rk0615-人工智能学习教程合集【VIP】【地址更新】
内容丰富，请按需下载。——/人工智能【持续更新中】/
├──【2023.02】人工智能机器学习课程-完结-无课件（6.84G）
| ├──01 课程介绍_ok.mp43.32M
| ├──02 Python基本知识_ok.mp422.81M
| ├──03 Windows下安装Anaconda_ok.mp418.44M
| ├──04 虚拟机环境的使用_导入虚拟机_ok.mp412.01M
| ├──05 虚拟机环境的使用_认识环境_ok.mp425.87M
| ├──06 Python工作环境_ok.mp462.64M
| ├──07 Python基本语法_ok.mp422.42M
| ├──08 Python对象_ok.mp464.90M
| ├──09 Python流程控制_ok.mp425.83M
| ├──10 函数的定义与使用_ok.mp453.60M
| ├──10 函数的定义与使用_ok_ok.mp452.54M
| ├──100 附1-sclklt-learn引导篇_ok.mp433.57M
| ├──101 附2-Oange引导篇_ok.mp428.13M
| ├──102 附3-Xgboost安装篇_ok.mp417.60M
| ├──103 课程概述_ok.mp414.41M
| ├──104 特征构造的常用方法_ok.mp419.54M
| ├──105 用户RFM行为特征提取（代码演示）_ok.mp47.63M
| ├──106 用户RFM行为特征提取_ok.mp421.39M
| ├──107 特征转换之连续变量无量纲化_ok.mp48.51M
| ├──108 特征转换之连续变量数据变换_ok.mp46.95M
| ├──109 连续变量特征转换（代码演示）_ok.mp421.42M
| ├──11 闭包和装饰器_ok.mp415.55M
| ├──110 特征转换之连续变量离散化_ok.mp421.08M
| ├──111 类别变量编码（代码演示）_ok.mp412.07M
| ├──112 特征转换之类别变量编码_ok.mp413.23M
| ├──113 日期型变量处理（代码演示）_ok.mp414.61M
| ├──114 特征转换之缺失值处理（代码演示）_ok.mp47.37M
| ├──115 特征转换之缺失值处理_ok.mp414.72M
| ├──116 特征转换之特征组合（代码演示）_ok.mp45.90M
| ├──117特征转换之特征组合_ok.mp412.14M
| ├──118 数据降维概述_ok.mp418.53M
| ├──119 数据降维之主成分分析（PCA）_ok.mp418.67M
| ├──12 Python的面向对象编程1_ok.mp422.40M
| ├──120 数据降维之主成分分析（PCA代码演示）_ok.mp414.68M
| ├──121 数据降维之线性判别分析法（LDA）~1_ok.mp419.28M
| ├──121 数据降维之线性判别分析法（LDA）_ok.mp414.26M
| ├──122 数据降维之线性判别分析法（LDA代码演示）_ok.mp411.17M
| ├──123 特征选择概述_ok.mp414.11M
| ├──124 单特征重要性评估_ok.mp418.43M
| ├──125 单特征重要性评估（代码演示）_ok.mp48.55M
| ├──126 课程总结_ok.mp44.42M
| ├──127 本章引言_ok.mp45.06M
| ├──128 构建你的第一个简单分类模型_ok.mp420.19M
| ├──129 构建你的第一个简单分类模型_代码演示_ok.mp445.05M
| ├──13 Python的面向对象编程2_ok.mp411.32M
| ├──130 用测试集对模型进行交叉验证_ok.mp420.85M
| ├──131 尝试其他的分类算法_ok.mp415.49M
| ├──132 准备一个更好的训练集_ok.mp449.71M
| ├──133 将多个模型的预测结果融合起来_ok.mp411.35M
| ├──134 模型优化的三个要素_ok.mp49.64M
| ├──135 本章引言_ok.mp46.87M
| ├──136 偏差与方差_过拟合与欠拟合_ok.mp414.72M
| ├──137 通过学习曲线诊断偏差和方差_ok.mp426.70M
| ├──138 通过验证曲线诊断过拟合和欠拟合_ok.mp416.21M
| ├──139 模型交叉验证方法之数据集划分_ok.mp424.56M
| ├──14 输入输出_ok.mp417.72M
| ├──140 模型交叉验证方法之k折交叉验证_ok.mp419.74M
| ├──141 模型评估指标之准确率和召回率_ok.mp428.32M
| ├──142 模型评估指标之收益曲线_ok.mp430.81M
| ├──143 模型评估指标之ROC与AUC_ok.mp416.65M
| ├──144 模型评估指标之KS值_ok.mp412.48M
| ├──145 本章引言_ok.mp42.56M
| ├──146 什么是逻辑回归_ok.mp414.25M
| ├──147 逻辑回归模型参数求解_ok.mp427.99M
| ├──148 逻辑回归模型正则化方法_ok.mp411.84M
| ├──149 逻辑回归代码示例_ok.mp432.62M
| ├──15 字符和编码_ok.mp414.30M
| ├──150 逻辑回归模型结果解释_ok.mp413.20M
| ├──151 逻辑回归模型自动化调参_ok.mp422.89M
| ├──152 逻辑回归的多分类问题_ok.mp415.32M
| ├──153 类别型特征变量转换_ok.mp417.80M
| ├──154 连续型特征变量转换_ok.mp412.05M
| ├──155 特征变量的组合_ok.mp416.66M
| ├──156 预测概率转换为分数_ok.mp420.52M
| ├──157 本章总结_ok.mp48.83M
| ├──158 本章引言_ok.mp41.24M
| ├──159 什么是K近邻_ok.mp48.59M
| ├──16 正则表达式_ok.mp459.58M
| ├──160 K近邻之距离度量_ok.mp46.53M
| ├──161 K近邻算法基本原理_ok.mp47.98M
| ├──162 K近邻算法代码演示_ok.mp416.09M
| ├──163 K近邻参数优化_ok.mp414.93M
| ├──164 特征标准化和转换_ok.mp423.50M
| ├──165 K近邻总结_ok.mp46.56M
| ├──166 本章引言_ok.mp43.81M
| ├──167 什么是决策树_ok.mp412.27M
| ├──168 决策树属性分裂基本概念_ok.mp46.52M
| ├──169 决策树节点不纯度_ok.mp421.29M
| ├──17 课程介绍_ok.mp44.59M
| ├──170 决策树最佳分裂_ok.mp427.48M
| ├──171 决策树算法对比_ok.mp410.62M
| ├──172 决策树剪枝_ok.mp414.31M
| ├──173 决策树代码演示_ok.mp428.02M
| ├──174 决策树参数调优_ok.mp411.06M
| ├──175 决策树总结_ok.mp47.30M
| ├──176 本章引言_ok.mp42.18M
| ├──177什么是支持向量机_ok.mp48.97M
| ├──178 支持向量机算法基本原理_ok.mp412.69M
| ├──179 支持向量机代码演示_ok.mp411.97M
| ├──18 Numpy基础_ok.mp42.58M
| ├──180 支持向量机参数优化_ok.mp48.53M
| ├──181 支持向量机总结_ok.mp45.68M
| ├──182 本章引言_ok.mp41.40M
| ├──183 贝叶斯公式_ok.mp410.73M
| ├──184朴素贝叶斯分类原理_ok.mp416.89M
| ├──185 朴素贝叶斯代码演示_ok.mp414.74M
| ├──186 朴素贝叶斯总结_ok.mp42.58M
| ├──187 课程概述_ok.mp45.12M
| ├──188 相关和回归_ok.mp415.81M
| ├──189 一元线性回归模型_ok.mp45.85M
| ├──19 多维数组类型_ndarray_ok.mp415.86M
| ├──190 最小二乘法_ok.mp411.06M
| ├──191 一元线性回归excel操作_ok.mp416.86M
| ├──192 一元线性回归python操作_ok.mp413.53M
| ├──193 课程总结_ok.mp47.30M
| ├──194 多元线性回归模型_ok.mp44.98M
| ├──195 多重共线性概念_ok.mp48.15M
| ├──196 逐步回归方法_ok.mp413.48M
| ├──197 过拟合与正则化_ok.mp48.86M
| ├──198 多元线性回归excel操作_ok.mp419.71M
| ├──199 多元线性回归python操作_ok.mp422.87M
| ├──20 创建ndarray_ok.mp420.50M
| ├──200 非线性回归简介_ok.mp45.14M
| ├──201 非线性回归在Excel中的操作_ok.mp48.95M
| ├──202 非线性回归在python的操作_ok.mp415.82M
| ├──203回归模型常用评估指标_ok.mp413.98M
| ├──204 回归树（CART）基本原理_ok.mp413.24M
| ├──205 回归树代码演示_ok.mp415.53M
| ├──206 课程概述_ok.mp45.43M
| ├──207 什么是聚类分析_ok.mp46.85M
| ├──208相似度与距离度量_ok.mp412.16M
| ├──209 聚类之K均值算法_ok.mp419.18M
| ├──21 numpy中的数据类型_ok.mp416.14M
| ├──210 K均值算法代码演示_ok.mp417.63M
| ├──211 K均值算法调参_ok.mp414.94M
| ├──212 聚类模型评估指标_ok.mp425.56M
| ├──213 聚类分析总结_ok.mp44.83M
| ├──214什么是关联规则_ok.mp427.79M
| ├──215 关联规则Apriori算法_ok.mp418.37M
| ├──216 关联规则的lift指标_ok.mp416.05M
| ├──217 关联规则的理解与应用_ok.mp411.36M
| ├──218 关联规则代码演示_ok.mp412.65M
| ├──219 关联规则总结_ok.mp43.48M
| ├──22 ndarray的文件IO_ok.mp420.73M
| ├──220 课程总结_ok.mp43.63M
| ├──221 什么是推荐系统_ok.mp48.12M
| ├──222 基于Item的协同过滤算法_ok.mp413.34M
| ├──223 基于User的协同过滤算法_ok.mp46.64M
| ├──224 SVD矩阵分解算法_ok.mp412.50M
| ├──225 机器学习经典案例：垃圾邮件过滤模型_ok.mp4206.24M
| ├──226 机器学习经典案例：KNN算法实现手写字体识别~1_ok.mp4157.46M
| ├──226 机器学习经典案例：KNN算法实现手写字体识别_ok.mp4135.17M
| ├──227 机器学习经典案例：餐馆菜肴推荐系统_ok.mp488.93M
| ├──228 课程概述_ok.mp46.23M
| ├──229 模型融合基本概念_ok.mp422.20M
| ├──23 操作多维数组ndarray_ok.mp42.63M
| ├──230 Voting和Averaging融合_ok.mp46.70M
| ├──231 Bagging融合_ok.mp412.46M
| ├──232 Boosting融合_ok.mp46.52M
| ├──233 随机森林算法基本原理_ok.mp424.84M
| ├──234 随机森林算法（分类）代码演示_ok.mp422.98M
| ├──235 随机森林算法（回归）代码演示_ok.mp412.33M
| ├──236 Adaboost算法基本原理_ok.mp410.75M
| ├──237 Adaboost算法（分类）代码演示_ok.mp416.68M
| ├──238 Adaboost算法（回归）代码演示_ok.mp410.99M
| ├──239 GBDT算法基本原理_ok.mp421.76M
| ├──24 选择ndarray的元素_索引_ok.mp48.98M
| ├──240 GBDT算法（分类）代码演示_ok.mp411.47M
| ├──241 GBDT算法（回归）代码演示_ok.mp410.24M
| ├──242 Xgboost基本介绍_ok.mp48.32M
| ├──243 Xgboost算法（分类）代码演示_ok.mp422.38M
| ├──244 Xgboost算法（回归）代码演示_ok.mp411.80M
| ├──245 课程总结_ok.mp47.47M
| ├──246 文本分析的基本概念_ok.mp420.19M
| ├──247 文本特征表示方法（词袋模型）_ok.mp410.29M
| ├──248 TF-IDF算法_ok.mp415.53M
| ├──249 词表征方法（词向量）_ok.mp424.69M
| ├──25 选择ndarray的元素_索引数组_ok.mp48.16M
| ├──250 神经网络与深度学习_ok.mp430.18M
| ├──251 卷积神经网络CNN介绍_ok.mp426.14M
| ├──252循环神经网络RNN介绍_ok.mp414.96M
| ├──253 深度学习的应用场景_ok.mp425.42M
| ├──254 背景与部分原理_ok.mp441.38M
| ├──255 模型原理_ok.mp437.78M
| ├──256 数据_ok.mp465.15M
| ├──257 代码_ok.mp453.08M
| ├──258 总结_ok.mp452.23M
| ├──259 项目概述_ok.mp48.01M
| ├──26 选择ndarray的元素_布尔数组_ok.mp46.97M
| ├──260 数据观察_ok.mp488.41M
| ├──261 基于item的协同过滤推荐_ok.mp443.69M
| ├──262 基于user的协同过滤推荐_ok.mp443.16M
| ├──263 基于SVD的协同过滤推荐_ok.mp429.85M
| ├──264 项目概述_ok.mp410.21M
| ├──265 opencv的安装及使用_ok.mp415.92M
| ├──266 图像特征_颜色直方图_ok.mp431.83M
| ├──267 用随机森林构建图像分类模型_ok.mp431.28M
| ├──268 对新图片进行分类预测_ok.mp47.14M
| ├──269 项目概述_ok.mp411.91M
| ├──27 改变ndarray的形状_ok.mp425.54M
| ├──270 对文档进行分词_ok.mp48.74M
| ├──271 用TFIDF和词袋表示文档特征_ok.mp426.72M
| ├──272 用word2vec词向量表示文档特征_ok.mp422.18M
| ├──273 训练文档分类模型_ok.mp413.78M
| ├──274 模型效果的评估_ok.mp417.48M
| ├──275 对新文档进行分类预测_ok.mp415.97M
| ├──276 预测房价项目概述_ok.mp48.63M
| ├──277 数据理解和整体探索_ok.mp4112.00M
| ├──278 数据清洗_ok.mp481.08M
| ├──279 特征转换、衍生、组合_ok.mp448.69M
| ├──28 ndarray的基本运算_ok.mp425.52M
| ├──280 特征筛选_ok.mp431.69M
| ├──281 模型训练_ok.mp467.21M
| ├──282 对新数据进行预测_ok.mp424.80M
| ├──283 项目概述_ok.mp416.70M
| ├──284 从交易数据中提取RFM特征_ok.mp419.19M
| ├──285 客户RFM分析_ok.mp433.57M
| ├──286 响应预测模型训练和选择_ok.mp432.82M
| ├──287 模型部署和应用_ok.mp422.55M
| ├──288 项目概述_ok.mp440.76M
| ├──289 CT图像的预处理技术_ok.mp496.49M
| ├──29 numpy进阶_ok.mp41.49M
| ├──290 图像数据的增强(augmentation)_ok.mp4111.34M
| ├──291 训练图像分割模型_ok.mp4115.54M
| ├──292 训练三维卷积神经网络_ok.mp4120.12M
| ├──293 模型串联+项目总结_ok.mp493.39M
| ├──30 广播_不同维度数组运算_ok.mp45.63M
| ├──31 复制和视图_ok.mp46.52M
| ├──32 附1_Windows下安装Anaconda_ok.mp418.44M
| ├──33 附2_虚拟机环境的使用_导入虚拟机_ok.mp411.95M
| ├──34 附3_虚拟机环境的使用_认识环境_ok.mp425.88M
| ├──35 scipy简介_ok.mp45.03M
| ├──36 线性代数基础知识_向量_ok.mp47.91M
| ├──37 线性代数基础知识_矩阵_ok.mp414.79M
| ├──38 特征值和特征向量_ok.mp49.93M
| ├──39 解线性方程组_ok.mp45.50M
| ├──40 最小二乘法_ok.mp46.83M
| ├──41 本章引言_ok.mp412.04M
| ├──42 Pandas安装&数据结构介绍_ok.mp441.59M
| ├──43 Pandas数据查看_ok.mp443.45M
| ├──44 Pandas数据选择_ok.mp465.79M
| ├──45 Pandas数据修改与基本运算1_ok.mp461.02M
| ├──46 Pandas数据修改与基本运算2_ok.mp473.70M
| ├──47 Pandas数据修改与基本运算3_ok.mp468.64M
| ├──48 Pandas数据加载_ok.mp431.24M
| ├──49 Pandas多层索引_ok.mp436.00M
| ├──50 Pandas数据变形之关联_ok.mp444.74M
| ├──51 Pandas数据变形之分组与聚合_ok.mp448.12M
| ├──52 Pandas数据变形之数据重塑_ok.mp450.92M
| ├──53 本章引言_ok.mp418.81M
| ├──54 Matplotlib主要绘图类型_上_ok.mp435.05M
| ├──55 Matplotlib主要绘图类型_下_ok.mp445.97M
| ├──56 Matplotlib主要绘图参数_ok.mp418.59M
| ├──57 Matplotlib主要绘图装饰函数_ok.mp429.50M
| ├──58 Matplotlib文字标注与注释_ok.mp420.45M
| ├──59 Matplotlib子图_ok.mp418.16M
| ├──60 本章引言_ok.mp44.60M
| ├──61 快速理解数据挖掘和机器学习_ok.mp424.14M
| ├──62 数据挖掘的六大任务_ok.mp438.43M
| ├──63 数据挖掘的方法论（CRISP-DM）_ok.mp421.75M
| ├──64 预测模型的构建和应用流程_ok.mp415.29M
| ├──65 机器学习算法及分类_ok.mp428.43M
| ├──66 数据挖掘与数据仓库和OLAP_ok.mp435.85M
| ├──67 数据挖掘和机器学习的应用案例_ok.mp432.55M
| ├──68 如何成为一名优秀的数据科学家_ok.mp421.36M
| ├──69 本章引言_ok.mp46.42M
| ├──70 认识数据_ok.mp425.69M
| ├──71 描述性统计分析_ok.mp428.75M
| ├──72 分类变量的分析方法_ok.mp438.34M
| ├──73 连续变量的分析方法_ok.mp432.21M
| ├──74 相关性分析_ok.mp448.01M
| ├──75 基本空间与随机事件_ok.mp420.40M
| ├──76 事件的关系与运算_ok.mp417.24M
| ├──77 事件的概率_ok.mp420.51M
| ├──78 随机变量的分布_ok.mp423.23M
| ├──79 期望与方差_ok.mp421.46M
| ├──80 联合分布_ok.mp421.05M
| ├──81 条件分布与条件期望_ok.mp421.83M
| ├──82 正态分布_ok.mp415.95M
| ├──83 总体与样本_ok.mp426.73M
| ├──84 样本均值与方差_ok.mp417.13M
| ├──85 次序统计量与分位数_ok.mp416.52M
| ├──86 矩法估计_ok.mp420.84M
| ├──87 极大似然估计_ok.mp417.10M
| ├──88 贝叶斯估计_ok.mp416.55M
| ├──89 区间估计_ok.mp417.46M
| ├──90 假设检验_ok.mp422.72M
| ├──91 多元线性回归（上）_ok.mp422.63M
| ├──92 多元线性回归（下）_ok.mp423.35M
| ├──93 判别分析（上）_ok.mp416.46M
| ├──94 判别分析（下）_ok.mp417.88M
| ├──95 数据处理_ok.mp419.51M
| ├──96 系统聚类法_ok.mp417.98M
| ├──97 动态聚类法_ok.mp423.05M
| ├──98 主成分分析_ok.mp420.02M
| └──99 样本主成分及其应用_ok.mp417.96M
├──【2023.03】人工智能OpenCV合集-完结-课件齐全（13.03G）
| ├──第01阶段_OpenCV图像处理视频课程（课件+源码）
| | ├──01-概述 - OpenCV介绍与环境搭建.mp475.63M
| | ├──02-加载、修改、保存图像.mp460.96M
| | ├──03-矩阵的掩膜操作.mp492.04M
| | ├──04-Mat对象.mp490.02M
| | ├──05-图像操作.mp467.42M
| | ├──06-图像混合.mp445.92M
| | ├──07-调整图像亮度与对比度.mp470.98M
| | ├──08-绘制形状与文字.mp4107.93M
| | ├──09-模糊图像一.mp465.79M
| | ├──10-图像模糊二.mp487.58M
| | ├──11-膨胀与腐蚀.mp474.50M
| | ├──12-形态学操作.mp459.81M
| | ├──13-形态学操作应用-提取水平与垂直线.mp478.00M
| | ├──14-图像金字塔-上采样与降采样.mp467.53M
| | ├──15-基本阈值操作.mp484.26M
| | ├──16-自定义线性滤波.mp4100.97M
| | ├──17-处理边缘.mp463.48M
| | ├──18-Sobel算子.mp4112.30M
| | ├──19-Laplance算子.mp439.64M
| | ├──20-Canny边缘检测.mp481.21M
| | ├──21-霍夫变换-直线.mp460.01M
| | ├──22-霍夫圆变换.mp452.02M
| | ├──23-像素重映射(cv__remap).mp470.46M
| | ├──24-直方图均衡化.mp446.10M
| | ├──25-直方图计算.mp466.42M
| | ├──26-直方图比较.mp4117.99M
| | ├──27-直方图反向投影(Back Projection).mp496.54M
| | ├──28-模板匹配(Template Match).mp494.13M
| | ├──29-轮廓发现.mp472.69M
| | ├──30-凸包-Convex Hull.mp487.30M
| | ├──31-轮廓周围绘制矩形框和圆形框.mp489.37M
| | ├──32-图像矩(Image Moments).mp4108.05M
| | ├──33-点多边形测试.mp467.82M
| | ├──34-基于距离变换与分水岭的图像分割-01.mp497.22M
| | ├──35-基于距离变换与分水岭的图像分割-02.mp481.18M
| | ├──课程配套PPT.rar32.63M
| | └──课程配套源代码.rar3.08M
| ├──第02阶段_OpenCV特征提取与检测实战视频课程（课件+源码）
| | ├──01-概述.mp417.89M
| | ├──02-OpenCV3.1.0编译.mp4115.62M
| | ├──03-Harris角点检测-01.mp464.96M
| | ├──04-Harris角点检测-02.mp472.88M
| | ├──05-Shi-Tomasi角点检测.mp4109.02M
| | ├──06-自定义角点检测器-01.mp4108.95M
| | ├──07-自定义角点检测器-02.mp489.75M
| | ├──08-亚像素级别角点检测.mp496.08M
| | ├──09-SURF特征检测-01.mp444.39M
| | ├──10-SURF特征检测-02.mp467.18M
| | ├──11-SIFT特征检测-01.mp478.03M
| | ├──12-SIFT特征检测-02.mp451.07M
| | ├──13-HOG特征检测-01.mp435.16M
| | ├──14-HOG特征检测-02.mp476.59M
| | ├──15-LBP(Local Binary Patterns)特征-01.mp435.91M
| | ├──16-LBP(Local Binary Patterns)特征-02.mp443.85M
| | ├──17-LBP(Local Binary Patterns)特征-03.mp489.23M
| | ├──18-积分图计算.mp456.67M
| | ├──19-Haar特征.mp448.47M
| | ├──20-特征描述子.mp455.74M
| | ├──21-FLANN特征匹配.mp477.06M
| | ├──22-平面对象识别.mp4126.09M
| | ├──23-AKAZE局部匹配-01.mp469.25M
| | ├──24-AKAZE局部匹配-02.mp4109.29M
| | ├──25-Brisk特征检测与匹配.mp481.97M
| | ├──26-级联分类器 – 人脸检测.mp483.43M
| | ├──课程配套PDF.rar11.09M
| | └──课程配套源代码.rar12.85kb
| ├──第03阶段_OpenCV图像处理-小案例实战（课件+源码）
| | ├──01-概述.mp433.59M
| | ├──02-案例一 切边-01.mp465.35M
| | ├──03-案例一 切边-02.mp475.02M
| | ├──04-案例一 切边-03.mp4118.53M
| | ├──05-案例二 直线检测-01.mp491.36M
| | ├──06-案例二 直线检测-02.mp483.60M
| | ├──07-案例三 对象提取-01.mp479.04M
| | ├──08-案例三 对象提取-02.mp4137.25M
| | ├──09-案例四 对象计数-01.mp487.17M
| | ├──10-案例四 对象计数-02.mp498.18M
| | ├──11-案例五 透视校正-01.mp4100.94M
| | ├──12-案例五 透视校正-02.mp485.81M
| | ├──13-案例五 透视校正-03.mp4116.82M
| | ├──14-案例五 透视校正-04.mp471.80M
| | ├──15-案例六 对象提取与测量.mp4115.67M
| | ├──课程配套PDF.rar3.95M
| | └──课程配套源代码.rar7.46kb
| ├──第04阶段_OpenCV级联分类器训练与使用实战教程课程（课件+源码）
| | ├──01-概述.mp428.73M
| | ├──02-Haar与LBP级联分类器原理介绍-01.mp4110.97M
| | ├──03-Haar与LBP级联分类器原理介绍-02.mp4173.96M
| | ├──04-Haar与LBP级联分类器使用-01.mp4162.89M
| | ├──05-Haar与LBP级联分类器使用-02.mp468.75M
| | ├──06-HAAR猫脸检测.mp4134.90M
| | ├──07-视频中人脸检测与眼睛跟踪-01.mp4166.17M
| | ├──08-视频中人脸检测与眼睛跟踪-02.mp4116.84M
| | ├──09-视频中人脸检测与眼睛跟踪-03.mp4127.26M
| | ├──10-HAAR级联数据文件结构与精简.mp4160.61M
| | ├──11-HAAR_LBP级联分类器训练-01.mp4136.73M
| | ├──12-HAAR_LBP级联分类器训练-02.mp484.51M
| | ├──13-HAAR_LBP级联分类器训练-03.mp4141.26M
| | ├──课程配套PDF.rar3.13M
| | └──课程配套源代码.rar40.24M
| ├──第05阶段_OpenCV图像分割实战视频教程（课件+源码）
| | ├──01-概述.mp448.88M
| | ├──02-KMeans方法-原理.mp463.31M
| | ├──03-KMeans方法-数据聚类.mp464.69M
| | ├──04-KMeans方法-图像分割.mp482.23M
| | ├──05-高斯混合模型(GMM)方法-原理与数据聚类.mp4113.90M
| | ├──06-高斯混合模型(GMM)方法-图像分割.mp4106.60M
| | ├──07-分水岭分割方法-原理.mp466.35M
| | ├──08-分水岭分割方法-对象分离与计数01.mp4104.75M
| | ├──09-分水岭分割方法-对象分离与计数02.mp492.27M
| | ├──10-分水岭分割方法-图像分割.mp4100.24M
| | ├──11-Grabcut原理与演示应用-原理.mp487.52M
| | ├──12-Grabcut原理与演示应用-代码演示.mp494.78M
| | ├──13-案例实战一证件照背景替换-01.mp457.93M
| | ├──14-案例实战一证件照背景替换.mp4108.51M
| | ├──15-案例实战一绿幕背景视频抠图-01.mp4105.92M
| | ├──16-案例实战一绿幕背景视频抠图.mp4135.56M
| | ├──课程配套PDF.rar3.00M
| | └──课程配套代码与图片.rar10.57M
| ├──第06阶段_OpenCV视频分析与对象跟踪实战教程（课件+源码）
| | ├──01-概述.mp486.80M
| | ├──02-视频读写-01.mp457.07M
| | ├──03-视频读写-02.mp4183.64M
| | ├──04-背景消除建模(BSM)-01.mp482.54M
| | ├──05-背景消除建模(BSM)-02.mp4156.92M
| | ├──06-对象检测与跟踪(基于颜色)-01.mp4109.17M
| | ├──07-对象检测与跟踪(基于颜色)-02.mp499.05M
| | ├──08-光流的对象跟踪-01.mp4128.67M
| | ├──09-光流的对象跟踪-02.mp453.72M
| | ├──10-光流的对象跟踪-03.mp4199.11M
| | ├──11-光流的对象跟踪-04.mp4117.92M
| | ├──12-CAMShift对象跟踪.mp493.54M
| | ├──13-CAMShift对象跟踪-02.mp461.60M
| | ├──14-CAMShift对象跟踪-03.mp4133.98M
| | ├──15-CAMShift对象跟踪-04.mp4153.60M
| | ├──16-视频中移动对象统计.mp4158.78M
| | ├──17-扩展模块中的跟踪方法介绍.mp4100.37M
| | ├──18-扩展模块中的多对象跟踪.mp498.18M
| | ├──课程配套课件.rar10.90M
| | └──课程配套源代码.rar54.93M
| ├──第07阶段_OpenCV3.3深度神经网络(DNN)模块-应用视频教程（课件+源码）
| | ├──01-DNN模块概述.mp468.99M
| | ├──02-使用GoogleNet模型实现图像分类-01.mp495.15M
| | ├──03-使用GoogleNet模型实现图像分类-02.mp468.52M
| | ├──04-使用SSD模型实现对象检测-01.mp487.71M
| | ├──05-使用SSD模型实现对象检测-02.mp4124.28M
| | ├──06-MobileNet模型实时对象检测.mp4101.56M
| | ├──07-FCN模型实现图像分割-01.mp485.36M
| | ├──08-FCN模型图像分割-02.mp474.11M
| | ├──09-CNN模型预测性别与年龄.mp4127.25M
| | ├──10-GOTURN模型实现视频对象跟踪.mp4119.44M
| | ├──课程配套PDF.rar2.18M
| | └──课程配套源代码.rar20.54M
| └──第08阶段_人工智能之OpenCV人脸识别案例实战视频教程（课件+源码）
| | ├──01-概述与环境准备.mp443.61M
| | ├──02-均值方差与协方差 协方差矩阵.mp4102.80M
| | ├──03-特征值与特征向量.mp471.67M
| | ├──04-PCA原理与应用-01.mp484.45M
| | ├──05-PCA原理与应用-02.mp4132.49M
| | ├──06-人脸识别算法之EigenFace-01.mp4111.93M
| | ├──07-人脸识别算法之EigenFace-02.mp4111.23M
| | ├──08-人脸识别算法之FisherFace.mp480.87M
| | ├──09-人脸识别算法之LBPH.mp478.35M
| | ├──10-案例-实时人脸识别应用开发-01.mp4115.25M
| | ├──11-案例-实时人脸识别应用开发-02.mp4133.16M
| | ├──课程配套PDF.rar2.51M
| | └──课程配套源代码.rar2.96M
├──【2023.04】AI大赛年度视频-无课件（28.08G）
| ├──01-【kaggle新赛】酶稳定性预测大赛
| | ├──02-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──03-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──04-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──05-【01课】赛题介绍 + Kaggle平台学习 + 开发环境搭建 + 比赛数据探索性分析_ev.mp4213.95M
| | ├──06-【02课】基于3D CNN的baseline代码讲解_ev.mp4259.22M
| | ├──07-【03课】基于transformer的baseline代码讲解_ev.mp4144.51M
| | └──08-【04课】基于XGBoost的baseline代码讲解_ev.mp4161.98M
| ├──02-【kaggle入门】“深享杯”kaggle入门赛（新手入门）
| | ├──02-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──03-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──04-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──05-【01课】数据科学比赛介绍及Kaggle平台使用介绍_ev.mp4268.43M
| | ├──06-【02课】数据挖掘比赛的基础Baseline_ev.mp4348.19M
| | ├──07-【03课】特征工程实践_ev.mp4277.60M
| | ├──08-【04课】pytorch实践-NCF实践_ev.mp4389.78M
| | ├──09-【05课】数据挖掘中的文本信息的使用_ev.mp4170.02M
| | └──10-【06课】数据挖掘比赛中的Trick_ev.mp4213.55M
| ├──03-【kaggle新赛】feedback-英语学习者语言知识评估大赛指导班(NLP·文本分类)
| | ├──02-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──03-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──04-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──05-【01课】赛题解析和baseline 详解_ev.mp4150.20M
| | ├──06-【02课】Bert预训练家族模型概览_ev.mp4156.38M
| | ├──07-【03课】NLP比赛提分技巧 - 1_ev.mp4143.28M
| | └──08-【04课】NLP比赛提分技巧 -2_ev.mp4147.10M
| ├──04-【kaggle新赛】Open Problems-单细胞变化预测大赛指导班（医疗数据挖掘）
| | ├──02-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──03-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──04-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──05-【01课】数据 EDA，题目分析_ev.mp4140.50M
| | ├──06-【02课】baseline 代码介绍_ev.mp4266.51M
| | └──07-【03课】可能的上分点_ev.mp4152.37M
| ├──05-【CCF BDCI 2022】小样本分类大赛指导班（nlp任务）
| | ├──02-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──03-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──04-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──05-【01课】赛题解析和baseline 详解_ev.mp4137.62M
| | ├──06-【02课】Bert预训练家族模型概览_ev.mp4181.04M
| | ├──07-【03课】小样本学习发展和应用_ev.mp4161.76M
| | ├──08-【04课】NLP比赛提分技巧_ev.mp4154.77M
| | ├──09-【05课】模型训练技巧分享_ev.mp4175.13M
| | └──10-【06课】往期kaggle文本分类比赛回顾_ev.mp4124.43M
| ├──06-【kaggle 新人赛】数据挖掘新人赛（机器学习·二分类任务）
| | ├──02-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──03-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──04-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──05-【01课】数据科学比赛介绍及Kaggle平台使用介绍_ev.mp4218.77M
| | ├──06-【02课】数据挖掘比赛的基础Baseline_ev.mp4262.13M
| | ├──07-【03课】数据挖掘比赛中的神经网络Baseline_ev.mp4237.71M
| | └──08-【04课】数据挖掘比赛中的调参方法以及模型融合_ev.mp4200.32M
| ├──07-【Kaggle新赛】DFL 德甲足球事件检测大赛指导班（CV·目标检测-视频分类）
| | ├──02-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──03-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──04-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──05-【01课】赛题介绍+baseline详解_ev.mp4201.22M
| | ├──06-【02课】视频分类与图像分类_ev.mp4162.25M
| | ├──07-【03课】数据扩增方法_ev.mp4157.36M
| | ├──08-【04课】多模型集成方法_ev.mp4171.08M
| | ├──09-【05课】历史视频比赛总结_ev.mp4147.13M
| | └──10-【06课】比赛总结与直播答疑_ev.mp4105.28M
| ├──08-【Kaggle 练习赛】商品合格率预测大赛指导班
| | ├──02-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──03-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──04-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──05-【01课】赛题介绍+baseline详解（理论+实操）_ev.mp4119.85M
| | ├──06-【02课】机器学习经典树模型的介绍以及实战_ev.mp4177.89M
| | ├──07-【03课】TabTranformer原理详解_ev.mp4169.12M
| | └──08-【04课】比赛tricks和过往类似比赛讲解_ev.mp4146.23M
| ├──09-【Kaggle新赛】HuBMAP + HPA 多器官功能组织分割大赛指导班
| | ├──02-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──03-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──04-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──05-【01课】赛题介绍 + kaggle 平台学习 + 比赛数据探索性分析_ev.mp4279.42M
| | ├──06-【02课】Baseline讲解_ev.mp4282.70M
| | ├──07-【03课】往期肾小球比赛讲解_ev.mp4210.43M
| | ├──08-【04课】额外的一个新比赛（待定） & 肾小球答疑_ev.mp4241.60M
| | ├──09-【05课】额外的新比赛往期方案讲解_ev.mp4429.93M
| | ├──10-【06课】理论知识补充_ev.mp4239.49M
| | └──11-【07课】复盘_ev.mp4277.97M
| ├──10-【kaggle新赛】议论文评分大赛指导班（NLP·AES任务）
| | ├──02-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──03-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──04-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──05-【01课】赛题分析，EDA_ev.mp4343.89M
| | ├──06-【02课】baseline基本讲解_ev.mp4201.18M
| | ├──07-【03课】赛题理论知识讲解_ev.mp4199.11M
| | ├──08-【04课】赛题trick讲解_ev.mp4258.66M
| | ├──09-【05课】往期类似比赛讲解_ev.mp4274.26M
| | ├──10-【06课】答疑_ev.mp489.08M
| | └──11-【07课】比赛复盘_ev.mp477.48M
| ├──11-【kaggle新赛】信用违约预测大赛指导班（金融风控·结构化数据挖掘）
| | ├──02-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──03-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──04-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──05-【01课】赛题介绍+baseline详解（理论+实操）_ev.mp4172.15M
| | ├──06-【02课】树模型介绍与调参_ev.mp4167.75M
| | ├──07-【03课】深度学习模型搭建_ev.mp4124.87M
| | ├──08-【04课】模型集成方法_ev.mp4139.37M
| | ├──09-【05课】历史金融风控比赛总结_ev.mp4142.72M
| | └──10-【06课】比赛总结与直播答疑_ev.mp490.07M
| ├──12-快速入门推荐算法-基于top-k的推荐赛
| | ├──02-【01课】推荐系统算法总体介绍+赛题介绍+baseline讲解_ev.mp4196.42M
| | ├──03-【02课】推荐系统中的召回算法_ev.mp4266.26M
| | ├──04-【03课】推荐系统中的多兴趣召回算法_ev.mp4270.80M
| | ├──05-【04课】推荐系统中的排序算法_ev.mp4273.73M
| | ├──06-【05课】推荐系统中的多目标算法_ev.mp4216.90M
| | └──07-【06课】知识图谱在推荐系统中的应用_ev.mp4163.96M
| ├──13-【Kaggle新赛】UW-Madison 肠胃道图像分割大赛（CV·图像分割）
