咕泡教育-2026年人工智能深度学习系统班第15期【系统课】

课程目录

00 【注意】有些空文件夹是还没更新！/
01 【深度学习启航】开班典礼与导学课/
01 深度学习启航：开班典礼与导学课 .sz
02 第二章 AI课程所需安装软件教程~1.mp4 .sz
03 Python环境安装和搭建(1).mp4 .sz
04 ANACONDA使用(新手看下，老手忽略).mp4 .sz
05 咕泡AI云实验室讲解.mp4 .sz
02 【基础模块】Python编程基础/
06 Python简介.mp4.mp4
07 Python数据类型.mp4.mp4
08 Python列表.mp4.mp4
09 Python元组.mp4.mp4
10 Python集合.mp4.mp4
11 Python字典.mp4.mp4
12 Python条件判断.mp4.mp4
13 Python循环.mp4.mp4
14 函数的参数.mp4.mp4
15 递归和Lambda函数.mp4.mp4
16 Python类和对象.mp4.mp4
17 Python类的继承.mp4.mp4
18 NumPy 零基础入门：数组初探.mp4.mp4
19 NumPy 进阶实操：排序、连接与数组形状调整.mp4.mp4
20 NumPy 实操进阶：数组堆叠拆分与数学运算.mp4.mp4
21 NumPy 实操进阶：数组聚合与矩阵变形.mp4.mp4
22 NumPy 数学公式实现与 MSE 计算.mp4.mp4
23 Pandas Series.mp4.mp4
24 Pandas DataFrame.mp4.mp4
25 Pandas CSV文件处理.mp4.mp4
26 Pandas Excel读写操作.mp4.mp4
27 Pandas数据清洗.mp4.mp4
28 Pandas数据排序与聚合.mp4.mp4
29 Matplotlib初识.mp4.mp4
30 Matplotlib折线图绘制.mp4.mp4
31 Matplotlib散点图的绘制.mp4.mp4
32 Matplotlib柱状图.mp4.mp4
33 Matplotlib饼图绘制.mp4.mp4
34 Matplotlib绘制直方图.mp4.mp4
35 Matplotlib绘制箱线图.mp4.mp4
36 Matplotlib多子图操作.mp4.mp4
37 Matplotlib图表样式美化与保存.mp4.mp4
38 Seaborn基础教学（环境准备和基础配置）.mp4.mp4
39 Seaborn基础教学（scatterplot散点图）.mp4.mp4
40 Seaborn基础教学（折线图lineplot).mp4.mp4
41 Seaborn基础教学（直方图histplot).mp4.mp4
42 seaborn基础教学（核密度曲线kdeplot).mp4.mp4
43 seaborn基础教学（箱线图boxplot）.mp4.mp4
44 Seaborn基础教学（小提琴图Violinplot）.mp4.mp4
45 Seaborn基础教学（柱状图barplot）.mp4.mp4
46 Seaborn基础教学（计数图countplot）.mp4.mp4
47 Seaborn基础教学（热力图heatmap）.mp4.mp4
48 Seaborn基础教学（配对图pairplot）.mp4.mp4
49 Seaborn基础教学（与Matplotlib配合使用）.mp4.mp4
50 Seaborn基础教学（综合案例：泰坦尼克号乘客数据分析）.mp4.mp4
03 【基础模块】机器学习基础知识/
51 机器学习（人工智能概述）.mp4.mp4
52 机器学习（什么是机器学习？）.mp4.mp4
53 机器学习开发流程.mp4.mp4
54 数据集.mp4.mp4
55 特征工程介绍及字典特征提取.mp4.mp4
56 CountVectorizer文本特征提取.mp4.mp4
57 TF-IDF文本特征提取.mp4.mp4
58 特征预处理（归一化）.mp4.mp4
59 特征预处理（标准化）.mp4.mp4
60 特征降维（特征选择）.mp4.mp4
