课程试听
阶段一 人工智能Python基础
展开第一章 python基础编程
1-1 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
1-2 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
1-3 Python数据类型
- 12-（重点）Python中的7种数据类型
- 13-（重点）Python中的bug
1-4 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
1-5 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
1-6 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
1-7 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
1-8 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
1-9 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
1-10 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
1-11 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
1-12 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
1-13 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
1-14 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
1-15 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
1-16 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
1-17 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
1-18 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
1-19 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
1-20 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
1-21 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
1-22 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
1-23 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
1-24 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
1-25 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
1-26 递推
- 14-（了解）递推算法
- 15-（重点）斐波那契数列递推代码详解
1-27 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
1-28 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
1-29 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
1-30 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
1-31 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
1-32 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
1-33 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
1-34 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
2-1 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
2-2 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
2-3 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
2-4 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
2-5 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
2-6 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
展开第一章 Python进阶编程
1-1 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
1-2 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
1-3 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
1-4 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
1-5 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
1-6 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
1-7 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
1-8 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
1-9 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
1-10 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
1-11 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
1-12 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
1-13 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
1-14 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
1-15 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
1-16 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
2-1 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
展开第一章 人工智能Linux系统
1-1 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
1-2 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
1-3 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
1-4 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
1-5 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
1-6 Shell基础
- 23-Shell编程
第二章 SQL数据处理与统计分析
2-1 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
2-2 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
2-3 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
2-4 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
2-5 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
2-6 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
2-7 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
2-8 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
3-1 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
3-2 NumPy
- 1 NumPy介绍
- 2 创建ndarray
- 3 NumPy内置函数及运算
3-3 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
3-4 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
3-5 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
3-6 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
3-7 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
3-8 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
3-9 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
3-10 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
3-11 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
4-1 Python数据可视化
- 1 Python数据可视化
4-2 Matplotlib绘图
- 1 Matplotlib绘图入门
- 2 Matplotlib绘图案例
- 3 Matplotlib绘制统计图
4-3 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
4-4 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
4-5 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
4-6 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
4-7 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
展开第一章 机器学习基础算法
1-1 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
1-2 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
1-3 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
1-4 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
2-1 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
2-2 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
2-3 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
2-4 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
2-5 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
2-6 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
3-1 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
3-2 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
3-3 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
3-4 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
3-5 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
4-1 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
4-2 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
4-3 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
展开第一章 金融风控-项目数据处理
1-1 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
1-2 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
1-3 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
1-4 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
1-5 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
1-6 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
2-1 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
2-2 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
2-3 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
2-4 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
展开第一章 Pytorch与深度学习基础
1-1 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
1-2 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
1-3 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
1-4 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
1-5 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
1-6 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
1-7 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
2-1 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
2-2 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
2-3 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
2-4 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
展开第一章 NLP基础
1-1 NLP简介
- 1.1自然语言处理入门
- 10_自然语言处理入门
1-2 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
1-3 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
1-4 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
1-5 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
1-6 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
2-1 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
2-2 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
2-3 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
2-4 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
2-5 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
2-6 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
2-7 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
2-8 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
2-9 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
2-10 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
3-1 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
3-2 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
3-3 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
3-4 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
3-5 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
4-1 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
4-2 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
4-3 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
4-4 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
展开第一章 美创AI医生-命名实体审核任务
1-1 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
1-2 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
1-3 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
1-4 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
1-5 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
1-6 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
1-7 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
1-8 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
1-9 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
1-10 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
1-11 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
1-12 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
2-1 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
2-2 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
2-3 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
2-4 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
2-5 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
2-6 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
2-7 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
2-8 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
2-9 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
2-10 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
2-11 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
2-12 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
展开第一章 AI文本摘要-经典模型
1-1 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
1-2 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
1-3 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
1-4 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
1-5 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
1-6 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
1-7 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
1-8 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
1-9 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
1-10 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
2-1 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
2-2 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
2-3 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
2-4 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
2-5 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
2-6 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
2-7 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