| | ├──01-打造舒适的AI开发环境--硬件篇_ev.mp461.74M
| | ├──02-打造舒适的AI开发环境--软件篇1_ev.mp471.09M
| | ├──03-打造舒适的AI开发环境--软件篇23_ev.mp479.65M
| | ├──05-【01课 】 赛题介绍+kaggle平台学习+比赛数据探索性分析_ev.mp4209.72M
| | ├──06-【02课】Baseline讲解_ev.mp4277.62M
| | ├──07-【03课】语义分割模型基础一，基础版_ev.mp4195.67M
| | ├──08-【04课】 语义分割模型基础二- 进阶版_ev.mp4533.11M
| | ├──09-【05课】通用比赛思路及历年分割比赛top思路代码讲解_ev.mp4241.66M
| | ├──10-【06课】直播答疑_ev.mp4233.47M
| | └──11-【07课】比赛复盘_ev.mp4257.02M
| ├──14-【kaggle新赛】美国专利短语相似度大赛（NLP·文本相似度）
| | ├──02-【01课】赛题介绍+baseline详解（理论+实操）_ev.mp4132.16M
| | ├──03-【02课】BERT预训练语言模型的介绍_ev.mp4158.66M
| | ├──04-【03课】Deberta等BERT变种预训练语言模型的介绍_ev.mp4186.89M
| | ├──05-【04课】比赛中的上分技巧_ev.mp4166.38M
| | ├──06-【05课】模型融合以及比赛解答_ev.mp4144.40M
| | └──07-【06课】top方案的分享和比赛总结_ev.mp4103.22M
| ├──15-【Kaggle新赛】NBME-临床患者病例评分大赛指导班(NLP·Token分类)
| | ├──01-打造舒适的AI开发环境_ev.mp499.55M
| | ├──03-01-课赛题介绍+baseline详解_ev.mp4162.74M
| | ├──04-02课-BERT代码详解及HuggingFace Transfomers实战_ev.mp4215.89M
| | ├──05-03课-BERT及其变种_ev.mp4163.73M
| | ├──06-04课-代码实操课（kaggle环境）_ev.mp4166.01M
| | ├──07-05课-BERT变种和比赛技巧_ev.mp4154.15M
| | └──08-06课-比赛总结和top方案分享_ev.mp4123.95M
| ├──16-【Kaggle新赛】tensorflow海星目标检测大赛指导班(CV·目标检测)
| | ├──01-打造舒适的AI开发环境_ev.mp499.55M
| | ├──04-【先修指南】kaggle竞赛介绍_ev.mp428.64M
| | ├──08-【01课】开营第一课（直播回放）_ev.mp4131.79M
| | ├──10-【02课】目标检测二阶段算法_ev.mp4135.12M
| | ├──11-【03课】修改网络设计_ev.mp4115.60M
| | ├──12-【04课】骨干网介绍和损失函数设计_ev.mp4124.18M
| | ├──13-【05课】数据增强和调参_ev.mp4118.36M
| | ├──14-【06】总结复盘_ev.mp465.21M
| | └──15-【07课】TOP方案分享__ev.mp4134.59M
| ├──17-03 数学基础
| | ├──02-【第一章】-1 导读课_ev.mp413.58M
| | ├──03-【第一章】-2 矩阵的基本概念和运算性质_ev.mp440.76M
| | ├──04-【第一章】-3 矩阵的逆，转置和对称转置_ev.mp462.79M
| | ├──05-【第一章】-4 行列式的计算_ev.mp445.71M
| | ├──06-【第一章】-5 特殊矩阵的行列式与行列式的性质_ev.mp452.73M
| | ├──07-【第一章】-6 行列式按行列展开，代数余子式_ev.mp444.19M
| | ├──08-【第一章】-7 行列式的应用：克莱姆法则_ev.mp412.85M
| | ├──09-【第一章】-8 矩阵的逆的引入_ev.mp449.52M
| | ├──10-【第一章】-9 常用矩阵性质与特殊矩阵的逆_ev.mp432.79M
| | ├──11-【第一章】-10 分块矩阵_ev.mp433.59M
| | ├──12-【第二章】-1 初等变换引入+三种矩阵初等变换以及三种初等矩阵以及矩阵标准型_ev.mp460.81M
| | ├──13-【第二章】-2 初等变换的性质以及逆矩阵的另一种简单求法_ev.mp425.28M
| | ├──14-【第二章】-3 矩阵秩的定义和性质以及线性方程组解的个数_ev.mp471.00M
| | ├──15-【第二章】-4 矩阵的秩在线性回归算法中的应用_ev.mp428.63M
| | ├──16-【第二章】-5 向量的线性相关线性无关于可逆矩阵的关系+向量的内积范数正交规范正交基_ev.mp464.99M
| | ├──17-【第二章】-6 施密特规范正交化+特征值特征向量定义直观意义+特征值特征向量求法与常用性质_ev.mp451.42M
| | ├──18-【第二章】-7 施密特规范正交化+特征值特征向量定义直观意义+特征值特征向量求法与常用性质_ev.mp459.00M
| | ├──19-【第二章】-8 相似矩阵以及矩阵对角化+矩阵对角化的条件以及对称矩阵的对角化_ev.mp460.27M
| | ├──20-【第二章】-9对角化在压缩算法的应用+二次型矩阵正定性+矩阵正定性在线性回归算法应用（上）_ev.mp438.62M
| | ├──21-【第二章】-10对角化在压缩算法应用+二次型矩阵正定性+矩阵正定性在线性回归算法应用（下）_ev.mp438.63M
| | ├──22-【第二章】-11 SVD分解的应用_ev.mp461.34M
| | ├──23-【第三章】-1 常用函数的导数以及到导数的常用公式，复合函数求导_ev.mp463.48M
| | ├──24-【第三章】-2 中值定理&洛必达法则&泰勒公式及应用_ev.mp456.33M
| | ├──25-【第三章】-3 函数的凹凸性&函数的极值_ev.mp456.38M
| | ├──26-【第三章】-4 不定积分_ev.mp436.13M
| | ├──27-【第三章】-5 定积分_ev.mp442.21M
| | ├──28-【第三章】-6 偏导数&多元函数复合求导法则链式求导法则_ev.mp455.83M
| | ├──29-【第三章】-7 方向导数与梯度及其应用_ev.mp465.45M
| | ├──30-【第三章】-8 多元函数泰勒公式与海森矩阵&多元函数的极值_ev.mp448.65M
| | ├──31-【第三章】-9 矩阵的求导_ev.mp455.07M
| | ├──32-【第三章】-10 矩阵的求导在深度学习中的应用_ev.mp458.63M
| | ├──33-【第四章-上】-1 随机实验样本空间随机事件&概率的定义&条件概率与乘法公式_ev.mp460.59M
| | ├──34-【第四章-上】-2 全概率公式与贝叶斯公式及应用&独立性_ev.mp445.45M
| | ├──35-【第四章-上】-3 随机变量与多维随机变量_ev.mp457.39M
| | ├──36-【第四章-上】-4 期望与方差（上）_ev.mp452.49M
| | ├──37-【第四章-上】-5 期望与方差（下）_ev.mp423.14M
| | ├──38-【第四章-上】-6 参数的估计_ev.mp460.25M
| | ├──39-【第四章-下】-1 无约束最优化梯度下降_ev.mp471.20M
| | ├──40-【第四章-下】-2 无约束最优化牛顿法_ev.mp454.40M
| | └──41-【第四章-下】-3 约束最优化_ev.mp453.17M
| ├──18-04 神经网络基础知识
| | ├──02-01-神经网络基础与多层感知机-0_ev.mp459.03M
| | ├──03-01-神经网络基础与多层感知机-1_ev.mp450.79M
| | ├──04-01-神经网络基础与多层感知机-2_ev.mp466.59M
| | ├──05-01-神经网络基础与多层感知机-3_ev.mp445.07M
| | ├──06-01-神经网络基础与多层感知机-4_ev.mp479.21M
| | ├──07-02-卷积神经网络-0_ev.mp462.32M
| | ├──08-02-卷积神经网络-1_ev.mp492.24M
| | ├──09-02-卷积神经网络-2_ev.mp453.92M
| | ├──10-03-循环神经网络-0_ev.mp448.48M
| | ├──11-03-循环神经网络-1_ev.mp484.75M
| | └──12-03-循环神经网络-2_ev.mp462.00M
| ├──19-01 Python · AI&数据科学入门
| | ├──02-第一章 绪论和环境配置_ev.mp450.67M
| | ├──03-【作业讲解】第一章：助教实际演示配置环境过程_ev.mp430.70M
| | ├──04-第二章 Python 基本语法元素_ev.mp498.86M
| | ├──05-【作业讲解】第二章：Python基本语法元素_ev.mp457.38M
| | ├──06-第三章 基本数据类型_ev.mp486.73M
| | ├──07-【作业讲解】第三章：基本数据类型_ev.mp450.53M
| | ├──08-第四章 组合数据类型_ev.mp489.81M
| | ├──09-【作业讲解】第四章：复杂数据类型_ev.mp467.67M
| | ├──10-第五章 程序控制结构_ev.mp480.73M
| | ├──11-【作业讲解】第五章：程序控制结构_ev.mp427.37M
| | ├──12-第六章 函数-面向过程的编程_ev.mp4116.29M
| | ├──13-【作业讲解】第六章：函数_ev.mp441.31M
| | ├──14-第七章 类-面向对象的编程_ev.mp474.64M
| | ├──15-【作业讲解】第七章：类_ev.mp426.60M
| | ├──16-第八章 文件-异常和模块_ev.mp4107.29M
| | ├──17-【作业讲解】第八章：文件-异常和模块_ev.mp413.61M
| | ├──18-第九章 有益的探索_ev.mp4116.87M
| | ├──19-【作业讲解】第九章：有益的探索_ev.mp434.11M
| | ├──20-第十章 Python标准库_ev.mp485.69M
| | ├──21-【作业讲解】第十章：Python标准库_ev.mp411.79M
| | ├──22-第十一章 科学计算库—Numpy应用_ev.mp477.31M
| | ├──23-【作业讲解】第十一章：Numpy库_ev.mp427.27M
| | ├──24-第十二章 Pandas库_ev.mp4124.03M
| | ├──25-【作业讲解】第十二章：Pandas库_ev.mp427.77M
| | ├──26-第十三章 Matplotlib_ev.mp490.75M
| | ├──27-【作业讲解】第十三章：Matplotlib_ev.mp441.18M
| | ├──28-第十四章 Sklearn常规用法_ev.mp460.22M
| | ├──29-【作业讲解】第十四章：Sklearn常规用法_ev.mp445.30M
| | └──30-第十五章 再谈编程_ev.mp470.06M
| ├──20-深度学习PyTorch框架班
| | ├──05-【必看】深入浅出PyTorch_ev.mp475.53M
| | ├──06-【第一周】PyTorch简介与安装_ev.mp454.25M
| | ├──07-【第一周】补充-pytorch开发环境安装_ev.mp4136.22M
| | ├──08-【第一周】张量简介与创建_ev.mp455.55M
| | ├──09-【第一周】张量操作与线性回归_ev.mp464.00M
| | ├──10-【第一周】计算图与动态图机制_ev.mp443.07M
| | ├──11-【第一周】autograd与逻辑回归_ev.mp462.08M
| | ├──12-【第一周】作业讲解1_ev.mp431.27M
| | ├──13-【第一周】作业讲解2_ev.mp425.66M
| | ├──14-【第一周】作业讲解3_ev.mp425.61M
| | ├──15-【第二周】数据读取机制Dataloader与Dataset_ev.mp456.73M
| | ├──16-【第二周】数据预处理transforms模块机制_ev.mp454.08M
| | ├──17-【第二周】二十二种transforms数据预处理方法_ev.mp493.46M
| | ├──18-【第二周】学会自定义transforms方法_ev.mp499.93M
| | ├──19-【第二周】作业讲解_ev.mp489.52M
| | ├──20-【第三周】模型创建步骤与nn.Module_ev.mp457.71M
| | ├──21-【第三周】模型容器与AlexNet构建_ev.mp461.30M
| | ├──22-【第三周】nn网络层-卷积层_ev.mp462.90M
| | ├──23-【第三周】nn网络层-池化-线性-激活函数层_ev.mp461.48M
| | ├──24-【第三周】作业讲解_ev.mp461.17M
| | ├──25-【第四周】权值初始化_ev.mp460.54M
| | ├──26-【第四周】损失函数（一）_ev.mp490.59M
| | ├──27-【第四周】损失函数(二)_ev.mp492.83M
| | ├──28-【第四周】优化器optimizer的概念_ev.mp462.28M
| | ├──29-【第四周】torch.optim.SGD_ev.mp472.52M
| | ├──30-【第四周】作业讲解_ev.mp430.96M
| | ├──31-【第五周】学习率调整策略_ev.mp478.31M
| | ├──32-【第五周】TensorBoard简介与安装_ev.mp445.54M
| | ├──33-【第五周】TensorBoard使用（一）_ev.mp466.61M
| | ├──34-【第五周】TensorBoard使用（二）_ev.mp499.65M
| | ├──35-【第五周】hook函数与CAM可视化_ev.mp477.04M
| | ├──36-【第五周】作业讲解_ev.mp442.77M
| | ├──37-【第六周】正则化之weight_decay_ev.mp458.81M
| | ├──38-【第六周】正则化之Dropout_ev.mp460.57M
| | ├──39-【第六周】Batch Normalization_ev.mp479.32M
| | ├──40-【第六周】Normalizaiton_layers_ev.mp459.56M
| | ├──41-【第六周】作业讲解_ev.mp436.64M
| | ├──42-【第七周】模型保存与加载_ev.mp446.56M
| | ├──43-【第七周】模型finetune_ev.mp462.84M
| | ├──44-【第七周】GPU的使用_ev.mp467.27M
| | ├──45-【第七周】PyTorch常见报错_ev.mp456.87M
| | ├──46-【第七周】作业讲解_ev.mp421.73M
| | ├──47-【第八周】图像分类一瞥_ev.mp479.94M
| | ├──48-【第八周】图像分割一瞥_ev.mp4100.25M
| | ├──49-【第八周】图像目标检测一瞥（上）_ev.mp472.78M
| | ├──50-【第八周】图像目标检测一瞥（下）_ev.mp4119.99M
| | ├──51-【第九周】生成对抗网络一瞥_ev.mp485.16M
| | └──52-【第九周】循环神经网络一瞥_ev.mp460.12M
| ├──21-【爱奇艺】WSDM用户留存大赛指导班
| | ├──01-打造舒适的AI开发环境_ev.mp499.55M
| | ├──04-【01课】赛题介绍+baseline详解_ev.mp4157.92M
| | ├──05-【02课】特征工程_ev.mp4214.66M
| | ├──06-【03课】序列模型_ev.mp4244.11M
| | ├──07-【04课】Auto—ML&HPO_ev.mp493.90M
| | └──08-【05课】爱奇艺结营视频_ev.mp4113.39M
| └──22-【Kaggle新赛】有毒评论识别大赛指导班（NLP·文本分类）
| | └──01-打造舒适的AI开发环境_ev.mp499.55M
├──【2023.06】人工智能训练营-完结-无课件（7.77G）
| ├──人工智能5天入门训练营
| | └──视频
| ├──人工智能之快速入门与线性回归
| | └──视频
| ├──人工智能之人脸识别与目标检测、语义分割
| | └──视频
| ├──人工智能之神经网络与TensorFlow
| | └──视频
| ├──人工智能之图像识别与图像分割
| | └──视频
| └──人工智能之线性回归优化与逻辑回归
| | └──视频
├──【2023.08】人工智能Paper（NLP方向）-完结-无课件（82.89GB)
| ├──00直播
| | ├──单课01、直播答疑.mkv141.06M
| | ├──单课02、直播答疑.mkv90.40M
| | ├──单课03、论文复现体验课学习指引.mkv17.81M
| | ├──单课04、直播答疑.mkv125.66M
| | ├──单课06、直播答疑.mkv98.53M
| | ├──单课07、直播答疑.mkv111.04M
| | ├──单课08、直播答疑.mkv90.23M
| | ├──单课09、GAN专题直播答疑.mkv107.04M
| | ├──单课10、NLP Baseline直播答疑.mkv195.03M
| | ├──单课11、NLP Baseline 直播答疑.mkv154.78M
| | ├──单课13、NLP baseline直播答疑.mkv89.47M
| | ├──单课14、NLP直播答疑.mkv69.91M
| | ├──单课15、NLP直播答疑.mkv200.29M
| | ├──单课16、NLP baseline直播答疑.mkv137.70M
| | ├──单课17、NLP baseline直播答疑.mkv161.51M
| | ├──单课18、预训练直播答疑.mkv162.09M
| | └──单课19、NLP直播答疑.mkv58.67M
| ├──01自监督无监督
| | ├──01、自监督-无监督》02、1.1 专题简介与导引&MOCO论文泛读.mkv42.48M
| | ├──01、自监督-无监督》03、1.2 MOCO论文精读.mkv204.88M
| | ├──01、自监督-无监督》04、1.3 MOCO-实验结果分析与总结.mkv153.91M
| | ├──01、自监督-无监督》05、1，4 MOCO-代码讲解.mkv189.74M
| | ├──01、自监督-无监督》06、2.1 simclr-论文精读.mkv379.22M
| | ├──01、自监督-无监督》07、2.2 sinclr-论文精讲.mkv224.41M
| | └──01、自监督-无监督》08、2.3 simclr-代码讲解.mkv211.84M
| ├──02、15 NLP-推荐系统》
| | ├──02、15 NLP-推荐系统》02、1. CAN泛读.mkv118.79M
| | ├──02、15 NLP-推荐系统》03、2. CAN精读.mkv98.24M
| | ├──02、15 NLP-推荐系统》04、3. CAN代码项目实践.mkv102.35M
| | ├──02、15 NLP-推荐系统》05、4. MIND泛读.mkv106.70M
| | ├──02、15 NLP-推荐系统》06、5. MIND精读.mkv123.17M
| | ├──02、15 NLP-推荐系统》07、6. MIND代码项目实践.mkv142.96M
| | ├──02、15 NLP-推荐系统》08、7. PLE泛读.mkv91.06M
| | ├──02、15 NLP-推荐系统》09、8. PLE精读.mkv66.22M
| | ├──02、15 NLP-推荐系统》10、9. PLE代码项目实践.mkv114.18M
| | ├──02、15 NLP-推荐系统》11、10. DAT泛读.mkv77.14M
| | ├──02、15 NLP-推荐系统》12、11. DAT精读.mkv53.35M
| | ├──02、15 NLP-推荐系统》13、12. DAT代码项目实践.mkv51.96M
| | ├──02、15 NLP-推荐系统》14、13. FIBINET泛读.mkv55.37M
| | ├──02、15 NLP-推荐系统》15、14. FIBINET精读.mkv41.00M
| | └──02、15 NLP-推荐系统》16、15. FIBINET代码项目实践.mkv75.85M
| ├──03、学前须知》
| | └──03、学前须知》01、效率提升3倍的Paper 阅读方法.mkv123.61M
| ├──04、01 Python · AI&数据科学入门》
| | ├──04、01 Python · AI&数据科学入门》02、第一章 绪论和环境配置.mkv22.56M
| | ├──04、01 Python · AI&数据科学入门》03、【作业讲解】第一章：助教实际演示配置环境过程.mkv13.93M
| | ├──04、01 Python · AI&数据科学入门》04、第二章 Python 基本语法元素.mkv55.30M
| | ├──04、01 Python · AI&数据科学入门》05、【作业讲解】第二章：Python基本语法元素.mkv30.66M
| | ├──04、01 Python · AI&数据科学入门》06、第三章 基本数据类型.mkv43.05M
| | ├──04、01 Python · AI&数据科学入门》07、【作业讲解】第三章：基本数据类型.mkv23.93M
| | ├──04、01 Python · AI&数据科学入门》08、第四章 组合数据类型.mkv45.20M
| | ├──04、01 Python · AI&数据科学入门》09、【作业讲解】第四章：复杂数据类型.mkv34.82M
| | ├──04、01 Python · AI&数据科学入门》10、第五章 程序控制结构.mkv39.19M
| | ├──04、01 Python · AI&数据科学入门》11、【作业讲解】第五章：程序控制结构.mkv10.90M
| | ├──04、01 Python · AI&数据科学入门》12、第六章 函数-面向过程的编程.mkv60.76M
| | ├──04、01 Python · AI&数据科学入门》13、【作业讲解】第六章：函数.mkv20.11M
| | ├──04、01 Python · AI&数据科学入门》14、第七章 类-面向对象的编程.mkv38.48M
| | ├──04、01 Python · AI&数据科学入门》15、【作业讲解】第七章：类.mkv12.41M
| | ├──04、01 Python · AI&数据科学入门》16、第八章 文件、异常和模块.mkv57.66M
| | ├──04、01 Python · AI&数据科学入门》17、【作业讲解】第八章：文件、异常和模块.mkv5.42M
| | ├──04、01 Python · AI&数据科学入门》18、第九章 有益的探索.mkv60.40M
| | ├──04、01 Python · AI&数据科学入门》19、【作业讲解】第九章：有益的探索.mkv13.01M
| | ├──04、01 Python · AI&数据科学入门》20、第十章 Python标准库.mkv43.29M
| | ├──04、01 Python · AI&数据科学入门》21、【作业讲解】第十章：Python标准库.mkv6.85M
| | ├──04、01 Python · AI&数据科学入门》22、第十一章 科学计算库—Numpy应用.mkv39.53M
| | ├──04、01 Python · AI&数据科学入门》23、【作业讲解】第十一章：Numpy库.mkv12.13M
| | ├──04、01 Python · AI&数据科学入门》24、第十二章 Pandas库.mkv72.76M
| | ├──04、01 Python · AI&数据科学入门》25、【作业讲解】第十二章：Pandas库.mkv15.46M
| | ├──04、01 Python · AI&数据科学入门》26、第十三章 Matplotlib.mkv50.74M
| | ├──04、01 Python · AI&数据科学入门》27、【作业讲解】第十三章：Matplotlib.mkv18.32M
| | ├──04、01 Python · AI&数据科学入门》28、第十四章 Sklearn常规用法.mkv28.53M
| | ├──04、01 Python · AI&数据科学入门》29、【作业讲解】第十四章：Sklearn常规用法.mkv25.44M
| | └──04、01 Python · AI&数据科学入门》30、第十五章 再谈编程.mkv34.04M
| ├──05、02 PyTorch》
| | ├──05、02 PyTorch》02、【必看】深入浅出PyTorch.mkv103.55M
| | ├──05、02 PyTorch》03、【第一周】PyTorch简介与安装.mkv56.61M
| | ├──05、02 PyTorch》04、【第一周】补充-pytorch开发环境安装.mkv164.59M
| | ├──05、02 PyTorch》05、【第一周】张量简介与创建.mkv54.04M
| | ├──05、02 PyTorch》06、【第一周】张量操作与线性回归.mkv66.20M
| | ├──05、02 PyTorch》07、【第一周】计算图与动态图机制.mkv34.11M
| | ├──05、02 PyTorch》08、【第一周】autograd与逻辑回归.mkv68.38M
| | ├──05、02 PyTorch》09、【第一周】作业讲解1.mkv30.03M
| | ├──05、02 PyTorch》10、【第一周】作业讲解2.mkv22.93M
| | ├──05、02 PyTorch》11、【第一周】作业讲解3.mkv22.80M
| | ├──05、02 PyTorch》12、【第二周】数据读取机制Dataloader与Dataset.mkv63.23M
| | ├──05、02 PyTorch》13、【第二周】数据预处理transforms模块机制.mkv62.89M
| | ├──05、02 PyTorch》14、【第二周】二十二种transforms数据预处理方法.mkv118.45M
| | ├──05、02 PyTorch》15、【第二周】学会自定义transforms方法.mkv136.59M
| | ├──05、02 PyTorch》16、【第二周】作业讲解.mkv94.94M
| | ├──05、02 PyTorch》17、【第三周】模型创建步骤与nn.Module.mkv66.95M
| | ├──05、02 PyTorch》18、【第三周】模型容器与AlexNet构建.mkv71.56M
| | ├──05、02 PyTorch》19、【第三周】nn网络层-卷积层.mkv75.62M
| | ├──05、02 PyTorch》20、【第三周】nn网络层-池化-线性-激活函数层.mkv75.57M
| | ├──05、02 PyTorch》21、【第三周】作业讲解.mkv65.24M
| | ├──05、02 PyTorch》22、【第四周】权值初始化.mkv64.54M
| | ├──05、02 PyTorch》23、【第四周】损失函数（一）.mkv111.99M
| | ├──05、02 PyTorch》24、【第四周】损失函数(二).mkv115.92M
| | ├──05、02 PyTorch》25、【第四周】优化器optimizer的概念.mkv69.74M
| | ├──05、02 PyTorch》26、【第四周】torch.optim.SGD.mkv94.87M
| | ├──05、02 PyTorch》27、【第四周】作业讲解.mkv28.67M
| | ├──05、02 PyTorch》28、【第五周】学习率调整策略.mkv90.84M
| | ├──05、02 PyTorch》29、【第五周】TensorBoard简介与安装.mkv44.92M
| | ├──05、02 PyTorch》30、【第五周】TensorBoard使用（一）.mkv85.95M
| | ├──05、02 PyTorch》31、【第五周】TensorBoard使用（二）.mkv128.18M
| | ├──05、02 PyTorch》32、【第五周】hook函数与CAM可视化.mkv106.22M
| | ├──05、02 PyTorch》33、【第五周】作业讲解.mkv40.37M
| | ├──05、02 PyTorch》34、【第六周】正则化之weight_decay.mkv65.97M
| | ├──05、02 PyTorch》35、【第六周】Batch Normalization.mkv106.68M
| | ├──05、02 PyTorch》36、【第六周】Normalizaiton_layers.mkv69.19M
| | ├──05、02 PyTorch》37、【第六周】正则化之Dropout.mkv73.76M
| | ├──05、02 PyTorch》38、【第六周】作业讲解.mkv38.44M
| | ├──05、02 PyTorch》39、【第七周】模型保存与加载.mkv46.08M
| | ├──05、02 PyTorch》40、【第七周】模型finetune.mkv70.48M
| | ├──05、02 PyTorch》41、【第七周】GPU的使用.mkv77.36M
| | ├──05、02 PyTorch》42、【第七周】PyTorch常见报错.mkv68.49M
| | ├──05、02 PyTorch》43、【第七周】作业讲解.mkv19.67M
| | ├──05、02 PyTorch》44、【第八周】图像分类一瞥.mkv106.50M
| | ├──05、02 PyTorch》45、【第八周】图像分割一瞥.mkv128.41M
| | ├──05、02 PyTorch》46、【第八周】图像目标检测一瞥（上）.mkv95.48M
| | ├──05、02 PyTorch》47、【第八周】图像目标检测一瞥（下）.mkv157.19M
| | ├──05、02 PyTorch》48、【第九周】生成对抗网络一瞥.mkv110.64M
| | └──05、02 PyTorch》49、【第九周】循环神经网络一瞥.mkv71.28M
| ├──06、人工智能数学基础》
| | ├──06、人工智能数学基础》05、【第一章 线性代数(上)】章节导读.mkv10.81M
| | ├──06、人工智能数学基础》06、【第一章 线性代数(上)】-1 矩阵及其基本运算①.mkv35.78M
| | ├──06、人工智能数学基础》07、【第一章 线性代数(上)】-2 矩阵及其基本运算②.mkv74.63M
| | ├──06、人工智能数学基础》08、【第一章 线性代数(上)】-3 矩阵的行列式①.mkv44.57M
| | ├──06、人工智能数学基础》09、【第一章 线性代数(上)】-4 矩阵的行列式②.mkv45.23M
| | ├──06、人工智能数学基础》10、【第一章 线性代数(上)】-5 矩阵的行列式③.mkv34.37M
| | ├──06、人工智能数学基础》11、【第一章 线性代数(上)】-6 矩阵的行列式④.mkv13.00M
| | ├──06、人工智能数学基础》12、【第一章 线性代数(上)】-7 矩阵的逆①.mkv38.37M
| | ├──06、人工智能数学基础》13、【第一章 线性代数(上)】-8 矩阵的逆②.mkv25.38M
| | ├──06、人工智能数学基础》14、【第一章 线性代数(上)】-9 矩阵的逆③.mkv29.03M
| | ├──06、人工智能数学基础》15、【第二章 线性代数(下)】章节导读.mkv7.14M
| | ├──06、人工智能数学基础》16、【第二章 线性代数(下)】-1 矩阵的初等变换①.mkv48.46M
| | ├──06、人工智能数学基础》17、【第二章 线性代数(下)】-2 矩阵的初等变换②.mkv20.47M
| | ├──06、人工智能数学基础》18、【第二章 线性代数(下)】-3 矩阵的初等变换③.mkv85.05M
| | ├──06、人工智能数学基础》19、【第二章 线性代数(下)】-4 矩阵的初等变换④.mkv22.47M
| | ├──06、人工智能数学基础》20、【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①.mkv74.11M
| | ├──06、人工智能数学基础》21、【第二章 线性代数(下)】-6 矩阵的特征值与特征向量②.mkv52.55M
| | ├──06、人工智能数学基础》22、【第二章 线性代数(下)】-7 矩阵的特征值与特征向量③.mkv35.99M
| | ├──06、人工智能数学基础》23、【第二章 线性代数(下)】-8 矩阵对角化以及二次型①.mkv59.40M
| | ├──06、人工智能数学基础》24、【第二章 线性代数(下)】-9 矩阵对角化以及二次型②.mkv31.44M
| | ├──06、人工智能数学基础》25、【第二章 线性代数(下)】-10 矩阵对角化以及二次型③.mkv29.83M
| | ├──06、人工智能数学基础》26、【第二章 线性代数(下)】-11svd分解的应用.mkv53.11M
| | ├──06、人工智能数学基础》27、【第三章 微积分】-01常用函数的导数以及到导数的常用公式.mkv46.64M
| | ├──06、人工智能数学基础》28、【第三章 微积分】-02 中值定理&洛必达法则&泰勒公式及应用.mkv47.60M
| | ├──06、人工智能数学基础》29、【第三章 微积分】-03 函数的凹凸性&函数的极值.mkv47.14M
| | ├──06、人工智能数学基础》30、【第三章 微积分】-04 不定积分.mkv29.56M
| | ├──06、人工智能数学基础》31、【第三章 微积分】-05 定积分.mkv29.44M
| | ├──06、人工智能数学基础》32、【第三章 微积分】-06 偏导数&多元函数复合求导法则链式求导法则.mkv45.28M
| | ├──06、人工智能数学基础》33、【第三章 微积分】-07 方向导数与梯度及其应用.mkv54.86M
| | ├──06、人工智能数学基础》34、【第三章 微积分】-08 多元函数泰勒公式与海森矩阵&多元函数的极值.mkv43.06M
| | ├──06、人工智能数学基础》35、【第三章 微积分】-09 矩阵的求导.mkv52.45M
| | ├──06、人工智能数学基础》36、【第三章 微积分】-10 矩阵的求导在深度学习中的应用.mkv48.63M
| | ├──06、人工智能数学基础》37、【第四章 概率论】-01随机实验样本空间随机事件&概率的定义.mkv50.22M
| | ├──06、人工智能数学基础》38、【第四章 概率论】-02全概率公式与贝叶斯公式及应用&独立性.mkv39.09M
| | ├──06、人工智能数学基础》39、【第四章 概率论】-03随机变量与多维随机变量.mkv43.46M
| | ├──06、人工智能数学基础》40、【第四章 概率论】-04期望与方差part1.mkv47.91M
| | ├──06、人工智能数学基础》41、【第四章 概率论】-05期望与方差part2.mkv19.72M
| | ├──06、人工智能数学基础》42、【第四章 概率论】-06参数的估计.mkv48.33M
| | ├──06、人工智能数学基础》43、【第五章 最优化】-1 无约束最优化梯度下降.mkv45.64M
| | ├──06、人工智能数学基础》44、【第五章 最优化】-2 无约束最优化梯度下降.mkv42.04M
| | └──06、人工智能数学基础》45、【第五章 最优化】-3 约束最优化.mkv46.79M
| ├──07、04 神经网络基础知识》
| | ├──07、04 神经网络基础知识》02、01-神经网络基础与多层感知机-0.mkv38.15M
| | ├──07、04 神经网络基础知识》03、01-神经网络基础与多层感知机-1.mkv26.37M
| | ├──07、04 神经网络基础知识》04、01-神经网络基础与多层感知机-2.mkv28.86M
| | ├──07、04 神经网络基础知识》05、01-神经网络基础与多层感知机-3.mkv15.57M
| | ├──07、04 神经网络基础知识》06、01-神经网络基础与多层感知机-4.mkv39.66M
| | ├──07、04 神经网络基础知识》07、02-卷积神经网络-0.mkv28.88M
| | ├──07、04 神经网络基础知识》08、02-卷积神经网络-1.mkv51.75M
| | ├──07、04 神经网络基础知识》09、02-卷积神经网络-2.mkv22.11M
| | ├──07、04 神经网络基础知识》10、03-循环神经网络-0.mkv20.50M
| | ├──07、04 神经网络基础知识》11、03-循环神经网络-1.mkv37.91M
| | └──07、04 神经网络基础知识》12、03-循环神经网络-2.mkv26.61M
| ├──08、05 NLP基础知识》
| | ├──08、05 NLP基础知识》02、1-1 前言..mkv152.17M
| | ├──08、05 NLP基础知识》03、1-2 研究方向概述..mkv112.22M
| | ├──08、05 NLP基础知识》04、2-1 预备知识..mkv60.53M
| | ├──08、05 NLP基础知识》05、2-2 NLP问题中的特征..mkv61.23M
| | ├──08、05 NLP基础知识》06、2-3 特征输入..mkv108.19M
| | ├──08、05 NLP基础知识》07、2-4 文本的向量化表示与案例实现..mkv80.70M
| | ├──08、05 NLP基础知识》08、3-1 统计语言模型简介与案例实现..mkv185.40M
| | ├──08、05 NLP基础知识》09、3-2 语言模型任务评估..mkv104.25M
| | ├──08、05 NLP基础知识》10、3-3 神经语言模型简介与代码实现..mkv191.58M
| | ├──08、05 NLP基础知识》11、3-4 预训练的词表示及其使用实例..mkv66.70M
| | ├──08、05 NLP基础知识》12、4-1 word2vec原理..mkv129.80M
| | ├──08、05 NLP基础知识》13、4-2 word2vec代码复现..mkv207.33M
| | ├──08、05 NLP基础知识》14、4-3 word2vec项目实战展示..mkv96.70M
| | ├──08、05 NLP基础知识》15、4-4 BERT使用实战讲解..mkv131.83M
| | ├──08、05 NLP基础知识》16、4-5 MLP模型与实战..mkv122.72M
| | ├──08、05 NLP基础知识》17、4-6 RNN模型原理、代码复现与实战..mkv186.45M
| | ├──08、05 NLP基础知识》18、5-1 HMM序列标注..mkv47.47M
| | ├──08、05 NLP基础知识》19、5-2 HMM模型简介..mkv121.17M
| | ├──08、05 NLP基础知识》20、5-3 HMM样本生成..mkv112.77M
| | ├──08、05 NLP基础知识》21、5-4 HMM训练..mkv71.39M
| | ├──08、05 NLP基础知识》22、5-5 HMM预测..mkv107.47M
| | └──08、05 NLP基础知识》23、5-6 HMM代码实现..mkv142.76M
| ├──09、06 NLP-baseline》
| | ├──09、06 NLP-baseline》02、NLP baseline 开营仪式.mkv79.36M
| | ├──09、06 NLP-baseline》03、1.1 word2vec1-1背景知识.mkv79.62M
| | ├──09、06 NLP-baseline》04、1.2 word2vec1-2论文泛读.mkv66.15M
| | ├──09、06 NLP-baseline》05、1.3 word2vec2-1对比模型.mkv64.54M
| | ├──09、06 NLP-baseline》06、1.4 word2vec2-2原理.mkv39.67M
| | ├──09、06 NLP-baseline》07、1.5 word2vec2-3word2vec关键技术.mkv51.67M
| | ├──09、06 NLP-baseline》08、1.6 word2vec2-4模型复杂度.mkv24.93M
| | ├──09、06 NLP-baseline》09、1.7 word2vec2-5实验结果.mkv62.59M
| | ├──09、06 NLP-baseline》10、1.8 word2vec3-1代码部分上.mkv103.47M
| | ├──09、06 NLP-baseline》11、1.9 word2vec3-2代码部分下.mkv129.38M
| | ├──09、06 NLP-baseline》12、02glove-01-_背景介绍..mkv28.89M
| | ├──09、06 NLP-baseline》13、02 glove-02-_研究成果及意义.mkv12.22M
| | ├──09、06 NLP-baseline》14、02glove-03-论文概述.mkv87.03M
| | ├──09、06 NLP-baseline》15、02glove-04-模型精讲.mkv46.79M
| | ├──09、06 NLP-baseline》16、02 glove-05-实验分析..mkv21.96M
| | ├──09、06 NLP-baseline》17、02glove-06-数据处理.mkv23.36M
| | ├──09、06 NLP-baseline》18、02 glove-07-型及训练测试.mkv24.23M
| | ├──09、06 NLP-baseline》19、03char_embedding-01-背景介绍..mkv34.58M
| | ├──09、06 NLP-baseline》20、03 char_embedding-02-研究成果及意义.mkv27.43M
| | ├──09、06 NLP-baseline》21、03char_embedding-03-论文概述.mkv34.23M
| | ├──09、06 NLP-baseline》22、03 char_embedding-04-模型详解.mkv48.84M
| | ├──09、06 NLP-baseline》23、03 char_embedding-05-语言模型实验分析.mkv48.84M
| | ├──09、06 NLP-baseline》24、03 char_embedding-06-词性标注实验分析及论文总结.mkv45.54M
| | ├──09、06 NLP-baseline》25、03 char_embedding-07-环境配置.mkv30.18M
| | ├──09、06 NLP-baseline》26、03 char_embedding-08-数据处理.mkv49.92M
| | ├──09、06 NLP-baseline》27、03 char_embedding-09-模型构建及训练和测试.mkv34.67M
| | ├──09、06 NLP-baseline》28、04textcnn-01-textcnn背景介绍.mkv23.05M
| | ├──09、06 NLP-baseline》29、04textcnn-02-textcnn研究成果及意义.mkv13.99M
| | ├──09、06 NLP-baseline》30、04 textcnn-03-textcnn模型简介.mkv43.38M
| | ├──09、06 NLP-baseline》31、04 textcnn-04-textcnn模型详解.mkv38.33M
| | ├──09、06 NLP-baseline》32、04textcnn-05-textcnn实验介绍.mkv62.29M
| | ├──09、06 NLP-baseline》33、04 textcnn-06-textcnn超参选择.mkv87.93M
| | ├──09、06 NLP-baseline》34、04 textcnn-07-textcnn数据处理以及模型构建..mkv48.71M
| | ├──09、06 NLP-baseline》35、04 textcnn-08-textcnn训练及测试.mkv41.36M
| | ├──09、06 NLP-baseline》36、05-chartextcnn_1_论文导读..mkv41.21M
| | ├──09、06 NLP-baseline》37、05-chartextcnn_2_1_模型总览及简介.mkv50.58M
| | ├──09、06 NLP-baseline》38、05-chartextcnn_2_2_模型详解.mkv43.43M
| | ├──09、06 NLP-baseline》39、05-chartextcnn_2_3_实验分析及讨论.mkv48.78M
| | ├──09、06 NLP-baseline》40、05-chartextcnn_3_1_数据处理.mkv36.76M
| | ├──09、06 NLP-baseline》41、05-chartextcnn_3_2_模型定义及训练和测试.mkv39.50M
| | ├──09、06 NLP-baseline》42、06-fasttext_1_研究背景及意义.mkv36.39M
| | ├──09、06 NLP-baseline》43、06-fasttext_2_1_fasttext模型上.mkv40.99M
| | ├──09、06 NLP-baseline》44、06-fasttext_2_2_fasttext模型下.mkv38.25M
| | ├──09、06 NLP-baseline》45、06-fasttext_2_3_fasttext实验.mkv23.84M
