阶段一 人工智能Python基础

展开
第一章 计算机组成原理
1-1 计算机原理 免费试学
  • 01-计算机组成
  • 02-Python简介
第二章 python基础语法
2-1 课程介绍 免费试学
  • 03-课程介绍
2-2 注释 免费试学
  • 04-注释
2-3 变量
  • 05-变量的作用
  • 06-定义变量
  • 07-使用变量
2-4 bug认识
  • 08-认识bug
  • 09-Debug工具
2-5 数据类型
  • 10-认识数据类型
2-6 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
2-7 输入
  • 01-了解输入
  • 02-输入功能实现
2-8 数据类型转换
  • 03-体验数据类型转换
  • 04-数据类型转换函数
2-9 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
3-1 判断语句介绍
  • 12-if的作用和语法
3-2 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)
3-3 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
3-4 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
3-5 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
4-1 循环语句介绍
  • 01-了解循环
4-2 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
4-3 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
4-4 break和continue
  • 09-了解break和continue
  • 10-break
  • 11-continue
4-5 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
4-6 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
4-7 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
5-1 字符串介绍
  • 27-认识字符串
5-2 输入输出
  • 28-字符串输出
  • 29-字符串输入
5-3 切片
  • 01-字符串下标
  • 02-切片简介
  • 03-体验切片
5-4 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
6-1 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
6-2 列表循环遍历
  • 21-列表的遍历之while
  • 22-列表的遍历之for
6-3 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
7-1 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
8-1 字典介绍
  • 01-字典的应用场景
8-2 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
8-3 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
9-1 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
10-1 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
10-2 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
11-1 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
11-2 函数参数一
  • 04-函数的参数的作用
11-3 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
11-4 函数文档说明
  • 08-函数的说明文档
11-5 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
11-6 局部变量
  • 14-局部变量
11-7 全局变量
  • 15-访问全局变量
  • 16-修改全局变量
11-8 函数执行流程
  • 17-多函数执行流程
11-9 函数返回值二
  • 18-返回值作为参数传递
  • 19-函数的返回值
11-10 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
11-11 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
11-12 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
12-1 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
12-2 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
12-3 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
12-4 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
12-5 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
13-1 文件操作介绍
  • 01-了解文件操作
13-2 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
13-3 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
13-4 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
14-1 面向对象介绍
  • 20-了解面向对象
  • 21-了解类和对象的关系
14-2 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
14-3 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
14-4 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
14-5 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
14-6 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
14-7 继承
  • 19-单继承
  • 18-体验继承
  • 20-多继承
14-8 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
  • 25-多层继承
  • 26-super()方法作用
  • 27-super方法写法
14-9 super方法使用
  • 25-多层继承
  • 26-super()方法作用
  • 27-super方法写法
14-10 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
14-11 多态
  • 01-了解多态
  • 02-体验多态思路分析
  • 03-代码实现多态
14-12 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
15-1 异常介绍
  • 08-了解异常
  • 09-体验异常
  • 10-了解异常类型
15-2 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
15-3 异常传递
  • 18-异常传递的思路分析
  • 19-异常传递的代码实现
15-4 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
16-1 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
16-2 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
16-3 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)
17-1 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

阶段二 人工智能Python高级

展开
第一章 Linux基础命令
1-1 linux简介 免费试学
  • 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
1-2 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
2-1 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
2-2 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
2-3 vim介绍
  • 14_vim的介绍
  • 15_vim的常用命令
第三章 多任务编程
3-1 多任务介绍
  • 01_多任务的介绍
3-2 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
3-3 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
3-4 锁的介绍
  • 15_互斥锁的使用
  • 16_死锁
3-5 进程和线程的对比
  • 17_进程和线程对比
第四章 网络编程
4-1 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
4-2 TCP介绍
  • 06_socket的介绍
  • 07_TCP介绍
  • 08_python3编码转化
4-3 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
4-4 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
5-1 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
5-2 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
6-1 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
6-2 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
6-3 property语法
  • 01_property属性_装饰器方式
  • 02_property属性_类属性方式
6-4 with语法
  • 03_with语句的使用
  • 04_with语句和上下文管理器
6-5 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
7-1 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
8-1 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
8-2 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
8-3 空间复杂度
  • 08-空间复杂度
8-4 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
8-5 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
8-6 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
8-7 栈
  • 01-栈的作用
  • 02-栈的代码实现
8-8 队列
  • 03-队列的作用
  • 04-队列
  • 05-双端队列
8-9 冒泡排序
  • 06-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
8-10 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
8-11 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
8-12 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
8-13 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
8-14 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
8-15 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
9-1 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
9-2 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
9-3 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
9-4 排序
  • 07_order排序查询
第十章 MySqL数据库高级使用
10-1 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
10-2 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
10-3 外键使用
  • 05_外键的使用
10-4 视图
  • 06_视图的概念
  • 07_视图的使用
10-5 事务
  • 08_事务的概念及特点
  • 09_事务的使用及ACID特性的验证
10-6 索引
  • 10_索引
10-7 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
10-8 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