61 特征降维（PCA降维）.mp4.mp4
62 专家系统实现动物识别.mp4.mp4
63 K近邻算法实现电影类型分类.mp4.mp4
64 决策树算法原理.mp4.mp4
65 决策树实现银行贷款分类实战.mp4.mp4
66 随机森林算法原理讲解.mp4.mp4
67 随机森林的鸢尾花分类实战.mp4.mp4
68 K-means聚类算法原理.mp4.mp4
69 K-means聚类算法的评估指标.mp4.mp4
70 K-means聚类算法代码实战.mp4.mp4
71 模型保存和加载.mp4.mp4
72 模型选择与调优.mp4.mp4
04 【基础模块】深度学习基础与框架/
73 神经网络基础与整体架构.mp4
74 1-PyTorch框架与其他框架区别分析1~1.mp4.mp4
75 anaconda与pytorch安装教程.mp4.mp4
76 1-数据集与任务概述2~1.mp4.mp4
77 2-基本模块应用测试2~1.mp4.mp4
78 3-网络结构定义方法2~1.mp4.mp4
79 4-数据源定义简介2~1.mp4.mp4
80 5-损失与训练模块分析2~1.mp4.mp4
81 6-训练一个基本的分类模型2~1.mp4.mp4
82 7-参数对结果的影响2~1.mp4.mp4
83 第三章神经网络回归任务-气温预测1~1.mp4.mp4
84 神经网络实战.mp4
05 【基础模块】深度学习核心算法与实践/
100 2-图像数据与标签路径处理1~1.mp4.mp4
101 3-Dataloader中需要实现的方法分析1~1.mp4.mp4
102 4-实用Dataloader加载数据并训练模型1~1.mp4.mp4
103 图像分类实战.mp4
104 Transformer整体架构解读.mp4
105 transformer-VIT源码解读.mp4
106 1-数据集与任务目标分析.mp4.mp4
107 2-文本数据处理基本流程分析.mp4.mp4
108 3-命令行参数与DEBUG.mp4.mp4
109 4-训练模型所需基本配置参数分析.mp4.mp4
110 5-预料表与字符切分.mp4.mp4
111 6-字符预处理转换ID.mp4.mp4
112 7-LSTM网络结构基本定义.mp4.mp4
113 8-网络模型预测结果输出.mp4.mp4
114 9-模型训练任务与总结.mp4.mp4
115 文本分类实战.mp4
85 卷积神经网络基础与整体架构.mp4
86 1-输入特征通道分析2~1.mp4.mp4
87 2-卷积网络参数解读2~1.mp4.mp4
88 3-卷积网络模型训练2~1.mp4.mp4
89 1-任务分析与图像数据基本处理2~1.mp4.mp4
90 2-数据增强模块2~1.mp4.mp4
91 3-数据集与模型选择1~1.mp4.mp4
92 4-迁移学习方法解读1~1.mp4.mp4
93 5-输出层与梯度设置1~1.mp4.mp4
94 6-输出类别个数修改1~1.mp4.mp4
95 7-优化器与学习率衰减1~1.mp4.mp4
96 8-模型训练方法1~1.mp4.mp4
97 9-重新训练全部模型1~1.mp4.mp4
98 10-测试结果演示分析1~1.mp4.mp4
99 1-Dataloader要完成的任务分析1~1.mp4.mp4
06 【CV方向】视觉基础模型与分类任务实战/
116 CV的任务体系、发展历程及图像的数学基础 .sz
117 经典CNN结构：AlexNet →VGG →GoogLeNet→ResNet.mp4
118 1-医学疾病数据集介绍.mp4.mp4
119 2-Resnet网络架构原理分析.mp4.mp4
120 3-dataloader加载数据集.mp4 .sz
121 4-Resnet网络前向传播.mp4.mp4
122 5-残差网络的shortcut操作.mp4 .sz
123 6-特征图升维与降采样操作.mp4.mp4
124 7-网络整体流程与训练演示.mp4.mp4
125 第八课：EfficientNet网络模型.mp4 .sz