| | ├──09、06 NLP-baseline》46、06-fasttext_3_1_fasttext数据读取.mkv37.59M
| | ├──09、06 NLP-baseline》47、06-fasttext_3_2_fasttext模型及训练测试.mkv21.07M
| | ├──09、06 NLP-baseline》48、07 deep_nmt_1_1_论文简介以及BLEU介绍.mkv24.49M
| | ├──09、06 NLP-baseline》49、07 deep_nmt_1_2_背景介绍和研究成果及意义.mkv40.04M
| | ├──09、06 NLP-baseline》50、07 deep_nmt_2_1_deep_nmt模型详解1.mkv46.86M
| | ├──09、06 NLP-baseline》51、07 deep_nmt_2_2_deep_nmtm模型详解2.mkv37.83M
| | ├──09、06 NLP-baseline》52、07 deep_nmt_2_3_实验结果及总结.mkv39.07M
| | ├──09、06 NLP-baseline》53、07 deep_nmt_3_1_机器翻译数据处理和代码简介.mkv48.23M
| | ├──09、06 NLP-baseline》54、07 deep_nmt_3_2_模型和训练及测试.mkv45.52M
| | ├──09、06 NLP-baseline》55、08 attention_nmt_1_1_储备知识_对齐翻译_seq2seq_注意力机制..mkv32.98M
| | ├──09、06 NLP-baseline》56、08 attention_nmt_1_2_背景介绍_研究成果及意义.mkv39.68M
| | ├──09、06 NLP-baseline》57、08 attention_nmt_2_1_论文总览..mkv48.38M
| | ├──09、06 NLP-baseline》58、08 attention_nmt_2_2模型详解..mkv49.56M
| | ├──09、06 NLP-baseline》59、08 attention_nmt_2_3_实验结果及分析.mkv48.68M
| | ├──09、06 NLP-baseline》60、08 attention_nmt_3_1_deep_nmt实现.mkv89.75M
| | ├──09、06 NLP-baseline》61、08 attention_nmt_3_2_fairseq.mkv84.72M
| | ├──09、06 NLP-baseline》62、09 han_attention_1_1_前期储备知识介绍.mkv25.41M
| | ├──09、06 NLP-baseline》63、09 han_attention_1_2_研究背景成果及意义..mkv38.71M
| | ├──09、06 NLP-baseline》64、09 han_attention_2_1_论文总览.mkv56.09M
| | ├──09、06 NLP-baseline》65、09 han_attention_2_2_模型详解.mkv36.92M
| | ├──09、06 NLP-baseline》66、09 han_attention_2_3_实验结果及论文总结.mkv120.25M
| | ├──09、06 NLP-baseline》67、09 han_attention_3_1_数据读取.mkv52.83M
| | ├──09、06 NLP-baseline》68、09 han_attention_3_2_模型实现及训练和测试.mkv51.71M
| | ├──09、06 NLP-baseline》69、10 sgm_1_1_多标签分类介绍..mkv19.69M
| | ├──09、06 NLP-baseline》70、10 sgm_1_2_背景知识和研究成果及意义.mkv58.03M
| | ├──09、06 NLP-baseline》71、10 sgm_2_1_论文简介.mkv50.81M
| | ├──09、06 NLP-baseline》72、10 sgm_2_2_模型详解..mkv27.89M
| | ├──09、06 NLP-baseline》73、10 sgm_2_3_实验结果及分析.mkv52.15M
| | ├──09、06 NLP-baseline》74、10 sgm_3_1_数据处理.mkv45.40M
| | └──09、06 NLP-baseline》75、10 sgm_3_2_模型实现..mkv74.06M
| ├──10、07 信息抽取-命名实体识别》
| | ├──10、07 信息抽取-命名实体识别》02、1.1- BiLSTM-CRF-论文研究背景.mkv66.78M
| | ├──10、07 信息抽取-命名实体识别》03、1.2- BiLSTM-CRF-论文算法总览.mkv36.74M
| | ├──10、07 信息抽取-命名实体识别》04、1.3-BiLSTM-CRF模型结构.mkv27.55M
| | ├──10、07 信息抽取-命名实体识别》05、1.4-BiLSTM-CRF损失函数与维特比解码.mkv22.59M
| | ├──10、07 信息抽取-命名实体识别》06、1.5- BiLSTM-CRF-实验结果与论文总结.mkv14.80M
| | ├──10、07 信息抽取-命名实体识别》07、1.6- BiLSTM-CRF代码讲解.mkv44.44M
| | ├──10、07 信息抽取-命名实体识别》08、1.7- BiLSTM-CRF-NCR-Fpp代码详解.mkv49.23M
| | ├──10、07 信息抽取-命名实体识别》09、2.1_LatticeLSTM论文研究背景.mkv74.91M
| | ├──10、07 信息抽取-命名实体识别》10、2.2_LatticeLSTM模型总览..mkv27.34M
| | ├──10、07 信息抽取-命名实体识别》11、2.3_LatticeLSTM模型细节.mkv25.24M
| | ├──10、07 信息抽取-命名实体识别》12、2.4_LatticeLSTM论文实验与总结.mkv11.05M
| | ├──10、07 信息抽取-命名实体识别》13、2.5_LatticeLSTM代码讲解..mkv88.61M
| | ├──10、07 信息抽取-命名实体识别》14、3.1_LR-CNN论文研究背景.mkv78.05M
| | ├──10、07 信息抽取-命名实体识别》15、3.2_LR-CNN模型总览.mkv23.62M
| | ├──10、07 信息抽取-命名实体识别》16、3.3_LR-CNN模型细节.mkv19.87M
| | ├──10、07 信息抽取-命名实体识别》17、3.4_LR-CNN模型细节2..mkv13.75M
| | ├──10、07 信息抽取-命名实体识别》18、3.5_LR-CNN论文代码讲解..mkv44.43M
| | ├──10、07 信息抽取-命名实体识别》19、4.1_LGN论文研究背景..mkv81.93M
| | ├──10、07 信息抽取-命名实体识别》20、4.2_LGN模型总览..mkv12.85M
| | ├──10、07 信息抽取-命名实体识别》21、4.3_LGN模型详解.mkv17.23M
| | ├──10、07 信息抽取-命名实体识别》22、4.4_LGN代码讲解.mkv26.42M
| | ├──10、07 信息抽取-命名实体识别》23、5.1_TENER论文研究背景.mkv137.09M
| | ├──10、07 信息抽取-命名实体识别》24、5.2_TENER模型总览.mkv49.63M
| | ├──10、07 信息抽取-命名实体识别》25、5.3_TENER模型详解.mkv72.78M
| | ├──10、07 信息抽取-命名实体识别》26、5.4_TENER模型总结.mkv30.15M
| | ├──10、07 信息抽取-命名实体识别》27、5.5_TENER模型代码.mkv73.36M
| | ├──10、07 信息抽取-命名实体识别》28、6-1_Soft_Lexicon论文研究背景..mkv130.51M
| | ├──10、07 信息抽取-命名实体识别》29、6-2_Soft_Lexicon模型总览.mp4.mkv27.98M
| | ├──10、07 信息抽取-命名实体识别》30、6-3_Soft_Lexicon模型详解..mkv24.14M
| | ├──10、07 信息抽取-命名实体识别》31、6-4_Soft_Lexicon模型总结..mkv61.13M
| | └──10、07 信息抽取-命名实体识别》32、6-5_Soft_Lexicon模型代码..mkv46.15M
| ├──11、07 （2）信息抽取-关系抽取》
| | ├──11、07 （2）信息抽取-关系抽取》01、【11月6日】篇章级事件抽取前沿直播.mkv222.57M
| | ├──11、07 （2）信息抽取-关系抽取》03、01 cnn_for-re-01.mp4（新版）.mkv41.20M
| | ├──11、07 （2）信息抽取-关系抽取》04、01 cnn_for-re-02.mp4（新版）.mkv53.55M
| | ├──11、07 （2）信息抽取-关系抽取》05、01 cnn_for-re-03.mp4（新版）.mkv56.90M
| | ├──11、07 （2）信息抽取-关系抽取》06、01 cnn_for-re-04.mp4（新版）.mkv67.45M
| | ├──11、07 （2）信息抽取-关系抽取》07、01 cnn_for-re-05.mp4（新版）.mkv53.36M
| | ├──11、07 （2）信息抽取-关系抽取》08、01 code_cnn_for_re-06（新版）.mkv77.94M
| | ├──11、07 （2）信息抽取-关系抽取》09、01 code_cnn_for_re-07（新版）.mkv76.29M
| | ├──11、07 （2）信息抽取-关系抽取》10、01 code_cnn_for_re-08（新版）.mkv88.95M
| | ├──11、07 （2）信息抽取-关系抽取》11、01 code_cnn_for_re-09（新版）.mkv103.43M
| | ├──11、07 （2）信息抽取-关系抽取》12、01 code_cnn_for_re-10（新版）.mkv59.76M
| | ├──11、07 （2）信息抽取-关系抽取》13、02 pcnn_crcnn_1_PCNN背景及部分相关工作（新版）.mkv63.74M
| | ├──11、07 （2）信息抽取-关系抽取》14、02 pcnn_crcnn_2_PCNN的相关工作（新版）.mkv52.01M
| | ├──11、07 （2）信息抽取-关系抽取》15、02 pcnn_crcnn_3_PCNN的模型部分（新版）.mkv62.61M
| | ├──11、07 （2）信息抽取-关系抽取》16、02 pcnn_crcnn_4_PCNN的实验部分及CRCNN的背景（新版）.mkv38.75M
| | ├──11、07 （2）信息抽取-关系抽取》17、02 pcnn_crcnn_5_CRCNN的相关工作及模型部分（新版）.mkv83.55M
| | ├──11、07 （2）信息抽取-关系抽取》18、02 pcnn_crcnn_6_CRCNN的实验部分及总结（新版）.mkv39.43M
| | ├──11、07 （2）信息抽取-关系抽取》19、02 pcnn_code-7-前期回顾及输出处理1（新版）.mkv64.57M
| | ├──11、07 （2）信息抽取-关系抽取》20、02 pcnn_code-8-数据处理2（新版）.mkv48.79M
| | ├──11、07 （2）信息抽取-关系抽取》21、02 pcnn_code-9-模型定义（新版）.mkv64.54M
| | ├──11、07 （2）信息抽取-关系抽取》22、02 pcnn_code-10-模型训练1（新版）.mkv46.77M
| | ├──11、07 （2）信息抽取-关系抽取》23、02 pcnn_code-11-模型训练2及模型评价（新版）.mkv96.84M
| | ├──11、07 （2）信息抽取-关系抽取》24、3.1 att-blstm 关系识别-背景介绍.（旧版）.mkv56.28M
| | ├──11、07 （2）信息抽取-关系抽取》25、3.2 att-blstm 关系识别-模型详解.（旧版）.mkv85.90M
| | ├──11、07 （2）信息抽取-关系抽取》26、3.3 att-blstm 关系识别-代码实战.（旧版）.mkv121.00M
| | ├──11、07 （2）信息抽取-关系抽取》27、03lstmatt_1_背景及相关工作（新版）.mkv87.87M
| | ├──11、07 （2）信息抽取-关系抽取》28、03lstmatt_2_模型及实验（新版）.mkv84.46M
| | ├──11、07 （2）信息抽取-关系抽取》29、03att_lstm_code_3_课程回顾及超参数设置（新版）.mkv91.06M
| | ├──11、07 （2）信息抽取-关系抽取》30、03att_lstm_code_4_数据处理及模型定义（新版）.mkv105.53M
| | ├──11、07 （2）信息抽取-关系抽取》31、03att_lstm_code_5_模型训练及模型评价（新版）.mkv93.61M
| | ├──11、07 （2）信息抽取-关系抽取》32、4.1 LSTM-LSTM-bias 背景介绍.（旧版）.mkv71.00M
| | ├──11、07 （2）信息抽取-关系抽取》33、4.2 LSTM-LSTM-bias模型详解.（旧版）.mkv91.63M
| | ├──11、07 （2）信息抽取-关系抽取》34、4.3 LSTM-LSTM-bias代码实战（旧版）.mkv151.05M
| | ├──11、07 （2）信息抽取-关系抽取》35、04 novel_tagging_paper_1_背景及相关工作01（新版）.mkv77.73M
| | ├──11、07 （2）信息抽取-关系抽取》36、04 novel_tagging_paper_2_相关工作02（新版）.mkv61.51M
| | ├──11、07 （2）信息抽取-关系抽取》37、04 novel_tagging_paper_3_相关工作03（新版）.mkv83.44M
| | ├──11、07 （2）信息抽取-关系抽取》38、04 novel_tagging_paper_4_模型（新版）.mkv64.79M
| | ├──11、07 （2）信息抽取-关系抽取》39、04 novel_tagging_code_1_准备工作_超参数定义_数据处理（新版）.mkv120.29M
| | ├──11、07 （2）信息抽取-关系抽取》40、04 novel_tagging_code_2_数据读取_模型训练与评价（新版）.mkv107.74M
| | ├──11、07 （2）信息抽取-关系抽取》41、04 novel_tagging_paper_5_实验（新版）.mkv36.17M
| | ├──11、07 （2）信息抽取-关系抽取》42、05 casrel_paper_0（新版）.mkv55.00M
| | ├──11、07 （2）信息抽取-关系抽取》43、05 casrel_paper_1（新版）.mkv34.01M
| | ├──11、07 （2）信息抽取-关系抽取》44、05 casrel_paper_2（新版）.mkv57.32M
| | ├──11、07 （2）信息抽取-关系抽取》45、05 casrel_paper_3（新版）.mkv53.37M
| | ├──11、07 （2）信息抽取-关系抽取》46、05 casrel_paper_4（新版）.mkv53.62M
| | ├──11、07 （2）信息抽取-关系抽取》47、05 casrel_code_5（新版）.mkv71.51M
| | ├──11、07 （2）信息抽取-关系抽取》48、05 casrel_code_6（新版）.mkv93.40M
| | ├──11、07 （2）信息抽取-关系抽取》49、05 casrel_code_7（新版）.mkv93.61M
| | └──11、07 （2）信息抽取-关系抽取》50、05 casrel_code_8（新版）.mkv119.63M
| ├──12、08 NLP-预训练模型》
| | ├──12、08 NLP-预训练模型》02、01transformer-01-论文背景&研究成果.mkv53.26M
| | ├──12、08 NLP-预训练模型》03、01transformer-02-attention回顾.mkv54.19M
| | ├──12、08 NLP-预训练模型》04、01transformer-03-模型框架和self_attention.mkv55.85M
| | ├──12、08 NLP-预训练模型》05、01transformer-04-模型小trick..mkv96.70M
| | ├──12、08 NLP-预训练模型》06、01transformer-05-代码框架部分和encoder.mkv105.28M
| | ├──12、08 NLP-预训练模型》07、01transformer-06-代码decoder和self_attention.mkv98.23M
| | ├──12、08 NLP-预训练模型》08、01transformer-07-代码训练部分和预测部分.mkv156.37M
| | ├──12、08 NLP-预训练模型》09、02transformer_xl-01-论文背景..mkv65.83M
| | ├──12、08 NLP-预训练模型》10、02transformer_xl-02-vallini model回顾..mkv52.17M
| | ├──12、08 NLP-预训练模型》11、02transformer_xl-03-片段级递归机制..mkv47.51M
| | ├──12、08 NLP-预训练模型》12、02transformer_xl-04-相对位置编码和小trick..mkv53.59M
| | ├──12、08 NLP-预训练模型》13、02transformer_xl-05-论文总结..mkv94.00M
| | ├──12、08 NLP-预训练模型》14、02transformerxl-06-代码数据准备..mkv58.82M
| | ├──12、08 NLP-预训练模型》15、02transformerxl-07-代码self attention..mkv132.05M
| | ├──12、08 NLP-预训练模型》16、02transformer_xl-08-代码update memory和adaptive.mkv101.14M
| | ├──12、08 NLP-预训练模型》17、02transformer_xl-09-代码adaptive softmax2..mkv151.16M
| | ├──12、08 NLP-预训练模型》18、03elmo-01-elmo的下游任务介绍..mkv29.04M
| | ├──12、08 NLP-预训练模型》19、03elmo-02-feature_based和fine_tuning.mkv24.26M
| | ├──12、08 NLP-预训练模型》20、03elmo-03-word2vec和charcnn回顾.mkv19.15M
| | ├──12、08 NLP-预训练模型》21、03elmo-04-Bidirectional_language_models.mkv22.20M
| | ├──12、08 NLP-预训练模型》22、03elmo-05-how to use emol..mkv18.26M
| | ├──12、08 NLP-预训练模型》23、03elmo-06-论文回顾..mkv67.67M
| | ├──12、08 NLP-预训练模型》24、03elmo-07-代码预处理部分.mkv78.29M
| | ├──12、08 NLP-预训练模型》25、03elmo-08-代码模型结构部分.mkv102.25M
| | ├──12、08 NLP-预训练模型》26、03elmo-09-代码crf流程..mkv42.40M
| | ├──12、08 NLP-预训练模型》27、03elmo-10-代码crf实现..mkv143.87M
| | ├──12、08 NLP-预训练模型》28、04gpt-01-nlp下游任务介绍.mkv40.46M
| | ├──12、08 NLP-预训练模型》29、04gpt-02-transformer回顾.mkv32.37M
| | ├──12、08 NLP-预训练模型》30、04gpt-03-预训练和fine-tuning.mkv23.39M
| | ├──12、08 NLP-预训练模型》31、04gpt-04-输入转换.mkv17.50M
| | ├──12、08 NLP-预训练模型》32、04gpt-05-论文回顾..mkv50.40M
| | ├──12、08 NLP-预训练模型》33、04gpt-06-代码流程和建立vocab.mkv70.76M
| | ├──12、08 NLP-预训练模型》34、04gpt-07-代码与处理部分.mkv52.48M
| | ├──12、08 NLP-预训练模型》35、04gpt-08-代码trasform_roc部分.mkv21.58M
| | ├──12、08 NLP-预训练模型》36、04gpt-09-代码transformer_model部分.mkv57.92M
| | ├──12、08 NLP-预训练模型》37、04gpt-10-代码两种loss的计算.mkv43.94M
| | ├──12、08 NLP-预训练模型》38、04gpt-11-代码训练部分.mkv51.88M
| | ├──12、08 NLP-预训练模型》39、05bert-01-bert的背景和glue benchmark..mkv27.87M
| | ├──12、08 NLP-预训练模型》40、05bert-02-论文导读和bert 衍生模型..mkv26.39M
| | ├──12、08 NLP-预训练模型》41、05bert-03-bert、gtp、elmo的比较.mkv14.58M
| | ├──12、08 NLP-预训练模型》42、05bert-04-bert model和pre-training部分.mkv28.48M
| | ├──12、08 NLP-预训练模型》43、05bert-05-bert的fine-tuning部分.mkv20.46M
| | ├──12、08 NLP-预训练模型》44、05bert-06-代码fine-tuning数据预处理和model 加载.mkv37.48M
| | ├──12、08 NLP-预训练模型》45、05bert-07-代码fine-tuning训练部分.mkv24.08M
| | ├──12、08 NLP-预训练模型》46、05bert-08-代码bert pretrain的NSP.mkv43.80M
| | ├──12、08 NLP-预训练模型》47、05bert-09-代码pertrain预处理.mkv60.81M
| | ├──12、08 NLP-预训练模型》48、05bert-10-代码bert-pretrain的transformer部分..mkv47.08M
| | ├──12、08 NLP-预训练模型》49、05bert-11-代码bert pretrain的loss计算..mkv59.92M
| | ├──12、08 NLP-预训练模型》50、06ulmfit-01-uimfit背景介绍.mkv37.51M
| | ├──12、08 NLP-预训练模型》51、06ulmfit-02-awdLstm回顾..mkv20.91M
| | ├──12、08 NLP-预训练模型》52、06ulmfit-03-下三角学习率.mkv20.58M
| | ├──12、08 NLP-预训练模型》53、06ulmfit-04-classifier fine tuning..mkv18.11M
| | ├──12、08 NLP-预训练模型》54、06ulmfit-05-论文回顾.mkv80.46M
| | ├──12、08 NLP-预训练模型》55、06ulmfit-06-代码fine tuning部分.mkv50.31M
| | ├──12、08 NLP-预训练模型》56、06ulmfit-07-代码逐层解冻和预测.mkv36.63M
| | ├──12、08 NLP-预训练模型》57、06ulmfit-08-代码pycharm lm部分..mkv42.29M
| | ├──12、08 NLP-预训练模型》58、07albert-01-albert背景介绍.mkv46.97M
| | ├──12、08 NLP-预训练模型》59、07albert-02-轻量级bert回顾.mkv42.60M
| | ├──12、08 NLP-预训练模型》60、07albert-03-embedding layer的因式分解.mkv55.15M
| | ├──12、08 NLP-预训练模型》61、07albert-04-albert跨层参数共享.mkv28.91M
| | ├──12、08 NLP-预训练模型》62、07albert-05-NSP任务和论文回顾..mkv108.88M
| | ├──12、08 NLP-预训练模型》63、07albert-06-代码tokenizer部分.mkv50.71M
| | ├──12、08 NLP-预训练模型》64、07albert-07-代码samplemask.mkv87.56M
| | ├──12、08 NLP-预训练模型》65、07albert-08-代码transformer结构.mkv81.61M
| | ├──12、08 NLP-预训练模型》66、07albert-09-代码pretrain 训练部分.mkv46.71M
| | ├──12、08 NLP-预训练模型》67、07albert-10-代码albert fine-tuning.mkv170.72M
| | ├──12、08 NLP-预训练模型》68、08mass-01-mass背景介绍..mkv73.51M
| | ├──12、08 NLP-预训练模型》69、08mass-02-bert和gpt回顾..mkv50.11M
| | ├──12、08 NLP-预训练模型》70、08mass-03-mass 的seq2seq pretraining..mkv64.88M
| | ├──12、08 NLP-预训练模型》71、08mass-04-mass的discussions..mkv118.93M
| | ├──12、08 NLP-预训练模型》72、08mass-05-代码fairseq的训练流程..mkv79.12M
| | ├──12、08 NLP-预训练模型》73、08mass-06-代码mass的xseq2seq部分.mkv161.22M
| | ├──12、08 NLP-预训练模型》74、08mass-07-代码mass的xtransformer部分..mkv73.21M
| | ├──12、08 NLP-预训练模型》75、08mass-08-代码mass的dataset准备..mkv99.92M
| | ├──12、08 NLP-预训练模型》76、09xlnet-01-xlnet背景介绍..mkv47.34M
| | ├──12、08 NLP-预训练模型》77、09xlnet-02-AR和AE的比较..mkv59.35M
| | ├──12、08 NLP-预训练模型》78、09xlnet-03-排列lm部分..mkv48.28M
| | ├──12、08 NLP-预训练模型》79、09xlnet-04-排列lm的mask实现.mkv40.57M
| | ├──12、08 NLP-预训练模型》80、09xlnet-05-传统lm存在的问题..mkv32.56M
| | ├──12、08 NLP-预训练模型》81、09xlnet-06-Two Stream Self-attention..mkv56.33M
| | ├──12、08 NLP-预训练模型》82、09xlnet-07-xlnet论文回顾.mkv69.35M
| | ├──12、08 NLP-预训练模型》83、09xlnet-08-代码xlnet的fine-tuning..mkv61.78M
| | ├──12、08 NLP-预训练模型》84、09xlnet-09-代码xlnet的mask..mkv180.55M
| | ├──12、08 NLP-预训练模型》85、09xlnet-10-代码xlnet的self attention..mkv126.95M
| | ├──12、08 NLP-预训练模型》86、10electra-01-electra背景介绍..mkv56.59M
| | ├──12、08 NLP-预训练模型》87、10electra-02-gan的回顾..mkv43.00M
| | ├──12、08 NLP-预训练模型》88、10electra-03-electra的生成器和判别器详解..mkv38.97M
| | ├──12、08 NLP-预训练模型》89、10electra-04-论文回顾..mkv84.85M
| | ├──12、08 NLP-预训练模型》90、10electra-05-代码electra训练流程..mkv106.36M
| | ├──12、08 NLP-预训练模型》91、10electra-06-代码预处理部分..mkv123.43M
| | ├──12、08 NLP-预训练模型》92、10electra-07-代码生成器和判别器..mkv126.26M
| | └──12、08 NLP-预训练模型》93、10electra-08-代码start training部分..mkv120.19M
| ├──13、09 NLP-图神经网络》
| | ├──13、09 NLP-图神经网络》02、00图神经网络专题-01-开班课..mkv59.92M
| | ├──13、09 NLP-图神经网络》03、00图神经网络专题-02-开班课.mkv34.39M
| | ├──13、09 NLP-图神经网络》04、02第二次直播答疑..mkv72.01M
| | ├──13、09 NLP-图神经网络》05、03第三次直播答疑..mkv50.57M
| | ├──13、09 NLP-图神经网络》06、05第五次直播答疑..mkv44.09M
| | ├──13、09 NLP-图神经网络》07、01nodevec-01-研究背景.mkv24.53M
| | ├──13、09 NLP-图神经网络》08、01nodevec-02-研究成果.mkv43.82M
| | ├──13、09 NLP-图神经网络》09、01nodevec-03-图的应用.mkv33.36M
| | ├──13、09 NLP-图神经网络》100、08gcn-09-gcn频域公式推导..mkv73.58M
| | ├──13、09 NLP-图神经网络》101、08gcn-10-实验分析..mkv80.77M
| | ├──13、09 NLP-图神经网络》102、08gcn-11-论文总结..mkv41.25M
| | ├──13、09 NLP-图神经网络》103、08gcn-12-代码介绍..mkv43.63M
| | ├──13、09 NLP-图神经网络》104、08gcn-13-读图预处理..mkv51.03M
| | ├──13、09 NLP-图神经网络》105、08gcn-14-gcn模型实现及代码总结.mp4.mkv49.05M
| | ├──13、09 NLP-图神经网络》106、09ggnn-01-研究背景..mkv47.90M
| | ├──13、09 NLP-图神经网络》107、09ggnn-02-ggnn模型简介..mkv33.75M
| | ├──13、09 NLP-图神经网络》108、09ggnn-03-研究成果研究意义..mkv36.32M
| | ├──13、09 NLP-图神经网络》109、09ggnn-04-模型总览..mkv63.70M
| | ├──13、09 NLP-图神经网络》10、01nodevec-04-模型结构&BFS&DFS.mkv107.53M
| | ├──13、09 NLP-图神经网络》110、09ggnn-05-GRU模型简单回顾..mkv27.46M
| | ├──13、09 NLP-图神经网络》111、09ggnn-06-GGNN模型细节..mkv79.20M
| | ├──13、09 NLP-图神经网络》112、09ggnn-07-GGSNNs模型细节..mkv55.17M
| | ├──13、09 NLP-图神经网络》113、09ggnn-08-bAbI任务..mkv88.46M
| | ├──13、09 NLP-图神经网络》114、09ggnn-09-RNN图数据分析..mkv30.46M
| | ├──13、09 NLP-图神经网络》115、09ggnn-10-实验分析&论文总结..mkv60.07M
| | ├──13、09 NLP-图神经网络》116、09ggnn-11-代码介绍..mkv44.74M
| | ├──13、09 NLP-图神经网络》117、09ggnn-12-读图..mkv112.01M
| | ├──13、09 NLP-图神经网络》118、09ggnn-13-ggnn模型代码..mkv154.17M
| | ├──13、09 NLP-图神经网络》119、09ggnn-14-模型训练和测试..mkv39.97M
| | ├──13、09 NLP-图神经网络》11、01nodevec-05-模型算法&alias算法.mkv191.90M
| | ├──13、09 NLP-图神经网络》120、10mpnn-01-研究背景..mkv41.16M
| | ├──13、09 NLP-图神经网络》121、10mpnn-02-mpnn框架简介..mkv26.50M
| | ├──13、09 NLP-图神经网络》122、10mpnn-03-研究成果研究意义..mkv37.56M
| | ├──13、09 NLP-图神经网络》123、10mpnn-04-模型总览..mkv85.54M
| | ├──13、09 NLP-图神经网络》124、10mpnn-05-mpnn框架..mkv27.55M
| | ├──13、09 NLP-图神经网络》125、10mpnn-06-mpnn代表模型..mkv130.75M
| | ├──13、09 NLP-图神经网络》126、10mpnn-07-化学分子预测模型..mkv111.05M
| | ├──13、09 NLP-图神经网络》127、10mpnn-08-set2set模型..mkv75.16M
| | ├──13、09 NLP-图神经网络》128、10mpnn-09-专题总结..mkv41.94M
| | ├──13、09 NLP-图神经网络》129、10mpnn-10-实验分析..mkv72.38M
| | ├──13、09 NLP-图神经网络》12、01nodevec-06-实验分析.mkv140.14M
| | ├──13、09 NLP-图神经网络》130、10mpnn-11-论文总结..mkv51.85M
| | ├──13、09 NLP-图神经网络》131、10mpnn-12-代码介绍..mkv68.93M
| | ├──13、09 NLP-图神经网络》132、10mpnn-13-构造图..mkv118.56M
| | ├──13、09 NLP-图神经网络》133、10mpnn-14-DataLoader封装..mkv50.74M
| | ├──13、09 NLP-图神经网络》134、10mpnn-15-mpnn框架代码..mkv109.56M
| | ├──13、09 NLP-图神经网络》135、10mpnn-16-模型训练和测试..mkv37.55M
| | ├──13、09 NLP-图神经网络》13、01nodevec-07-论文总结.mkv64.72M
| | ├──13、09 NLP-图神经网络》14、01nodevec-08-代码整体介绍.mkv98.25M
| | ├──13、09 NLP-图神经网络》15、01nodevec-09-代码节点和边的alias实现.mkv107.56M
| | ├──13、09 NLP-图神经网络》16、01nodevec-10-代码有偏随机游走和模型训练.mkv45.73M
| | ├──13、09 NLP-图神经网络》17、01nodevec-11-代码结果展示和总结.mkv20.72M
| | ├──13、09 NLP-图神经网络》18、02-line-01-论文背景..mkv54.02M
| | ├──13、09 NLP-图神经网络》19、02-line-02-研究成果研究意义..mkv64.65M
| | ├──13、09 NLP-图神经网络》20、02-line-03-前期知识..mkv40.10M
| | ├──13、09 NLP-图神经网络》21、02-line-04-一二阶相似度..mkv129.42M
| | ├──13、09 NLP-图神经网络》22、02-line-05-模型优化时间复杂度..mkv102.21M
| | ├──13、09 NLP-图神经网络》23、02-line-06-实验分析一..mkv129.07M
| | ├──13、09 NLP-图神经网络》24、02-line-07-实验分析二..mkv52.30M
| | ├──13、09 NLP-图神经网络》25、02-line-08-论文总结..mkv90.22M
| | ├──13、09 NLP-图神经网络》26、02-line-09-代码读图..mkv44.00M
| | ├──13、09 NLP-图神经网络》27、02-line-10-代码aliasSampling..mkv64.10M
| | ├──13、09 NLP-图神经网络》28、02-line-11-代码line模型实现..mkv115.73M
| | ├──13、09 NLP-图神经网络》29、03-sdne-01-论文背景..mkv34.54M
| | ├──13、09 NLP-图神经网络》30、03-sdne-02-前期知识..mkv40.70M
| | ├──13、09 NLP-图神经网络》31、03-sdne-03-研究成果..mkv38.41M
| | ├──13、09 NLP-图神经网络》32、03sdne-04-模型结构..mkv81.64M
| | ├──13、09 NLP-图神经网络》33、03sdne-05-一二阶相似度..mkv92.35M
| | ├──13、09 NLP-图神经网络》34、03sdne-06-自编码器&稀疏性问题..mkv105.94M
| | ├──13、09 NLP-图神经网络》35、03sdne-07-优化方法&时间复杂度..mkv115.29M
| | ├──13、09 NLP-图神经网络》36、03sdne-08-实验设置介绍..mkv136.86M
| | ├──13、09 NLP-图神经网络》37、03sdne-09-实验分析..mkv101.44M
| | ├──13、09 NLP-图神经网络》38、03sdne-10-代码模型训练..mkv69.25M
| | ├──13、09 NLP-图神经网络》39、03sdne-11-代码sdne模型实现..mkv64.56M
| | ├──13、09 NLP-图神经网络》40、03sdne-12-代码模型训练..mkv60.57M
| | ├──13、09 NLP-图神经网络》41、04metapath2vec-01-研究背景..mkv47.88M
| | ├──13、09 NLP-图神经网络》42、04metapath2vec-02-研究成果..mkv62.24M
| | ├──13、09 NLP-图神经网络》43、04metapath2vec-03-异质网络skip2gram..mkv83.85M
| | ├──13、09 NLP-图神经网络》44、04metapath2vec-04-算法细节..mkv131.35M
| | ├──13、09 NLP-图神经网络》45、04metapath2vec-05-实验分析..mkv137.72M
| | ├──13、09 NLP-图神经网络》46、04metapath2vec-06-论文总结..mkv53.27M
| | ├──13、09 NLP-图神经网络》47、04metapath2vec-07-代码dgl平台介绍..mkv45.22M
| | ├──13、09 NLP-图神经网络》48、04metapath2vec-08-代码生成meta-path训练集..mkv113.10M
| | ├──13、09 NLP-图神经网络》49、04metapath2vec-09-代码模型实现..mkv94.38M
| | ├──13、09 NLP-图神经网络》50、04metapath2vec-10-代码模型训练..mkv98.04M
| | ├──13、09 NLP-图神经网络》51、05transe-01-研究背景..mkv43.03M
| | ├──13、09 NLP-图神经网络》52、05transe-02-研究成果研究意义..mkv58.07M
| | ├──13、09 NLP-图神经网络》53、05transe-03-transE算法..mkv68.75M
| | ├──13、09 NLP-图神经网络》54、05transe-04-transH算法..mkv71.65M
| | ├──13、09 NLP-图神经网络》55、05transe-05-transR算法..mkv81.53M
| | ├──13、09 NLP-图神经网络》56、05transe-06-transH算法..mkv99.51M
| | ├──13、09 NLP-图神经网络》57、05transe-07-模型对比和总结..mkv27.27M
| | ├──13、09 NLP-图神经网络》58、05transe-08-实验设置和分析..mkv66.85M
| | ├──13、09 NLP-图神经网络》59、05transe-09-实验分析.mp4.mkv48.97M
| | ├──13、09 NLP-图神经网络》60、05transe-10-论文总结..mkv20.80M
| | ├──13、09 NLP-图神经网络》61、05transe-11-代码介绍..mkv9.70M
| | ├──13、09 NLP-图神经网络》62、05transe-12-代码详解一..mkv68.89M
| | ├──13、09 NLP-图神经网络》63、05transe-13-代码详解二..mkv67.54M
| | ├──13、09 NLP-图神经网络》64、05transe-14-TransR等实现及代码总结..mkv75.84M
| | ├──13、09 NLP-图神经网络》65、06gat-01-研究背景..mkv38.59M
| | ├──13、09 NLP-图神经网络》66、06gat-02-图卷积消息传递..mkv34.06M
| | ├──13、09 NLP-图神经网络》67、06gat-03-研究成果研究意义..mkv37.53M
| | ├──13、09 NLP-图神经网络》68、06gat-04-gnn核心框架..mkv97.46M
| | ├──13、09 NLP-图神经网络》69、06gat-05-gat算法讲解..mkv56.07M
| | ├──13、09 NLP-图神经网络》70、06gat-06-各种attention总结..mkv54.61M
| | ├──13、09 NLP-图神经网络》71、06gat-07-multi-head起源简介..mkv29.76M
| | ├──13、09 NLP-图神经网络》72、06gat-08-GAT算法总结和实验设置..mkv136.73M
| | ├──13、09 NLP-图神经网络》73、06gat-09-论文总结..mkv52.47M
| | ├──13、09 NLP-图神经网络》74、06gat-10-代码介绍..mkv78.10M
| | ├──13、09 NLP-图神经网络》75、06gat-11-代码设置参数&读图..mkv66.59M
| | ├──13、09 NLP-图神经网络》76、06gat-12-邻接矩阵归一化..mkv50.56M
| | ├──13、09 NLP-图神经网络》77、06gat-13-gat模型实现..mkv95.60M
| | ├──13、09 NLP-图神经网络》78、06gat-14-gat模型训练及代码总结..mkv57.53M
| | ├──13、09 NLP-图神经网络》79、07graphsage-01-研究背景..mkv46.11M
| | ├──13、09 NLP-图神经网络》80、07graphsage-02-graphSAGE模型简介..mkv27.28M
| | ├──13、09 NLP-图神经网络》81、07graphsage-03-研究成果研究意义..mkv43.82M
| | ├──13、09 NLP-图神经网络》82、07graphsage-04-模型总览..mkv33.28M
| | ├──13、09 NLP-图神经网络》83、07graphsage-05-算法详解..mkv97.91M
| | ├──13、09 NLP-图神经网络》84、07graphsage-06-监督训练及aggregators..mkv52.98M
| | ├──13、09 NLP-图神经网络》85、07graphsage-07-batch训练及WLtest..mkv106.60M
| | ├──13、09 NLP-图神经网络》86、07graphsage-08-实验分析..mkv92.23M
| | ├──13、09 NLP-图神经网络》87、07graphsage-09-代码介绍.mkv52.40M
| | ├──13、09 NLP-图神经网络》88、07graphsage-10-读图读特征..mkv50.08M
| | ├──13、09 NLP-图神经网络》89、07graphsage-11-mean-aggregator讲解..mkv69.78M
| | ├──13、09 NLP-图神经网络》90、07graphsage-12-encoder讲解..mkv43.68M
| | ├──13、09 NLP-图神经网络》91、07graphsage-13-模型训练及代码总结..mkv37.27M
| | ├──13、09 NLP-图神经网络》92、08gcn-01-研究背景.cmproj..mkv38.96M
| | ├──13、09 NLP-图神经网络》93、08gcn-02-gcn模型简介..mkv33.43M
| | ├──13、09 NLP-图神经网络》94、08gcn-03-研究成果研究意义..mkv38.91M
| | ├──13、09 NLP-图神经网络》95、08gcn-04-模型总览..mkv41.49M
| | ├──13、09 NLP-图神经网络》96、08gcn-05-RGCN模型简介..mkv101.38M
