5月23日】第三次课（代码讲解）

*   06 【3月20日】GPT-4直播分享

*   06 大模型——前沿论文带读训练营（NLP方向）/

  *   01 【5月15日】NLP前沿直播

  *   02 资料合集.html

  *   03 01 LLaMA训练营——【4月21日】第一次课（论文泛读）

  *   04 02 LLaMA训练营——【4月22日】第二次课（论文精读）

  *   05 03 LLaMA训练营——【4月26日】第三次课（代码讲解）

  *   06 04 GLM-130B训练营——【5月8日】第一次课（论文泛读）

  *   07 05 GLM-130B训练营——【5月10日】第二次课（论文精读）

  *   08 06 GLM-130B训练营——【5月12日】第三次课（代码讲解）

  *   09 07 Alpaca训练营——【5月19日】第一次课（论文泛读）

  *   10 08 Alpaca训练营——【5月22日】第二次课（论文精读）

  *   11 09 Alpaca训练营——【5月23日】第三次课（代码讲解）

*   07 02 多模态—二期课程/

  *   01 课件资料.html

  *   02 补充课程-GPT-4

  *   03 1.1 VQA 论文泛读 1

  *   04 1.2 VQA 论文泛读 2

  *   05 1.3 VQA3论文泛读 3

  *   06 1.4 VQA论文泛读4&论文精读

  *   07 2.1 show ask attend 论文泛读

  *   08 2.2 show ask attend 论文精读 1

  *   09 2.3 show ask attend 论文精读 2

  *   10 2.4 show ask attend 论文精读 3

  *   11 2.5 show ask attend 代码讲解

  *   12 3.1 m4c-摘要

  *   13 3.2 m4c-intro(1)

  *   14 3.3 m4c-intro(2)