126 视觉Transformer及其源码分析（135’20）~2.mp4 .sz
127 1-swintransformer整体概述1.mp4.mp4
128 2-要解决的问题及其优势分析1.mp4.mp4
129 3-一个block要完成的任务1.mp4.mp4
130 4-获取各窗口输入特征1.mp4.mp4
131 5-基于窗口的注意力机制解读1.mp4 .sz
132 6-窗口偏移操作的实现1.mp4.mp4
133 7-偏移细节分析及其计算量概述1.mp4.mp4
134 8-整体网络架构整合1.mp4.mp4
135 9-下采样操作实现方法1.mp4.mp4
136 10-分层计算方法1.mp4.mp4
137 现代视觉架构对比 .sz
138 OpenCV基础一：图像读写、颜色空间与通道操作 .sz
139 OpenCV基础二：几何变换、滤波与形态学 .sz
140 数据增强（一）基础变换 .sz
141 数据增强（二）现代增强与工程落地 .sz
142 数据增强进阶-引导式混合GenMix--FocusAugMix--GradMix .sz
143 1-BEITV2版本论文出发点解读.mp4.mp4
144 2-自监督任务中两大核心任务分析.mp4.mp4
145 3-整体网络架构图分析.mp4 .sz
146 4-框架实现细节流程分析.mp4.mp4
147 5-论文细节模块实现解读.mp4 .sz
148 1-mmselfup源码实现解读.mp4 .sz
149 2-网络结构搭建细节解读.mp4 .sz
150 3-源码实现流程总结.mp4.mp4
151 视觉自监督学习：MAE论文精读 .sz
152 视觉自监督学习：DINOv3论文精读 .sz
154 光伏板智能分类 .sz
155 （应用）零样本火车零件分类 .sz
156 目标检测（一）两阶段检测方法 .sz
07 【CV方向】目标检测/
157 目标检测概述、基础知识、算法进展与分类 .sz
158 YOLO系列（V7）算法解读-修改版.mp4 .sz
159 训练参数-1-命令行参数介绍.mp4 .sz
160 训练参数-2-基本参数作用.mp4 .sz
161 训练参数-3-EMA等训练技巧解读.mp4 .sz
162 网络结构-1-网络结构配置文件解读.mp4 .sz
163 网络结构-2-各模块操作细节分析.mp4 .sz
164 网络结构-3-输出层与配置文件其他模块解读.mp4 .sz
165 标签分配-1-标签分配策略准备操作.mp4 .sz
166 标签分配-2-候选框偏移方法与find3p模块解读.mp4 .sz
167 标签分配-3-得到偏移点所在网格位置.mp4 .sz
168 标签分配-4-完成BuildTargets模块.mp4 .sz
169 标签分配-5-候选框筛选流程分析.mp4 .sz
170 标签分配-6-预测值各项指标获取与调整.mp4 .sz
171 标签分配-7-GT匹配正样本数量计算.mp4 .sz
172 标签分配-8-通过IOU与置信度分配正样本.mp4 .sz
173 损失函数-1-损失函数计算方法.mp4 .sz
174 辅助头AUX网络结构配置文件解析.mp4 .sz
175 2-AUX部分-辅助头损失函数调整.mp4 .sz
176 RepConv-1-BN与卷积权重参数融合方法.mp4 .sz
177 RepConv-2-重参数化多分支合并加速.mp4 .sz
178 V8.mp4 .sz
179 YOLO V9 .sz
180 CVPR2024：YOLO- World .sz
181 YOLOv8--v11--v26架构精讲 .sz
182 YOLO 数据标注工具介绍与标注规范 .sz
183 目标检测场景下的 OpenCV 应用 .sz
184 第八课：半监督物体检测SoftTeacher~11.mp4 .sz
185 第十一章：EfficientDet检测算法.mp4 .sz
186 1-DETR目标检测基本思想解读.mp4 .sz
187 2-整体网络架构分析.mp4.mp4
188 3-位置信息初始化query向量.mp4 .sz
189 4-注意力机制的作用方法.mp4 .sz