| | ├──13、09 NLP-图神经网络》97、08gcn-06-拉普拉斯矩阵..mkv31.68M
| | ├──13、09 NLP-图神经网络》98、08gcn-07-图的频域变换..mkv35.21M
| | └──13、09 NLP-图神经网络》99、08gcn-08-Chebyshev卷积核.mp4.mkv33.36M
| ├──14、10 NLP-文本匹配》
| | ├──14、10 NLP-文本匹配》02、01DSSM-00专题引言.mkv29.04M
| | ├──14、10 NLP-文本匹配》03、01DSSM-01-学习目标..mkv9.79M
| | ├──14、10 NLP-文本匹配》04、01DSSM-02-论文背景、贡献及意义.mkv14.11M
| | ├──14、10 NLP-文本匹配》05、01DSSM-03摘要精读、总结.mkv10.44M
| | ├──14、10 NLP-文本匹配》06、01DSSM-04-上节回顾.mkv10.67M
| | ├──14、10 NLP-文本匹配》07、01DSSM-05-词哈希.mkv17.54M
| | ├──14、10 NLP-文本匹配》08、01DSSM-06-DSSM整体结构.mkv11.30M
| | ├──14、10 NLP-文本匹配》09、01DSSM-07-优化函数、实验与总结.mkv13.91M
| | ├──14、10 NLP-文本匹配》100、10-代码讲解-11.mkv102.90M
| | ├──14、10 NLP-文本匹配》10、01DSSM-08-代码总览.mkv14.93M
| | ├──14、10 NLP-文本匹配》11、01DSSM-09-词哈希表的建立与数据载入.mkv18.36M
| | ├──14、10 NLP-文本匹配》12、01DSSM-10-模型的搭建与训练、测试.mkv19.42M
| | ├──14、10 NLP-文本匹配》13、02SiameseNet-01-孪生网络定义.mkv11.92M
| | ├──14、10 NLP-文本匹配》14、02SiameseNet-02-论文背景、成果、意义.mkv15.55M
| | ├──14、10 NLP-文本匹配》15、02SiameseNet-03-摘要带读、课程小节.mkv7.32M
| | ├──14、10 NLP-文本匹配》16、02SiameseNet-04-SiameseNet整体结构..mkv19.27M
| | ├──14、10 NLP-文本匹配》17、02SiameseNet-05-对比损失函数.mkv9.05M
| | ├──14、10 NLP-文本匹配》18、02SiameseNet-06-实验设置与分析.mkv11.62M
| | ├──14、10 NLP-文本匹配》19、02SiameseNet-07-复习、代码总览.mkv18.67M
| | ├──14、10 NLP-文本匹配》20、02SiameseNet-08-data_load..mkv14.12M
| | ├──14、10 NLP-文本匹配》21、02SiameseNet-09-模型搭建与训练.mkv14.16M
| | ├──14、10 NLP-文本匹配》22、03比较-聚合模型-01序列到序列模型..mkv29.83M
| | ├──14、10 NLP-文本匹配》23、03比较-聚合模型-02注意力改进的编码器解码器结构..mkv27.15M
| | ├──14、10 NLP-文本匹配》24、03比较-聚合模型-03文本间的注意力机制..mkv15.72M
| | ├──14、10 NLP-文本匹配》25、03比较-聚合模型-04论文背景及相关工作..mkv27.99M
| | ├──14、10 NLP-文本匹配》26、03比较-聚合模型-05论文泛读..mkv10.33M
| | ├──14、10 NLP-文本匹配》27、03比较-聚合模型-06整体结构..mkv20.46M
| | ├──14、10 NLP-文本匹配》28、03比较-聚合模型-07与处理与注意力层..mkv10.40M
| | ├──14、10 NLP-文本匹配》29、03比较-聚合模型-08比较聚合层..mkv15.01M
| | ├──14、10 NLP-文本匹配》30、03比较-聚合模型-09实验分析与总结..mkv26.55M
| | ├──14、10 NLP-文本匹配》31、03比较-聚合模型-10SNLI数据集处理..mkv27.03M
| | ├──14、10 NLP-文本匹配》32、03比较-聚合模型-11SNLI数据集处理..mkv26.99M
| | ├──14、10 NLP-文本匹配》33、03比较-聚合模型-12数据载入模块..mkv30.58M
| | ├──14、10 NLP-文本匹配》34、03比较-聚合模型-13比较-聚合模型搭建与训练..mkv39.16M
| | ├──14、10 NLP-文本匹配》35、03比较-聚合模型-14复习、代码总览..mkv17.21M
| | ├──14、10 NLP-文本匹配》36、04ESIM-01学习目标与论文背景..mkv25.51M
| | ├──14、10 NLP-文本匹配》37、04ESIM-02论文总览与摘要带读..mkv18.99M
| | ├──14、10 NLP-文本匹配》38、04ESIM-03ESIM整体结构..mkv18.43M
| | ├──14、10 NLP-文本匹配》39、04ESIM-04输入编码层..mkv16.91M
| | ├──14、10 NLP-文本匹配》40、04ESIM-05局部推理建模层、推理组合层和输出预测层..mkv24.68M
| | ├──14、10 NLP-文本匹配》41、04ESIM-06实验设置与结果分析..mkv17.00M
| | ├──14、10 NLP-文本匹配》42、04ESIM-07论文总结与课程回顾..mkv10.60M
| | ├──14、10 NLP-文本匹配》43、04ESIM-08复习、代码总览..mkv19.32M
| | ├──14、10 NLP-文本匹配》44、04ESIM-09torchtext构建数据集..mkv35.75M
| | ├──14、10 NLP-文本匹配》45、04ESIM-10ESIM搭建与训练..mkv31.17M
| | ├──14、10 NLP-文本匹配》46、05BiMPM-01学习目标与研究背景..mkv16.43M
| | ├──14、10 NLP-文本匹配》47、05BiMPM-02相关工作..mkv12.44M
| | ├──14、10 NLP-文本匹配》48、05BiMPM-03研究成果、意义与论文结构..mkv8.36M
| | ├──14、10 NLP-文本匹配》49、05BiMPM-04摘要导读..mkv14.90M
| | ├──14、10 NLP-文本匹配》50、05BiMPM-05上节回顾与模型结构揣测..mkv31.14M
| | ├──14、10 NLP-文本匹配》51、05BiMPM-06模型整体结构..mkv8.62M
| | ├──14、10 NLP-文本匹配》52、05BiMPM-07多视角匹配..mkv22.05M
| | ├──14、10 NLP-文本匹配》53、05BiMPM-08实验分析与总结..mkv16.99M
| | ├──14、10 NLP-文本匹配》54、06RE2-01-论文研究背景.mp4.mkv71.62M
| | ├──14、10 NLP-文本匹配》55、06RE2-02-研究意义、摘要重点讲解.mp4.mkv30.20M
| | ├──14、10 NLP-文本匹配》56、06RE2-03-RE2结构讲解.mp4.mkv61.55M
| | ├──14、10 NLP-文本匹配》57、06RE2-04-RE2结构细节、训练技巧.mp4.mkv71.07M
| | ├──14、10 NLP-文本匹配》58、06RE2-05-实验设置、结果分析.mp4.mkv93.22M
| | ├──14、10 NLP-文本匹配》59、06RE2-06-code1.mp4.mkv85.61M
| | ├──14、10 NLP-文本匹配》60、06RE2-07-code2.mp4.mkv88.37M
| | ├──14、10 NLP-文本匹配》61、06RE2-08-code3.mp4.mkv45.20M
| | ├──14、10 NLP-文本匹配》62、07MGCN-01-泛读_研究背景、意义讲解.mp4.mkv77.11M
| | ├──14、10 NLP-文本匹配》63、07MGCN-02-泛读_成果、大纲介绍.mp4.mkv34.19M
| | ├──14、10 NLP-文本匹配》64、07MGCN-03-精读_BERT出现.mp4.mkv67.31M
| | ├──14、10 NLP-文本匹配》65、07MGCN-04-精读_poly-encoder.mp4(1).mkv70.19M
| | ├──14、10 NLP-文本匹配》65、07MGCN-04-精读_poly-encoder.mp4.mkv70.19M
| | ├──14、10 NLP-文本匹配》66、07MGCN-05-精读_Bert细节.mp4.mkv96.84M
| | ├──14、10 NLP-文本匹配》67、07MGCN-06-code1.mp4.mkv97.85M
| | ├──14、10 NLP-文本匹配》68、07MGCN-07-code2.mp4.mkv102.49M
| | ├──14、10 NLP-文本匹配》69、07MGCN-08-code3.mp4.mkv70.14M
| | ├──14、10 NLP-文本匹配》70、08MatchPyramid-01-研究背景.mp4.mkv68.79M
| | ├──14、10 NLP-文本匹配》71、08MatchPyramid-02-论文泛读.mp4.mkv32.42M
| | ├──14、10 NLP-文本匹配》72、08MatchPyramid-03-算法模型总览、结构、matching matrix.m.mkv72.22M
| | ├──14、10 NLP-文本匹配》73、08MatchPyramid-04-卷积层讲解.mp4.mkv61.54M
| | ├──14、10 NLP-文本匹配》74、08MatchPyramid-05-matching score.mp4.mkv62.96M
| | ├──14、10 NLP-文本匹配》75、08MatchPyramid-06-训练技巧、实验及总结.mp4.mkv68.29M
| | ├──14、10 NLP-文本匹配》76、08MatchPyramid-07-code 1.mp4.mkv65.07M
| | ├──14、10 NLP-文本匹配》77、08MatchPyramid-08-code 2.mp4.mkv99.74M
| | ├──14、10 NLP-文本匹配》78、08MatchPyramid-09-code 3.mp4.mkv81.15M
| | ├──14、10 NLP-文本匹配》79、09-MGCN论文泛读-01.mp4.mkv67.25M
| | ├──14、10 NLP-文本匹配》80、09-MGCN论文泛读-02.mp4.mkv33.90M
| | ├──14、10 NLP-文本匹配》81、09-MGCN论文精读-03.mp4.mkv72.37M
| | ├──14、10 NLP-文本匹配》82、09-MGCN论文精读-04.mp4.mkv52.64M
| | ├──14、10 NLP-文本匹配》83、09-MGCN论文精读-05.mp4.mkv64.61M
| | ├──14、10 NLP-文本匹配》84、09-MGCN论文精读-06.mp4.mkv59.53M
| | ├──14、10 NLP-文本匹配》85、09-MGCN论文精读-07.mp4.mkv44.18M
| | ├──14、10 NLP-文本匹配》86、09-MGCN代码讲解-08.mp4.mkv74.45M
| | ├──14、10 NLP-文本匹配》87、09-MGCN代码讲解-09.mp4.mkv83.08M
| | ├──14、10 NLP-文本匹配》88、09-MGCN代码讲解-10.mp4.mkv129.69M
| | ├──14、10 NLP-文本匹配》89、09-MGCN代码讲解-11.mp4.mkv59.82M
| | ├──14、10 NLP-文本匹配》90、10-论文泛读-01.mkv81.12M
| | ├──14、10 NLP-文本匹配》91、10-论文泛读-02.mkv55.24M
| | ├──14、10 NLP-文本匹配》92、10-论文精读-03.mkv70.00M
| | ├──14、10 NLP-文本匹配》93、10-论文精读-04.mkv55.95M
| | ├──14、10 NLP-文本匹配》94、10-论文精读-05.mkv55.53M
| | ├──14、10 NLP-文本匹配》95、10-论文精读-06.mkv29.80M
| | ├──14、10 NLP-文本匹配》96、10-代码讲解-07.mkv63.43M
| | ├──14、10 NLP-文本匹配》97、10-代码讲解-08.mkv92.57M
| | ├──14、10 NLP-文本匹配》98、10-代码讲解-09.mkv98.91M
| | └──14、10 NLP-文本匹配》99、10-代码讲解-10.mkv108.90M
| ├──15、11 NLP-机器翻译》
| | ├──15、11 NLP-机器翻译》01、ConvSeq2Seq-代码讲解.mkv161.82M
| | ├──15、11 NLP-机器翻译》02、ConvSeq2Seq-论文精读.mkv99.36M
| | ├──15、11 NLP-机器翻译》03、ConvSeq2Seq-论文泛读.mkv33.46M
| | ├──15、11 NLP-机器翻译》05、1.1-loung_nmt-储备知识..mkv28.46M
| | ├──15、11 NLP-机器翻译》06、1.2-loung_nmt-研究背景..mkv104.83M
| | ├──15、11 NLP-机器翻译》07、1.3-loung_nmt-研究成果及意义.mp4.mkv19.60M
| | ├──15、11 NLP-机器翻译》08、1.4-luong_nmt-论文简介.mp4.mkv94.12M
| | ├──15、11 NLP-机器翻译》09、1.5-luong_nmt-global_attention..mkv127.19M
| | ├──15、11 NLP-机器翻译》10、1.6-luong_nmt-local_attention..mkv95.44M
| | ├──15、11 NLP-机器翻译》11、1.7-luong_nmt_2_4_实验.mp4.mkv139.96M
| | ├──15、11 NLP-机器翻译》12、1.8-loung_nmt_数据读取..mkv75.47M
| | ├──15、11 NLP-机器翻译》13、1.9-loung_nmt_模型实现..mkv164.08M
| | ├──15、11 NLP-机器翻译》14、1.10-loung_nmt_训练和测试.mp4.mkv90.11M
| | ├──15、11 NLP-机器翻译》15、2.1-coverage_储备知识.mp4.mkv22.37M
| | ├──15、11 NLP-机器翻译》16、2.2-coverage_研究背景及意义.mkv53.80M
| | ├──15、11 NLP-机器翻译》17、2.3-coverage_相关知识.mp4.mkv78.76M
| | ├──15、11 NLP-机器翻译》18、2.4-coverage_基于语言学的覆盖模型..mkv82.07M
| | ├──15、11 NLP-机器翻译》19、2.5-coverage_基于神经网络的覆盖模型..mkv75.63M
| | ├──15、11 NLP-机器翻译》20、2.6-coverage 代码实践.mp4.mkv171.36M
| | ├──15、11 NLP-机器翻译》21、3.1-subword_nmt_1_1.mkv33.81M
| | ├──15、11 NLP-机器翻译》22、3.2-subword_nmt.mkv51.64M
| | ├──15、11 NLP-机器翻译》23、3.3-subword_nmt_.mkv112.97M
| | ├──15、11 NLP-机器翻译》24、3.4-subword_nmt_.mkv96.55M
| | ├──15、11 NLP-机器翻译》25、3.5-subword_nmt_.mkv157.55M
| | ├──15、11 NLP-机器翻译》26、3.6-subword_nmt.mkv171.31M
| | ├──15、11 NLP-机器翻译》27、4.1-Google-nmt.mkv89.71M
| | ├──15、11 NLP-机器翻译》28、【4月9日】Mass-论文泛读.mkv36.09M
| | └──15、11 NLP-机器翻译》29、【4月16日】Mass-论文精读.mkv46.75M
| ├──16、12 NLP-情感分析》
| | ├──16、12 NLP-情感分析》02、01 TextRNN & FastText & TextCNN-01-研究背景&摘要、框架.mkv62.44M
| | ├──16、12 NLP-情感分析》03、01 TextRNN & FastText & TextCNN-02-模型总览&细节1.mkv71.35M
| | ├──16、12 NLP-情感分析》04、01 TextRNN & FastText & TextCNN-03-训练、损失函数、实验.mkv45.19M
| | ├──16、12 NLP-情感分析》05、01 TextRNN & FastText & TextCNN-04-实验结果及分析讲解.mkv53.58M
| | ├──16、12 NLP-情感分析》06、01 TextRNN & FastText & TextCNN-05-代码讲解.mkv192.46M
| | ├──16、12 NLP-情感分析》07、02 TreeLSTM-01-论文导读.mkv20.95M
| | ├──16、12 NLP-情感分析》08、02 TreeLSTM-02-研究背景解读.mkv40.40M
| | ├──16、12 NLP-情感分析》09、02 TreeLSTM-03-论文摘要、框架讲解.mkv26.34M
| | ├──16、12 NLP-情感分析》10、02 TreeLSTM-04-上节课回顾.mkv5.17M
| | ├──16、12 NLP-情感分析》11、02 TreeLSTM-05-精读_模型结构总览.mkv39.97M
| | ├──16、12 NLP-情感分析》12、02 TreeLSTM-06-Tree-LSTM模型讲解.mkv39.06M
| | ├──16、12 NLP-情感分析》13、02 TreeLSTM-07-模型结构细节.mkv30.57M
| | ├──16、12 NLP-情感分析》14、02 TreeLSTM-08-实验设置与分析.mkv54.62M
| | ├──16、12 NLP-情感分析》15、02 TreeLSTM-09-论文总结.mkv12.47M
| | ├──16、12 NLP-情感分析》16、02 TreeLSTM-10-本课回顾及下节预告.mkv8.13M
| | ├──16、12 NLP-情感分析》17、02 TreeLSTM-11-代码介绍.mkv24.86M
| | ├──16、12 NLP-情感分析》18、02 TreeLSTM-12-代码讲解一.mkv85.06M
| | ├──16、12 NLP-情感分析》19、02 TreeLSTM-13-代码讲解二.mkv85.29M
| | ├──16、12 NLP-情感分析》20、02 TreeLSTM-14-代码讲解三..mkv61.87M
| | ├──16、12 NLP-情感分析》21、03 TD-LSTM & AT-LSTM -01-论文导读.mkv4.73M
| | ├──16、12 NLP-情感分析》22、03 TD-LSTM & AT-LSTM -02-所需知识储备.mkv5.13M
| | ├──16、12 NLP-情感分析》23、03 TD-LSTM & AT-LSTM -03-学习目标.mkv5.30M
| | ├──16、12 NLP-情感分析》24、03 TD-LSTM & AT-LSTM -04-课程安排.mkv2.79M
| | ├──16、12 NLP-情感分析》25、03 TD-LSTM & AT-LSTM -05-研究背景.mkv30.21M
| | ├──16、12 NLP-情感分析》26、03 TD-LSTM & AT-LSTM -06-论文泛读.mkv16.34M
| | ├──16、12 NLP-情感分析》27、03 TD-LSTM & AT-LSTM -07-下节预告.mkv5.07M
| | ├──16、12 NLP-情感分析》28、03 TD-LSTM & AT-LSTM -08-上节回顾.mkv4.25M
| | ├──16、12 NLP-情感分析》29、03 TD-LSTM & AT-LSTM -09-论文综述.mkv10.99M
| | ├──16、12 NLP-情感分析》30、03 TD-LSTM & AT-LSTM -10- TD-LSTM精读.mkv28.37M
| | ├──16、12 NLP-情感分析》31、03 TD-LSTM & AT-LSTM -11- ATAE-LSTM精读.mkv38.00M
| | ├──16、12 NLP-情感分析》32、03 TD-LSTM & AT-LSTM -12-实验结果及分析part1.mkv29.61M
| | ├──16、12 NLP-情感分析》33、03 TD-LSTM & AT-LSTM -13-实验结果及分析part2.mkv11.16M
| | ├──16、12 NLP-情感分析》34、03 TD-LSTM & AT-LSTM -14-论文总结及下节回顾..mkv15.30M
| | ├──16、12 NLP-情感分析》35、03 TD-LSTM & AT-LSTM -15-代码介绍.mkv96.90M
| | ├──16、12 NLP-情感分析》36、03 TD-LSTM & AT-LSTM -16-代码讲解二.mkv87.26M
| | ├──16、12 NLP-情感分析》37、03 TD-LSTM & AT-LSTM -17-代码讲解三.mkv59.46M
| | ├──16、12 NLP-情感分析》38、03 TD-LSTM & AT-LSTM -18-代码讲解回顾.mkv7.58M
| | ├──16、12 NLP-情感分析》41、04 MemNet&IAN-03-论文泛读.mkv16.27M
| | ├──16、12 NLP-情感分析》42、04 MemNet&IAN-04-本课回顾与下节预告.mkv9.23M
| | ├──16、12 NLP-情感分析》44、04 MemNet&IAN-06-向量转换、注意力讲解.mkv86.79M
| | ├──16、12 NLP-情感分析》45、04 MemNet&IAN-07-实验设置及分析.mkv67.00M
| | ├──16、12 NLP-情感分析》46、04 MemNet&IAN-08-论文总结及回顾.mkv21.51M
| | ├──16、12 NLP-情感分析》47、04 MemNet&IAN-09-代码环境讲解.mkv38.82M
| | ├──16、12 NLP-情感分析》48、04 MemNet&IAN-10-代码结构讲解.mkv149.12M
| | ├──16、12 NLP-情感分析》49、04 MemNet&IAN-11-论文代码细节讲解.mkv142.82M
| | ├──16、12 NLP-情感分析》50、04 MemNet&IAN-12-代码实践课回顾..mkv16.88M
| | ├──16、12 NLP-情感分析》51、05 BERT&ERNIE 2.0-01-论文介绍.mkv31.02M
| | ├──16、12 NLP-情感分析》52、05 BERT&ERNIE 2.0-02-背景介绍1..mkv49.09M
| | ├──16、12 NLP-情感分析》53、05 BERT&ERNIE 2.0-03-背景介绍2.mkv28.20M
| | ├──16、12 NLP-情感分析》54、05 BERT&ERNIE 2.0-04-论文摘要、结构讲解.mkv11.03M
| | ├──16、12 NLP-情感分析》55、05 BERT&ERNIE 2.0-05-上节回顾.mkv5.87M
| | ├──16、12 NLP-情感分析》56、05 BERT&ERNIE 2.0-06-论文算法总览.mkv60.46M
| | ├──16、12 NLP-情感分析》57、05 BERT&ERNIE 2.0-07-输入表征、task精讲.mkv22.11M
| | ├──16、12 NLP-情感分析》58、05 BERT&ERNIE 2.0-08-模型Fine-tuning解读.mkv39.26M
| | ├──16、12 NLP-情感分析》59、05 BERT&ERNIE 2.0-09-实验设置及分析.mkv35.27M
| | ├──16、12 NLP-情感分析》60、05 BERT&ERNIE 2.0-10-论文总结.mkv18.31M
| | ├──16、12 NLP-情感分析》61、05 BERT&ERNIE 2.0-11-论文回顾.mkv10.54M
| | ├──16、12 NLP-情感分析》62、05 BERT&ERNIE 2.0-12-实践代码介绍.mkv59.51M
| | ├──16、12 NLP-情感分析》63、05 BERT&ERNIE 2.0-13-实践代码精讲1.mkv185.55M
| | └──16、12 NLP-情感分析》64、05 BERT&ERNIE 2.0-14-实践代码精讲2..mkv32.52M
| ├──17、13 NLP-阅读理解》
| | ├──17、13 NLP-阅读理解》02、01-开山之作_1_1_背景意义..mkv119.83M
| | ├──17、13 NLP-阅读理解》03、01-开山之作_1_2_研究成果_论文提纲..mkv45.17M
| | ├──17、13 NLP-阅读理解》04、01-开山之作_2_1_模型结构..mkv124.12M
| | ├──17、13 NLP-阅读理解》05、01-开山之作_2_2_实验结果及分析..mkv100.16M
| | ├──17、13 NLP-阅读理解》06、01-开山之作_3_数据处理jupyter..mkv222.83M
| | ├──17、13 NLP-阅读理解》07、01-开山之作_4_1_训练代码jupyter..mkv182.20M
| | ├──17、13 NLP-阅读理解》08、01-开山之作_4_2训练代码pycharm..mkv217.46M
| | ├──17、13 NLP-阅读理解》09、01-开山之作_5_反馈问题..mkv79.92M
| | ├──17、13 NLP-阅读理解》10、feedback.mkv79.10M
| | ├──17、13 NLP-阅读理解》11、02-bidaf_1_1_背景意义..mkv99.21M
| | ├──17、13 NLP-阅读理解》12、02-bidaf_1_2_相关工作+小结..mkv61.11M
| | ├──17、13 NLP-阅读理解》13、02-bidaf_2_1_模型结构..mkv84.58M
| | ├──17、13 NLP-阅读理解》14、02-bidaf_2_2_实验分析..mkv44.42M
| | ├──17、13 NLP-阅读理解》15、02-bidaf_3_1_数据读取-jupyter..mkv108.19M
| | ├──17、13 NLP-阅读理解》16、02-bidaf_3_2数据读取-pycharm..mkv145.36M
| | ├──17、13 NLP-阅读理解》17、02-bidaf_4_训练加预测..mkv204.85M
| | ├──17、13 NLP-阅读理解》18、02-bidaf_5_评测指标..mkv79.23M
| | ├──17、13 NLP-阅读理解》19、02-bidaf_6_反馈..mkv79.10M
| | ├──17、13 NLP-阅读理解》20、03-pgnet_1_1_研究背景..mkv117.03M
| | ├──17、13 NLP-阅读理解》21、03-pgnet_1_2_研究背景意义第二部分..mkv46.63M
| | ├──17、13 NLP-阅读理解》22、03-pgnet_2_1_模型部分..mkv138.14M
| | ├──17、13 NLP-阅读理解》23、03-pgnet_2_2_实验+前沿论文（上）..mkv145.40M
| | ├──17、13 NLP-阅读理解》24、03-pgnet_2_3_前沿论文(下)..mkv140.40M
| | ├──17、13 NLP-阅读理解》25、03-pgnet_2_4_模型总结..mkv26.93M
| | ├──17、13 NLP-阅读理解》26、03-pgnet_3_code-review..mkv74.99M
| | ├──17、13 NLP-阅读理解》27、03-pgnet_4_1_数据处理第一部分..mkv329.02M
| | ├──17、13 NLP-阅读理解》28、03-pgnet_4_2_数据处理第二部分..mkv78.69M
| | ├──17、13 NLP-阅读理解》29、03-pgnet_5_1_train第一部分..mkv58.23M
| | ├──17、13 NLP-阅读理解》30、03-pgnet_5_2_train第二部分..mkv308.98M
| | ├──17、13 NLP-阅读理解》31、03-pgnet_6_1_预测第一部分..mkv228.32M
| | ├──17、13 NLP-阅读理解》32、03-pgnet_6_2_预测第二部分..mkv99.70M
| | ├──17、13 NLP-阅读理解》33、04-adv_1_1_研究背景..mkv83.23M
| | ├──17、13 NLP-阅读理解》34、04-adv_1_2_研究成果和小节..mkv46.65M
| | ├──17、13 NLP-阅读理解》35、04-adv_2_1_模型和实验..mkv138.71M
| | ├──17、13 NLP-阅读理解》36、04-adv_2_2_2020智能技术竞赛介绍..mkv109.90M
| | ├──17、13 NLP-阅读理解》37、04-adv_3_1_code-overview第一部分..mkv122.26M
| | ├──17、13 NLP-阅读理解》38、04-adv_3_2_code-overview第二部分..mkv86.00M
| | ├──17、13 NLP-阅读理解》39、04-adv_4_数据处理..mkv198.10M
| | ├──17、13 NLP-阅读理解》40、04-adv_5_1_train-第一部分..mkv151.84M
| | ├──17、13 NLP-阅读理解》41、04-adv_5_2_train第二部分..mkv220.35M
| | ├──17、13 NLP-阅读理解》42、04-adv_6_预测部分..mkv151.97M
| | ├──17、13 NLP-阅读理解》43、05-xlnet_1_1_研究背景第一部分..mkv72.48M
| | ├──17、13 NLP-阅读理解》44、05-xlnet_1_2_研究背景第二部分..mkv89.30M
| | ├──17、13 NLP-阅读理解》45、05-xlnet_2_1_论文模型第一部分..mkv136.32M
| | ├──17、13 NLP-阅读理解》46、05-xlnet_2_2_论文模型第二部分..mkv78.86M
| | ├──17、13 NLP-阅读理解》47、05-xlnet_3_代码overview..mkv77.45M
| | ├──17、13 NLP-阅读理解》48、05-xlnet_4_数据处理overview..mkv26.97M
| | ├──17、13 NLP-阅读理解》49、05-xlnet_5_1_数据处理第一部分..mkv164.66M
| | ├──17、13 NLP-阅读理解》50、05-xlnet_5_2_数据处理第二部分..mkv248.72M
| | ├──17、13 NLP-阅读理解》51、05-xlnet_6_1_训练代码第一部分..mkv177.93M
| | ├──17、13 NLP-阅读理解》52、05-xlnet_6_2_训练代码第二部分..mkv125.69M
| | ├──17、13 NLP-阅读理解》53、05-xlnet_7_1_预测第一部分..mkv151.62M
| | ├──17、13 NLP-阅读理解》54、05-xlnet_7_2_预测第二部分..mkv83.03M
| | └──17、13 NLP-阅读理解》55、专题总结..mkv12.19M
| ├──18、14 NLP-对话系统》
| | ├──18、14 NLP-对话系统》01、【11月6日】对话系统前沿直播.mkv317.94M
| | ├──18、14 NLP-对话系统》03、【8月10日】对话系统体验课直播第一讲.mkv196.03M
| | ├──18、14 NLP-对话系统》04、【8月11日】对话系统体验课直播第二讲.mkv193.21M
| | ├──18、14 NLP-对话系统》05、【8月19日】JointBERT-论文讲解（开营直播）.mkv486.44M
| | ├──18、14 NLP-对话系统》06、【8月21日】JointBERT-代码详解.mkv686.44M
| | ├──18、14 NLP-对话系统》07、【8月25日】AGIF-论文讲解.mkv461.77M
| | ├──18、14 NLP-对话系统》08、【8月28日】AGIF-论文精读.mkv853.46M
| | ├──18、14 NLP-对话系统》09、【9月11日】AGIF-代码复现.mkv670.44M
| | ├──18、14 NLP-对话系统》10、【9月16日】Fewshot MultiLABEL-论文泛读.mkv425.58M
| | ├──18、14 NLP-对话系统》11、【9月19日】Fewshot MultiLABEL-论文精读（第一部分）.mkv369.11M
| | ├──18、14 NLP-对话系统》12、【10月13日】Fewshot MultiLABEL-论文精读（第二部分）.mkv343.78M
| | ├──18、14 NLP-对话系统》13、【10月23日】Fewshot MultiLABEL-论文精读+代码讲解.mkv678.33M
| | ├──18、14 NLP-对话系统》14、【10月27日】Fewshot MultiLABEL-代码复现.mkv238.74M
| | ├──18、14 NLP-对话系统》15、【3月29日】trade-dst-论文泛读.mkv471.82M
| | ├──18、14 NLP-对话系统》16、【4月1日】trade-dst-论文精读.mkv670.42M
| | ├──18、14 NLP-对话系统》17、【4月8日】trade-dst-代码复现.mkv633.98M
| | ├──18、14 NLP-对话系统》18、【4月12日】trade-dst-代码讲解（下）.mkv225.72M
| | ├──18、14 NLP-对话系统》19、【4月24日】dst-as-prompting-论文精读.mkv597.27M
| | ├──18、14 NLP-对话系统》20、【4月20日】dst-as-prompting-论文泛读.mkv339.29M
| | ├──18、14 NLP-对话系统》21、【4月27日】dst-as-prompting-代码复现.mkv745.85M
| | ├──18、14 NLP-对话系统》22、1.1joint-bert.mkv109.10M
| | ├──18、14 NLP-对话系统》23、1.2 joint-bert.mkv29.09M
| | ├──18、14 NLP-对话系统》24、1.3 joint-bert.mkv12.65M
| | ├──18、14 NLP-对话系统》25、1.4joint-bert.mkv256.55M
| | ├──18、14 NLP-对话系统》26、1.5 joint-bert.mkv15.31M
| | ├──18、14 NLP-对话系统》27、1.6 joint-bert.mkv2.39M
| | ├──18、14 NLP-对话系统》28、1.7 joint-bert.mkv77.16M
| | ├──18、14 NLP-对话系统》29、1.8joint-bert-代码.mkv53.30M
| | └──18、14 NLP-对话系统》30、1.9 joint-bert-代码.mkv225.17M
| ├──19、强化学习》
| | ├──19、强化学习》01、强化学习1期第1次答疑直播.mkv189.71M
| | ├──19、强化学习》03、强化学习开营直播.mkv518.26M
| | ├──19、强化学习》04、01DQN-01-论文泛读开场白.mkv17.15M
| | ├──19、强化学习》05、01DQN-02-研究背景及意义.mkv20.87M
| | ├──19、强化学习》06、01DQN-03-背景知识补充.mkv10.90M
| | ├──19、强化学习》07、01DQN-04-论文泛读.mkv53.09M
| | ├──19、强化学习》08、01DQN-05-泛读总结及下节预告.mkv7.12M
| | ├──19、强化学习》09、01DQN-06-论文精读开场白.mkv10.12M
| | ├──19、强化学习》100、07DDPG-01-开场白.mkv13.58M
| | ├──19、强化学习》101、07DDPG-02-研究背景成果和意义.mkv5.96M
| | ├──19、强化学习》102、07DDPG-03-背景知识补充.mkv4.65M
| | ├──19、强化学习》103、07DDPG-04-论文泛读.mkv71.19M
| | ├──19、强化学习》104、07DDPG-05-本节回顾下节预告.mkv5.57M
| | ├──19、强化学习》105、07DDPG-06-论文精读结构.mkv7.08M
| | ├──19、强化学习》106、07DDPG-07-从DQN到DDPG.mkv43.73M
| | ├──19、强化学习》107、07DDPG-08-网络结构.mkv61.12M
| | ├──19、强化学习》108、07DDPG-09-DDPG核心思想.mkv32.40M
| | ├──19、强化学习》109、07DDPG-10-算法的其他细节.mkv26.78M
| | ├──19、强化学习》10、01DQN-07-论文模型.mkv19.83M
| | ├──19、强化学习》110、07DDPG-11-算法总结.mkv8.43M
| | ├──19、强化学习》111、07DDPG-12-代码部分结构.mkv7.26M
| | ├──19、强化学习》112、07DDPG-13-网络结构及初始化.mkv79.54M
| | ├──19、强化学习》113、07DDPG-14-BatchNorm的使用.mkv41.38M
| | ├──19、强化学习》114、07DDPG-15-参数更新.mkv56.13M
| | ├──19、强化学习》115、07DDPG-16-代码结构.mkv53.58M
| | ├──19、强化学习》116、07DDPG-17-运行结果.mkv18.89M
| | ├──19、强化学习》117、08TD3-01-论文泛读开场白.mkv8.81M
| | ├──19、强化学习》118、08TD3-02-研究背景.mkv11.78M
| | ├──19、强化学习》119、08TD3-03-背景知识.mkv10.90M
| | ├──19、强化学习》11、01DQN-08-论文细节一 图像预处理.mkv34.24M
| | ├──19、强化学习》120、08TD3-04-论文泛读.mkv67.19M
| | ├──19、强化学习》121、08TD3-05-论文泛读总结.mkv4.36M
| | ├──19、强化学习》122、08TD3-06-论文精读开场白.mkv4.22M
| | ├──19、强化学习》123、08TD3-07-overestimation.mkv195.82M
| | ├──19、强化学习》124、08TD3-08-variance.mkv112.91M
| | ├──19、强化学习》125、08TD3-09-实验结果.mkv41.80M
| | ├──19、强化学习》126、08TD3-10-论文总结.mkv8.08M
| | ├──19、强化学习》127、08TD3-11-代码部分结构.mkv18.53M
| | ├──19、强化学习》128、08TD3-12-更新Critic.mkv20.56M
| | ├──19、强化学习》129、08TD3-13-更新Actor和代码结构.mkv30.53M
| | ├──19、强化学习》12、01DQN-09-论文细节二 ReplayBuffer.mkv34.64M
| | ├──19、强化学习》130、08TD3-14-实验结果.mkv25.50M
| | ├──19、强化学习》131、09SQL-01-论文泛读开场白.mkv13.97M
| | ├──19、强化学习》132、09SQL-02-研究背景及成果.mkv55.08M
| | ├──19、强化学习》133、09SQL-03-背景知识补充.mkv72.45M
| | ├──19、强化学习》134、09SQL-04-论文泛读总结.mkv5.91M
| | ├──19、强化学习》135、09SQL-05-论文精读开场白.mkv5.43M
| | ├──19、强化学习》136、09SQL-06-核心思想.mkv21.74M
| | ├──19、强化学习》137、09SQL-07-理论基础.mkv33.39M
| | ├──19、强化学习》138、09SQL-08-算法细节.mkv95.50M
| | ├──19、强化学习》139、09SQL-09-实验结果分析.mkv60.16M
| | ├──19、强化学习》13、01DQN-10-论文细节三 SemiGradientMethod.mkv30.83M
| | ├──19、强化学习》140、09SQL-10-理论证明.mkv66.90M
| | ├──19、强化学习》141、09SQL-11-论文精读总结.mkv6.03M
| | ├──19、强化学习》142、09SQL-12-代码部分结构.mkv4.44M
| | ├──19、强化学习》143、09SQL-13-Pytorch的手动链式法则求导.mkv44.67M
| | ├──19、强化学习》144、09SQL-14-离散情况细节.mkv34.43M
| | ├──19、强化学习》145、09SQL-15-连续情况细节.mkv48.77M
| | ├──19、强化学习》146、09SQL-16-代码结构.mkv16.38M
| | ├──19、强化学习》147、09SQL-17-调参结果.mkv17.03M
| | ├──19、强化学习》148、10SAC-01-论文泛读开场白.mkv9.54M
| | ├──19、强化学习》149、10SAC-02-研究背景.mkv8.65M
| | ├──19、强化学习》14、01DQN-11-实验结果分析.mkv36.54M
| | ├──19、强化学习》150、10SAC-03-论文泛读.mkv62.21M
| | ├──19、强化学习》151、10SAC-04-论文泛读总结.mkv3.53M
| | ├──19、强化学习》152、10SAC-05-论文精读开场白.mkv8.35M
| | ├──19、强化学习》153、10SAC-06-核心思想.mkv31.32M
| | ├──19、强化学习》154、10SAC-07-主要算法.mkv49.98M
| | ├──19、强化学习》155、10SAC-08实验结果.mkv15.41M
| | ├──19、强化学习》156、10SAC-09-理论证明.mkv31.40M
| | ├──19、强化学习》157、10SAC-10-论文精读总结.mkv8.70M
| | ├──19、强化学习》158、10SAC-11-算法细节.mkv21.65M
| | ├──19、强化学习》159、10SAC-12-代码结构及调参结果.mkv28.17M
| | ├──19、强化学习》15、01DQN-12-论文精读总结.mkv12.17M
| | ├──19、强化学习》160、11AdvancedValueMethods-01-论文泛读开场白.mkv18.69M
| | ├──19、强化学习》161、11AdvancedValueMethods-02-背景知识补充.mkv28.45M
| | ├──19、强化学习》162、11AdvancedValueMethods-03-Rainbow泛读.mkv62.06M
| | ├──19、强化学习》163、11AdvancedValueMethods-04-D4PG泛读.mkv64.46M
| | ├──19、强化学习》164、11AdvancedValueMethods-05-A3C泛读.mkv62.97M
| | ├──19、强化学习》165、11AdvancedValueMethods-06-IMPALA泛读.mkv61.67M
| | ├──19、强化学习》166、11AdvancedValueMethods-07-论文泛读总结.mkv3.62M
| | ├──19、强化学习》167、11AdvancedValueMethods-08-论文精读开场白.mkv6.25M
| | ├──19、强化学习》168、11AdvancedValueMethods-09-Rainbow.mkv248.43M
| | ├──19、强化学习》169、11AdvancedValueMethods-10-D4PG.mkv197.52M
| | ├──19、强化学习》16、01DQN-13-代码课整体介绍.mkv22.40M
| | ├──19、强化学习》170、11AdvancedValueMethods-11-A3C.mkv230.36M
| | ├──19、强化学习》171、11AdvancedValueMethods-12-IMPALA.mkv270.80M
| | ├──19、强化学习》172、11AdvancedValueMethods-13-总结.mkv3.16M
| | ├──19、强化学习》173、12IntrinsicMotivation-01-论文泛读开场白.mkv10.43M
| | ├──19、强化学习》174、12IntrinsicMotivation-02-ICM泛读.mkv53.18M
| | ├──19、强化学习》175、12IntrinsicMotivation-03-CuriosityStudy泛读.mkv46.42M