阶段三 人工智能机器学习

展开
第一章 机器学习概述V2.1
1-1 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
2-1 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
3-1 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
4-1 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
5-1 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
5-2 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
5-3 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
5-4 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
6-1 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
6-2 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
6-3 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
6-4 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
7-1 k近邻算法介绍 免费试学
  • 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
7-2 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
7-3 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
7-4 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
7-5 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
7-6 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
7-7 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
8-1 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
8-2 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
8-3 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
9-1 逻辑回归 免费试学
  • 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
10-1 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
10-2 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
10-3 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
10-4 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
11-1 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
11-2 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
11-3 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
12-1 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
13-1 朴素贝叶斯 免费试学
  • 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
14-1 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
15-1 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
16-1 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
17-1 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
17-2 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
17-3 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
17-4 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

阶段四 计算机视觉与图像处理

展开
第一章 课程简介_v2.0
1-1 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
1-2 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
2-1 tensorflow和keras简介 免费试学
  • 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
  • 11-1讲解-Tensorflow结合Keras模型构建流程回顾
2-2 快速入门模型 免费试学
  • 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
3-1 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
3-2 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
3-3 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
3-4 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
3-5 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
3-6 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
4-1 图像分类简介 免费试学
  • 01-1讲解-图像分类简介
  • 01-2点评-图像分类简介
4-2 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
4-3 VGG
  • 05-2点评-AlexNet模型训练与评估
  • 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
4-4 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
4-5 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)
  • 18-0前置-残差块的实现
  • 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
4-6 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
4-7 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
5-1 目标检测概述 免费试学
  • 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2
  • 06-1点评-mAP简介(PR指标部分)
  • 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
5-2 R-CNN网络基础 免费试学
  • 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
5-3 Faster-RCNN原理与实现
  • 01-1讲解-学习目标
  • 01-2点评-学习目标+overfeat模型
  • 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
5-4 yolo系列算法
  • 01-1讲解-学习目标
  • 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
5-5 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
5-6 SSD模型介绍
  • 01-1讲解-学习目标
  • 01-2点评-学习目标
  • 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
6-1 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
6-2 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
6-3 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
6-4 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
7-1 图像处理简介
  • 01-1讲解-课程介绍
  • 02-1讲解-课程介绍
7-2 OpenCV简介及安装方法
  • 03-1讲解-opencv简介及其安装方法
7-3 OpenCV的模块
  • 04-1讲解-opencv模块
第八章 OpenCV基本操作_v.2.0
8-1 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
  • 05-1图像基本操作总结
  • 05-2点评-图像基础处理总结
8-2 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
9-1 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
  • 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
  • 05-2点评-OpenCV基础运算总结
  • 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
9-2 形态学操作
  • 08-1讲解-连通性
  • 08-2点评-连通性
  • 08-2点评-SIFT算法-关键点方向及描述符
  • 09-0前置-膨胀与腐蚀
  • 09-0前置-SIFT算法总结及与SURF算法简介
  • 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点评-黑帽和礼帽
  • 11-1讲解-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
9-3 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
9-4 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)
9-5 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
9-6 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
9-7 轮廓检测
  • 33-1讲解-轮廓检测与绘制
  • 34-1讲解-轮廓特征-凸包
  • 35-1讲解-轮廓特征-边界矩形
  • 36-1讲解-轮廓特征-最小外接圆,椭圆拟合,直线拟合
  • 37-1讲解-图像的矩特征
  • 38-1讲解-轮廓检测总结
第十章 图像特征提取与描述_v2.0
10-1 角点特征
  • 01-0前置-角点特征
  • 01-1讲解-角点特征
10-2 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
10-3 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
  • 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
10-4 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
10-5 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
11-1 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
11-2 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
12-1 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