  *   15 3.4 m4c-related泛读扩展

  *   16 3.5 m4c 论文精读 1

  *   17 3.6 m4c 论文精读 2

  *   18 3.7 m4c 代码讲解

  *   19 VILT 论文泛读

  *   20 VILT 论文精读 1

  *   21 VILT 论文精读 2 （方法）

  *   22 VILT 实验

  *   23 VILT code

  *   24 4.1 BLIP 论文泛读

  *   25 4.2 BLIP 论文精读 1

  *   26 4.3 BLIP 论文精读 2

  *   27 4.4 BILP 代码讲解

  *   28 5.1 Learning to Prompt 论文泛读

  *   29 5.2 Learning to Prompt 论文精读 01

  *   30 5.3 Learning to Prompt 论文精读 02

  *   31 5.4 Learning to Prompt 代码讲解

  *   32 6.1 albef 论文泛读—摘要

  *   33 6.2 albef 论文泛读—介绍+相关工作

  *   34 6.3 albef 论文精读1

  *   35 6.4 albef 论文精读2

*   08 01 多模态-baseline/

  *   01 课件资料合集.html

  *   02 1.1 CLIP-论文泛读（体验课直播回放）

  *   03 1.2 CLIP-论文精读（体验课直播回放）

  *   04 1.3 CLIP-代码复现

  *   05 2.1 Deep Visual-Semanti-论文泛读

  *   06 2.2 Deep Visual-Semanti-论文精读1

  *   07 2.3 Deep Visual-Semanti-论文精读2

  *   08 2.4 Deep Visual-Semanti-代码复现1

  *   09 2.5 Deep Visual-Semanti-代码复现2

  *   10 2.6 Deep Visual-Semanti-代码复现3

  *   11 3.1 Show and Tell-论文泛读

  *   12 3.2 Show and Tell-论文精读

  *   13 3.3 Show and Tell-代码复现

  *   14 4.1 show,Attenend and Tell 论文泛读

  *   15 4.2 show,Attenend and Tell 论文精读1

  *   16 4.3 show,Attenend and Tell 论文精读2

  *   17 4.4 show,Attenend and Tell 代码复现1

  *   18 4.5 show,Attenend and Tell 代码复现2

  *   19 5.1 Image Captioning 论文泛读1

  *   20 5.2 Image Captioning论文泛读2

  *   21 5.3 Image Captioning 论文精读1

  *   22 5.4 Image Captioning 论文精读2

  *   23 5.5 Image Captioning 代码讲解1

  *   24 5.6 Image Captioning 代码讲解2

  *   25 6.1 densecaption 论文泛读

  *   26 6.2 densecaption 论文精读

  *   27 6.3 densecaption 代码讲解

  *   28 7.1 Knowing When to Look 论文泛读

  *   29 7.2 Knowing When to Look 论文精读

  *   30 7.3 Knowing When to Look 代码讲解

  *   31 8.1 SCA-CNN 论文泛读

  *   32 8.2 SCA-CNN 论文精读

  *   33 8.3 SCA-CNN 代码讲解

  *   34 9.1 bottom-up 论文泛读

  *   35 9.2 bottom-up 论文精读

  *   36 9.3 bottom-up 代码讲解

  *   37 10.1 evaluate 论文泛读

  *   38 10.2 evaluate 论文精读

  *   39 10.3 evaluate 代码讲解

  *   40 11.1 Neural Baby Talk 论文泛读

  *   41 11.2 Neural Baby Talk 论文精读

  *   42 11.3 Neural Baby Talk 代码讲解

  *   43 VILT 论文泛读

  *   44 VILT 论文精读 1

  *   45 VILT 论文精读 2 （方法）

  *   46 VILT 实验

  *   47 VILT code

*   09 03 数学基础/

  *   01 PDF课件合集.html

  *   02 【第一章】-1 导读课

  *   03 【第一章】-2 矩阵的基本概念和运算性质

  *   04 【第一章】-3 矩阵的逆，转置和对称转置

  *   05 【第一章】-4 行列式的计算

  *   06 【第一章】-5 特殊矩阵的行列式与行列式的性质

  *   07 【第一章】-6 行列式按行列展开，代数余子式

  *   08 【第一章】-7 行列式的应用：克莱姆法则

  *   09 【第一章】-8 矩阵的逆的引入

  *   10 【第一章】-9 常用矩阵性质与特殊矩阵的逆

  *   11 【第一章】-10 分块矩阵

  *   12 【第二章】-1 初等变换引入+三种矩阵初等变换以及三种初等矩阵以及矩阵标准型

  *   13 【第二章】-2 初等变换的性质以及逆矩阵的另一种简单求法

  *   14 【第二章】-3 矩阵秩的定义和性质以及线性方程组解的个数

  *   15 【第二章】-4 矩阵的秩在线性回归算法中的应用

  *   16 【第二章】-5 向量的线性相关线性无关于可逆矩阵的关系+向量的内积范数正交规范正交基

  *   17 【第二章】-6 施密特规范正交化+特征值特征向量定义直观意义+特征值特征向量求法与常用性质

  *   18 【第二章】-7 施密特规范正交化+特征值特征向量定义直观意义+特征值特征向量求法与常用性质

  *   19 【第二章】-8 相似矩阵以及矩阵对角化+矩阵对角化的条件以及对称矩阵的对角化

  *   20 【第二章】-9对角化在压缩算法的应用+二次型矩阵正定性+矩阵正定性在线性回归算法应用（上）

  *   21 【第二章】-10对角化在压缩算法应用+二次型矩阵正定性+矩阵正定性在线性回归算法应用（下）

  *   22 【第二章】-11 SVD分解的应用

  *   23 【第三章】-1 常用函数的导数以及到导数的常用公式，复合函数求导

  *   24 【第三章】-2 中值定理&洛必达法则&泰勒公式及应用

  *   25 【第三章】-3 函数的凹凸性&函数的极值

  *   26 【第三章】-4 不定积分

  *   27 【第三章】-5 定积分

  *   28 【第三章】-6 偏导数&多元函数复合求导法则链式求导法则

  *   29 【第三章】-7 方向导数与梯度及其应用

  *   30 【第三章】-8 多元函数泰勒公式与海森矩阵&多元函数的极值

  *   31 【第三章】-9 矩阵的求导

  *   32 【第三章】-10 矩阵的求导在深度学习中的应用

  *   33 【第四章-上】-1 随机实验样本空间随机事件&概率的定义&条件概率与乘法公式

  *   34 【第四章-上】-2 全概率公式与贝叶斯公式及应用&独立性

  *   35 【第四章-上】-3 随机变量与多维随机变量