| | ├──19、强化学习》176、12IntrinsicMotivation-04-VIME泛读.mkv35.41M
| | ├──19、强化学习》177、12IntrinsicMotivation-05-VIC泛读.mkv42.79M
| | ├──19、强化学习》178、12IntrinsicMotivation-06-DIAYN泛读.mkv52.49M
| | ├──19、强化学习》179、12IntrinsicMotivation-07-SMM泛读.mkv51.38M
| | ├──19、强化学习》17、01DQN-14-gym介绍.mkv82.29M
| | ├──19、强化学习》180、12IntrinsicMotivation-08-EDL泛读.mkv68.45M
| | ├──19、强化学习》181、12IntrinsicMotivation-09-泛读总结及下节预告.mkv3.33M
| | ├──19、强化学习》182、12IntrinsicMotivation-10-论文精读开场白.mkv4.89M
| | ├──19、强化学习》183、12IntrinsicMotivation-11-ICM精读.mkv227.51M
| | ├──19、强化学习》184、12-IntrinsicMotivation-12-CuriosityStudy精读.mkv169.19M
| | ├──19、强化学习》185、12IntrinsicMotivation-13-VIME精读.mkv125.54M
| | ├──19、强化学习》186、12IntrinsicMotivation-14-VIC精读.mkv182.38M
| | ├──19、强化学习》187、12IntrinsicMotivation-15-DIAYN精读.mkv205.28M
| | ├──19、强化学习》188、12IntrinsicMotivation-16-SMM精读.mkv320.04M
| | ├──19、强化学习》189、12IntrinsicMotivation-17-EDL精读.mkv212.58M
| | ├──19、强化学习》18、01DQN-15-图像预处理代码.mkv67.41M
| | ├──19、强化学习》190、12IntrinsicMotivation-18-论文总结.mkv12.52M
| | ├──19、强化学习》191、12IntrinsicMotivation-19-结尾语.mkv5.69M
| | ├──19、强化学习》19、01DQN-16-DQN核心功能实现.mkv147.94M
| | ├──19、强化学习》20、01DQN-17-代码结构及实验结果分析.mkv63.80M
| | ├──19、强化学习》21、02DQN改进-01-论文泛读开场白.mkv32.30M
| | ├──19、强化学习》22、02DQN改进-02-研究背景及意义.mkv10.63M
| | ├──19、强化学习》23、02DQN改进-03-论文泛读.mkv96.11M
| | ├──19、强化学习》24、02DQN改进-04-论文泛读总结及下节预告.mkv7.95M
| | ├──19、强化学习》25、02DQN改进-05-论文网络结构.mkv16.52M
| | ├──19、强化学习》26、02DQN改进-06-DDQN图表分析.mkv102.16M
| | ├──19、强化学习》27、02DQN改进-07-DDQN总结.mkv61.27M
| | ├──19、强化学习》28、02DQN改进-08-PER01.mkv62.61M
| | ├──19、强化学习》29、02DQN改进-09-PER02.mkv155.11M
| | ├──19、强化学习》30、02DQN改进-10-PER实验结果及DuelDQN.mkv69.71M
| | ├──19、强化学习》31、02DQN改进-11-下节预告.mkv10.21M
| | ├──19、强化学习》32、02DQN改进-12-代码课整体介绍.mkv42.68M
| | ├──19、强化学习》33、02DQN改进-13-bisect包.mkv16.56M
| | ├──19、强化学习》34、02DQN改进-14-SumTree.mkv78.63M
| | ├──19、强化学习》35、02DQN改进-15-SumTree后续及DuelStructure.mkv18.42M
| | ├──19、强化学习》36、02DQN改进-16-ReplayBuffer01.mkv60.17M
| | ├──19、强化学习》37、02DQN改进-17-ReplayBuffer02.mkv91.39M
| | ├──19、强化学习》38、02DQN改进-18-ReplayBuffer03.mkv69.70M
| | ├──19、强化学习》39、02DQN改进-19-代码总览及实验结果.mkv68.89M
| | ├──19、强化学习》40、03C51-01-研究成果及意义.mkv20.37M
| | ├──19、强化学习》41、03C51-02-背景知识补充01.mkv58.28M
| | ├──19、强化学习》42、03C51-03-背景知识补充02.mkv19.67M
| | ├──19、强化学习》43、03C51-04-论文泛读.mkv71.36M
| | ├──19、强化学习》44、03C51-05-分布更新 BellmanEquation BellmanOperator.mkv42.10M
| | ├──19、强化学习》45、03C51-06-BellmanOptimalOperator.mkv96.91M
| | ├──19、强化学习》46、03C51-07-算法分析.mkv51.27M
| | ├──19、强化学习》47、03C51-08-实验结果及分析.mkv99.06M
| | ├──19、强化学习》48、03C51-09-引理2引理3证明.mkv17.21M
| | ├──19、强化学习》49、03C51-10-引理1证明.mkv127.20M
| | ├──19、强化学习》50、03C51-11-定理1证明.mkv208.82M
| | ├──19、强化学习》51、03C51-12-其余理论部分及总结.mkv55.31M
| | ├──19、强化学习》52、03C51-13-代码部分介绍.mkv17.38M
| | ├──19、强化学习》53、03C51-14-算法部分结构一览.mkv38.40M
| | ├──19、强化学习》54、03C51-15-分布更新单个样本.mkv95.67M
| | ├──19、强化学习》55、03C51-16-MiniBatch分布更新.mkv82.73M
| | ├──19、强化学习》56、03C51-17-Pytorch MiniBatch分布更新..mkv37.73M
| | ├──19、强化学习》57、03C51-18-实验结果.mkv24.17M
| | ├──19、强化学习》58、04QRDQN-01-研究背景、意义及补充知识介绍.mkv18.97M
| | ├──19、强化学习》59、04QRDQN-02-论文泛读、摘要、框架讲解.mkv31.41M
| | ├──19、强化学习》60、04QRDQN-03-回顾C51.mkv25.66M
| | ├──19、强化学习》61、04QRDQN-04-新的分布更新思路、估计分位数.mkv69.97M
| | ├──19、强化学习》62、04QRDQN-05-QRDQN算法讲解、实验结果与分析.mkv68.08M
| | ├──19、强化学习》63、04QRDQN-06-理论证明1.mkv24.20M
| | ├──19、强化学习》64、04QRDQN-07-理论证明2.mkv186.96M
| | ├──19、强化学习》65、04QRDQN-08-上节回顾和下节预告.mkv4.94M
| | ├──19、强化学习》66、04QRDQN-09-code1.mkv9.30M
| | ├──19、强化学习》67、04QRDQN-10-code2.mkv141.69M
| | ├──19、强化学习》68、04QRDQN-11-code3.mkv49.55M
| | ├──19、强化学习》69、05REINFORCE-01-开场白及研究背景介绍.mkv21.22M
| | ├──19、强化学习》70、05REINFORCE-02-论文泛读.mkv26.61M
| | ├──19、强化学习》71、05REINFORCE-03-背景知识补充.mkv26.73M
| | ├──19、强化学习》72、05REINFORCE-04-下节预告.mkv5.11M
| | ├──19、强化学习》73、05REINFORCE-05-论文定理理解.mkv138.67M
| | ├──19、强化学习》74、05REINFORCE-06-算法核心思想.mkv97.79M
| | ├──19、强化学习》75、05REINFORCE-07-核心定理证明.mkv111.91M
| | ├──19、强化学习》76、05REINFORCE-08-下节预告.mkv5.29M
| | ├──19、强化学习》77、05REINFORCE-09-代码部分结构.mkv15.32M
| | ├──19、强化学习》78、05REINFORCE-10-网络结构设计.mkv93.26M
| | ├──19、强化学习》79、05REINFORCE-11-数据处理.mkv24.92M
| | ├──19、强化学习》80、05REINFORCE-12-主体循环.mkv41.88M
| | ├──19、强化学习》81、05REINFORCE-13-代码结构.mkv68.42M
| | ├──19、强化学习》82、05REINFORCE-14-运行结果分析.mkv77.23M
| | ├──19、强化学习》83、06PPO-01-开场白.mkv17.09M
| | ├──19、强化学习》84、06PPO-02-研究背景.mkv15.88M
| | ├──19、强化学习》85、06PPO-03-论文泛读.mkv45.84M
| | ├──19、强化学习》86、06PPO-04-本节回顾下节预告.mkv5.29M
| | ├──19、强化学习》87、06PPO-05-论文精读结构介绍.mkv7.14M
| | ├──19、强化学习》88、06PPO-06-Clipped Surrogate Loss.mkv56.53M
| | ├──19、强化学习》89、06PPO-07-Adaptive KL.mkv39.92M
| | ├──19、强化学习》90、06PPO-08-Advantage Function.mkv32.94M
| | ├──19、强化学习》91、06PPO-09-算法分析.mkv48.48M
| | ├──19、强化学习》92、06PPO-10-实验结果分析.mkv41.03M
| | ├──19、强化学习》93、06PPO-11-本届回顾下节预告.mkv7.62M
| | ├──19、强化学习》94、06PPO-12-代码部分结构.mkv17.98M
| | ├──19、强化学习》95、06PPO-13-计算Loss Function.mkv84.82M
| | ├──19、强化学习》96、06PPO-14-拓展到连续型action空间.mkv48.15M
| | ├──19、强化学习》97、06PPO-15-代码结构.mkv56.48M
| | ├──19、强化学习》98、06PPO-16-代码运行结果.mkv53.29M
| | └──19、强化学习》99、06PPO-17-算法之外的技巧.mkv67.50M
| ├──21、NLP-paper 前沿论文直播讲解》
| | ├──21、NLP-paper 前沿论文直播讲解》02、第一场直播——基于图神经网络的应用和开发（关系抽取）.mkv146.93M
| | ├──21、NLP-paper 前沿论文直播讲解》03、第二场直播——预训练模型RoBERTa.mkv155.74M
| | ├──21、NLP-paper 前沿论文直播讲解》04、第三场直播——选择，回答和解释：基于多文档的可解释多跳阅读理解.mkv230.30M
| | ├──21、NLP-paper 前沿论文直播讲解》05、第四场直播——DSSMs：结构化语义模型.mkv152.70M
| | ├──21、NLP-paper 前沿论文直播讲解》06、第五场直播——COMET.mkv180.67M
| | ├──21、NLP-paper 前沿论文直播讲解》07、第六场直播——向语言模型中注入数值推理能力.mkv193.94M
| | ├──21、NLP-paper 前沿论文直播讲解》08、第七次直播——清华本硕学长论文分享.mkv137.12M
| | ├──21、NLP-paper 前沿论文直播讲解》09、第八场直播——全感知注意力融合在机器阅读理解中的应用.mkv303.25M
| | ├──21、NLP-paper 前沿论文直播讲解》10、第九场直播——基于多跳问答的图神经网络.mkv351.97M
| | ├──21、NLP-paper 前沿论文直播讲解》11、第十场直播——中科院博士详解对话系统前沿论文.mp4.mkv216.02M
| | ├──21、NLP-paper 前沿论文直播讲解》12、第十一场直播——顶刊审稿人教你发论文小tips.mp4.mkv589.71M
| | └──21、NLP-paper 前沿论文直播讲解》13、第十二场直播——如何快速发论文.mp4.mkv199.22M
| ├──22、NLP-直播答疑》
| | ├──22、NLP-直播答疑》01、NLP直播答疑.mkv122.80M
| | ├──22、NLP-直播答疑》02、NLP-baseline 4-1.mkv83.90M
| | ├──22、NLP-直播答疑》03、图神经网络直播答疑—第六次.mkv226.34kb
| | ├──22、NLP-直播答疑》04、图神经网络第6次直播答疑.mkv74.46M
| | ├──22、NLP-直播答疑》05、baseline-第四场直播.mkv103.87M
| | ├──22、NLP-直播答疑》06、第二次直播答疑.mkv85.95M
| | ├──22、NLP-直播答疑》07、图神经网络第5次答疑.mkv41.65M
| | ├──22、NLP-直播答疑》08、NLP baseline 第三次直播答疑.mkv132.00M
| | ├──22、NLP-直播答疑》09、1011答疑..mkv124.57M
| | ├──22、NLP-直播答疑》10、0920答疑..mkv67.03M
| | ├──22、NLP-直播答疑》11、答疑20200830..mkv150.51M
| | ├──22、NLP-直播答疑》12、NLP答疑-8.9.mkv177.61M
| | ├──22、NLP-直播答疑》13、NLP答疑-7.26.mkv132.18M
| | └──22、NLP-直播答疑》14、NLP答疑7.12.mkv230.98M
| ├──24、精读论文专栏（NLP方向）》
| | ├──24、精读论文专栏（NLP方向）》03、【老版本】【第1篇】01综述《Deep Learning》.mkv35.63M
| | ├──24、精读论文专栏（NLP方向）》04、【老版本】【第1篇】02综述《Deep Learning》.mkv72.55M
| | ├──24、精读论文专栏（NLP方向）》05、【老版本】【第1篇】03综述 《Deep Learning》.mkv67.96M
| | ├──24、精读论文专栏（NLP方向）》06、【老版本】【第1篇】04综述 《Deep Learning》.mkv39.21M
| | ├──24、精读论文专栏（NLP方向）》07、【老版本】【第1篇】05综述 《Deep Learning》.mkv47.22M
| | ├──24、精读论文专栏（NLP方向）》08、【老版本】【第1篇】06综述 《Deep Learning》.mkv51.17M
| | ├──24、精读论文专栏（NLP方向）》09、【老版本】【第1篇】07综述 《Deep Learning》.mkv34.50M
| | ├──24、精读论文专栏（NLP方向）》10、【老版本】【第2篇】词向量第一课时：论文导读.mkv53.44M
| | ├──24、精读论文专栏（NLP方向）》11、【老版本】【第2篇】词向量第二课时上：论文精读.mkv63.50M
| | ├──24、精读论文专栏（NLP方向）》12、【老版本】【第2篇】词向量第二课时下：论文精读.mkv53.39M
| | ├──24、精读论文专栏（NLP方向）》13、【老版本】【第2篇】词向量第三课时：代码精读.mkv71.16M
| | ├──24、精读论文专栏（NLP方向）》14、【老版本】【第3篇】句和文档的embedding第一课时：论文导读.mkv74.65M
| | ├──24、精读论文专栏（NLP方向）》15、【老版本】【第3篇】句和文档的embedding第二课时：论文精读.mkv91.79M
| | ├──24、精读论文专栏（NLP方向）》16、【老版本】【第3篇】句和文档的embedding第三课时：代码精读.mkv85.11M
| | ├──24、精读论文专栏（NLP方向）》17、【老版本】【第4篇】机器翻译第一课时：论文导读.mkv37.06M
| | ├──24、精读论文专栏（NLP方向）》18、【老版本】【第4篇】机器翻译第二课时上：论文精读.mkv57.27M
| | ├──24、精读论文专栏（NLP方向）》19、【老版本】【第4篇】机器翻译第二课时下：论文精读.mkv55.30M
| | ├──24、精读论文专栏（NLP方向）》20、【老版本】【第4篇】机器翻译第三课时上：代码精读.mkv62.94M
| | ├──24、精读论文专栏（NLP方向）》21、【老版本】【第4篇】机器翻译第三课时下：代码精读.mkv59.63M
| | ├──24、精读论文专栏（NLP方向）》22、【老版本】【第5篇】transformer第一课时：论文导读.mkv40.05M
| | ├──24、精读论文专栏（NLP方向）》23、【老版本】【第5篇】transformer第二课时上：论文精读.mkv57.95M
| | ├──24、精读论文专栏（NLP方向）》24、【老版本】【第5篇】transformer第二课时下：论文精读.mkv55.66M
| | ├──24、精读论文专栏（NLP方向）》25、【老版本】【第5篇】transformer第三课时：代码实践.mkv133.58M
| | ├──24、精读论文专栏（NLP方向）》26、【老版本】【第6篇】GloVe第一课时：论文导读.mkv39.08M
| | ├──24、精读论文专栏（NLP方向）》27、【老版本】【第6篇】GloVe第二课时：论文精读.mkv46.67M
| | ├──24、精读论文专栏（NLP方向）》28、【老版本】【第7篇】Skip Thought第一课时：论文导读.mkv40.29M
| | ├──24、精读论文专栏（NLP方向）》29、【老版本】【第7篇】Skip Thought第二课时：论文精读.mkv34.85M
| | ├──24、精读论文专栏（NLP方向）》30、【老版本】【第7篇】Skip Thought第三课时：代码精读.mkv46.63M
| | ├──24、精读论文专栏（NLP方向）》31、【老版本】【第8篇】TextCNN第一课时：论文导读.mkv24.00M
| | ├──24、精读论文专栏（NLP方向）》32、【老版本】【第8篇】TextCNN第二课时：论文精读.mkv32.09M
| | ├──24、精读论文专栏（NLP方向）》33、【老版本】【第8篇】TextCNN第三课时：代码详解.mkv28.99M
| | ├──24、精读论文专栏（NLP方向）》34、【老版本】【第9篇】基于字符“从0开始学习”的文本分类第一课时：论文导读.mkv60.59M
| | ├──24、精读论文专栏（NLP方向）》35、【老版本】【第9篇】基于字符“从0开始学习”的文本分类第二课时：论文精读.mkv61.88M
| | ├──24、精读论文专栏（NLP方向）》36、【老版本】【第9篇】基于字符“从0开始学习”的文本分类第三课时：代码讲解.mkv51.43M
| | ├──24、精读论文专栏（NLP方向）》37、【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：论文导读.mkv52.69M
| | ├──24、精读论文专栏（NLP方向）》38、【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：论文精读上.mkv57.12M
| | ├──24、精读论文专栏（NLP方向）》39、【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：论文精读下.mkv77.92M
| | ├──24、精读论文专栏（NLP方向）》40、【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：代码精读上.mkv58.94M
| | ├──24、精读论文专栏（NLP方向）》41、【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：代码精读下.mkv50.60M
| | ├──24、精读论文专栏（NLP方向）》42、【老版本】【第11篇】fasttext第一课时.mkv48.73M
| | ├──24、精读论文专栏（NLP方向）》43、【老版本】【第11篇】fasttext第二课时上.mkv56.40M
| | ├──24、精读论文专栏（NLP方向）》44、【老版本】【第11篇】fasttext第二课时下.mkv51.89M
| | ├──24、精读论文专栏（NLP方向）》45、【老版本】【第11篇】fasttext第三课时上.mkv50.21M
| | ├──24、精读论文专栏（NLP方向）》46、【老版本】【第11篇】fasttext第三课时下.mkv57.36M
| | ├──24、精读论文专栏（NLP方向）》47、【老版本】【第12篇】层次化attention机制用于文档分类第一课时.mkv41.97M
| | ├──24、精读论文专栏（NLP方向）》48、【老版本】【第12篇】层次化attention机制用于文档分类第二课时.mkv49.55M
| | ├──24、精读论文专栏（NLP方向）》49、【老版本】【第12篇】层次化attention机制用于文档分类第三课时.mkv53.75M
| | ├──24、精读论文专栏（NLP方向）》50、【老版本】【第13篇】PCNNATT-论文导读.mkv36.27M
| | ├──24、精读论文专栏（NLP方向）》51、【老版本】【第13篇】PCNNATT-论文精读.mkv45.77M
| | ├──24、精读论文专栏（NLP方向）》52、【老版本】【第13篇】PCNNATT-代码详解.mkv41.55M
| | ├──24、精读论文专栏（NLP方向）》53、【老版本】【第14篇】E2ECRF第一课时：论文导读.mkv40.15M
| | ├──24、精读论文专栏（NLP方向）》54、【老版本】【第14篇】E2ECRF第二课时：论文精读.mkv44.20M
| | ├──24、精读论文专栏（NLP方向）》55、【老版本】【第14篇】E2ECRF第三课时：代码精读.mkv37.51M
| | ├──24、精读论文专栏（NLP方向）》56、【老版本】【第15篇】多层LSTM第一课时.mkv16.35M
| | ├──24、精读论文专栏（NLP方向）》57、【老版本】【第15篇】多层LSTM第二课时.mkv36.96M
| | ├──24、精读论文专栏（NLP方向）》58、【老版本】【第15篇】多层LSTM第三课时.mkv62.78M
| | ├──24、精读论文专栏（NLP方向）》59、【老版本】【第16篇】基于卷积网络的seq2seq第一课时：论文导读.mkv33.17M
| | ├──24、精读论文专栏（NLP方向）》60、【老版本】【第16篇】基于卷积网络的seq2seq第二课时：论文精读.mkv53.87M
| | ├──24、精读论文专栏（NLP方向）》61、【老版本】【第17篇】谷歌的神经网络机器翻译系统第一课时.mkv8.84M
| | ├──24、精读论文专栏（NLP方向）》62、【老版本】【第17篇】谷歌的神经网络机器翻译系统第二课时.mkv48.61M
| | ├──24、精读论文专栏（NLP方向）》63、【老版本】【第18篇】UMT论文导读.mkv42.12M
| | ├──24、精读论文专栏（NLP方向）》64、【老版本】【第18篇】UMT论文精读.mkv54.79M
| | ├──24、精读论文专栏（NLP方向）》65、【老版本】【第19篇】seq2seq导读.mkv36.62M
| | ├──24、精读论文专栏（NLP方向）》66、【老版本】【第19篇】seq2seq精读.mkv37.47M
| | ├──24、精读论文专栏（NLP方向）》67、【老版本】【第20篇】End-to-End Memory Networks论文导读.mkv15.76M
| | ├──24、精读论文专栏（NLP方向）》68、【老版本】【第20篇】End-to-End Memory Networks论文精读.mkv36.07M
| | ├──24、精读论文专栏（NLP方向）》69、【老版本】【第20篇】End-to-End Memory Networks代码精读.mkv17.93M
| | ├──24、精读论文专栏（NLP方向）》70、【老版本】【第21篇】QANet论文导读.mkv47.57M
| | ├──24、精读论文专栏（NLP方向）》71、【老版本】【第21篇】QANet论文精读.mkv53.97M
| | ├──24、精读论文专栏（NLP方向）》72、【老版本】【第21篇】QANet代码精读.mkv47.57M
| | ├──24、精读论文专栏（NLP方向）》73、【老版本】【第22篇】双向Attention第一课时：论文导读.mkv18.47M
| | ├──24、精读论文专栏（NLP方向）》74、【老版本】【第22篇】双向Attention第二课时：论文精读.mkv75.41M
| | ├──24、精读论文专栏（NLP方向）》75、【老版本】【第23篇】Dialogue第一课时.mkv54.47M
| | ├──24、精读论文专栏（NLP方向）》76、【老版本】【第23篇】Dialogue第二课时.mkv47.78M
| | ├──24、精读论文专栏（NLP方向）》77、【老版本】【第24篇】SeqGAN第一课时.mkv36.96M
| | ├──24、精读论文专栏（NLP方向）》78、【老版本】【第24篇】SeqGAN第二课时.mkv56.10M
| | ├──24、精读论文专栏（NLP方向）》79、【老版本】【第25篇】R-GCNs第一课时.mkv38.65M
| | ├──24、精读论文专栏（NLP方向）》80、【老版本】【第25篇】R-GCNs第二课时.mkv43.03M
| | ├──24、精读论文专栏（NLP方向）》81、【老版本】【第26篇】大规模语料模型第一课时.mkv69.43M
| | ├──24、精读论文专栏（NLP方向）》82、【老版本】【第26篇】大规模语料模型第二课时.mkv57.52M
| | ├──24、精读论文专栏（NLP方向）》83、【老版本】【第27篇】Transformer-XL第一课时.mkv30.10M
| | ├──24、精读论文专栏（NLP方向）》84、【老版本】【第27篇】Transformer-XL第二课时.mkv36.46M
| | ├──24、精读论文专栏（NLP方向）》85、【老版本】【第28篇】TCN 第一课时.mkv44.17M
| | ├──24、精读论文专栏（NLP方向）》86、【老版本】【第28篇】TCN 第二课时.mkv64.39M
| | ├──24、精读论文专栏（NLP方向）》87、【老版本】【第29篇】第一课时：论文导读.mkv32.19M
| | ├──24、精读论文专栏（NLP方向）》88、【老版本】【第29篇】第二课时：论文精读.mkv100.93M
| | ├──24、精读论文专栏（NLP方向）》89、【老版本】【第30篇】BERT--NAACL 2019最佳论文第一课时.mkv68.40M
| | └──24、精读论文专栏（NLP方向）》90、【老版本】【第30篇】BERT--NAACL 2019最佳论文第二课时.mkv57.25M
| └──25、重点讲解专栏（NLP方向）》
| | ├──25、重点讲解专栏（NLP方向）》01、【老版本】【第14篇】SANIL第二课时.mkv70.84M
| | ├──25、重点讲解专栏（NLP方向）》02、【老版本】【第14篇】SANIL第一课时.mkv58.99M
| | ├──25、重点讲解专栏（NLP方向）》05、【老版本】【重难点第1篇】ARNOR论文第一课.mkv37.64M
| | ├──25、重点讲解专栏（NLP方向）》06、【老版本】【重难点第1篇】ARNOR论文第二课.mkv65.00M
| | ├──25、重点讲解专栏（NLP方向）》07、【老版本】【重难点第2篇】ERNIE论文第一课：论文导读.mkv52.61M
| | ├──25、重点讲解专栏（NLP方向）》08、【老版本】【重难点第2篇】ERNIE论文第二课：论文精读.mkv69.60M
| | ├──25、重点讲解专栏（NLP方向）》09、【老版本】【重难点第3篇】Meta-learning论文第一课：论文导读.mkv62.40M
| | ├──25、重点讲解专栏（NLP方向）》10、【老版本】【重难点第3篇】Meta-learning论文第二课时：论文讲解.mkv45.62M
| | ├──25、重点讲解专栏（NLP方向）》11、【老版本】【重难点第3篇】Meta-learning论文第二课时：手推公式.mkv80.51M
| | ├──25、重点讲解专栏（NLP方向）》12、【老版本】【重难点第3篇】Meta-learning论文第三课时.mkv57.25M
| | ├──25、重点讲解专栏（NLP方向）》13、【老版本】【重难点第4篇】SER第一课时课程导读.mkv54.14M
| | ├──25、重点讲解专栏（NLP方向）》14、【老版本】【重难点第4篇】SER第二课时：论文讲解.mkv171.75M
| | ├──25、重点讲解专栏（NLP方向）》15、【老版本】【重难点第4篇】SER第三课时.mkv192.10M
| | ├──25、重点讲解专栏（NLP方向）》16、【老版本】【重难点第4篇】SER第四课时.mkv66.48M
| | └──25、重点讲解专栏（NLP方向）》17、【老版本】【第13篇】Reptile.mkv41.89M
├──【2023.09】人工智能项目实战班-完结-无课件（8.38G）
| ├──01.开营仪式——老师部分.mp4169.92M
| ├──02.开营仪式——班主任部分.mp4326.91M
| ├──03.【基础课—机器学习项目】第一周第一节：业务需求问题.mp447.74M
| ├──04.【基础课—机器学习项目】第一周第二节：数据介绍.mp484.03M
| ├──05.【基础课—机器学习项目】第二周第一节：数据预处理.mp4170.22M
| ├──06.【基础课一机器学习项目】第二周第二节：算法选型第一次课.mp492.46M
| ├──07.【基础课一机器学习项目】第二周第二节：算法选型第二次课.mp477.78M
| ├──08.【基础课一机器学习项目】第二周第三节：模型部署.mp424.61M
| ├──09.【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅰ课程导读.mp424.19M
| ├──10.【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅱ知识图谱的概念与应用.mp422.08M
| ├──11.【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅲ信息抽取构建知识图谱实例.mp413.11M
| ├──12.【NLP项目一人工智能辅助信息抽取】第三周第二节正则表达式与AC自动机算法讲解与应用.mp453.57M
| ├──13.【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅰ中文自然语言处理基础.mp423.49M
| ├──14.【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅱ命名实体识别详解.mp437.19M
| ├──15.【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅲ隐马尔可夫模型与维特比算法.mp483.87M
| ├──16.【NLP项目一人工智能辅助信息抽取】第三周第四节：条件随机场.mp4105.97M
| ├──17.【NLP项目一人工智能辅助信息抽取】第四周-2.1深度学习NLP问题.mp49.30M
| ├──18.【NLP项目一人工智能辅助信息抽取】第四周-2.2文本表示.mp4180.13M
| ├──19.【NLP项目一人工智能辅助信息抽取】第四周-2.3文本特征抽取.mp4152.46M
| ├──20.【NLP项目一人工智能辅助信息抽取】第四周-2.4常见NLP任务模型结构.mp421.93M
| ├──21.【NLP项目一人工智能辅助信息抽取】第四周-2.5 bilstm-crf模型介绍.mp454.45M
| ├──22.【NLP项目一人工智能辅助信息抽取】第四周-2.6 bilstm-crf实战.mp4348.82M
| ├──23.【NLP项目一人工智能辅助信息抽取】第四周-2.7 关系抽取介绍.mp437.06M
| ├──24.【NLP项目一人工智能辅助信息抽取】第四周-2.8 PCNN介绍.mp456.04M
| ├──25.【NLP项目一人工智能辅助信息抽取】第四周-2.9 PCNN实战.mp4234.05M
| ├──26.【NLP项目一人工智能辅助信息抽取】3.1 图像预训练模型.mp435.51M
| ├──27.【NLP项目一人工智能辅助信息抽取】3.2 NLP预训练模型.mp497.59M
| ├──28.【CV项目一图像分割深度学习实战】第一周-1.1-背景介绍.mp460.45M
| ├──29.【NLP项目一人工智能辅助信息抽取】3.3 信息抽取深度学习综述.mp475.06M
| ├──30.【CV项目一图像分割深度学习实战】第一周1.2.1-图像初步-可视化.mp4102.49M
| ├──31.【CV项目一图像分割深度学习实战】第一周1.2.2-图像初步-图像运算.mp488.01M
| ├──32.【CV项目一图像分割深度学习实战】第一周1.3-训练数据准备.mp4103.21M
| ├──33.【CV项目一图像分割深度学习实战】第一周-1.4-1-深度学习代码框架.mp4119.64M
| ├──34.【CV项目一图像分割深度学习实战】第一周-1.4-2-pytorch基础知识.mp4542.16M
| ├──35.【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-A.mp4111.02M
| ├──36.【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-B.mp4139.97M
| ├──37.【CV项目一图像分割深度学习实战】第二周2.2-调参基础篇.mp463.34M
| ├──38.【CV项目一图像分割深度学习实战】第二周2.3-选择损失函数.mp420.85M
| ├──39.【CV项目一图像分割深度学习实战】第二周2.4-选择优化算法和学习率.mp445.66M
| ├──40.【CV项目一图像分割深度学习实战】第二周-2.5-调参-总结.mp422.57M
| ├──41.【CV项目一图像分割深度学习实战】第二周2.6-U-Net理论课.mp4533.99M
| ├──42.【CV项目一图像分割深度学习实战】第二周2.7-DeepLabv3理论课.mp4320.91M
| ├──43.【CV项目一图像分割深度学习实战】第三周-3.1-改进络结构-a.mp473.27M
| ├──44.【CV项目一图像分割深度学习实战】第三周-3.1-改进络结构-b.mp431.28M
| ├──45.【CV项目一图像分割深度学习实战】第三周-3.1-改进络结构-c.mp4111.27M
| ├──46.【CV项目一图像分割深度学习实战】第三周-3.1-改进络结构-d.mp444.42M
| ├──47.【CV项目一图像分割深度学习实战】第三周-3.2-尝试各种训练.mp4102.20M
| ├──48.【CV项目一图像分割深度学习实战】第三周-3.3-梯度累积法.mp437.13M
| ├──49.【CV项目一图像分割深度学习实战】第三周-3.4-选择模型权重.mp455.75M
| ├──50.【CV项目一图像分割深度学习实战】第三周-U-Net理论课进阶-迁移学习.mp4219.34M
| ├──51.【CV项目一图像分割深度学习实战】第三周-U-Net理论课进阶-注意机制.mp4476.83M
| ├──52.【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-a.mp434.96M
| ├──53.【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-b.mp4105.25M
| ├──54.【CV项目一图像分割深度学习实战】第四周-4.2-图像增-a.mp441.59M
| ├──55.【CV项目一图像分割深度学习实战】第四周-4.2-图像增-b.mp493.30M
| ├──56.【CV项目一图像分割深度学习实战】第四周-4.2-图像增-c.mp463.82M
| ├──57.【CV项目一图像分割深度学习实战】第四周-4.3-bad.mp425.09M
| ├──58.【CV项目一图像分割深度学习实战】第四周-算法工作分享——1面试准备.mp4172.28M
| ├──59.【CV项目一图像分割深度学习实战】第四周-算法工作分享——2工作日常.mp4169.08M
| ├──60.【CV项目一图像分割深度学习实战】第四周-算法工作分享——3职业前景.mp485.00M
| ├──61.【推荐系统项目一电影推荐项目】1.1：推荐系统简介.mp473.80M
| ├──62.【推荐系统项目一电影推荐项目】1.2： 简单的电影推荐.mp4102.83M
| ├──63.【推荐系统项目一电影推荐项目】1.3： IMDB评分.mp482.28M
| ├──64.【推荐系统项目一电影推荐项目】1.4：基于内容推荐.mp4188.30M
| ├──65.【推荐系统项目一电影推荐项目】1.5：协同过滤算法.mp4117.67M
| ├──66.【推荐系统项目】2.1criteo ctr.mp4117.72M
| ├──67.【推荐系统项目】2.2FM&FFM.mp4120.24M
| ├──68.【推荐系统项目】2.3Wide&Deep.mp4143.45M
| ├──69.【推荐系统项目】2.4DeepFM.mp4195.47M
| ├──70.【医疗知识图谱构建及图表征学习实践项目】课时0：项目先导课.mp447.07M
| ├──71.【医疗知识图谱构建及图表征学习实践项目】课时1：数据获取—爬虫.mp430.48M
| ├──72.【医疗知识图谱构建及图表征学习实践项目】课时2：数据处理.mp446.12M
| ├──73.【医疗知识图谱构建及图表征学习实践项目】课时3：BiLSTM+CRF.mp471.63M
| ├──74.【医疗知识图谱构建及图表征学习实践项目】课时4：NLP前沿技术讲解.mp4109.22M
| ├──75.【医疗知识图谱构建及图表征学习实践项目】课时5：Neo4j.mp486.10M
| ├──76.【医疗知识图谱构建及图表征学习实践项目】课时6：图表征学习.mp444.54M
| ├──77.【医疗知识图谱构建及图表征学习实践项目】课时7：图表征算法代码学习.mp461.02M
| ├──78.【医疗知识图谱构建及图表征学习实践项目】课时8：项目总结.mp417.83M
| ├──79.【医疗知识图谱构建及图表征学习实践项目】补充内容：额外的LSTM.mp417.08M
| └──80.【医疗知识图谱构建及图表征学习实践项目】补充内容：额外的python编码.mp428.76M
├──【2023.10】人工智能全套-完结-课件齐全（24.78G）
| ├──01_人工智能开发及远景介绍（预科）
| | ├──1_何为机器学习.mp4264.21M
| | ├──2_人工智能与机器学习关系.mp481.52M
| | ├──3_人工智能应用与价值.mp4116.97M
| | ├──4_有监督机器学习训练流程.mp4111.23M
| | ├──5_有监督机器学习训练流程.mp4111.23M
| | ├──6_Python机器学习库Scikit-Learn介绍.mp4341.64M
| | └──7_理解线性与回归.mp448.74M
| ├──02_线性回归深入和代码实现
| | ├──01.视频
| | ├──代码
| | ├──软件
| | └──资料
| ├──03_梯度下降和过拟合和归一化
| | ├──01.视频
| | ├──代码
| | └──资料
| ├──04_逻辑回归详解和应用
| | ├──01.视频
| | ├──代码
| | └──资料
| ├──05_分类器项目案例和神经网络算法
| | ├──01.视频
| | ├──代码
| | └──资料
| ├──06_多分类、决策树分类、随机森林分类
| | ├──01.视频
| | ├──代码
| | └──资料
| ├──07_分类评估、聚类
| | ├──01.视频
| | ├──代码
| | └──资料
| ├──08_密度聚类、谱聚类
| | ├──01.视频
| | ├──代码
| | └──资料
| ├──09_深度学习、TensorFlow安装和实现线性回归
| | ├──01.视频
| | ├──代码
| | └──资料
| ├──10_TensorFlow深入、TensorBoard可视化
| | ├──01.视频
| | ├──代码
| | └──资料
| ├──11_DNN深度神经网络手写图片识别
| | ├──01.视频
| | ├──代码
| | └──资料
| ├──12_TensorBoard可视化
| | ├──01.视频
| | └──代码
| ├──13_卷积神经网络、CNN识别图片
| | ├──01.视频
| | ├──代码
| | └──资料
| ├──14_卷积神经网络深入、AlexNet模型实现
| | ├──01.视频
| | ├──代码
| | └──资料
| └──15_Keras深度学习框架
| | ├──01.视频
| | ├──代码
| | └──资料
├──【2023.11】人工智能Paper（CV方向）-完结-无课件（79.68G）
| ├──单课
| | └──单课.7z2.26G
| ├──专栏
| | ├──01 cv-OCR.zip1.36G
| | ├──02 cv-目标检测.zip4.86G
| | ├──03 强化学习.zip9.07G
| | ├──04 CV-baseline.zip8.03G
| | ├──05 CV-GAN.zip6.80G
| | ├──06 CV-图像分割.zip14.03G
| | ├──07 CV-轻量化网络.zip5.61G
| | ├──08 CV-图像分割答疑.zip465.88M
| | ├──09 【选修知识】open cv图像基础.zip1.83G
| | ├──10 【选修知识】神经网络基础知识.zip1.64G
| | ├──11 【选修知识】PyTorch.zip3.63G
| | ├──12 Python基础+数据科学入门训练营.zip2.05G
| | ├──13 【KeSCI】基于卷积神经网络的表情识别大赛(CV方向).zip989.58M
| | ├──14 CV-paper直播课程.zip3.44G
| | ├──15 【老版本】精读论文专栏（CV方向）.7z10.54G
| | ├──16 【老版本】重点讲解专栏（CV方向）.7z3.08G
| | └──17 推荐阅读专栏（CV方向）.7z7.06kb
| └──解压密码.txt0.02kb
├──【2023.12】人工智能算法培训课程-课件齐全（28.21G）
| ├──人工智能算法培训课程 1
| | ├──1Python 基础
| | ├──2深度学习基础理论和实现
| | ├──3VAE 模型理论和实现
| | ├──4多GPU和多线程数据处理
| | ├──5人脸生成和人脸对比
| | ├──6股票预测和生成唐诗
| | ├──7GAN模型的训练和测试
| | ├──8web作品集展示
| | ├──9目标检测算法
| | └──人工智能算法培训课程1（配套课件）
| └──人工智能算法培训课程 2
| | └──主题1
├──【2024.01】AI大模型实战课程-完结-含资料（2.65G）
| ├──AI大模型企业应用实战-完结-含代码
| | ├──代码
| | ├──视频
| | └──说明.png459.93kb
| └──AI大模型系统实战-完结-HTML+PDF+MP3
| | ├──images
| | ├──01｜认知升级：你心中的AI大模型长啥样？.md13.57kb
| | ├──01｜认知升级：你心中的AI大模型长啥样？.mp316.87M
| | ├──01｜认知升级：你心中的AI大模型长啥样？.pdf16.93M
| | ├──02｜具身智能：OpenAI真正的野心是什么？.md10.47kb
| | ├──02｜具身智能：OpenAI真正的野心是什么？.mp39.78M
| | ├──02｜具身智能：OpenAI真正的野心是什么？.pdf10.86M
| | ├──03｜原型系统：开源工具自建AI大模型底座.md16.49kb
| | ├──03｜原型系统：开源工具自建AI大模型底座.mp312.59M
| | ├──03｜原型系统：开源工具自建AI大模型底座.pdf10.37M
| | ├──04｜游目骋怀：工业级的大模型系统强在哪？.md10.18kb
| | ├──04｜游目骋怀：工业级的大模型系统强在哪？.mp39.90M
| | ├──04｜游目骋怀：工业级的大模型系统强在哪？.pdf4.55M
| | ├──05｜策略建模：为什么AI系统能够猜你所想？.md12.79kb
| | ├──05｜策略建模：为什么AI系统能够猜你所想？.mp312.46M
| | ├──05｜策略建模：为什么AI系统能够猜你所想？.pdf24.49M
| | ├──06｜特征工程：数据点石成金，给你的系统赋予灵魂.md10.58kb