190 5-训练过程的策略.mp4 .sz
191 1-项目环境配置解读.mp4 .sz
192 2-数据处理与dataloader.mp4 .sz
193 3-位置编码作用分析.mp4.mp4
194 4-backbone特征提取模块.mp4 .sz
195 5-mask与编码模块.mp4 .sz
196 6-编码层作用方法.mp4 .sz
197 7-Decoder层操作与计算.mp4 .sz
198 8-输出预测结果.mp4.mp4
199 9-损失函数与预测输出.mp4.mp4
200 第十课：物体检测-可变形DETR算法解读.mp4.mp4
201 1-特征提取与位置编码~1.mp4 .sz
202 2-序列特征展开并叠加.mp4.mp4
203 3-得到相对位置点编码~1.mp4 .sz
204 4-准备Encoder编码层所需全部输入~1.mp4 .sz
205 5-编码层中的序列分析~1.mp4 .sz
206 6-偏移量offset计算~1.mp4 .sz
207 7-偏移量对齐操作~1.mp4 .sz
208 8-Encoder层完成特征对齐~1.mp4 .sz
209 9-Decoder要完成的操作~1.mp4 .sz
210 10-分类与回归输出模块~1.mp4 .sz
211 11-预测输出结果与标签匹配模块~1.mp4 .sz
212 小目标检测增强与Query机制创新.mp4
213 特征金字塔重构与模型轻量化（科研视角）.mp4
214 基础视觉大模型.mp4
215 目标期刊会议推荐 以及写作筹备.mp4
216 基于yolo11的目标检测以及数独解题器 .sz
217 （应用）全景图像拼接 .sz
08 【CV方向】图像分割/
198 图像分割：语义分割、实例分割 .sz
199 1-Unet网络编码与解码过程.mp4 .sz
200 2-网络计算流程.mp4 .sz
201 3-Unet升级版本改进.mp4 .sz
202 4-后续升级版本介绍.mp4 .sz
203 1-医学细胞数据集介绍与参数配置.mp4 .sz
204 2-数据增强工具.mp4 .sz
205 3-Debug模式演示网络计算流程.mp4 .sz
206 4-特征融合方法演示.mp4 .sz
207 5-迭代完成整个模型计算任务.mp4 .sz
208 6-模型效果验证.mp4 .sz
209 1-任务目标与网络整体介绍.mp4 .sz
210 2-显著性检测任务与目标概述.mp4 .sz
211 3-编码器模块解读.mp4 .sz
212 4-解码器输出结果.mp4 .sz
213 5-损失函数与应用效果.mp4 .sz
214 1-deeplab分割算法概述.mp4 .sz
215 2-空洞卷积的作用.mp4 .sz
216 3-感受野的意义.mp4 .sz
217 4-SPP层的作用.mp4 .sz
218 5-ASPP特征融合策略.mp4 .sz
219 6-deeplabV3Plus版本网络架构.mp4 .sz
220 1-PascalVoc数据集介绍.mp4 .sz
221 2-项目参数与数据集读取.mp4 .sz
222 3-网络前向传播流程.mp4 .sz
223 4-ASPP层特征融合.mp4 .sz
224 5-分割模型训练.mp4 .sz
225 1-数据集与任务概述.mp4 .sz
226 2-项目基本配置参数.mp4 .sz
227 3-任务流程解读.mp4 .sz
228 4-文献报告分析.mp4 .sz
229 5-补充：视频数据源特征处理方法概述.mp4 .sz
230 6-补充：R(2plus1)D处理方法分析.mp4 .sz
231 0-Mask-Rcnn开源项目简介.mp4 .sz
232 0-开源项目数据集.mp4 .sz
233 0-参数配置.mp4 .sz
234 1-Labelme工具安装~11.mp4 .sz
235 2-使用labelme进行数据与标签标注.mp4 .sz
236 3-完成训练数据准备工作.mp4 .sz
237 4-maskrcnn源码修改方法.mp4 .sz
238 5-基于标注数据训练所需任务.mp4 .sz