  *   36 【第四章-上】-4 期望与方差（上）

  *   37 【第四章-上】-5 期望与方差（下）

  *   38 【第四章-上】-6 参数的估计

  *   39 【第四章-下】-1 无约束最优化梯度下降

  *   40 【第四章-下】-2 无约束最优化牛顿法

  *   41 【第四章-下】-3 约束最优化

*   10 02 Python AI&数据科学入门/

  *   01 【资料合集】代码、数据及课件下载地址.html

  *   02 第一章 绪论和环境配置

  *   03 【作业讲解】第一章：助教实际演示配置环境过程

  *   04 第二章 Python 基本语法元素

  *   05 【作业讲解】第二章：Python基本语法元素

  *   06 第三章 基本数据类型

  *   07 【作业讲解】第三章：基本数据类型

  *   08 第四章 组合数据类型

  *   09 【作业讲解】第四章：复杂数据类型

  *   10 第五章 程序控制结构

  *   11 【作业讲解】第五章：程序控制结构

  *   12 第六章 函数-面向过程的编程

  *   13 【作业讲解】第六章：函数

  *   14 第七章 类-面向对象的编程

  *   15 【作业讲解】第七章：类

  *   16 第八章 文件、异常和模块

  *   17 【作业讲解】第八章：文件、异常和模块

  *   18 第九章 有益的探索

  *   19 【作业讲解】第九章：有益的探索

  *   20 第十章 Python标准库

  *   21 【作业讲解】第十章：Python标准库

  *   22 第十一章 科学计算库—Numpy应用

  *   23 【作业讲解】第十一章：Numpy库

  *   24 第十二章 Pandas库

  *   25 【作业讲解】第十二章：Pandas库

  *   26 第十三章 Matplotlib

  *   27 【作业讲解】第十三章：Matplotlib

  *   28 第十四章 Sklearn常规用法

  *   29 【作业讲解】第十四章：Sklearn常规用法

  *   30 第十五章 再谈编程

*   11 03 PyTorch/

  *   01 【资料合集】课件及代码百度云盘下载地址.html

  *   02 【必看】深入浅出PyTorch

  *   03 【第一周】PyTorch简介与安装

  *   04 【第一周】补充-pytorch开发环境安装

  *   05 【第一周】张量简介与创建

  *   06 【第一周】张量操作与线性回归

  *   07 【第一周】计算图与动态图机制

  *   08 【第一周】autograd与逻辑回归

  *   09 【第一周】作业讲解1

  *   10 【第一周】作业讲解2

  *   11 【第一周】作业讲解3

  *   12 【第二周】数据读取机制Dataloader与Dataset

  *   13 【第二周】数据预处理transforms模块机制

  *   14 【第二周】二十二种transforms数据预处理方法

  *   15 【第二周】学会自定义transforms方法

  *   16 【第二周】作业讲解

  *   17 【第三周】模型创建步骤与nn.Module

  *   18 【第三周】模型容器与AlexNet构建

  *   19 【第三周】nn网络层-卷积层

  *   20 【第三周】nn网络层-池化-线性-激活函数层

  *   21 【第三周】作业讲解

  *   22 【第四周】权值初始化

  *   23 【第四周】损失函数（一）

  *   24 【第四周】损失函数(二)

  *   25 【第四周】优化器optimizer的概念

  *   26 【第四周】torch.optim.SGD

  *   27 【第四周】作业讲解

  *   28 【第五周】学习率调整策略

  *   29 【第五周】TensorBoard简介与安装

  *   30 【第五周】TensorBoard使用（一）

  *   31 【第五周】TensorBoard使用（二）

  *   32 【第五周】hook函数与CAM可视化

  *   33 【第五周】作业讲解

  *   34 【第六周】正则化之weight_decay

  *   35 【第六周】Batch Normalization

  *   36 【第六周】Normalizaiton_layers

  *   37 【第六周】正则化之Dropout

  *   38 【第六周】作业讲解

  *   39 【第七周】模型保存与加载

  *   40 【第七周】模型finetune

  *   41 【第七周】GPU的使用

  *   42 【第七周】PyTorch常见报错

  *   43 【第七周】作业讲解

  *   44 【第八周】图像分类一瞥

  *   45 【第八周】图像分割一瞥

  *   46 【第八周】图像目标检测一瞥（上）

  *   47 【第八周】图像目标检测一瞥（下）

  *   48 【第九周】生成对抗网络一瞥

  *   49 【第九周】循环神经网络一瞥

*   12 06 OpenCV 图像基础/

  *   01 课件&代码.html

  *   02 1-1图像基础知识

  *   03 1-2图像基础知识

  *   04 1-3图像基础知识

  *   05 1-4图像基础知识

  *   06 2-1图像基本处理

  *   07 2_2图像基本处理

  *   08 2_3图像基本处理

  *   09 2_4图像基本处理

  *   10 2_5图像基本操作_图像滤波

  *   11 2_6图像基本操作_图像增强

  *   12 2-7形态学操作_腐蚀

  *   13 2_8形态学操作_膨胀开运算与闭运算

  *   14 3_1固定阈值分割

  *   15 3_2自动阈值分割

  *   16 3_3边缘检测算子

  *   17 3_4连通区域_区域生长算法

  *   18 3_5分水岭算法图像分割

  *   19 4_1特征描述_HOG

  *   20 4_2特征描述Harris和SIFT算法

  *   21 4_3纹理特征LBP算法

  *   22 4_4模板匹配算法

  *   23 4_5人脸检测算法

  *   24 5_1摄像头调用和视频的读取保存

  *   25 5_2帧差法视频目标识别

  *   26 5_3光流法和背景减除法

*   13 05 NLP基础知识/

  *   01 课件.html

  *   02 1-1 前言

  *   03 1-2 研究方向概述

  *   04 2-1 预备知识

  *   05 2-2 NLP问题中的特征

  *   06 2-3 特征输入

  *   07 2-4 文本的向量化表示与案例实现

  *   08 3-1 统计语言模型简介与案例实现

  *   09 3-2 语言模型任务评估

  *   10 3-3 神经语言模型简介与代码实现

  *   11 3-4 预训练的词表示及其使用实例

  *   12 4-1 word2vec原理

  *   13 4-2 word2vec代码复现

  *   14 4-3 word2vec项目实战展示

  *   15 4-4 BERT使用实战讲解

  *   16 4-5 MLP模型与实战

  *   17 4-6 RNN模型原理、代码复现与实战

  *   18 5-1 HMM序列标注

  *   19 5-2 HMM模型简介

  *   20 5-3 HMM样本生成

  *   21 5-4 HMM训练

  *   22 5-5 HMM预测

  *   23 5-6 HMM代码实现