| | ├──06｜特征工程：数据点石成金，给你的系统赋予灵魂.mp39.36M
| | ├──06｜特征工程：数据点石成金，给你的系统赋予灵魂.pdf17.85M
| | ├──07｜模型工程：算法三大门派，取众家之长为我所用.md15.08kb
| | ├──07｜模型工程：算法三大门派，取众家之长为我所用.mp312.31M
| | ├──07｜模型工程：算法三大门派，取众家之长为我所用.pdf16.60M
| | ├──08-数据算法：因材施教，为你的系统选好老师.md13.11kb
| | ├──08-数据算法：因材施教，为你的系统选好老师.mp313.79M
| | ├──08-数据算法：因材施教，为你的系统选好老师.pdf16.14M
| | ├──09｜系统构建（一）：AI系统的弹药库——离线系统.md12.98kb
| | ├──09｜系统构建（一）：AI系统的弹药库——离线系统.mp312.31M
| | ├──09｜系统构建（一）：AI系统的弹药库——离线系统.pdf17.08M
| | ├──10｜系统构建（二）：AI系统的冲锋队——在线系统.md11.79kb
| | ├──10｜系统构建（二）：AI系统的冲锋队——在线系统.mp312.40M
| | ├──10｜系统构建（二）：AI系统的冲锋队——在线系统.pdf22.11M
| | ├──11｜地球往事：为什么CV领域首先引领预训练潮流？.md13.28kb
| | ├──11｜地球往事：为什么CV领域首先引领预训练潮流？.mp312.78M
| | ├──11｜地球往事：为什么CV领域首先引领预训练潮流？.pdf19.16M
| | ├──12｜博观约取：重走NLP领域预训练模型的长征路.md10.46kb
| | ├──12｜博观约取：重走NLP领域预训练模型的长征路.mp316.81M
| | ├──12｜博观约取：重走NLP领域预训练模型的长征路.pdf21.34M
| | ├──13｜厚积薄发：如何让模型更好地理解人类语言？.md10.50kb
| | ├──13｜厚积薄发：如何让模型更好地理解人类语言？.mp314.56M
| | ├──13｜厚积薄发：如何让模型更好地理解人类语言？.pdf17.56M
| | ├──14｜变形金刚：Transformer是如何让模型变大的？.md12.71kb
| | ├──14｜变形金刚：Transformer是如何让模型变大的？.mp311.65M
| | ├──14｜变形金刚：Transformer是如何让模型变大的？.pdf13.29M
| | ├──15-GPT1-3：技术爆炸，深入解析LLM的核心技术.md10.81kb
| | ├──15-GPT1-3：技术爆炸，深入解析LLM的核心技术.mp39.48M
| | ├──15-GPT1-3：技术爆炸，深入解析LLM的核心技术.pdf9.16M
| | ├──16｜ChatGPT：是什么让LLM走向舞台中央？.md11.40kb
| | ├──16｜ChatGPT：是什么让LLM走向舞台中央？.mp315.92M
| | ├──16｜ChatGPT：是什么让LLM走向舞台中央？.pdf18.77M
| | ├──17｜LLM展望：死神永生，LLM会带人们驶向何处？.md13.67kb
| | ├──17｜LLM展望：死神永生，LLM会带人们驶向何处？.mp314.32M
| | ├──17｜LLM展望：死神永生，LLM会带人们驶向何处？.pdf29.30M
| | ├──18｜策略建模：取众家所长的工业级的AIGC系统.md12.90kb
| | ├──18｜策略建模：取众家所长的工业级的AIGC系统.mp313.04M
| | ├──18｜策略建模：取众家所长的工业级的AIGC系统.pdf17.29M
| | ├──19｜提示语工程（一）：为什么说提示语引擎是“智能体本体”？.md9.56kb
| | ├──19｜提示语工程（一）：为什么说提示语引擎是“智能体本体”？.mp38.60M
| | ├──19｜提示语工程（一）：为什么说提示语引擎是“智能体本体”？.pdf8.07M
| | ├──20｜提示语工程（二）：LLM的护卫舰队有哪些？.md15.89kb
| | ├──20｜提示语工程（二）：LLM的护卫舰队有哪些？.mp312.85M
| | ├──20｜提示语工程（二）：LLM的护卫舰队有哪些？.pdf24.90M
| | ├──21｜提示语工程（三）：如何帮助智能体更好地管理记忆？.md15.79kb
| | ├──21｜提示语工程（三）：如何帮助智能体更好地管理记忆？.mp313.91M
| | ├──21｜提示语工程（三）：如何帮助智能体更好地管理记忆？.pdf28.93M
| | ├──22｜提示语工程（四）：如何让智能体学会反思过去和规划未来？.md19.24kb
| | ├──22｜提示语工程（四）：如何让智能体学会反思过去和规划未来？.mp313.39M
| | ├──22｜提示语工程（四）：如何让智能体学会反思过去和规划未来？.pdf11.55M
| | ├──23｜提示语工程（五）：构建你自己的西部世界——AI小镇搭建实战.md12.67kb
| | ├──23｜提示语工程（五）：构建你自己的西部世界——AI小镇搭建实战.mp39.98M
| | ├──23｜提示语工程（五）：构建你自己的西部世界——AI小镇搭建实战.pdf11.77M
| | ├──24｜提示语工程（六）：超越智能，让你的AI系统成为全知超人.md14.49kb
| | ├──24｜提示语工程（六）：超越智能，让你的AI系统成为全知超人.mp39.88M
| | ├──24｜提示语工程（六）：超越智能，让你的AI系统成为全知超人.pdf9.97M
| | ├──25｜模型工程（一）：如何让你的训练数据无中生有？.md14.95kb
| | ├──25｜模型工程（一）：如何让你的训练数据无中生有？.mp38.58M
| | ├──25｜模型工程（一）：如何让你的训练数据无中生有？.pdf17.01M
| | ├──26｜模型工程（二）：算力受限，如何为“无米之炊”？.md10.57kb
| | ├──26｜模型工程（二）：算力受限，如何为“无米之炊”？.mp39.25M
| | ├──26｜模型工程（二）：算力受限，如何为“无米之炊”？.pdf21.28M
| | ├──27｜模型工程（三）：低成本领域模型方案，小团队怎么做大模型？.md19.77kb
| | ├──27｜模型工程（三）：低成本领域模型方案，小团队怎么做大模型？.mp310.39M
| | ├──27｜模型工程（三）：低成本领域模型方案，小团队怎么做大模型？.pdf8.46M
| | ├──28｜总体回顾：工业级AI大模型系统的庐山真面目.md11.09kb
| | ├──28｜总体回顾：工业级AI大模型系统的庐山真面目.mp310.16M
| | ├──28｜总体回顾：工业级AI大模型系统的庐山真面目.pdf15.32M
| | ├──29｜从创业到被收购，OpenAI经历了哪些关键阶段？.md9.88kb
| | ├──29｜从创业到被收购，OpenAI经历了哪些关键阶段？.mp39.72M
| | ├──29｜从创业到被收购，OpenAI经历了哪些关键阶段？.pdf10.81M
| | ├──30｜藏宝图：大模型产业全景图，新业态带来哪些新机遇？.md12.10kb
| | ├──30｜藏宝图：大模型产业全景图，新业态带来哪些新机遇？.mp312.15M
| | ├──30｜藏宝图：大模型产业全景图，新业态带来哪些新机遇？.pdf11.53M
| | ├──31｜发展趋势：生成式AI系统的未来发展趋势是什么？.md9.39kb
| | ├──31｜发展趋势：生成式AI系统的未来发展趋势是什么？.mp38.88M
| | ├──31｜发展趋势：生成式AI系统的未来发展趋势是什么？.pdf9.27M
| | ├──32｜职场规划：面试准备，如何做大模型时代下的长远规划？.md14.84kb
| | ├──32｜职场规划：面试准备，如何做大模型时代下的长远规划？.mp315.05M
| | ├──32｜职场规划：面试准备，如何做大模型时代下的长远规划？.pdf10.39M
| | ├──答疑课堂（二）｜后三章思考题答案.md18.73kb
| | ├──答疑课堂（二）｜后三章思考题答案.mp32.67M
| | ├──答疑课堂（二）｜后三章思考题答案.pdf8.07M
| | ├──答疑课堂｜前两章思考题答案.md9.30kb
| | ├──答疑课堂｜前两章思考题答案.mp31.09M
| | ├──答疑课堂｜前两章思考题答案.pdf11.48M
| | ├──国庆策划｜赛程过半，检验一下你的学习成果吧！.md3.66kb
| | ├──国庆策划｜赛程过半，检验一下你的学习成果吧！.mp33.83M
| | ├──国庆策划｜赛程过半，检验一下你的学习成果吧！.pdf7.58M
| | ├──结课测试｜来赴一场满分之约.md0.80kb
| | ├──结课测试｜来赴一场满分之约.pdf6.99M
| | ├──结束语｜AI大模型，技术人的双城记.md8.27kb
| | ├──结束语｜AI大模型，技术人的双城记.mp37.98M
| | ├──结束语｜AI大模型，技术人的双城记.pdf12.65M
| | ├──开篇词｜漫游未来，一起开启AI大模型系统修炼之旅.md8.48kb
| | ├──开篇词｜漫游未来，一起开启AI大模型系统修炼之旅.mp37.84M
| | ├──开篇词｜漫游未来，一起开启AI大模型系统修炼之旅.pdf11.07M
| | └──说明.png628.23kb
├──【2024.02】AI大模型全栈工程师课程-完结-含资料（10.10G）
| ├──资料
| | ├──08-fine-tuning.zip37.80M
| | ├──9-12.zip15.58M
| | └──AGIClass(0-9).zip26.39M
| ├──01.简介 - AI 大模型全栈工程师.mp4407.47M
| ├──02.Prompt Engineering.mp4431.56M
| ├──03.Function Calling & Plugin.mp4337.68M
| ├──04.AI编程.mp4519.62M
| ├──05.大模型应用开发框架 LangChain上.mp4383.20M
| ├──06.大模型应用开发框架 LangChain下.mp4546.10M
| ├──07.CodeGeeX 揭秘.mp4163.83M
| ├──08.LangChain.js 和 LangChain工具链.mp4520.72M
| ├──09.Semantic Kernel.mp4550.81M
| ├──10.大模型应用开发框架LangChain.mp4393.56M
| ├──11.机器学习基础-上.mp4467.52M
| ├──12.机器学习基础-下.mp4451.67M
| ├──13.基于 ChatGLM2的 Fine-tuning实战.mp4567.89M
| ├──14.客座嘉宾：我是如何训练百亿参数大模型ChatYuan的.mp4330.23M
| ├──15.Fine-tuning 集中答疑.mp4343.06M
| ├──16.嘉宾：如何用 Stable Diffusion复现一个妙鸭.mp4478.88M
| ├──17.客座嘉宾：大模型时代的产品新挑战.mp4385.27M
| ├──18.AI 产品部署和交付.mp4373.19M
| ├──19-做自己的产品经理.mp4363.80M
| ├──20-实操训练：产品设计实战.mp4502.89M
| ├──21-产品运营和业务沟通.mp4283.55M
| ├──22-设计的灵感来源：AI 绘画.mp4578.58M
| ├──23-大模型热点盘点及结课仪式.mp4444.95M
| ├──LangChain.js & Semantic Kernel.mp4438.09M
| └──课程目录.png196.11kb
├──【2024.04】AI大模型应用开发实战营-完结-含资料（13.55G）
| ├──00 开课
| | ├──01.开营直播-Meta-Learning AI大模型时代的方法论与竞争力.mp4379.17M
| | └──资料.exe4.10M
| ├──02 第一周
| | ├──01.（7.12直播）大模型基础：初探大模型-起源与发展.mp4288.70M
| | ├──02.（7.16直播）大模型基础：GPT模型家族&提示学习 .mp4447.58M
| | └──资料.exe141.73M
| ├──03 第二周
| | ├──01.（7.19直播）Embedding.mp4383.81M
| | ├──02.（7.23直播）OpenAI 大模型开发与应用实践.mp4485.29M
| | └──资料.exe101.37M
| ├──04 第三周
| | ├──01.（7.26直播）大模型应用最佳实践.mp4420.53M
| | ├──02.（7.30直播）实战 OpenAI-Translator.mp4557.15M
| | └──资料.exe9.95M
| ├──05 第四周
| | ├──01.（8.2直播）ChatGPT Plugin开发.mp4408.02M
| | ├──02.（8.6直播）大模型应用开发框架LangChain（上）.mp4592.17M
| | └──资料.exe7.12M
| ├──05 第五周
| | ├──01.（8.9直播）大模型应用开发框架LangChain（中）.mp4937.31M
| | ├──02.（8.13直播）大模型应用开发框架LangChain（下）-Part1.mp4906.39M
| | ├──02.（8.13直播）大模型应用开发框架LangChain（下）-Part2.mp4442.73M
| | └──资料.exe8.40M
| ├──06 第六周
| | ├──01.（8.23 直播）实战 LangChain版OpenAI-Translator v2 .mp41000.20M
| | ├──02.（8.27直播）实战LangChain版AutoGPT.mp41.62G
| | └──资料.exe11.74M
| ├──07 第七周
| | ├──01.（8.30 直播）实战房产销售机器人Sales-Consultant.mp4817.37M
| | ├──02.（9.3直播）大模型应用落地与数据隐私-Part1.mp4759.00M
| | ├──02.（9.3直播）大模型应用落地与数据隐私-Part2.mp4908.19M
| | └──资料.exe17.26M
| ├──08 第八周
| | ├──01.（9.6直播）大模型开源生态与硬件选型.mp41.28G
| | ├──02.（9.10 直播）基于ChatGLM2大模型应用开发.mp4843.94M
| | └──资料.exe28.73M
| ├──代码
| | └──github仓库地址.txt0.12kb
| └──课程表.png989.34kb
├──【2024.05】人工智能研究生课程库-完结-含资料（62.67G）
| ├──01-软件安装及环境配置
| | ├──02-Anaconda介绍及安装.mp431.51M
| | ├──03-【Python 3.6】 Python安装及验证.mp415.64M
| | ├──04-【Python 3.6】 Python配置环境变量.mp47.92M
| | ├──05-【Python 3.6】 Python卸载及验证.mp46.24M
| | ├──06-【PyTorch 1.2】 PyTorch简介与安装.mp448.34M
| | ├──07-【Pytorch1.2】 Pytorch开发环境安装.mp4210.80M
| | ├──08-【TensorFlow 2.1.0】环境安装-ubuntu.mp4174.66M
| | ├──09-【TensorFlow 2.1.0】环境安装-windows.mp4132.37M
| | ├──10-【GPU驱动安装】GPU_driver_windows.mp419.82M
| | ├──11-【GPU驱动安装】GPU_driver_Linux.mp496.04M
| | ├──12-Linux 常用命令.mp492.54M
| | ├──13-【数据分析工具】 MySQL.mp434.26M
| | ├──14-【数据分析工具】 Navicate.mp418.11M
| | └──15-【数据分析工具】 Tableau Public.mp435.85M
| ├──02-人工智能数学基础
| | ├──05-【第一章 线性代数(上)】章节导读.mp411.07M
| | ├──06-【第一章 线性代数(上)】-1 矩阵及其基本运算①.mp434.70M
| | ├──07-【第一章 线性代数(上)】-2 矩阵及其基本运算②.mp464.40M
| | ├──08-【第一章 线性代数(上)】-3 矩阵的行列式①.mp438.86M
| | ├──09-【第一章 线性代数(上)】-4 矩阵的行列式②.mp446.99M
| | ├──10-【第一章 线性代数(上)】-5 矩阵的行列式③.mp437.79M
| | ├──11-【第一章 线性代数(上)】-6 矩阵的行列式④.mp410.01M
| | ├──12-【第一章 线性代数(上)】-7 矩阵的逆①.mp441.26M
| | ├──13-【第一章 线性代数(上)】-8 矩阵的逆②.mp426.80M
| | ├──14-【第一章 线性代数(上)】-9 矩阵的逆③.mp430.43M
| | ├──15-【第二章 线性代数(下)】章节导读.mp49.90M
| | ├──16-【第二章 线性代数(下)】-1 矩阵的初等变换①.mp450.39M
| | ├──17-【第二章 线性代数(下)】-2 矩阵的初等变换②.mp423.98M
| | ├──18-【第二章 线性代数(下)】-3 矩阵的初等变换③.mp462.92M
| | ├──19-【第二章 线性代数(下)】-4 矩阵的初等变换④.mp424.74M
| | ├──20-【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①.mp455.00M
| | ├──21-【第二章 线性代数(下)】-6 矩阵的特征值与特征向量②.mp446.51M
| | ├──22-【第二章 线性代数(下)】-7 矩阵的特征值与特征向量③.mp439.71M
| | ├──23-【第二章 线性代数(下)】-8 矩阵对角化以及二次型①.mp448.69M
| | ├──24-【第二章 线性代数(下)】-9 矩阵对角化以及二次型②.mp433.98M
| | ├──25-【第二章 线性代数(下)】-10 矩阵对角化以及二次型③.mp432.49M
| | ├──26-【第二章 线性代数(下)】-11svd分解的应用.mp449.81M
| | ├──27-【第三章 微积分】-01常用函数的导数以及到导数的常用公式.mp450.35M
| | ├──28-【第三章 微积分】-02 中值定理&洛必达法则&泰勒公式及应用.mp446.01M
| | ├──29-【第三章 微积分】-03 函数的凹凸性&函数的极值.mp445.39M
| | ├──30-【第三章 微积分】-04 不定积分.mp428.30M
| | ├──31-【第三章 微积分】-05 定积分.mp429.72M
| | ├──32-【第三章 微积分】-06 偏导数&多元函数复合求导法则链式求导法则.mp443.21M
| | ├──33-【第三章 微积分】-07 方向导数与梯度及其应用.mp453.22M
| | ├──34-【第三章 微积分】-08 多元函数泰勒公式与海森矩阵&多元函数的极值.mp437.63M
| | ├──35-【第三章 微积分】-09 矩阵的求导.mp443.88M
| | ├──36-【第三章 微积分】-10 矩阵的求导在深度学习中的应用.mp447.41M
| | ├──37-【第四章 概率论】-01随机实验样本空间随机事件&概率的定义.mp453.38M
| | ├──38-【第四章 概率论】-02全概率公式与贝叶斯公式及应用&独立性.mp437.17M
| | ├──39-【第四章 概率论】-03随机变量与多维随机变量.mp447.05M
| | ├──40-【第四章 概率论】-04期望与方差part1.mp442.55M
| | ├──41-【第四章 概率论】-05期望与方差part2.mp419.22M
| | ├──42-【第四章 概率论】-06参数的估计.mp447.82M
| | ├──43-【第五章 最优化】-1 无约束最优化梯度下降.mp449.51M
| | ├──44-【第五章 最优化】-2 无约束最优化梯度下降.mp449.56M
| | └──45-【第五章 最优化】-3 约束最优化.mp443.06M
| ├──03-Python基础+数据科学入门
| | ├──05-第一章 绪论和环境配置.mp443.13M
| | ├──06-【作业讲解】第一章：助教实际演示配置环境过程.mp423.91M
| | ├──07-第二章 Python 基本语法元素.mp492.02M
| | ├──08-【作业讲解】第二章：Python基本语法元素.mp448.38M
| | ├──09-第三章 基本数据类型.mp479.01M
| | ├──10-【作业讲解】第三章：基本数据类型.mp442.30M
| | ├──11-第四章 组合数据类型.mp482.14M
| | ├──12-【作业讲解】第四章：复杂数据类型.mp459.00M
| | ├──13-第五章 程序控制结构.mp472.94M
| | ├──14-【作业讲解】第五章：程序控制结构.mp420.77M
| | ├──15-第六章 函数-面向过程的编程.mp4110.26M
| | ├──16-【作业讲解】第六章：函数.mp433.59M
| | ├──17-第七章 类-面向对象的编程.mp467.41M
| | ├──18-【作业讲解】第七章：类.mp421.34M
| | ├──19-第八章 文件-异常和模块.mp4100.66M
| | ├──20-【作业讲解】第八章：文件-异常和模块.mp410.27M
| | ├──21-第九章 有益的探索.mp4111.45M
| | ├──22-【作业讲解】第九章：有益的探索.mp425.27M
| | ├──23-第十章 Python标准库.mp478.54M
| | ├──24-【作业讲解】第十章：Python标准库.mp49.60M
| | ├──25-第十一章 科学计算库—Numpy应用.mp468.47M
| | ├──26-【作业讲解】第十一章：Numpy库.mp419.28M
| | ├──27-第十二章 Pandas库.mp4117.04M
| | ├──28-【作业讲解】第十二章：Pandas库.mp422.13M
| | ├──29-第十三章 Matplotlib.mp483.33M
| | ├──30-【作业讲解】第十三章：Matplotlib.mp431.47M
| | ├──31-第十四章 Sklearn常规用法.mp451.57M
| | ├──32-【作业讲解】第十四章：Sklearn常规用法.mp437.32M
| | ├──33-第十五章 再谈编程.mp461.58M
| | ├──35-【比赛实战】大牛手把手指导如何打一场完整的二分类比赛.mp4103.75M
| | └──36-【比赛实战】二分类算法比赛小测验—提供银行精准营销解决方案.mp47.51M
| ├──04-机器学习算法应用实战
| | ├──05-01-01-机器学习概述.mp435.45M
| | ├──06-02-01线性回归简介-数学符号-假设函数-损失函数-代价函数.mp423.34M
| | ├──07-02-02-梯度下降法..mp424.11M
| | ├──08-02-03-梯度下降法代码实现.mp414.75M
| | ├──09-02-04-使用梯度下降法求解线性回归问题.mp426.13M
| | ├──10-02-05-线性回归代码实现.mp437.36M
| | ├──100-08-02协方差矩阵的特征值分解算法.mp413.02M
| | ├──101-08-03协方差矩阵的特征值分解算法代码实现.mp424.46M
| | ├──102-08-04基于数据矩阵的奇异值分解算法.mp412.22M
| | ├──103-08-05基于数据矩阵的奇异值分解算法代码实现.mp410.88M
| | ├──104-08-【实战】-Sklearn实现PCA.mp415.34M
| | ├──105-08-【案例】PCA实现照片压缩.mp421.11M
| | ├──106-09-01-集成学习介绍.mp45.74M
| | ├──107-09-02-Voting能够提高准确度的原因.mp412.08M
| | ├──108-09-03-Voting原理.mp48.40M
| | ├──109-09-04-Voting代码实现.mp417.61M
| | ├──11-02-06-线性回归代码实现-做特征归一化.mp429.95M
| | ├──110-09-05-Bagging与随机森林及其代码实现.mp432.82M
| | ├──111-09-06-Boosting.mp418.09M
| | ├──112-09-07-Adaboost举例.mp426.29M
| | ├──113-09-08-AdaBoost代码实现.mp424.55M
| | ├──114-09-09-GBDT之提升和提升树概念.mp431.87M
| | ├──115-09-10-GBDT梯度提升树.mp411.29M
| | ├──116-09-11-XGBoost介绍，目标函数，正则项.mp421.72M
| | ├──117-09-12-XGBoost求解.mp423.50M
| | ├──118-09-13-XGBoost树结构生成.mp411.25M
| | ├──119-09-14-XGBoost代码实现1.mp439.17M
| | ├──12-02-07-批量梯度下降，随机梯度下降，小批量梯度下降.mp411.35M
| | ├──120-09-15-XGBoost代码实现2.mp443.97M
| | ├──121-09-16-Stacking.mp416.55M
| | ├──122-09-17-Stacking 代码实现.mp411.55M
| | ├──123-10-【银行营销策略分析】-01 数据说明.mp428.41M
| | ├──124-10-【银行营销策略分析】-02探索性分析.mp423.52M
| | ├──125-10-【银行营销策略分析】-03数据预处理与特征工程.mp437.52M
| | ├──126-10-【银行营销策略分析】-04模型训练.mp425.49M
| | ├──127-10-【信用卡发欺诈模型】-01数据说明及不平衡数据的训练集及测试及分割方法.mp424.54M
| | ├──128-10-【信用卡发欺诈模型】-02采样之上采样.mp435.41M
| | ├──129-10-【信用卡发欺诈模型】-03采样之下采样.mp426.74M
| | ├──13-02-08-模型评价 · 几种常见的模型评价指标.mp424.08M
| | ├──130-10-【信用卡发欺诈模型】-04建模与调参.mp428.18M
| | ├──14-02-09-欠拟合与过拟合.mp412.23M
| | ├──15-02-10-Ridge回归求解与代码实现.mp422.89M
| | ├──16-02-11-LASSO回归求解.mp426.19M
| | ├──17-02-12-LASSO回归求解举例说明.mp413.76M
| | ├──18-02-13-LASSO回归代码实现.mp418.01M
| | ├──19-02-14-最小二乘法求线性回归.mp419.32M
| | ├──20-02-15-最小二乘法代码实现.mp49.21M
| | ├──21-02-【实战】使用Sklearn实现Ridge，LASSO和ElasticNet.mp422.01M
| | ├──22-02-【案例】波士顿房价预测(上).mp434.17M
| | ├──23-02-【案例】-波士顿房价预测(下).mp441.17M
| | ├──24-03-01-逻辑回归简介-假设函数-损失函数-成本函数.mp418.96M
| | ├──25-03-02-逻辑回归求解.mp423.66M
| | ├──26-03-03-一个示例解释逻辑回归的求解公式.mp412.44M
| | ├──27-03-04-逻辑回归代码实现(上).mp428.99M
| | ├──28-03-04-逻辑回归代码实现(下).mp426.09M
| | ├──29-03-06-逻辑回归的正则化.mp417.17M
| | ├──30-03-07-逻辑回归实现多分类方法.mp424.84M
| | ├──31-03-08-【实战】使用Sklearn实现逻辑回归.mp417.68M
| | ├──32-03-【案例】鸢尾花分类.mp443.16M
| | ├──33-03-【案例】手写数字识别.mp435.34M
| | ├──34-04-01-决策树简介-熵.mp417.68M
| | ├──35-04-02条件熵及计算举例.mp413.47M
| | ├──36-04-03信息增益-ID3算法.mp416.85M
| | ├──37-04-04决策树代码实现(1-熵的计算).mp417.81M
| | ├──38-04-05决策树代码实现(2-划分数据集-选择最好的特征).mp432.38M
| | ├──39-04-06决策树代码实现(3-类别投票表决).mp411.60M
| | ├──40-04-07决策树代码实现( 4-决策树递归生成，决策树对新数据进行预测).mp425.17M
| | ├──41-04-08 C4.5算法.mp49.98M
| | ├──42-04-09基尼指数(Gini Index)生成决策树.mp417.50M
| | ├──43-04-10决策树剪枝.mp416.69M
| | ├──44-04-11决策树处理连续值与缺失值.mp423.53M
| | ├──45-04-12多变量决策树.mp412.46M
| | ├──46-04-【实战】Sklearn实现决策树.mp431.51M
| | ├──47-04-【案例】：使用决策树进行个人信用风险评估(1.数据集介绍-数据预处理).mp432.17M
| | ├──48-04-【案例】：使用决策树进行个人信用风险评估(2.模型评估指标).mp429.95M
| | ├──49-04-【案例】：使用决策树进行个人信用风险评估(3.模型评估，优化).mp417.91M
| | ├──50-05-01-贝叶斯决策简介.mp418.35M
| | ├──51-05-02-贝叶斯决策模型.mp410.29M
| | ├──52-05-03-朴素贝叶斯模型.mp418.21M
| | ├──53-05-04-朴素贝叶斯代码实现(1.训练过程).mp432.73M
| | ├──54-05-05-朴素贝叶斯代码实现(2.预测过程).mp413.60M
| | ├──55-05-06-拉普拉斯修正及代码实现.mp422.10M
| | ├──56-05-07-朴素贝叶斯如何处理连续型数据.mp49.02M
| | ├──57-05-08-Sklearn实现朴素贝叶斯.mp412.85M
| | ├──58-05-【案例】垃圾邮件识别(1.实现原理).mp412.68M
| | ├──59-05-【案例】垃圾邮件识别(2.代码实现).mp434.20M
| | ├──60-06-01-支持向量机简介.mp48.81M
| | ├──61-06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).mp431.89M
| | ├──62-06-03-拉格朗日乘子法求带有等式约束的极值问题.mp424.76M
| | ├──63-06-04-拉格朗日乘子法求带有不等式约束的极值问题-KKT条件.mp423.88M
| | ├──64-06-05-目标函数求解(1.对偶问题-先对w-b求极小).mp424.50M
| | ├──65-06-06-目标函数求解(2.对alpha求极大).mp412.65M
| | ├──66-06-07-SVM求解举例.mp436.66M
| | ├──67-06-08-线性支持向量机的目标函数.mp413.22M
| | ├──68-06-09-线性支持向量机目标函数优化.mp422.48M
| | ├──69-06-10-非线性支持向量机简介.mp431.31M
| | ├──70-06-11-非线性支持向量机的目标函数.mp49.95M
| | ├──71-06-12-SMO算法推导结果.mp421.00M
| | ├──72-06-13-1SVM代码实现之简易版(上).mp453.18M
| | ├──73-06-14-1SVM代码实现之简易版(下).mp414.95M
| | ├──74-06-15-2SVM代码实现之改进版.mp433.84M
| | ├──75-06-16-3SVM代码实现之引进核函数版.mp421.79M
| | ├──76-06-17-SMO算法推导过程1.mp415.81M
| | ├──77-06-18-SMO算法推导过程2.mp416.81M
| | ├──78-06-19-SMO算法推导过程3.mp410.45M
| | ├──79-06-20-SMO算法推导过程4.mp417.75M
| | ├──80-06-21-SVM总结.mp49.48M
| | ├──81-06-【实战】-Sklearn实现SVM1.mp411.86M
| | ├──82-06-【实战】-Sklearn实现SVM2-3，输出常用属性值，使用高斯核.mp418.88M
| | ├──83-06-【实战】-Sklearn实现SVM4，调参.mp418.03M
| | ├──84-06-【案例】使用SVM完成人脸识别.mp447.14M
| | ├──85-07-01-K-means基本原理及推导.mp414.09M
| | ├──86-07-02-K-means中距离计算方法.mp412.38M
| | ├──87-07-03-K-means代码实现(1原生代码实现).mp434.74M
| | ├──88-07-04-K-means代码实现(2sklearn实现KMeans).mp46.56M
| | ├──89-07-05-层次聚类原理及距离计算.mp413.59M
| | ├──90-07-06层次聚类举例.mp49.68M
| | ├──91-07-07Sklearn实现层次聚类.mp48.77M
| | ├──92-07-08密度聚类.mp413.61M
| | ├──93-07-09Sklearn实现密度聚类.mp47.33M
| | ├──94-07-10-高斯混合模型介绍.mp414.59M
| | ├──95-07-11-高斯混合模型参数估计.mp424.50M
| | ├──96-07-12高斯混合模型原生代码实现.mp435.61M
| | ├──97-07-13 Sklearn实现高斯混合模型.mp410.01M
| | ├──98-07-【案例】对亚洲足球队进行聚类分析.mp411.90M
| | └──99-08-01-主成分分析介绍.mp416.12M
| ├──05-《统计学习方法》训练营
| | ├──06-第一章 1.1 导论.mp4123.85M
| | ├──07-第一章 1.2 极大似然估计.mp440.14M
| | ├──08-第一章 1.3 梯度下降法.mp431.36M
| | ├──09-第一章作业讲解-极大似然估计.mp416.28M
| | ├──10-第二章 2.1 导论.mp4110.02M
| | ├──100-第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法.mp450.58M
| | ├──101-第十九章 作业讲解.mp418.06M
| | ├──102-第二十章20.1LDA分布-模型与Gibbs抽样算法.mp467.27M
| | ├──103-第二十章20.2LDA的变分EM算法.mp458.99M
| | ├──104-第二十章 作业讲解.mp424.87M
| | ├──105-第二十一章21.1PageRank算法的定义与幂法计算.mp439.47M
| | ├──106-第二十一章 作业讲解.mp48.43M
| | ├──107-第二十二章 22无监督学习方法总结.mp49.32M
| | ├──11-第二章 2.2 对偶形式.mp446.54M
| | ├──12-第二章 2.3 收敛性.mp450.18M
| | ├──13-code——感知机.mp4127.37M
| | ├──14-第二章作业讲解-感知机自编程实现.mp429.02M
| | ├──15-第二章作业讲解-感知机sklearn实现.mp435.03M
| | ├──16-第三章 3.1 导论.mp454.68M
| | ├──17-第三章 3.2 kd树.mp476.74M
| | ├──18-code——k近邻.mp480.75M
| | ├──19-第三章作业讲解-KNN 自编程.mp419.58M
| | ├──20-第三章作业讲解-KNN-sklearn[瑞客论 坛 www.itxue8.com].mp427.37M
| | ├──21-第四章 4.1 导论.mp489.38M
| | ├──22-第四章 4.2 贝叶斯估计.mp415.12M
| | ├──23-第四章 4.3 期望风险最小化.mp428.80M
| | ├──24-code——朴素贝叶斯.mp4100.24M
| | ├──25-第四章作业讲解-贝叶斯估计.mp417.35M
| | ├──26-第四章作业讲解-朴素贝叶斯.mp450.59M
| | ├──27-第五章 5.1 导论.mp4126.42M
| | ├──28-第五章 5.2 剪枝.mp466.26M
| | ├──29-code——决策树.mp496.17M
| | ├──30-第五章作业讲解-决策树.mp439.10M
| | ├──31-第六章 6.1 逻辑斯蒂回归与最大熵.mp499.15M
| | ├──32-第六章 6.2 改进的迭代尺度法.mp460.37M
| | ├──33-第六章作业讲解-逻辑斯谛回归.mp460.30M
| | ├──34-code——逻辑斯蒂回归与最大熵.mp4108.23M
| | ├──35-第七章 7.1 导论.mp4174.87M
| | ├──36-第七章 7.2 存在唯一性.mp450.05M
| | ├──37-第七章作业讲解-支持向量机习题7.1.mp450.23M
| | ├──38-第七章作业讲解-支持向量机 sklearn习题7.2.mp423.14M
| | ├──39-第七章作业讲解-支持向量机习题7.3.mp417.34M
| | ├──40-code——支持向量机.mp4164.19M
| | ├──41-第八章 8.1 导论.mp499.07M
| | ├──42-第八章 8.2 前向分步算法.mp447.02M
| | ├──43-第八章 8.3 adaboost的训练误差[瑞客 论 坛 www.itxue8.com].mp470.11M
| | ├──44-第八章作业讲解-提升方法.mp434.31M
| | ├──45-code——提升方法.mp4181.83M
| | ├──46-第九章 9.1 导论.mp475.11M
| | ├──47-第九章 9.2 高斯混合模型.mp468.54M
| | ├──48-第九章作业讲解-EM算法.mp443.92M
| | ├──49-code——EM算法及推广.mp479.73M
| | ├──50-第十章 10.1 导论.mp483.19M
| | ├──51-第十章 10.2 前向算法.mp435.30M
| | ├──52-第十章 10.3 维特比算法.mp429.18M
| | ├──53-第十章作业讲解-隐马尔可夫模型.mp439.78M
| | ├──54-code——隐马尔可夫[ www.itxue8.com].mp4160.18M
| | ├──55-第十一章 11.1 导论.mp453.15M
| | ├──56-第十一章 11.2 拟牛顿法.mp421.16M
| | ├──57-第十一章 11.3 条件随机场的矩阵形式.mp420.05M
| | ├──58-第十一章作业讲解-条件随机场.mp420.80M
| | ├──59-第十三章无监督学习导论.mp444.13M
| | ├──60-第十四章14.1聚类的基本概念.mp461.30M
| | ├──61-第十四章14.2.1距离与相似度.mp440.97M
| | ├──62-第十四章14.2.2聚合聚类 距离公式介绍.mp434.06M
| | ├──63-第十四章14.2.3距离公式证明.mp459.60M
| | ├──64-第十四章14.2.4确定最佳聚类数.mp430.80M
| | ├──65-第十四章14.2.5有序样本分类法.mp435.23M
| | ├──66-第十四章14.3K均值聚类.mp427.58M
| | ├──67-第十四章14.1作业讲解- K-Means算法和高斯混合模型的比较.mp417.47M
| | ├──68-第十四章14.2作业讲解- 14.2 有关类的定义推导.mp48.44M
| | ├──69-第十四章14.3作业讲解-离差平方和距离推导公式证明.mp413.53M
| | ├──70-第十四章14.3作业讲解-重心距离推导公式证明.mp421.92M
| | ├──71-第十五章15.1矩阵奇异值分解步骤.mp423.35M
| | ├──72-第十五章15.2矩阵奇异值分解基本定理.mp422.06M
| | ├──73-第十五章15.3矩阵奇异值分解性质与计算[ www.itxue8.com].mp423.36M
| | ├──74-第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp437.84M
| | ├──75-第十五章15.5矩阵奇异值分解的应用.mp427.22M
| | ├──76-第十五章作业讲解- 奇异值分解01.mp422.90M
| | ├──77-第十五章作业讲解- 奇异值分解02.mp425.06M
| | ├──78-第十六章16.1主成分分析介绍.mp431.91M
| | ├──79-第十六章16.2主成分分析基本定理.mp425.71M
| | ├──80-第十六章16.3主成分的性质与选择.mp418.91M
| | ├──81-第十六章16.4主成分的特征.mp421.11M
| | ├──82-第十六章16.5牛顿迭代与梯度下降法.mp434.58M
| | ├──83-第十六章16.6拟牛顿迭代法.mp460.66M
| | ├──84-第十六章16.1作业讲解- 样本主成分分析.mp432.31M
| | ├──85-第十六章16.2 作业讲解-样本方差无偏估计的理解.mp416.78M
| | ├──86-第十六章16.3作业讲解- 求第一主成分.mp49.62M
| | ├──87-第十七章17.1LSA导入.mp420.64M
| | ├──88-第十七章17.2LSA算法实现.mp412.81M
| | ├──89-第十七章17.3非负矩阵分解算法.mp416.06M
| | ├──90-第十七章17.4LSA案例分析与编程实现.mp421.35M
| | ├──91-第十七章 作业讲解.mp418.46M
| | ├──92-第十八章18.1PLSA生成模型.mp425.87M
| | ├──93-第十八章18.2PLSA共现模型.mp413.19M
| | ├──94-第十八章18.3PLSA模型算法实现.mp424.10M
| | ├──95-第十八章18.4PLSA模型EM算法详解[瑞克论坛 www.itxue8.com].mp421.14M
| | ├──96-第十八章 作业讲解.mp415.24M
| | ├──97-第十九章19.1蒙特卡罗法引入.mp416.40M
| | ├──98-第十九章19.2马尔科夫链的定义与性质.mp435.49M
| | └──99-第十九章19.3连续状态马尔科夫链.mp447.25M
| ├──06-《机器学习》西瓜书训练营
| | ├──06-【第一周】机器学习绪论.mp438.33M
| | ├──08-【第二周】西瓜书公式推导学习指南.mp411.20M
| | ├──09-【第二周】一元线性回归公式.mp451.86M
| | ├──10-【第二周】多元线性回归公式.mp458.27M
| | ├──11-【第二周】对数几率回归公式.mp460.68M
| | ├──14-【第二周】【作业讲解】逻辑回归.mp429.47M
| | ├──15-【第三周】决策树的分裂准则.mp456.59M
| | ├──19-【第三周】【作业讲解】决策树.mp415.56M
| | ├──20-【第四周】支持向量机原始模型的建立和求解.mp4113.79M
| | ├──21-【第四周】核函数和软间隔支持向量机.mp454.90M
| | ├──24-【第四周】【作业讲解】SVM.mp461.24M
| | ├──25-【第五周】极大似然估计与朴素贝叶斯.mp484.76M
| | ├──26-【第五周】EM算法1.mp432.77M
| | ├──27-【第五周】EM算法2.mp439.64M
| | ├──28-【第五周】EM算法3.mp444.78M
| | ├──31-【第五周】【作业讲解】贝叶斯和EM算法.mp425.02M
| | ├──32-【第六周】神经网络结构.mp467.03M
| | ├──35-【第六周】【作业讲解】神经网络.mp48.18M
| | ├──41-【第七周】【作业讲解】模型评估与选择.mp414.90M
| | ├──47-【第八周】【作业讲解】特征选择.mp416.09M
| | ├──52-【第九周】【作业讲解】k-means.mp437.34M
| | ├──53-【第十周】聚类.mp461.91M
| | ├──54-【第十周】HMM-1.mp489.29M
| | ├──55-【第十周】HMM-2.mp447.50M
| | ├──56-【第十周】HMM-3.mp432.35M
| | ├──61-【达观杯nlp比赛】第一节课 了解NLP任务和熟悉比赛题目-赛前介绍和准备.mp448.83M
| | ├──62-【达观杯nlp比赛】第二节课 了解NLP任务和熟悉比赛题目-赛题介绍和思路分析.mp471.37M
| | ├──63-【达观杯nlp比赛】第三节课 数据分析及处理.mp4114.17M
| | ├──64-【达观杯nlp比赛】第四节课——Baseline实现.mp4107.05M