239 6-测试与展示模块.mp4 .sz
240 1-FPN层特征提取原理解读.mp4 .sz
241 2-FPN网络架构实现解读.mp4 .sz
242 3-生成框比例设置.mp4 .sz
243 4-基于不同尺度特征图生成所有框.mp4 .sz
244 5-RPN层的作用与实现解读.mp4 .sz
245 6-候选框过滤方法.mp4 .sz
246 7-Proposal层实现方法.mp4 .sz
247 8-DetectionTarget层的作用.mp4 .sz
248 9-正负样本选择与标签定义.mp4 .sz
249 10-RoiPooling层的作用与目的.mp4 .sz
250 11-RorAlign操作的效果.mp4 .sz
251 12-整体框架回顾.mp4 .sz
251 12-整体框架回顾.mp4 .mp4
252 1-Labelme工具安装~11.mp4 .mp4
253 2-使用labelme进行数据与标签标注.mp4 .mp4
254 3-完成训练数据准备工作.mp4 .mp4
255 4-maskrcnn源码修改方法.mp4 .mp4
256 5-基于标注数据训练所需任务.mp4 .mp4
257 6-测试与展示模块.mp4 .mp4
258 1-DEMO效果演示.mp4 .sz
259 2-论文解读分析.mp4 .sz
260 3.完成的任务分析~1.mp4 .sz
261 4.数据闭环方法~1.mp4 .sz
262 5.预训练模型的作用~1.mp4 .sz
263 6.Decoder的作用与项目源码~1.mp4 .sz
264 7.分割任务模块设计~1.mp4 .sz
265 8.实现细节分析~1.mp4 .sz
266 9.总结分析~1.mp4 .sz
267 SAM2视频分割 .sz
268 VIP课-人工智能深度学习系统班（第九期）-2508 .sz
269 分割模型Maskformer系列~1.mp4 .sz
270 1-Backbone获取多层级特征~1.mp4 .sz
271 2-多层级采样点初始化构建~1.mp4 .sz
272 3-多层级输入特征序列创建方法~1.mp4 .sz
273 4-偏移量与权重计算并转换~1.mp4 .sz
274 5-Encoder特征构建方法实例~1.mp4 .sz
275 6-query要预测的任务解读~1.mp4 .sz
276 7-Decoder中的AttentionMask方法~1.mp4 .sz
277 8-损失模块输入参数分析~2.mp4 .sz
278 9-标签分配策略解读~2.mp4 .sz
279 10-正样本筛选损失计算~1.mp4 .sz
280 11-标签分类匹配结果分析~1.mp4 .sz
281 12-最终损失计算流程~1.mp4 .sz
282 13-汇总所有损失完成迭代~1.mp4 .sz
09 【CV方向】视频理解、姿态估计与目标追踪/
283 1-slowfast核心思想解读.mp4 .sz
284 2-核心网络结构模块分析.mp4 .sz
285 3-数据采样曾的作用.mp4 .sz
286 4-模型网络结构设计.mp4 .sz
287 5-特征融合模块与总结分析.mp4 .sz
288 1-环境基本配置解读~1.mp4 .sz
289 2-目录各文件分析~1.mp4 .sz
290 3-配置文件作用解读.mp4 .sz
291 4-测试DEMO演示1.mp4 .sz
292 5-训练所需标签文件说明~1.mp4 .sz
293 6-训练所需视频数据准备.mp4 .sz
294 7-视频数据集切分操作.mp4 .sz
295 8-完成视频分帧操作~11.mp4 .sz
296 1-模型所需配置文件参数读取1.mp4 .sz
297 2-数据处理概述1.mp4 .sz
298 3-dataloader数据遍历方法1.mp4 .sz
299 4-数据与标签读取实例1.mp4 .sz
300 5-图像数据所需预处理方法1.mp4 .sz
301 6-slow与fast分别执行采样操作1.mp4 .sz
302 7-分别计算特征图输出结果1.mp4 .sz