阶段五 NLP自然语言处理

展开
第一章 Pytorch工具_v2.0
1-1 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
1-2 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
1-3 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
1-4 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
2-1 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
3-1 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
3-2 文本处理的基本方法
  • 16-1讲解-1.2文本处理的基本方法-part1
  • 16-2点评-1.2文本处理的基本方法-part1
  • 17-1讲解-1.2文本处理的基本方法-part2
  • 17-2点评-1.2文本处理的基本方法-part2
  • 17-3点评-1.2文本处理的基本方法-part2
  • 18-1讲解-1.2文本处理的基本方法-part3
  • 19-1讲解-1.2文本处理的基本方法-part4
  • 01-1讲解-1.2文本处理的基本方法-part5
3-3 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
3-4 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
3-5 文本的特征处理
  • 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
  • 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
3-6 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
4-1 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
4-2 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
4-3 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
4-4 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
4-5 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
5-1 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
5-2 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
6-1 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
7-1 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
8-1 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
8-2 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
8-3 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
8-4 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
8-5 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
8-6 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
8-7 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
8-8 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
8-9 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
8-10 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
8-11 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
8-12 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
8-13 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
8-14 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
9-1 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
9-2 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
9-3 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
9-4 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
10-1 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
10-2 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
10-3 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
10-4 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
10-5 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
11-1 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
11-2 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
11-3 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
11-4 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
11-5 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
11-6 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
11-7 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
11-8 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
11-9 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
11-10 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
11-11 BERT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
  • 13-2点评-1.11BERT的MLM任务为什么采用80% 10% 10%的策略
11-12 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
12-1 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
12-2 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
12-3 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
12-4 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
13-1 马尔科夫链
  • 10-1讲解-马尔科夫链介绍
13-2 HMM简介
  • 11-1讲解-HMM简介
  • 11-2点评-HMM简介
  • 11-3点评-HMM简介
13-3 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
13-4 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
14-1 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

阶段六 人工智能项目实战

展开
第一章 智慧交通
1-1 项目简介 免费试学
  • 01.课程介绍
  • 02.项目简介
  • 03.效果展示
  • 04. 环境搭建
1-2 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
1-3 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
1-4 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
1-5 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
1-6 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
1-7 数据关联
  • 19.目标关联实现(1)
  • 20.目标关联实现(2)
1-8 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)
1-9 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
1-10 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)
1-11 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
1-12 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
1-13 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
1-14 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
1-15 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
1-16 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
1-17 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
1-18 SIamese网络系列
  • 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
1-19 跟踪效果
  • 22.demo简介
  • 23. demo实现(1)
  • 24. demo实现(2)
  • 25. demo实现(3)
1-20 数据集处理
  • 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
1-21 网络模型搭建
  • 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
1-22 网络模型训练
  • 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
1-23 网络模型测试
  • 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)
1-24 网络模型应用
  • 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
2-1 背景介绍 免费试学
  • 1.1在线医生背景介绍
2-2 Unit对话API使用 免费试学
  • 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
2-3 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
2-4 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
2-5 neo4j简介
  • 3.1neo4j简介
2-6 neo4j图数据库的安装
  • 3.2neo4j图数据库的安装
2-7 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
2-8 在Python中使用neo4j
  • 3.4在Python中使用neo4j-part1
  • 3.4在Python中使用neo4j-part2
2-9 离线部分简要分析
  • 4.1离线部分简要分析
2-10 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
2-11 非结构化数据流水线
  • 4.3非结构化数据流水线
2-12 任务介绍与模型选用
  • 5.1任务介绍与模型选用
2-13 训练数据集
  • 5.2训练数据集
2-14 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
2-15 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
2-16 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
2-17 NE模型使用
  • 5.6NE模型使用-part1
  • 5.6NE模型使用-part2
2-18 命名实体识别介绍
  • 6.1命名实体识别介绍
2-19 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
2-20 CRF介绍
  • 6.3CRF介绍
2-21 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
2-22 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
2-23 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
2-24 在线部分简要分析
  • 7.1在线部分简要分析
2-25 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
2-26 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
2-27 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
2-28 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
2-29 微调模型
  • 8.4微调模型-part1
  • 8.4微调模型-part2
2-30 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
2-31 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
2-32 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
3-1 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
3-2 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
3-3 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
3-4 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
3-5 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
3-6 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
3-7 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
3-8 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
4-1 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
4-2 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)
4-3 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
4-4 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
4-5 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)

阶段七 人工智能面试强化

展开
第一章 自动编码器
1-1 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
1-2 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
1-3 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
1-4 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
2-1 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
3-1 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
4-1 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
5-1 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
6-1 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
7-1 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
8-1 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
9-1 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
10-1 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
11-1 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
11-2 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
11-3 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