| | └──65-【达观杯nlp比赛】第五节课 验证集构建和交叉验证.mp4120.80M
| ├──07-《机器学习》作业班
| | ├──06-【先修】学习绪论视频，了解预备知识.mp426.06M
| | ├──07-【学前准备】开营仪式回放-老师部分.mp4177.90M
| | ├──08-【学前准备】开营仪式回放-班主任部分.mp4224.38M
| | ├──14-Week2 Day2【作业讲解】对照作业讲解视频查漏补缺.mp4149.98M
| | ├──19-Week3-Day2 【作业讲解】完成编程作业2 (1).mp4153.93M
| | ├──20-Week3-Day2 【作业讲解】完成编程作业2 (2).mp4130.59M
| | ├──21-Week3-Day4 【达观杯文本智能处理挑战赛】（入门指导）.mp421.95M
| | ├──25-Week4-Day2【作业讲解】编程作业3：神经网络（上）.mp480.15M
| | ├──26-Week4-Day2【作业讲解】编程作业3：神经网络（下）.mp456.86M
| | ├──27-Week4-Day4【达观杯文本智能处理挑战赛】（进阶指导）.mp430.56M
| | ├──30-Week5-Day2【作业讲解】编程作业4（上）.mp490.66M
| | ├──31-Week5-Day2【作业讲解】编程作业5.mp493.51M
| | ├──32-Week5-Day2【作业讲解】编程作业4（下）.mp4133.03M
| | ├──36-Week6-Day2【作业讲解】编程作业5.mp493.53M
| | ├──40-Week7-Day2【作业讲解】编程作业6（上）.mp4113.69M
| | ├──41-Week7-Day2【作业讲解】编程作业6（下）.mp475.46M
| | ├──47-Week8-Day4【作业讲解】编程作业7（上）.mp4109.90M
| | ├──48-Week8-Day4【作业讲解】编程作业7（下）.mp468.39M
| | ├──52-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P1.mp476.10M
| | ├──53-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P2.mp496.25M
| | ├──54-Week9-Day4【作业实操】编程作业编程作业8：异常检测与推荐系统P3.mp448.62M
| | └──56-Week10-Day1【kaggle大赛】进阶指导.mp47.02M
| ├──08-深度学习TensorFlow2.0框架班
| | ├──05-Week1【任务1】tensorflow 2.0简介.mp446.77M
| | ├──06-Week1【任务2】tensorflow2.0环境安装-ubuntu.mp4126.30M
| | ├──07-Week1【任务2】tensorflow2.0环境安装-windows.mp4132.37M
| | ├──09-Week2【任务1】张量与操作 & 三种自定义模型.mp4103.87M
| | ├──10-Week2【任务2】keras模型训练.mp4124.12M
| | ├──11-Week2【任务3】tensorflow2.0模型训练.mp483.26M
| | ├──12-Week2【任务4】计算图机制详解.mp460.92M
| | ├──13-Week2【任务5】计算图机制详解.mp460.83M
| | ├──15-Week3【任务1】自定义层详解.mp487.91M
| | ├──16-Week3【任务2】常用损失函数和自定义损失函数.mp4108.56M
| | ├──17-Week3【任务3】常用评估函数和自定义评估函数.mp492.30M
| | ├──18-Week3【任务4】tensorboard小试牛刀.mp493.51M
| | ├──19-Week4【任务1】tf.data简介.mp456.74M
| | ├──20-Week4【任务2】tf.data简介.mp4114.63M
| | ├──21-Week4【任务3】tfrecord详解.mp471.49M
| | ├──23-Week5【任务1】cnn介绍.mp488.61M
| | ├──24-Week5【任务2】实战项目上.mp456.51M
| | ├──25-Week5【任务3】实战项目下.mp4148.77M
| | ├──26-Week6 【任务1】循环神经网络讲解.mp497.48M
| | ├──27-Week6【任务2】word2vec简介.mp446.86M
| | ├──28-Week6【任务3】实战四.mp4124.30M
| | ├──29-Week7【任务1】ransformer简介.mp4107.00M
| | ├──30-Week7【任务2】实战5.mp4325.10M
| | ├──31-Week8【任务1】GPU分布式训练.mp465.81M
| | ├──32-Week 8【任务2】TPU训练.mp484.47M
| | ├──33-Week 9【任务1】TF.hub使用.mp452.01M
| | ├──34-Week 9【任务2】BERT实战.mp4125.01M
| | └──35-Week9【任务3】模型部署.mp478.17M
| ├──09-深度学习PyTorch框架班
| | ├──05-【必看】深入浅出PyTorch.mp470.96M
| | ├──06-【第一周】PyTorch简介与安装.mp446.31M
| | ├──07-【第一周】补充-pytorch开发环境安装.mp4135.13M
| | ├──08-【第一周】张量简介与创建.mp448.04M
| | ├──09-【第一周】张量操作与线性回归.mp457.10M
| | ├──10-【第一周】计算图与动态图机制.mp434.56M
| | ├──11-【第一周】autograd与逻辑回归.mp455.17M
| | ├──12-【第一周】作业讲解1.mp425.56M
| | ├──13-【第一周】作业讲解2.mp423.26M
| | ├──14-【第一周】作业讲解3.mp422.48M
| | ├──15-【第二周】数据读取机制Dataloader与Dataset.mp450.29M
| | ├──16-【第二周】数据预处理transforms模块机制.mp447.73M
| | ├──17-【第二周】二十二种transforms数据预处理方法.mp491.65M
| | ├──18-【第二周】学会自定义transforms方法.mp498.26M
| | ├──19-【第二周】作业讲解.mp482.19M
| | ├──20-【第三周】模型创建步骤与nn.Module.mp451.86M
| | ├──21-【第三周】模型容器与AlexNet构建.mp455.33M
| | ├──22-【第三周】nn网络层-卷积层.mp457.09M
| | ├──23-【第三周】nn网络层-池化-线性-激活函数层.mp454.22M
| | ├──24-【第三周】作业讲解.mp453.23M
| | ├──25-【第四周】权值初始化.mp453.52M
| | ├──26-【第四周】损失函数（一）.mp486.59M
| | ├──27-【第四周】损失函数(二).mp488.01M
| | ├──28-【第四周】优化器optimizer的概念.mp457.21M
| | ├──29-【第四周】torch.optim.SGD.mp466.70M
| | ├──30-【第四周】作业讲解.mp427.85M
| | ├──31-【第五周】学习率调整策略.mp473.92M
| | ├──32-【第五周】TensorBoard简介与安装.mp437.68M
| | ├──33-【第五周】TensorBoard使用（一）.mp460.16M
| | ├──34-【第五周】TensorBoard使用（二）.mp496.24M
| | ├──35-【第五周】hook函数与CAM可视化.mp472.36M
| | ├──36-【第五周】作业讲解.mp437.44M
| | ├──37-【第六周】正则化之weight_decay.mp452.74M
| | ├──38-【第六周】正则化之Dropout.mp453.35M
| | ├──39-【第六周】Batch Normalization.mp473.00M
| | ├──40-【第六周】Normalizaiton_layers.mp452.75M
| | ├──41-【第六周】作业讲解.mp432.65M
| | ├──42-【第七周】模型保存与加载.mp439.07M
| | ├──43-【第七周】模型finetune.mp456.40M
| | ├──44-【第七周】GPU的使用.mp461.77M
| | ├──45-【第七周】PyTorch常见报错.mp450.94M
| | ├──46-【第七周】作业讲解.mp419.18M
| | ├──47-【第八周】图像分类一瞥.mp475.63M
| | ├──48-【第八周】图像分割一瞥.mp497.51M
| | ├──49-【第八周】图像目标检测一瞥（上）.mp467.71M
| | ├──50-【第八周】图像目标检测一瞥（下）.mp4120.59M
| | ├──51-【第九周】生成对抗网络一瞥.mp482.38M
| | └──52-【第九周】循环神经网络一瞥.mp454.93M
| ├──10-《深度学习》花书训练营
| | ├──05-第一周【任务1】矩阵对角化以及SVD分解.mp491.28M
| | ├──06-第一周【任务1】逆矩阵-最小二乘及PCA原理推导.mp454.89M
| | ├──07-第一周【任务2】：极大似然估计.mp428.59M
| | ├──08-第一周【任务2】：无约束最优化.mp474.01M
| | ├──09-第一周【任务2】：有约束最优化.mp441.10M
| | ├──10-【第一周作业讲解】为什么要用最小二乘.mp44.24M
| | ├──11-【第一周作业讲解】矩阵的分解及其应用.mp46.37M
| | ├──12-【第一周作业讲解】极大似然估计以及优化理论.mp411.26M
| | ├──13-【第一周作业讲解】熟悉svd分解算法的流程.mp411.00M
| | ├──14-第二周【任务1】：机器学习算法基本概念.mp447.82M
| | ├──15-第二周【任务1】：过拟合欠拟合超参数验证集.mp444.98M
| | ├──16-第二周【任务2】：估计-偏差和方差.mp422.33M
| | ├──17-第二周【任务2】：贝叶斯估计.mp423.38M
| | ├──18-第二周【任务2】：逻辑回归.mp461.92M
| | ├──19-第二周作业讲解.mp414.74M
| | ├──20-第三周【任务1】学习支持向量机LDA.mp469.89M
| | ├──21-第三周【任务1】其他监督学习算法SVM.mp4100.44M
| | ├──22-第三周【任务2】决策树-kmeans算法.mp460.07M
| | ├──23-第三周作业讲解.mp414.79M
| | ├──24-第四周【任务1】：前馈神经网络结构表达能力.mp472.05M
| | ├──25-第四周【任务1】：激活函数损失函数.mp490.22M
| | ├──26-第四周【任务2】前馈神经网络技巧.mp451.37M
| | ├──27-第四周【任务2】前向后向算法.mp472.55M
| | ├──28-第四周作业讲解.mp410.16M
| | ├──29-第五周【任务1】范数惩罚正则化.mp470.77M
| | ├──30-第五周【任务1】：数据增强bagging&dropout.mp4107.92M
| | ├──31-第五周【任务2】深度模型中的优化.mp4183.38M
| | ├──32-第五周作业讲解.mp47.66M
| | ├──33-第六周【任务1】cnn前向后向.mp484.28M
| | ├──34-第六周【任务1】局部感知权值共享.mp495.90M
| | ├──35-第六周【任务2】lenet&alexnet.mp4104.84M
| | ├──36-第六周【任务2】vggnet googlenet.mp4109.77M
| | ├──37-第六周【任务3】CNN应用——RCNN目标检测.mp495.09M
| | ├──38-第六周【任务3】CNN应用——Bounding_box regression.mp461.68M
| | ├──39-第六周【任务3】CNN应用——FastRCNN.mp496.62M
| | ├──40-第六周【任务3】CNN应用——CNN人脸特征点定位.mp433.95M
| | ├──41-第六周作业讲解.mp46.88M
| | ├──42-【论文精读（选修）】mobilenet-01-背景介绍.mp438.10M
| | ├──43-【论文精读（选修）】mobilenet-02-论文结构&摘要精读.mp464.46M
| | ├──44-【论文精读（选修）】mobilenet-03-主体架构&深度可分离卷积.mp467.41M
| | ├──45-【论文精读（选修）】mobilenet-04-超参数.mp444.36M
| | ├──46-【论文精读（选修）】mobilenet-05-后续创新及改进.mp447.73M
| | ├──47-【论文精读（选修）】mobilenet-06-代码结构.mp435.81M
| | ├──48-【论文精读（选修）】mobilenet-07-模型设计.mp420.76M
| | ├──49-【论文精读（选修）】mobilenet-08-模型评估.mp441.20M
| | ├──50-第七周【任务1】RNN概念&前向传播.mp484.01M
| | ├──51-第七周【任务1】RNN反向传播与并行计算.mp462.53M
| | ├──52-第七周【任务2】lstm.mp471.97M
| | ├──53-第七周【任务2】gru.mp445.45M
| | ├──54-第七周【任务3】plstm&lstm在ocr的应用.mp4112.54M
| | ├──55-第七周作业讲解.mp47.28M
| | ├──56-第八周【任务1】推理加速.mp4101.71M
| | ├──57-第八周【任务1】训练加速.mp448.50M
| | ├──58-第八周【任务2】自适应技术.mp437.80M
| | └──59-第8周作业讲解.mp436.98M
| ├──11-李飞飞斯坦福CS231n计算机视觉课
| | ├──05-计算机视觉发展历史及一些计算机视觉任务概念[瑞客it论坛 www.itxue8.com].mp410.86M
| | ├──08-knn与线性分类器知识点提点[瑞客it论坛 www.itxue8.com].mp418.91M
| | ├──10-学习内容总结+观看作业解答视频[瑞客it论坛 www.itxue8.com].mp458.04M
| | ├──11-损失函数和优化导读[瑞客it论坛 www.itxue8.com].mp410.05M
| | ├──12-svm多分类损失函数与softmax[瑞客it论坛 www.itxue8.com].mp430.49M
| | ├──15-学习反向传播[瑞客it论坛 www.itxue8.com].mp47.68M
| | ├──16-作业讲解视频[瑞客it论坛 www.itxue8.com].mp467.97M
| | ├──17-作业讲解视频[瑞客it论坛 www.itxue8.com].mp490.36M
| | ├──19-学习卷积神经网络历史[瑞客it论坛 www.itxue8.com].mp47.29M
| | ├──20-学习卷积和池化[瑞客it论坛 www.itxue8.com].mp427.72M
| | ├──21-学习激活函数-数据处理-权重初始化[瑞客it论坛 www.itxue8.com].mp411.39M
| | ├──22-作业讲解视频[瑞客it论坛 www.itxue8.com].mp438.63M
| | ├──25-学习优化策略[瑞客it论坛 www.itxue8.com].mp416.75M
| | ├──27-作业讲解视频[瑞客it论坛 www.itxue8.com].mp442.86M
| | ├──30-学习比较流行的cnn网络结构[瑞客it论坛 www.itxue8.com].mp415.86M
| | ├──31-学习rnn，lstm，gru[瑞客it论坛 www.itxue8.com].mp48.69M
| | ├──33-学习图像分割学习任务，分类和定位[瑞客it论坛 www.itxue8.com].mp422.89M
| | ├──35-学习特征可视化方法[瑞客it论坛 www.itxue8.com].mp411.29M
| | ├──37-学习Pixel RNN，Pixel CNN与变分自编码[瑞客it论坛 www.itxue8.com].mp417.95M
| | ├──45-【kaggle猫狗分类比赛】比赛简介[瑞客it论坛 www.itxue8.com].mp45.94M
| | └──46-【学习kaggle猫狗分类比赛】详细操作[瑞客it论坛 www.itxue8.com].mp424.74M
| ├──12-斯坦福CS224n自然语言处理课训练营
| | ├──05-学习CS224n第一课和课程导学.mp455.45M
| | ├──06-【作业讲解】：assignment1讲解.mp478.67M
| | ├──07-打达观杯NLP比赛（报名指导和入门指导）.mp421.96M
| | ├──08-学习CS224n第二课和重难点讲解视频.mp457.65M
| | ├──09-学习CS224n第三课和课程导学.mp465.74M
| | ├──10-python numpy pytorch学习及编程作业解析.mp436.88M
| | ├──11-学习CS224n第四课和课程导学.mp473.98M
| | ├──12-观看看作业解答视频.mp452.68M
| | ├──13-学习CS224n Lecture 05及导学.mp438.53M
| | ├──15-Assignment 3作业讲解.mp469.37M
| | ├──16-学习CS224n Lecture 06及导学.mp467.11M
| | ├──18-观看作业解答视频.mp456.36M
| | ├──19-观看作业解答视频2.mp4120.59M
| | ├──20-观看作业解答视频3.mp462.14M
| | ├──21-神经机器翻译及attention.mp485.01M
| | ├──23-Neural Machine Translation with RNN.mp448.47M
| | ├──24-基于卷积神经网络的nlp.mp476.06M
| | ├──26-观看作业解答视频.mp482.42M
| | ├──27-观看A5作业讲解视频2.mp473.73M
| | ├──28-transformers and BERT.mp492.87M
| | ├──29-Lecture 14.mp464.06M
| | ├──30-Natural Language Generation.mp486.54M
| | ├──33-Lecture 18.mp4165.36M
| | ├──35-Future of NLP + Deep Learning.mp469.81M
| | ├──36-kaggle文本分类比赛-比赛介绍.mp422.10M
| | ├──37-kaggle文本分类比赛-数据分析.mp410.40M
| | ├──38-kaggle文本分类比赛-baseline模型(1).mp428.76M
| | ├──39-kaggle文本分类比赛-baseline模型(2).mp430.03M
| | └──40-kaggle文本分类比赛-提交数据+提分策略.mp417.83M
| ├──13-人工智能项目实战班
| | ├──05-【试听CV项目】1.1-背景介绍.mp439.19M
| | ├──06-【试听CV项目】1.2.1-图像初步-可视化.mp440.97M
| | ├──07-【试听】算法工作分享——1面试准备.mp492.99M
| | ├──08-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅰ课程导读.mp413.64M
| | ├──09-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅱ知识图谱的概念与应用.mp415.58M
| | ├──10-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅲ信息抽取构建知识图谱实例.mp411.01M
| | ├──11-【NLP项目一人工智能辅助信息抽取】第三周第二节-正则表达式与AC自动机算法讲解与应用.mp437.11M
| | ├──12-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅰ中文自然语言处理基础.mp418.50M
| | ├──13-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅱ命名实体识别详解.mp427.84M
| | ├──14-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅲ隐马尔可夫模型与维特比算法.mp452.23M
| | ├──15-【NLP项目一人工智能辅助信息抽取】第三周第四节：条件随机场.mp461.10M
| | ├──16-【NLP项目一人工智能辅助信息抽取】第四周-2.1深度学习NLP问题.mp49.01M
| | ├──17-【NLP项目一人工智能辅助信息抽取】第四周-2.2文本表示.mp471.13M
| | ├──18-【NLP项目一人工智能辅助信息抽取】第四周-2.3文本特征抽取.mp480.90M
| | ├──19-【NLP项目一人工智能辅助信息抽取】第四周-2.4常见NLP任务模型结构.mp415.51M
| | ├──20-【NLP项目一人工智能辅助信息抽取】第四周-2.5 bilstm-crf模型介绍.mp436.85M
| | ├──21-【NLP项目一人工智能辅助信息抽取】第四周-2.6 bilstm-crf实战.mp4134.95M
| | ├──22-【NLP项目一人工智能辅助信息抽取】第四周-2.7 关系抽取介绍.mp425.88M
| | ├──23-【NLP项目一人工智能辅助信息抽取】第四周-2.8 PCNN介绍.mp428.71M
| | ├──24-【NLP项目一人工智能辅助信息抽取】第四周-2.9 PCNN实战.mp488.56M
| | ├──25-【NLP项目一人工智能辅助信息抽取】3.1 图像预训练模型.mp422.73M
| | ├──26-【NLP项目一人工智能辅助信息抽取】3.2 NLP预训练模型.mp453.76M
| | ├──27-【NLP项目一人工智能辅助信息抽取】3.3 信息抽取深度学习综述.mp451.94M
| | ├──28-【NLP项目一人工智能辅助信息抽取】3.4 BERT NER实战.mp4110.69M
| | ├──29-【NLP项目一人工智能辅助信息抽取】3.5 总结与展望.mp442.16M
| | ├──30-【CV项目一图像分割深度学习实战】第一周-1.1-背景介绍.mp439.19M
| | ├──31-【CV项目一图像分割深度学习实战】第一周1.2.1-图像初步-可视化.mp440.97M
| | ├──32-【CV项目一图像分割深度学习实战】第一周1.2.2-图像初步-图像运算.mp430.80M
| | ├──33-【CV项目一图像分割深度学习实战】第一周1.3-训练数据准备.mp442.68M
| | ├──34-【CV项目一图像分割深度学习实战】第一周-1.4-1-深度学习代码框架.mp446.33M
| | ├──35-【CV项目一图像分割深度学习实战】第一周-1.4-2-pytorch基础知识.mp4183.39M
| | ├──36-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-A.mp453.19M
| | ├──37-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-B.mp467.19M
| | ├──38-【CV项目一图像分割深度学习实战】第二周2.2-调参基础篇.mp426.97M
| | ├──39-【CV项目一图像分割深度学习实战】第二周2.3-选择损失函数.mp411.94M
| | ├──41-【CV项目一图像分割深度学习实战】第二周-2.5-调参-总结.mp413.95M
| | ├──42-【CV项目一图像分割深度学习实战】第二周2.6-U-Net理论课.mp4217.50M
| | ├──43-【CV项目一图像分割深度学习实战】第二周2.7-DeepLabv3+理论课.mp4120.79M
| | ├──49-【CV项目一图像分割深度学习实战】第三周-3.3-梯度累积法.mp421.78M
| | ├──50-【CV项目一图像分割深度学习实战】第三周-3.4-选择模型权重.mp424.17M
| | ├──51-【CV项目一图像分割深度学习实战】第三周-U-Net理论课进阶-迁移学习.mp4115.93M
| | ├──53-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-a.mp421.53M
| | ├──54-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-b.mp441.78M
| | ├──58-【CV项目一图像分割深度学习实战】第四周-4.3-bad.mp413.07M
| | ├──59-【CV项目一图像分割深度学习实战】第四周-算法工作分享——1面试准备.mp492.99M
| | ├──60-【CV项目一图像分割深度学习实战】第四周-算法工作分享——2工作日常.mp494.10M
| | ├──61-【CV项目一图像分割深度学习实战】第四周-算法工作分享——3职业前景.mp445.86M
| | ├──62-【推荐系统项目一电影推荐项目】1.1：推荐系统简介.mp455.92M
| | ├──63-【推荐系统项目一电影推荐项目】1.2： 简单的电影推荐.mp466.49M
| | ├──64-【推荐系统项目一电影推荐项目】1.3： IMDB评分.mp447.38M
| | ├──65-【推荐系统项目一电影推荐项目】1.4：基于内容推荐.mp4115.67M
| | ├──66-【推荐系统项目一电影推荐项目】1.5：协同过滤算法.mp482.96M
| | ├──67-【推荐系统项目】2.1criteo ctr.mp489.88M
| | ├──68-【推荐系统项目】2.2FM&FFM.mp482.62M
| | ├──69-【推荐系统项目】2.3Wide&Deep.mp471.63M
| | ├──70-【推荐系统项目】2.4DeepFM.mp474.73M
| | ├──71-【医疗知识图谱构建及图表征学习实践项目】课时0：项目先导课.mp430.67M
| | ├──72-【医疗知识图谱构建及图表征学习实践项目】课时1：数据获取—爬虫.mp419.80M
| | ├──73-【医疗知识图谱构建及图表征学习实践项目】课时2：数据处理.mp429.36M
| | ├──74-【医疗知识图谱构建及图表征学习实践项目】课时3：BiLSTM+CRF.mp433.33M
| | ├──75-【医疗知识图谱构建及图表征学习实践项目】课时4：NLP前沿技术讲解.mp466.12M
| | ├──76-【医疗知识图谱构建及图表征学习实践项目】课时5：Neo4j.mp433.49M
| | ├──77-【医疗知识图谱构建及图表征学习实践项目】课时6：图表征学习.mp440.12M
| | ├──78-【医疗知识图谱构建及图表征学习实践项目】课时7：图表征算法代码学习.mp434.56M
| | ├──79-【医疗知识图谱构建及图表征学习实践项目】课时8：项目总结.mp416.01M
| | ├──80-【医疗知识图谱构建及图表征学习实践项目】补充内容：额外的LSTM.mp413.74M
| | └──81-【医疗知识图谱构建及图表征学习实践项目】补充内容：额外的python编码.mp418.61M
| ├──14-04 神经网络基础知识
| | ├──02-01-神经网络基础与多层感知机-0.mp450.27M
| | ├──03-01-神经网络基础与多层感知机-1.mp439.18M
| | ├──04-01-神经网络基础与多层感知机-2.mp458.01M
| | ├──05-01-神经网络基础与多层感知机-3.mp436.52M
| | ├──06-01-神经网络基础与多层感知机-4.mp472.88M
| | ├──07-02-卷积神经网络-0.mp456.52M
| | ├──08-02-卷积神经网络-1.mp488.02M
| | ├──09-02-卷积神经网络-2.mp445.81M
| | ├──10-03-循环神经网络-0.mp441.30M
| | ├──11-03-循环神经网络-1.mp477.05M
| | └──12-03-循环神经网络-2.mp453.78M
| ├──15-06 OpenCV 图像基础
| | ├──02-1-1图像基础知识.mp425.87M
| | ├──03-1-2图像基础知识.mp430.36M
| | ├──04-1-3图像基础知识.mp450.56M
| | ├──05-1-4图像基础知识.mp440.81M
| | ├──06-2-1图像基本处理.mp454.16M
| | ├──07-2_2图像基本处理.mp424.47M
| | ├──08-2_3图像基本处理.mp444.18M
| | ├──09-2_4图像基本处理.mp452.09M
| | ├──10-2_5图像基本操作_图像滤波.mp458.94M
| | ├──11-2_6图像基本操作_图像增强.mp440.22M
| | ├──12-2-7形态学操作_腐蚀..mp443.71M
| | ├──13-2_8形态学操作_膨胀开运算与闭运算.mp461.29M
| | ├──14-3_1固定阈值分割.mp441.30M
| | ├──15-3_2自动阈值分割.mp451.64M
| | ├──16-3_3边缘检测算子.mp464.32M
| | ├──17-3_4连通区域_区域生长算法.mp448.26M
| | ├──18-3_5分水岭算法图像分割.mp442.80M
| | ├──19-4_1特征描述_HOG.mp447.18M
| | ├──20-4_2特征描述Harris和SIFT算法.mp438.34M
| | ├──21-4_3纹理特征LBP算法.mp446.89M
| | ├──22-4_4模板匹配算法.mp436.39M
| | ├──23-4_5人脸检测算法.mp458.78M
| | ├──24-5_1摄像头调用和视频的读取保存.mp452.42M
| | ├──25-5_2帧差法视频目标识别.mp443.94M
| | └──26-5_3光流法和背景减除法..mp450.62M
| ├──16-【论文】baseline基础篇目——NLP
| | ├──02-1.1joint-bert.mp472.20M
| | ├──03-1.2 joint-bert.mp420.53M
| | ├──04-1.3 joint-bert.mp410.51M
| | ├──05-1.4joint-bert.mp4163.58M
| | ├──06-1.5 joint-bert.mp420.31M
| | ├──07-1.6 joint-bert.mp42.42M
| | ├──08-1.7 joint-bert.mp459.41M
| | ├──09-1.8joint-bert-代码.mp441.67M
| | ├──10-1.9 joint-bert-代码.mp4171.59M
| | ├──11-01 cnn_for-re-01（新版）.mp444.68M
| | ├──12-01 cnn_for-re-02（新版）.mp462.23M
| | ├──13-01 cnn_for-re-03（新版）.mp473.00M
| | ├──14-01 cnn_for-re-04（新版）.mp477.66M
| | ├──15-01 cnn_for-re-05（新版）.mp460.89M
| | ├──16-01 code_cnn_for_re-06（新版）.mp489.23M
| | ├──17-01 code_cnn_for_re-07（新版）.mp484.48M
| | ├──18-01 code_cnn_for_re-08（新版）.mp498.82M
| | ├──19-01 code_cnn_for_re-09（新版）.mp4109.69M
| | ├──20-01 code_cnn_for_re-10（新版）.mp469.05M
| | ├──21-03elmo-01-elmo的下游任务介绍..mp447.00M
| | ├──22-03elmo-02-feature_based和fine_tuning.mp444.11M
| | ├──23-03elmo-03-word2vec和charcnn回顾.mp435.84M
| | ├──24-03elmo-04-Bidirectional_language_models.mp446.09M
| | ├──25-03elmo-05-how to use emol..mp439.38M
| | ├──26-03elmo-06-论文回顾..mp4117.24M
| | ├──27-03elmo-07-代码预处理部分.mp4242.87M
| | ├──28-03elmo-08-代码模型结构部分.mp4218.74M
| | ├──29-03elmo-09-代码crf流程..mp4163.52M
| | ├──30-03elmo-10-代码crf实现..mp4233.32M
| | ├──31-01nodevec-01-研究背景.mp4.mp470.40M
| | ├──32-01nodevec-02-研究成果.mp4.mp4177.29M
| | ├──33-01nodevec-03-图的应用.mp4.mp498.82M
| | ├──34-01nodevec-04-模型结构&BFS&DFS.mp4.mp4401.92M
| | ├──35-01nodevec-05-模型算法&alias算法.mp4.mp4593.86M
| | ├──36-01nodevec-06-实验分析.mp4.mp4515.00M
| | ├──37-01nodevec-07-论文总结.mp4.mp4255.50M
| | ├──38-01nodevec-08-代码整体介绍.mp4414.96M
| | ├──39-01nodevec-09-代码节点和边的alias实现.mp4.mp4457.58M
| | ├──40-01nodevec-10-代码有偏随机游走和模型训练.mp4.mp4183.10M
| | ├──41-01nodevec-11-代码结果展示和总结.mp4.mp485.83M
| | ├──42-01transformer-01-论文背景&研究成果.mp4134.08M
| | ├──43-01transformer-02-attention回顾.mp4126.21M
| | ├──44-01transformer-03-模型框架和self_attention.mp4114.95M
| | ├──45-01transformer-04-模型小trick..mp4240.65M
| | ├──46-01transformer-05-代码框架部分和encoder.mp4423.84M
| | ├──47-01transformer-06-代码decoder和self_attention.mp4433.47M
| | ├──48-01transformer-07-代码训练部分和预测部分.mp4537.31M
| | ├──49-1.1 word2vec1-1背景知识.mp4200.15M
| | ├──50-1.2 word2vec1-2论文泛读.mp4163.96M
| | ├──51-1.3 word2vec2-1对比模型.mp4160.79M
| | ├──52-1.4 word2vec2-2原理.mp489.22M
| | ├──53-1.5 word2vec2-3word2vec关键技术.mp4123.18M
| | ├──54-1.6 word2vec2-4模型复杂度.mp457.38M
| | ├──55-1.7 word2vec2-5实验结果.mp4164.15M
| | ├──56-1.8 word2vec3-1代码部分上.mp4240.51M
| | ├──57-1.9 word2vec3-2代码部分下.mp4264.11M
| | ├──58-1.1- BiLSTM-CRF-论文研究背景.mp4129.95M
| | ├──59-1.2- BiLSTM-CRF-论文算法总览.mp492.20M
| | ├──60-1.3-BiLSTM-CRF模型结构.mp473.23M
| | ├──61-1.4-BiLSTM-CRF损失函数与维特比解码.mp456.29M
| | ├──62-1.5- BiLSTM-CRF-实验结果与论文总结.mp435.22M
| | ├──63-1.6- BiLSTM-CRF代码讲解.mp4180.90M
| | ├──64-1.7- BiLSTM-CRF-NCR-Fpp代码详解.mp4155.81M
| | ├──65-01DSSM-00专题引言.mp434.45M
| | ├──66-01DSSM-01-学习目标..mp49.80M
| | ├──67-01DSSM-02-论文背景-贡献及意义.mp421.73M
| | ├──68-01DSSM-03摘要精读-总结.mp415.85M
| | ├──69-01DSSM-04-上节回顾.mp412.39M
| | ├──70-01DSSM-05-词哈希.mp427.39M
| | ├──71-01DSSM-06-DSSM整体结构.mp413.01M
| | ├──72-01DSSM-07-优化函数-实验与总结.mp420.27M
| | ├──73-01DSSM-08-代码总览.mp422.27M
| | ├──74-01DSSM-09-词哈希表的建立与数据载入.mp447.05M
| | └──75-01DSSM-10-模型的搭建与训练-测试.mp436.95M
| ├──17-【论文】baseline基础篇目——CV
| | ├──02-1.1 CRNN-泛读-背景论文.mp4239.74M
| | ├──03-1.2 CRNN-泛读-研究成果及意义.mp479.27M
| | ├──04-1.3 CRNN-泛读-LSTM-CTC-Beam Search-论文泛读.mp4134.24M
| | ├──05-1.4 CRNN-精读-原有模型.mp437.97M
| | ├──07-1.6 CRNN-精读-论文细节二三四.mp498.25M
| | ├──08-1.7 CRNN-精读-实验结果及总结.mp440.13M
| | ├──09-1.8 CRNN-code1.mp471.62M
| | ├──10-1.9 CRNN-code2.mp475.49M
| | ├──11-1.10 CRNN-code3.mp476.27M
| | ├──12-1.11 CRNN-code4.mp426.15M
| | ├──13-1.12 CRNN-code5.mp429.05M
| | ├──14-YOLO-01-发展历史和YOLO v1.mp479.22M
| | ├──15-YOLO-02-YOLO v2.mp4.mp4112.09M
| | ├──16-YOLO-03-YOLO v3_2.mp4.mp4117.62M
| | ├──17-YOLO-04-代码复现.mp445.47M
| | ├──18-YOLO-05-数据预处理和网络结构代码讲解.mp4.mp4290.84M
| | ├──19-YOLO-06-训练和检测代码讲解.mp445.15M
| | ├──20-03{white}Faster{white}R-CNN-01-论文泛读_RCNN演变.mp4197.17M
| | ├──21-03 Faster R-CNN-02-论文泛读_摘要和网络结构.mp4291.86M
| | ├──22-03 Faster R-CNN-03-精读_结构总览.mp4.mp4189.81M
| | ├──23-03 Faster R-CNN-04-精读Paper_背景介绍.mp4.mp4215.97M
| | ├──24-03 Faster R-CNN-05-精读Paper_RPN与rpn_loss.mp4.mp4535.99M
| | ├──25-03 Faster R-CNN-06-精读Paper_RPN训练.mp4.mp4317.93M
| | ├──26-03 Faster R-CNN-07-精读Paper_实验和结论.MP4.mp4459.85M
| | ├──27-03Faster R-CNN-08-精读PPT_Anchor和RPN.mp4.mp4231.19M
| | ├──28-03Faster R-CNN-09-精读PPT_网络细节.mp4102.33M
| | ├──29-03 Faster R-CNN-10-代码讲解_训练VOC数据集.mp4211.14M
| | ├──30-03 Faster R-CNN-11-代码讲解_backbone网络讲解.mp4378.81M
| | ├──31-03Faster R-CNN-12-代码讲解_RPN.mp447.96M
| | ├──32-03 Faster R-CNN-13-代码讲解_数据和标签的同步处理(Dataset类).mp4287.45M
| | ├──33-03 Faster R-CNN-14代码讲解_建议框的生成(Proposal layer).mp4154.31M
| | ├──34-03 Faster R-CNN-15-代码讲解_Anchor box的生成和正负样本的划分.mp4380.29M
| | ├──35-01GAN-01-论文摘要.mp4147.71M
| | ├──36-01GAN-02-论文背景.mp459.74M
| | ├──37-01GAN-03-论文泛读.mp4198.37M
| | ├──38-01GAN-04-价值函数.mp486.38M
| | ├──39-01GAN-05-训练流程&理论证明1.mp475.72M
| | ├──40-01GAN-06-理论证明2&实验结果&总结展望.mp4115.88M
| | ├──41-01GAN-07-代码分析综述.mp4131.77M
| | ├──42-01GAN-08-代码分析精讲.mp4194.73M
| | ├──43-01mobileNet-01-背景介绍.mp451.82M
| | ├──44-01mobileNet-02-论文结构&摘要精读.mp4143.80M
| | ├──45-01mobileNet-03-主体架构&深度可分离卷积.mp4187.30M
| | ├──46-01MobileNet-04-超参数.mp4128.33M
| | ├──47-01mobileNet-05-后续创新及改进.mp4119.38M
| | ├──49-01MobileNets-07-模型设计.mp488.27M
| | ├──50-01MobileNets-08-模型评估.mp4150.81M
| | ├──51-01FCN-01-语意分割简介.mp460.32M
| | ├──52-01FCN-02常用数据集-指标-研究成果..mp466.09M
| | ├──53-01FCN-03-论文摘要精读..mp4202.53M
| | ├──54-01FCN-04-论文引言-全局信息及部分信息.mp4114.78M
| | ├──55-01FCN-05-感受域&平移不变性.mp4112.51M
| | ├──56-01FCN-06-经典算法&本文算法-上采样.mp457.42M
| | ├──57-01FCN-07-算法架构..mp4103.19M
| | ├──58-01FCN-08-训练技巧&实验结果及分析..mp4119.27M
| | ├──59-01FCN-09-讨论&总结.mp428.19M
| | ├──60-01FCN-10-代码实现.mp463.70M
| | ├──61-01FCN-11-数据预处理..mp4138.36M
| | ├──62-01FCN-12-模型搭建.mp4155.84M
| | ├──63-01FCN-13-训练-验证&预测函数搭建..mp4104.17M
| | ├──64-01FCN-14-损失函数.mp495.08M
| | ├──65-01FCN-15-指标计算.mp4130.86M
| | ├──66-01AlexNet-01-研究背景.mp4155.77M
| | ├──67-01AlexNet-02- 研究成果意义.mp424.05M
| | ├──68-01AlexNet-03-论文结构.mp481.13M
| | ├──69-01AlexNet-04-结构.mp471.65M
| | ├──70-01AlexNet-05网络结构特点.mp4226.10M
| | ├──71-01AlexNet-06-训练技巧.mp478.92M
| | ├──72-01AlexNet-07实验结果及分析.mp495.69M
| | ├──73-01AlexNet-08-论文总结.mp452.16M
| | ├──74-01AlexNet-09-准备工作&代码结构.mp493.60M
| | ├──75-01AlexNet-10-代码结构.mp4196.09M
| | ├──76-01AlexNet-11-代码结构.mp483.08M
| | ├──77-01AlexNet-12- 代码结构4&训练方法.mp4421.73M
| | ├──78-1.1 特征脸识别-人脸识别背景介绍.mp4109.04M
| | ├──79-1.2 特征脸识别-论文研究背景成果以及意义.mp478.72M
| | ├──80-1.3 特征脸识别-论文泛读摘要部分.mp4131.86M
| | ├──81-1.4 特征脸识别-论文泛读介绍部分.mp481.39M
| | ├──82-1.5 特征脸识别-论文泛读相关工作部分.mp4100.49M
| | ├──83-1.6 特征脸识别-论文精读PCA补充.mp4133.72M
| | ├──84-1.7 特征脸识别-论文精读特征脸计算上.mp4245.61M