303 8-slow与fast特征图拼接操作1.mp4 .sz
304 9-resnetBolock操作1.mp4 .sz
305 10-RoiAlign与输出层1.mp4 .sz
306 1-3D卷积原理解读.mp4 .sz
307 2-UCF101动作识别数据集简介.mp4 .sz
308 3-测试效果与项目配置.mp4 .sz
309 4-视频数据预处理方法.mp4 .sz
310 5-数据Batch制作方法.mp4 .sz
311 6-3D卷积网络所涉及模块.mp4 .sz
312 7-训练网络模型.mp4 .sz
313 1-异常检测要解决的问题与数据集介绍.mp4 .sz
314 2-基本思想与流程分析.mp4 .sz
315 3-预测与常见问题.mp4 .sz
316 4-Meta-Learn要解决的问题~11.mp4 .sz
317 5-学习能力与参数定义.mp4 .sz
318 6-如何找到合适的初始化参数~1.mp4 .sz
319 7-MAML算法流程解读.mp4 .sz
320 1-论文概述与环境配置.mp4 .sz
321 2-数据集配置与读取.mp4 .sz
322 3-模型编码与解码结构.mp4 .sz
323 4-注意力机制模块打造.mp4 .sz
324 5-损失函数的目的.mp4 .sz
325 6-特征图生成.mp4 .sz
326 7-MetaLearn与输出.mp4 .sz
327 1-姿态估计要解决的问题分析.mp4 .sz
328 2-姿态估计应用领域概述.mp4 .sz
329 3-传统topdown方法的问题.mp4 .sz
330 4-要解决的两个问题分析.mp4 .sz
331 5-基于高斯分布预测关键点位置.mp4 .sz
332 6-各模块输出特征图解读.mp4 .sz
333 7-PAF向量登场.mp4 .sz
334 8-PAF标签设计方法.mp4 .sz
335 9-预测时PAF积分计算方法.mp4 .sz
336 10-匹配方法解读~1.mp4 .sz
337 11-CPM模型特点.mp4 .sz
338 12-算法流程与总结.mp4 .sz
339 1-数据集与路径配置解读~1.mp4 .sz
340 2-读取图像与标注信息~1.mp4 .sz
341 3-关键点与躯干特征图初始化~1.mp4 .sz
342 4-根据关键点位置设计关键点标签~1.mp4 .sz
343 5-准备构建PAF躯干标签~2.mp4 .sz
344 6-各位置点归属判断~1.mp4 .sz
345 7-特征图各点累加向量计算~1.mp4 .sz
346 8-完成PAF特征图制作~1.mp4 .sz
347 9-网络模型一阶段输出~1.mp4 .sz
348 10-多阶段输出与预测~1.mp4 .mp4
349 1-数据集与路径配置解读~1.mp4 .mp4
350 2-读取图像与标注信息~1.mp4 .mp4
351 3-关键点与躯干特征图初始化~1.mp4 .mp4
352 4-根据关键点位置设计关键点标签~1.mp4 .mp4
353 5-准备构建PAF躯干标签~2.mp4 .mp4
354 6-各位置点归属判断~1.mp4 .mp4
355 7-特征图各点累加向量计算~1.mp4 .mp4
356 8-完成PAF特征图制作~1.mp4 .mp4
357 9-网络模型一阶段输出~1.mp4 .mp4
358 10-多阶段输出与预测~1.mp4 .sz
359 1-项目环境配置4.mp4 .sz
360 2-参数与DEMO演示.mp4 .sz
361 3-针对检测结果初始化track.mp4 .sz
362 4-对track执行预测操作.mp4 .sz
363 5-状态量预测结果.mp4 .sz
364 6-IOU代价矩阵计算.mp4 .sz
365 7-参数更新操作.mp4 .sz
366 8-级联匹配模块.mp4 .sz
367 9-ReID特征代价矩阵计算.mp4 .sz
368 10-匹配结果与总结.mp4 .sz
369 1-获取检测结果与追踪初始化.mp4 .sz
370 2-初始时刻追踪器创建.mp4 .sz
… 共 1352 条