| | ├──85-1.8 特征脸识别-论文精读特征脸计算中.mp4162.81M
| | ├──86-1.9 特征脸识别-论文精读特征脸计算下.mp4267.53M
| | ├──87-1.10 特征脸识别-代码讲解pca计算.mp4118.07M
| | ├──88-1.11 特征脸识别-代码讲解特征提取以及人脸重构.mp478.57M
| | ├──89-1.12 特征脸识别-代码讲解人脸分类之最短距离方法.mp477.75M
| | ├──90-1.13 特征脸识别-代码讲解人脸分类之SVM方法.mp468.57M
| | ├──91-1.14 特征脸识别-代码讲解人脸分类之神经网络方法.mp4153.78M
| | └──92-1.15 特征脸识别-论文总结.mp428.74M
| ├──18-【NLP经典大赛】数据科学： 疫情期间网民情绪识别赛
| | ├──01-打造舒适的AI开发环境.mp4100.84M
| | ├──02-【01课】赛题详解.mp4156.41M
| | ├──03-【02课】比赛专题讲解.mp4125.32M
| | ├──04-【03课】模型调参和文本增强比赛专题讲解.mp4121.68M
| | ├──05-【04课】比赛思路进阶专题讲解.mp499.24M
| | └──06-【05课】比赛思路全复盘（纯干货）.mp4126.57M
| ├──19-面试刷题班
| | ├──04-开营仪式—老师部分.mp481.28M
| | ├──05-【了解机器学习中的特征工程和模型评估】P1快速排序.mp435.42M
| | ├──06-【了解机器学习中的特征工程和模型评估】P2堆排序.mp434.87M
| | ├──07-【了解机器学习中的特征工程和模型评估】P3滑动窗口.mp425.24M
| | ├──08-【了解机器学习中的特征工程和模型评估】P4双指针.mp427.90M
| | ├──09-【了解监督学习中的经典算法】P1逻辑回归.mp432.73M
| | ├──10-【了解监督学习中的经典算法】P2决策树.mp441.34M
| | ├──12-【学习支持向量机】P1几个重要的概念.mp422.15M
| | ├──13-【学习支持向量机】P2svm最优化问题.mp439.20M
| | ├──14-【学习支持向量机】P3硬间隔SVM最优化问题的推导.mp496.87M
| | ├──15-【学习支持向量机】P4线性可分SVM.mp466.00M
| | ├──16-【学习支持向量机】P5核函数.mp477.82M
| | ├──17-【学习支持向量机】P6smo算法.mp4129.72M
| | ├──18-【数据结构和算法】P1KMP算法.mp476.58M
| | ├──19-【数据结构和算法】P2二分搜索.mp466.96M
| | ├──20-【数据结构和算法】P3哈希表.mp434.23M
| | ├──21-【了解机器学习中如何降维处理】PCA和LDA.mp467.52M
| | ├──23-【了解机器学习中的非监督学习算法】K-means.mp455.13M
| | ├──24-【数据结构和算法】P1虚拟头结点.mp478.52M
| | ├──25-【数据结构和算法】P2链表中环的入口结点.mp478.52M
| | ├──26-【数据结构和算法】P3删除链表中重复的结点.mp438.28M
| | ├──27-【数据结构和算法】P4栈，队列.mp453.21M
| | ├──28-【机器学习中的概率图模型】P1hmm的引出和问题的介绍.mp435.71M
| | ├──29-【机器学习中的概率图模型】P2HMM预测问题之维特比算法.mp4125.42M
| | ├──30-【机器学习中的概率图模型】P3crf的一些基础概念.mp481.50M
| | ├──31-【机器学习中的概率图模型】P4crf具体介绍.mp4101.93M
| | ├──33-【数据结构和算法】P1DFS和BFS.mp438.73M
| | ├──34-【数据结构和算法】P2最短路径.mp435.67M
| | ├──35-【数据结构和算法】P3最小生成树.mp432.40M
| | ├──36-【数据结构和算法】P4二叉树的遍历.mp427.83M
| | ├──37-【数据结构和算法】P4二叉搜索树和平衡二叉树.mp481.70M
| | ├──38-【前向神经网络】P1网络图和激活函数.mp427.04M
| | ├──39-【前向神经网络】P2前向传播.mp449.22M
| | ├──40-【前向神经网络】P3损失函数选用.mp426.01M
| | ├──41-【前向神经网络】P4反向传播1.mp479.04M
| | ├──42-【前向神经网络】P5反向传播2.mp457.35M
| | ├──43-【了解序列数据中常用的循环神经网络】P1RNN.mp422.47M
| | ├──44-【了解序列数据中常用的循环神经网络】P2GRU和LSTM.mp411.63M
| | ├──46-【集成学习的原理和常见的集成学习】P1提升树算法.mp425.66M
| | ├──47-【集成学习的原理和常见的集成学习】P2梯度提升树算法.mp426.23M
| | ├──48-【集成学习的原理和常见的集成学习】P3二分类问题.mp437.45M
| | ├──49-【集成学习的原理和常见的集成学习】P4多分类问题和回归问题.mp411.66M
| | ├──50-【数据结构和算法】01背包问题.mp447.05M
| | ├──51-【数据结构和算法】什么是动态规划(leetcode 70题).mp418.30M
| | ├──52-【数据结构和算法】回溯法(机器人的运动范围).mp466.27M
| | ├──53-【数据结构和算法】什么是递归(斐波那契额数列-跳台阶-变态跳台阶).mp438.55M
| | ├──54-【数据结构和算法】leetcode416（01背包实例）.mp436.41M
| | ├──55-【数据结构和算法】最长公共子序列(leetcode 1143题).mp427.30M
| | ├──56-【数据结构和算法】最长上升子序列(leetcode 300题).mp424.12M
| | ├──57-【xgboost的原理以及常见面试题】P1xgboost的一些预备知识.mp420.54M
| | ├──58-【xgboost的原理以及常见面试题】P2结构分.mp426.77M
| | ├──59-【xgboost的原理以及常见面试题】P3贪心算法寻找分裂点.mp433.79M
| | ├──60-【xgboost的原理以及常见面试题】P4近似算法和加权分桶.mp445.57M
| | ├──61-【xgboost的原理以及常见面试题】P5缺失值处理算法.mp420.02M
| | ├──62-【xgboost的原理以及常见面试题】P6其他优化.mp411.12M
| | ├──64-【了解优化算法的原理】P1深度学习中的优化问题.mp418.96M
| | ├──65-【了解优化算法的原理】P2梯度下降简单的数学原理.mp423.21M
| | ├──66-【了解优化算法的原理】P3随机梯度下降和小批量随机梯度下降.mp410.38M
| | ├──67-【了解优化算法的原理】P4动量法.mp429.39M
| | ├──68-【了解优化算法的原理】P5常见的一些改进的优化算法.mp434.29M
| | ├──69-【了解常见的采样方法-作用-具体实现，以及应用】P1蒙塔卡罗模拟定积分和重要性采样.mp432.67M
| | ├──70-【了解常见的采样方法-作用-具体实现，以及应用】P2.mp422.86M
| | ├──71-【了解常见的采样方法-作用-具体实现，以及应用】P3.mp454.74M
| | ├──72-【了解常见的采样方法-作用-具体实现，以及应用】P4.mp419.63M
| | ├──74-面试刷题班8月5日直播答疑.mp4355.32M
| | ├──76-面试刷题班8月9日直播答疑.mp4357.08M
| | ├──78-面试刷题班8月15日直播答疑.mp4407.94M
| | └──80-面试刷题班8月22日直播答疑.mp4151.49M
| ├──20-05 NLP基础知识
| | ├──02-1-1 前言..mp4181.87M
| | ├──03-1-2 研究方向概述..mp4142.59M
| | ├──04-2-1 预备知识..mp482.84M
| | ├──05-2-2 NLP问题中的特征..mp485.13M
| | ├──06-2-3 特征输入..mp4152.25M
| | ├──07-2-4 文本的向量化表示与案例实现..mp4120.55M
| | ├──08-3-1 统计语言模型简介与案例实现..mp4279.29M
| | ├──09-3-2 语言模型任务评估..mp4106.57M
| | ├──10-3-3 神经语言模型简介与代码实现..mp4340.85M
| | ├──11-3-4 预训练的词表示及其使用实例..mp4143.40M
| | ├──12-4-1 word2vec原理..mp4159.83M
| | ├──13-4-2 word2vec代码复现..mp4409.43M
| | ├──14-4-3 word2vec项目实战展示..mp4213.51M
| | ├──15-4-4 BERT使用实战讲解..mp4247.82M
| | ├──16-4-5 MLP模型与实战..mp4204.34M
| | ├──17-4-6 RNN模型原理-代码复现与实战..mp4339.92M
| | ├──18-5-1 HMM序列标注..mp471.02M
| | ├──19-5-2 HMM模型简介..mp4130.72M
| | ├──20-5-3 HMM样本生成..mp4166.83M
| | ├──21-5-4 HMM训练..mp490.57M
| | ├──22-5-5 HMM预测..mp4127.18M
| | └──23-5-6 HMM代码实现..mp4287.92M
| ├──代码资料汇总
| | └──02代码资料汇总
| └──课件合集PDF版本
| | ├──01机器学习概述
| | ├──02线性回归
| | ├──03逻辑回归
| | ├──04决策树
| | ├──05朴素贝叶斯
| | ├──06支持向量机
| | ├──07聚类
| | ├──08主成分分析
| | └──09集成学习
├──【2024.07】人工智能进阶课程-完结-仅视频（7.54G）
| ├──01_1.距离测量基础.mp4190.87M
| ├──02_2.向量数据库概述.mp4174.43M
| ├──03_3.Annoy算法与线性回归.mp4218.48M
| ├──04_4.逻辑回归与分类问题.mp4213.13M
| ├──05_5.特征选择与正则化.mp4242.98M
| ├──06_6.Dropout与模型集成.mp4181.47M
| ├──07_7.过拟合与欠拟合，树模型.mp4191.00M
| ├──08_8.决策树算法（ID3, C4.5, CART）.mp4192.25M
| ├──09_9.集成学习与GBDT.mp4189.43M
| ├──10_10.GBDT与XGBoost详解.mp4318.04M
| ├──11_11实战项目以图搜图-resnet.mp4191.79M
| ├──12_12以图搜图.mp4169.27M
| ├──13_13.GAN模型的原理和实战.mp4195.68M
| ├──14_14.GAN模型背后的数学原理以及训练技巧[瑞客it网.itxue8.com].mp4221.81M
| ├──15_15.推土机距离和WGan.mp4167.92M
| ├──16_16.AIGC和扩散学习.mp4299.80M
| ├──17_17.NLP系列1：NLP发展脉络和BERT模型[瑞客it站 www.itxue8.com].mp4196.48M
| ├──18_18.NLP系列2：Bert的改良版本和T5模型.mp4139.06M
| ├──19_19.NLP系列3：GPT系列模型.mp4132.18M
| ├──20_20.项目实战：huggingface和文本分类.mp4183.15M
| ├──21_21实战项目：文本纠错和Bart模型.mp4210.74M
| ├──22_22零样本学习和小样本学习[瑞客IT站.itxue8.com].mp4229.59M
| ├──23_23.智能文本摘要和关键词提取.mp4282.52M
| ├──24_24聊天机器人和chatgpt.mp4232.86M
| ├──25_25，目标检测yolo和transformer.mp4358.85M
| ├──26_乳腺癌识别项目1-图像识别的原理.mp4183.60M
| ├──27_乳腺癌识别项目2-图像分类的代码实战[瑞客IT网 www.itxue8.com].mp4142.85M
| ├──28_乳腺癌识别项目3-图像识别新方法之迁移学习.mp4103.19M
| ├──29_乳腺癌识别项目4-乳腺癌识别代码实战.mp4150.02M
| ├──30_大模型训练为什么这么难.mp4117.28M
| ├──31_ChatGPT的技术发展路径和带来的影响.mp4177.64M
| ├──32_推荐系统1：推荐系统概述.mp4168.37M
| ├──33_推荐系统2：召回环节.mp4333.81M
| ├──34_推荐系统3：召回和AB测试[.mp4357.39M
| ├──35_推荐系统4：排序（上）.mp4380.52M
| └──37_推荐系统6：内容分类和打标.mp4282.29M
├──【2024.09】人工智能AI深度学习就业班-完结-含资料（55.45G）
| ├──0-资料密码：MTcrr18oGVEnPXmy
| | └──这是密码，返回从1看视频课
| ├──1-人工智能基础-快速入门
| | ├──1：人工智能就业前景与薪资.mp433.79M
| | ├──2：人工智能适合人群与必备技能.mp421.05M
| | ├──3：人工智能时代.mp416.73M
| | ├──4：人工智能在各领域的应用.mp441.84M
| | ├──5：人工智能常见流程.mp436.39M
| | ├──6：机器学习不同的学习方式.mp431.24M
| | ├──7：深度学习比传统机器学习有优势.mp433.53M
| | ├──8：有监督机器学习任务与本质.mp423.26M
| | └──9：无监督机器学习任务与本质.mp431.15M
| ├──10-机器学习与大数据-Kaggle竞赛实战
| | ├──章节1：药店销量预测案例
| | └──章节2：网页分类案例
| ├──11-机器学习与大数据-海量数据挖掘工具
| | ├──章节1：Spark计算框架基础
| | ├──章节2：Spark计算框架深入
| | └──章节3：Spark机器学习MLlib和ML模块
| ├──12-机器学习与大数据-推荐系统项目实战
| | ├──章节1：推荐系统--流程与架构
| | ├──章节2：推荐系统--数据预处理和模型构建评估实战
| | └──章节3：推荐系统--模型使用和推荐服务
| ├──13-深度学习-原理和进阶
| | ├──章节1：神经网络算法
| | ├──章节2：TensorFlow深度学习工具
| | └──章节3：反向传播推导_Python代码实现神经网络
| ├──14-深度学习-图像识别原理
| | ├──章节1：卷积神经网络原理.zip473.80M
| | ├──章节2：卷积神经网络优化.zip673.57M
| | ├──章节3：经典卷积网络算法.zip839.61M
| | ├──章节4：古典目标检测.zip359.94M
| | └──章节5：现代目标检测之FasterRCNN.zip780.53M
| ├──15-深度学习-图像识别项目实战
| | ├──章节1：车牌识别
| | ├──章节2：自然场景下的目标检测及源码分析
| | └──章节3：图像风格迁移
| ├──16-深度学习-目标检测YOLO(V1-V4全版本)实战
| | ├──章节1：YOLOv1详解
| | ├──章节2：YOLOv2详解
| | ├──章节3：YOLOv3详解
| | ├──章节4：YOLOv3代码实战
| | ├──章节5：YOLOv4详解
| | ├──keras-yolo3-master.rar443.97M
| | └──资料.rar25.37M
| ├──17-深度学习-语义分割原理和实战
| | ├──章节1：上采样_双线性插值_转置卷积
| | ├──章节2：医疗图像UNet语义分割
| | └──章节3：蒙版弹幕MaskRCNN语义分割
| ├──18-深度学习-人脸识别项目实战
| | ├──章节1：人脸识别
| | ├──facenet-master.zip823.10M
| | ├──模型.rar186.42M
| | └──资料.rar7.47M
| ├──19-深度学习-NLP自然语言处理原理和进阶
| | ├──章节1：词向量与词嵌入
| | ├──章节2：循环神经网络原理与优化
| | ├──章节3：从Attention机制到Transformer
| | └──章节4：ELMO_BERT_GPT
| ├──2-人工智能基础-Python基础
| | ├──章节1：Python开发环境搭建
| | └──章节2：Python基础语法
| ├──20-深度学习-NLP自然语言处理项目实战
| | ├──章节1：词向量.zip438.10M
| | ├──章节2：自然语言处理--情感分析.zip195.51M
| | ├──章节3：AI写唐诗.zip335.02M
| | ├──章节4：Seq2Seq聊天机器人.zip204.42M
| | ├──章节5：实战NER命名实体识别项目.zip576.16M
| | ├──章节6：BERT新浪新闻10分类项目.zip153.66M
| | └──章节7：GPT2聊天机器人.zip49.97M
| ├──21-深度学习-OCR文本识别
| | ├──章节1：深度学习-OCR文本识别
| | └──资料.rar478.63kb
| ├──22-【加课】Pytorch项目实战
| | ├──章节1：PyTorch运行环境安装_运行环境测试
| | ├──章节2：PyTorch基础_Tensor张量运算
| | ├──章节3：PyTorch卷积神经网络_实战CIFAR10
| | ├──章节4：PyTorch循环神经网络_词性标注
| | ├──章节5：PyTorch编码器解码器_机器翻译
| | ├──代码.rar307.66M
| | └──资料.rar1.77M
| ├──23-【加课】百度飞桨PaddlePaddle实战【新增】
| | ├──章节1：PaddlePaddle框架安装_波士顿房价预测
| | ├──章节2：PaddlePaddle卷积网络_病理性近视识别
| | ├──章节3：PaddleDetection工具_PCB电路板缺陷检测
| | ├──章节4：PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss)
| | ├──章节5：PaddleNLP模块_物流信息提取（BiGRU+CRF）
| | └──章节6：PaddleNLP模块_物流信息提取（ERNIE版）
| ├──24-【加课】Linux环境编程基础
| | ├──章节1：Linux
| | ├──软件.rar2.18G
| | └──文档.rar2.78M
| ├──25-【加课】算法与数据结构
| | ├──章节1：算法与数据结构
| | └──资料.zip4.80M
| ├──3-人工智能基础-Python科学计算和可视化
| | ├──章节1：科学计算模型Numpy
| | ├──章节2：数据可视化模块
| | └──章节3：数据处理分析模块Pandas
| ├──4-人工智能基础-高等数学知识强化
| | ├──3：最优化知识_数学内容学习重点.mp425.92M
| | ├──40：随机变量.mp417.18M
| | ├──41：数学期望和方差.mp416.19M
| | ├──42：常用随机变量服从的分布.mp414.65M
| | ├──43：随机向量_独立性_协方差_随机向量的正太分布.mp422.96M
| | ├──44：最大似然估计思想.mp416.64M
| | ├──45：最优化的基本概念.mp423.97M
| | ├──46：迭代求解的原因.mp413.00M
| | ├──47：梯度下降法思路.mp419.43M
| | ├──48：梯度下降法的推导.mp431.40M
| | ├──49：牛顿法公式推导以及优缺点.mp430.05M
| | ├──4：导数的定义_左导数和右导数.mp420.12M
| | ├──50：坐标下降法_数值优化面临的问题.mp417.07M
| | ├──51：凸集.mp414.04M
| | ├──52：凸函数.mp412.36M
| | ├──53：凸优化的性质_一般表达形式.mp414.83M
| | ├──54：拉格朗日函数.mp419.75M
| | ├──5：导数的几何意义和物理意义.mp410.23M
| | ├──6：常见函数的求导公式.mp415.81M
| | ├──7：导数求解的四则运算法则.mp418.97M
| | ├──8：复合函数求导法则.mp411.80M
| | ├──9：推导激活函数的导函数.mp423.55M
| | ├──数学.pdf1.50M
| | ├──10：高阶导数_导数判断单调性_导数与极值.mp415.31M
| | ├──11：导数判断凹凸性_导数用于泰勒展开.mp431.51M
| | ├──12：向量的意义_n维欧式空间空间.mp415.36M
| | ├──13：行向量列向量_转置_数乘_加减乘除.mp414.18M
| | ├──14：向量的内积_向量运算法则.mp414.39M
| | ├──15：学习向量计算的用途举例.mp416.85M
| | ├──16：向量的范数_范数与正则项的关系.mp423.53M
| | ├──17：特殊的向量.mp419.39M
| | ├──18：矩阵_方阵_对称阵_单位阵_对角阵.mp413.48M
| | ├──19：矩阵的运算_加减法_转置.mp417.36M
| | ├──1：人工智能学习数学的必要性_微积分知识点.mp418.98M
| | ├──20：矩阵相乘.mp414.37M
| | ├──21：矩阵的逆矩阵.mp427.59M
| | ├──22：矩阵的行列式.mp414.62M
| | ├──23：多元函数求偏导.mp416.35M
| | ├──24：高阶偏导数_梯度.mp419.75M
| | ├──25：雅可比矩阵_在神经网络中应用.mp426.05M
| | ├──26：Hessian矩阵.mp422.56M
| | ├──27：二次型.mp418.56M
| | ├──28：补充关于正定负定的理解.mp413.08M
| | ├──29：特征值和特征向量(1).mp419.46M
| | ├──2：线性代数_概率论知识点.mp417.27M
| | ├──30：特征值和特征向量(2).mp418.02M
| | ├──31：特征值分解.mp426.19M
| | ├──32：多元函数的泰勒展开_矩阵和向量的求导.mp430.51M
| | ├──33：奇异值分解定义.mp416.39M
| | ├──34：求解奇异值分解中的UΣV矩阵.mp434.06M
| | ├──35：奇异值分解性质_数据压缩.mp423.37M
| | ├──36：SVD用于PCA降维.mp417.59M
| | ├──37：SVD用于协同过滤_求逆矩阵.mp423.78M
| | ├──38：概率论_随机事件与随机事件概率.mp414.05M
| | └──39：条件概率_贝叶斯公式.mp421.98M
| ├──5-机器学习-线性回归
| | ├──章节1：多元线性回归.rar1.12G
| | ├──章节2：梯度下降法.rar260.99M
| | ├──章节3：归一化.rar85.03M
| | ├──章节4：正则化.rar106.94M
| | └──章节5：Lasso回归_Ridge回归_多项式回归.rar204.99M
| ├──6-机器学习-线性分类
| | ├──章节1：逻辑回归
| | ├──章节2：Softmax回归
| | ├──章节3：SVM支持向量机算法
| | └──章节4：SMO优化算法
| ├──7-机器学习-无监督学习
| | ├──章节1：聚类系列算法
| | ├──章节2：EM算法和GMM高斯混合模型
| | └──章节3：PCA降维算法
| ├──8-机器学习-决策树系列
| | ├──章节1：决策树
| | ├──章节2：集成学习和随机森林
| | ├──章节3：GBDT
| | └──章节4：XGBoost
| └──9-机器学习-概率图模型
| | ├──章节1：贝叶斯分类
| | ├──章节2：HMM算法
| | └──章节3：CRF算法
├──【2024.11】人工智能深度学习系统班-完结-含资料（228.16G）
| ├──1-直播回放
| | ├──1-开班典礼
| | ├──10-直播9：自监督任务
| | ├──11-直播10：知识蒸馏
| | ├──12-直播11：分割Mask2former算法
| | ├──13-直播12：多模态与交叉注意力应用
| | ├──14-直播13：时间序列timesnet与地理分类任务
| | ├──15-直播14：论文写作与就业简历
| | ├──16-直播15：知识图谱与LORA
| | ├──2-直播1：神经网络
| | ├──3-直播2：卷积神经网络
| | ├──4-直播3：Transformer架构解读
| | ├──5-直播4：视觉Transformer- VIT源码解读
| | ├──6-直播5：图神经网络
| | ├──7-直播6：Transformer Decoder在视觉任务的应用
| | ├──8-直播7：对比学习与多模态任务
| | └──9-直播8：GPT与Hugging face
| ├──10-2022论⽂必备-Transformer实战系列
| | ├──1-Transformer算法解读
| | ├──10-MedicalTrasnformer论文解读
| | ├──11-MedicalTransformer源码解读
| | ├──12-商汤LoFTR算法解读
| | ├──13-局部特征关键点匹配实战
| | ├──14-分割模型Maskformer系列
| | ├──15-Mask2former源码解读
| | ├──16-BEV特征空间
| | ├──17-BevFormer源码解读
| | ├──18-时间序列预测
| | ├──19-Informer时间序列源码解读
| | ├──2-视觉Transformer及其源码分析
| | ├──20-Huggingface与NLP（讲故事）
| | ├──3-VIT算法模型源码解读
| | ├──4-swintransformer算法原理解析
| | ├──5-swintransformer源码解读
| | ├──6-基于Transformer的detr目标检测算法
| | ├──7-detr目标检测源码解读
| | ├──8-DeformableDetr算法解读
| | └──9-DeformableDetr物体检测源码分析
| ├──11-图神经网络实战
| | ├──1-图神经网络基础
| | ├──10-基于图模型的时间序列预测
| | ├──11-异构图神经网络
| | ├──2-图卷积GCN模型
| | ├──3-图模型必备神器PyTorch Geometric安装与使用
| | ├──4-使用PyTorch Geometric构建自己的图数据集
| | ├──5-图注意力机制与序列图模型
| | ├──6-图相似度论文解读
| | ├──7-图相似度计算实战
| | ├──8-基于图模型的轨迹估计
| | └──9-图模型轨迹估计实战
| ├──12-3D点云实战
| | ├──1-3D点云实战 3D点云应用领域分析
| | ├──2-3D点云PointNet算法
| | ├──3-PointNet++算法解读
| | ├──4-Pointnet++项目实战
| | ├──5-点云补全PF-Net论文解读
| | ├──6-点云补全实战解读
| | ├──7-点云配准及其案例实战
| | └──8-基础补充-对抗生成网络架构原理与实战解析
| ├──13-面向深度学习的无人驾驶实战
| | ├──1-深度估计算法原理解读
| | ├──10-NeuralRecon项目源码解读
| | ├──11-TSDF算法与应用
| | ├──12-TSDF实战案例
| | ├──13-轨迹估计算法与论文解读
| | ├──14-轨迹估计预测实战
| | ├──15-特斯拉无人驾驶解读
| | ├──2-深度估计项目实战
| | ├──3-车道线检测算法与论文解读
| | ├──4-基于深度学习的车道线检测项目实战
| | ├──5-商汤LoFTR算法解读
| | ├──6-局部特征关键点匹配实战
| | ├──7-三维重建应用与坐标系基础
| | ├──8-NeuralRecon算法解读
| | └──9-NeuralRecon项目环境配置
| ├──14-对比学习与多模态任务实战
| | ├──1-对比学习算法与实例
| | ├──2-CLIP系列
| | ├──3-多模态3D目标检测算法源码解读
| | ├──4-多模态文字识别
| | └──5-ANINET源码解读
| ├──15-缺陷检测实战
| | ├──1-课程介绍
| | ├──10-基于Opencv缺陷检测项⽬实战
| | ├──11-基于视频流⽔线的Opencv缺陷检测项⽬
| | ├──12-图像分割deeplab系列算法
| | ├──13-基于deeplabV3+版本进⾏VOC分割实战
| | ├──14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程
| | ├──2-物体检框架YOLO-V4版本算法解读
| | ├──3-物体检测框架YOLOV5版本项目配置
| | ├──4-物体检测框架YOLOV5项目工程源码解读
| | ├──5-基于YOLOV5的钢材缺陷检测实战
| | ├──6-Semi-supervised布料缺陷检测实战
| | ├──7-Opencv图像常⽤处理⽅法实例
| | ├──8-Opencv梯度计算与边缘检测实例
| | └──9-Opencv轮廓检测与直⽅图
| ├──16-行人重识别实战
| | ├──1-行人重识别原理及其应用
| | ├──2-基于注意力机制的Reld模型论文解读
| | ├──3-基于Attention的行人重识别项目实战
| | ├──4-AAAI2020顶会算法精讲
| | ├──5-项目实战-基于行人局部特征融合的再识别实战
| | ├──6-旷视研究院最新算法解读（基于图模型）
| | ├──7-基于拓扑图的行人重识别项目实战
| | └──8-额外补充：行人搜索源码分析
| ├──17-对抗生成网络实战
| | ├──1-课程介绍
| | ├──2-对抗生成网络架构原理与实战解析
| | ├──3-基于CycleGan开源项目实战图像合成
| | ├──4-stargan论文架构解析
| | ├──5-stargan项目实战及其源码解读
| | ├──6-基于starganvc2的变声器论文原理解读
| | ├──7-starganvc2变声器项目实战及其源码解读
| | ├──8-图像超分辨率重构实战
| | └──9-基于GAN的图像补全实战
| ├──18-强化学习与AI黑科技实例
| | ├──1-强化学习简介及其应用
| | ├──10-CLIP系列
| | ├──11-Diffusion模型解读
| | ├──12-Dalle2及其源码解读
| | ├──13-ChatGPT
| | ├──2-PPO算法与公式推导
| | ├──3-PPO实战-月球登陆器训练实例
| | ├──4-Q-learning与DQN算法
| | ├──5-DQN改进与应用技巧
| | ├──6-Actor-Critic算法分析（A3C）
| | ├──7-用A3C玩转超级马里奥
| | ├──8-GPT系列生成模型
| | └──9-GPT建模与预测流程
| ├──2-深度学习必备核⼼算法
| | ├──1-神经网络结构
| | ├──2-卷积神经网络
| | ├──3-Transformer
| | └──4-VIT源码解读
| ├──20-CV与NLP经典大模型解读
| | ├──1-课程简介
| | ├──10-openai-dalle2论文解读
| | ├──11-openai-dalle2源码解读
| | ├──12-自监督任务-对比学习思想
| | ├──13-视觉自监督BEIT算法解读
| | ├──14-视觉自监督任务BEITV2论文解读
| | ├──15-视觉自监督任务BEITV2源码解读
| | ├──16-BEV感知特征空间算法解读
| | ├──17-BEVformer项目源码解读
| | ├──18-补充-视觉大模型基础-deformableAttention
| | ├──2-GPT系列算法解读
| | ├──3-GPT2训练与预测部署流程
| | ├──4-chatgpt算法解读分析
| | ├──5-LLM与LORA微调策略解读
| | ├──6-LLM下游任务训练自己模型实战
| | ├──7-视觉大模型SAM
| | ├──8-视觉QA算法与论文解读
| | └──9-扩散模型diffusion架构算法解读
| ├──20-面向医学领域的深度学习实战
| | ├──1-卷积神经网络原理与参数解读
| | ├──10-基于deeplab的心脏视频数据诊断分析
| | ├──11-YOLO系列物体检测算法原理解读
| | ├──12-基于YOLO5细胞检测实战
| | ├──13-知识图谱原理解读
| | ├──14-Neo4j数据库实战
| | ├──15-基于知识图谱的医药问答系统实战
| | ├──16-词向量模型与RNN网络架构
| | ├──17-医学糖尿病数据命名实体识别
| | ├──2-PyTorch框架基本处理操作
| | ├──3-PyTorch框架必备核心模块解读
| | ├──4-基于Resnet的医学数据集分类实战
| | ├──5-图像分割及其损失函数概述
| | ├──6-Unet系列算法讲解
| | ├──7-unet医学细胞分割实战
| | ├──8-deeplab系列算法
| | └──9-基于deeplabV3+版本进行VOC分割实战
| ├──21-深度学习模型部署与剪枝优化实战
| | ├──1-AIoT人工智能物联网之认识 jetson nano
| | ├──10-模型剪枝-Network Slimming算法分析
| | ├──11-模型剪枝-Network Slimming实战解读
| | ├──12-Mobilenet三代网络模型架构
| | ├──2-AIoT人工智能物联网之AI 实战
| | ├──3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
| | ├──4- AIoT人工智能物联网之deepstream
| | ├──6-pyTorch框架部署实践
| | ├──7-YOLO-V3物体检测部署实例
| | ├──8-docker实例演示
| | └──9-tensorflow-serving实战
| ├──22-自然语言处理经典案例实战
| | ├──1-NLP常用工具包实战
| | ├──10-NLP-文本特征方法对比
| | ├──11-NLP-相似度模型
| | ├──12-LSTM情感分析
| | ├──13-机器人写唐诗
| | ├──14-对话机器人
| | ├──2-商品信息可视化与文本分析
| | ├──3-贝叶斯算法
| | ├──4-新闻分类任务实战
| | ├──5-HMM隐马尔科夫模型
| | ├──6-HMM工具包实战
| | ├──7-语言模型
| | ├──8-使用Gemsim构建词向量
| | └──9-基于word2vec的分类任务
| ├──23-自然语言处理必备神器Huggingface系列实战
| | ├──1-Huggingface与NLP介绍解读
| | ├──10-图谱知识抽取实战
| | ├──11-补充Huggingface数据集制作方法实例
| | ├──2-Transformer工具包基本操作实例解读
| | ├──3-transformer原理解读
| | ├──4-BERT系列算法解读
| | ├──5-文本标注工具与NER实例
| | ├──6-文本预训练模型构建实例
| | ├──7-GPT系列算法
| | ├──8-GPT训练与预测部署流程
| | └──9-文本摘要建模
| ├──24-时间序列预测
| | ├──1-Informer原理解读
| | ├──2-Informer源码解读
| | └──3-Timesnet时序预测
| ├──25-自然语言处理通用框架-BERT实战
| | ├──1-自然语言处理通用框架BERT原理解读
| | ├──2-谷歌开源项目BERT源码解读与应用实例
| | ├──3-项目实战-基于BERT的中文情感分析实战
| | ├──4-项目实战-基于BERT的中文命名实体识别识别实战
| | ├──5-必备基础知识点-woed2vec模型通俗解读
| | ├──6-必备基础-掌握Tensorflow如何实现word2vec模型
| | ├──7-必备基础知识点-RNN网络架构与情感分析应用实例
| | └──8-医学糖尿病数据命名实体识别
| ├──26-知识图谱实战系列
| | ├──1-知识图谱介绍及其应用领域分析
| | ├──2-知识图谱涉及技术点分析
| | ├──3-Neo4j数据库实战
| | ├──4-使用python操作neo4j实例
| | ├──5-基于知识图谱的医药问答系统实战
| | ├──6-文本关系抽取实践
| | ├──7-金融平台风控模型实践
| | └──8-医学糖尿病数据命名实体识别
| ├──27-语音识别实战系列
| | ├──1-seq2seq序列网络模型
| | ├──2-LAS模型语音识别实战
| | ├──3-starganvc2变声器论文原理解读
| | ├──4-staeganvc2变声器源码实战
| | ├──5-语音分离ConvTasnet模型
| | ├──6-ConvTasnet语音分离实战
| | └──7-语音合成tacotron最新版实战
| ├──28-推荐系统实战系列
| | ├──1-推荐系统介绍及其应用
| | ├──10-基本统计分析的电影推荐
| | ├──11-补充-基于相似度的酒店推荐系统
| | ├──2-协同过滤与矩阵分解
| | ├──3-音乐推荐系统实战
| | ├──4-知识图谱与Neo4j数据库实例
| | ├──5-基于知识图谱的电影推荐实战
| | ├──6-点击率估计FM与DeepFM算法
| | ├──7-DeepFM算法实战
| | ├──8-推荐系统常用工具包演示
| | └──9-基于文本数据的推荐实例
| ├──29-论文创新点常用方法及其应用实例
| | └──1-通用创新点
| ├──3-深度学习框架PyTorch
| | ├──1-PyTorch框架介绍与配置安装
| | ├──2-使用神经网络进行分类任务
| | ├──3-神经网络回归任务-气温预测
| | ├──4-卷积网络参数解读分析
| | ├──5-图像识别模型与训练策略（重点）
| | ├──6-DataLoader自定义数据集制作
| | └──7-LSTM文本分类实战
| ├──4-深度学习框架Tensorflflow
| | ├──1-tensorflflow安装与简介
| | ├──10-项目实战：基于RNN模型进行文本分类任务
| | ├──11-项目实战：将CNN网络应用于文本分类实战
| | ├──12-项目实战：时间序列预测
| | ├──13-项目实战：经典网络架构Resnet实战
| | ├──2-神经网络原理解读与整体架构
| | ├──3-搭建神经⽹络进⾏分类与回归任务
| | ├──4-卷积神经⽹络原理与参数解读
| | ├──5-项目实战：猫狗识别实战
| | ├──6-图像数据增强实例
| | ├──7-训练策略-迁移学习实战
| | ├──8-递归神经⽹络与词向量原理解读
| | └──9-项目实战：基于TensorFlow实现word2vec
| ├──5-Opencv图像处理框架实战
| | ├──1-课程简介与环境配置
| | ├──10-项目实战-文档扫描OCR识别
| | ├──11-图像特征-harris
| | ├──12-图像特征-sift
| | ├──13-案例实战-全景图像拼接
| | ├──14-项目实战-停车场车位识别
| | ├──15-项目实战-答题卡识别判卷
| | ├──16-背景建模
| | ├──17-光流估计
| | ├──18-Opencv的DNN模块
| | ├──19-项目实战-目标追踪
| | ├──2-图像基本操作
| | ├──20-卷积原理与操作
| | ├──21-项目实战-疲劳检测
| | ├──3-阈值与平滑处理
| | ├──4-图像形态学操作
| | ├──5-图像梯度计算
| | ├──6-边缘检测
| | ├──7-图像金字塔与轮廓检测
| | ├──8-直方图与傅里叶变换
| | └──9-项目实战-信用卡数字识别
| ├──6-综合项目-物体检测经典算法实战
| | ├──1-物体检测评估指标
| | ├──10-V5项目工程源码解读
| | ├──11-YOLO系列（V7）算法解读
| | ├──12-V7源码解读
| | ├──13-基于Transformer的detr目标检测算法
| | ├──14-detr目标检测源码解读
| | ├──15-DeformableDetr算法解读
| | ├──16-半监督物体检测
| | ├──17-EfficientNet网络
| | ├──18-EfficientDet检测算法
| | ├──2-深度学习经典检测⽅法概述
| | ├──3-YOLO-V1整体思想与网络架构
| | ├──4-YOLO-V2改进细节详解
| | ├──5-YOLO-V3核心网络模型
| | ├──6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
| | ├──7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
| | ├──8-YOLO-V4版本算法解读
| | └──9-V5版本项目配置
| ├──7-图像分割实战
| | ├──1-图像分割及其损失函数概述
| | ├──10-物体检测框架-MaskRcnn项目介绍与配置
| | ├──11-MaskRcnn网络框架源码详解
| | ├──12-基于MASK-RCNN框架训练自己的数据与任务
| | ├──2-Unet系列算法讲解
| | ├──3-unet医学细胞分割实战
| | ├──4-U2NET显著性检测实战
| | ├──5-deeplab系列算法
| | ├──6-基于deeplabV3+版本进⾏VOC分割实战
| | ├──7-医学⼼脏视频数据集分割建模实战
| | ├──8-分割模型Maskformer系列
| | └──9-补充：Mask2former源码解读
| ├──8-走向AI论文实验与项目实战的捷径-MMLAB实战系列
| | ├──1-MMCV安装方法
| | ├──10-第三模块：DeformableDetr算法解读
| | ├──11-补充：Mask2former源码解读
| | ├──12-KIE关键信息抽取与视频超分辨率重构
| | ├──13-第四模块：DBNET文字检测
| | ├──14-第四模块：ANINET文字识别
| | ├──15-第四模块：KIE基于图模型的关键信息抽取
| | ├──16-第五模块：stylegan2源码解读
| | ├──17-第六模块：BasicVSR++视频超分辨重构源码解读
| | ├──18-第七模块：多模态3D目标检测算法源码解读
| | ├──19-第八模块：模型蒸馏应用实例
| | ├──2-第一模块：分类任务基本操作
| | ├──20-第八模块：模型剪枝方法概述分析
| | ├──21-第九模块：mmaction行为识别
| | ├──22-OCR算法解读
| | ├──23-额外补充-在源码中加入各种注意力机制方法
| | ├──3-第一模块：训练结果测试与验证
| | ├──4-第一模块：模型源码DEBUG演示
| | ├──5-第二模块：使用分割模块训练自己的数据集
| | ├──6-第二模块：基于Unet进行各种策略修改
| | ├──7-第二模块：分割任务CVPR最新Backbone设计及其应用
| | ├──8-第三模块：mmdet训练自己的数据任务
| | └──9-第三模块：DeformableDetr物体检测源码分析
| ├──9-经典视觉项目实战：行为识别、姿态估计、目标追踪
| | ├──1-slowfast算法知识点通俗解读
| | ├──10-OpenPose算法源码分析
| | ├──11-deepsort算法知识点解读
| | ├──12-deepsort源码解读
| | ├──13-YOLO-V4版本算法解读
| | ├──14-V5版本项目配置
| | ├──15-V5项目工程源码解读
| | ├──2-slowfast项目环境配置与配置文件
| | ├──3-slowfast源码详细解读
| | ├──4-基于3D卷积的视频分析与动作识别
| | ├──5-视频异常检测算法与元学习
| | ├──6-视频异常检测CVPR2021论文及其源码解读
| | ├──7-基础补充-Resnet模型及其应用实例
| | ├──8-课程介绍
| | └──9-姿态估计OpenPose系列算法解读
| └──第八期资料
| | └──配套资料
└──【2025.01】人工智能AI学习视频课程-完结-含资料（44.4G）
| ├──1.第一阶段 AI学习
| | ├──第二章：机器学习
| | ├──第三章：深度学习+计算机视觉
| | ├──第四章：NLP自然语言处理
| | ├──第五章：AIGC大模型
| | ├──第一章：开班典礼
| | └──资料文档.zip1.93kb
| ├──2.第二阶段 前置预科
| | ├──AI延展学习部分
| | ├──Python（同AI延展学习部分中的Python）
| | └──Python核心编程-5.5h
| └──3.第三阶段 拓展学习
| | ├──AI大模型引发的新一轮产业创新
| | ├──Transformer三天实战与业务应用
| | ├──数智化转型主力军-AI产品经理
| | └──推荐算法-录播
:):(:D HMM工具包实战 rk0615-人工智能学习教程合集【VIP】 失效了 66666 连接失效了 强烈支持楼主ing…… :) dddddddddddddddd