『首页』 › 『AI大模型』 › 咕泡：人工智能深度学习系统班（第十一期，169GB完整版）

yyzhi 发表于 2025-8-27 23:03:10

咕泡：人工智能深度学习系统班（第十一期，169GB完整版）

下载地址：**** Hidden Message *****

【课程目录】

├─01-机器学习
││数学基础课件.zip
││资料.7z
││
│├─01-第一模块：Python快速入门
││├─01-1-Python环境配置
│││      01-1-Python环境配置.mp4
│││      
││├─02-2-Python库安装工具
│││      01-2-Python库安装工具.mp4
│││      
││├─03-3-Notebook工具使用
│││      01-3-Notebook工具使用.mp4
│││      
││├─04-4-Python简介
│││      01-4-Python简介.mp4
│││      
││├─05-5-Python数值运算
│││      01-5-Python数值运算.mp4
│││      
││├─06-6-Python字符串操作
│││      01-6-Python字符串操作.mp4
│││      
││├─07-7-1-索引结构
│││      01-7-1-索引结构.mp4
│││      
││├─08-7-2-List基础结构
│││      01-7-2-List基础结构.mp4
│││      
││├─09-8-List核心操作
│││      01-8-List核心操作.mp4
│││      
││├─10-9-字典基础定义
│││      01-9-字典基础定义.mp4
│││      
││├─11-10-字典的核心操作
│││      01-10-字典的核心操作.mp4
│││      
││├─12-11-Set结构
│││      01-11-Set结构.mp4
│││      
││├─13-12-赋值机制
│││      01-12-赋值机制.mp4
│││      
││├─14-13-判断结构
│││      01-13-判断结构.mp4
│││      
││├─15-14-循环结构
│││      01-14-循环结构.mp4
│││      
││├─16-15-函数定义
│││      01-15-函数定义.mp4
│││      
││├─17-16-模块与包
│││      01-16-模块与包.mp4
│││      
││├─18-17-异常处理模块
│││      01-17-异常处理模块.mp4
│││      
││├─19-18-文件操作
│││      01-18-文件操作.mp4
│││      
││├─20-19-类的基本定义
│││      01-19-类的基本定义.mp4
│││      
││├─21-20-类的属性操作
│││      01-20-类的属性操作.mp4
│││      
││├─22-21-时间操作
│││      01-21-时间操作.mp4
│││      
││├─23-22-Python练习题-1
│││      01-22-Python练习题-1.mp4
│││      
││└─24-23-Python练习题-2
││          01-23-Python练习题-2.mp4
││         
│├─02-第二模块：Python数据科学必备工具包实战
││├─01-科学计算库-Numpy
│││      01-1-Numpy概述.mp4
│││      02-2-Array数组.mp4
│││      03-3-数组结构.mp4
│││      04-4-数组类型.mp4
│││      05-5-数值运算.mp4
│││      06-6-排序操作.mp4
│││      07-7-数组形状操作.mp4
│││      08-8-数组生成函数.mp4
│││      09-9-常用生成函数.mp4
│││      10-10-四则运算.mp4
│││      11-11-随机模块.mp4
│││      12-12-文件读写.mp4
│││      13-13-数组保存.mp4
│││      14-14-练习题-1.mp4
│││      15-15-练习题-2.mp4
│││      16-16-练习题-3.mp4
│││      17-13-Pandas常用操作.mp4
│││      18-14-Pandas常用操作2.mp4
│││      
││├─02-数据分析处理库-Pandas
│││      01-1-Pandas概述.mp4
│││      02-2-Pandas基本操作.mp4
│││      03-3-Pandas索引.mp4
│││      04-4-groupby操作.mp4
│││      05-5-数值运算1.mp4
│││      06-6-对象操作.mp4
│││      07-7-对象操作2.mp4
│││      08-8-merge操作.mp4
│││      09-9-显示设置.mp4
│││      10-10-数据透视表.mp4
│││      11-11-时间操作.mp4
│││      12-12-时间序列操作.mp4
│││      13-15-Groupby操作延伸.mp4
│││      14-16-字符串操作.mp4
│││      15-17-索引进阶.mp4
│││      16-18-Pandas绘图操作.mp4
│││      17-19-大数据处理技巧.mp4
│││      
││├─03-.可视化库-Matplotlib
│││      01-1-Matplotlib概述.mp4
│││      02-2-子图与标注.mp4
│││      03-3-风格设置.mp4
│││      04-4-条形图.mp4
│││      05-5-条形图细节.mp4
│││      06-6-条形图外观.mp4
│││      07-7-盒图绘制.mp4
│││      08-8-盒图细节.mp4
│││      09-9-绘图细节设置.mp4
│││      10-10-绘图细节设置2.mp4
│││      11-11-直方图与散点图.mp4
│││      12-12-3D图绘制.mp4
│││      13-13-pie图.mp4
│││      14-14-子图布局.mp4
│││      15-15-结合pandas与sklearn.mp4
│││      
││└─04-可视化库-Seaborn
││          01-0-课程简介.mp4
││          02-1整体布局风格设置.mp4
││          03-2风格细节设置.mp4
││          04-3调色板.mp4
││          05-4调色板颜色设置.mp4
││          06-5单变量分析绘图.mp4
││          07-6回归分析绘图.mp4
││          08-7多变量分析绘图.mp4
││          09-8分类属性绘图.mp4
││          10-9Facetgrid使用方法.mp4
││          11-10Facetgrid绘制多变量.mp4
││          12-11热度图绘制.mp4
││         
│├─03-第三模块：人工智能-必备数学课程
││├─01-高等数学基础
│││      01-0-课程简介.mp4
│││      02-1-函数.mp4
│││      03-2-极限.mp4
│││      04-3-无穷小与无穷大.mp4
│││      05-4-连续性与导数.mp4
│││      06-5-偏导数.mp4
│││      07-6-方向导数.mp4
│││      08-7-梯度.mp4
│││      
││├─02-微积分
│││      01-1-微积分基本想法.mp4
│││      02-2-微积分的解释.mp4
│││      03-3-定积分.mp4
│││      04-4-定积分性质.mp4
│││      05-5-牛顿-莱布尼茨公式.mp4
│││      
││├─03-泰勒公式与拉格朗日
│││      01-1-泰勒公式出发点.mp4
│││      02-2-一点一世界.mp4
│││      03-3-阶数的作用.mp4
│││      04-4-阶乘的作用.mp4
│││      05-5-拉格朗日乘子法.mp4
│││      06-6-求解拉格朗日乘子法.mp4
│││      
││├─04-线性代数基础
│││      01-1-行列式概述.mp4
│││      02-2-矩阵与数据的关系.mp4
│││      03-3-矩阵基本操作.mp4
│││      04-4-矩阵的几种变换.mp4
│││      05-5-矩阵的秩.mp4
│││      06-6-内积与正交.mp4
│││      
││├─05-特征值与矩阵分解
│││      01-1-特征值与特征向量.mp4
│││      02-2-特征空间与应用.mp4
│││      03-1-SVD要解决的问题.mp4
│││      04-4-特征值分解.mp4
│││      05-5-SVD矩阵分解.mp4
│││      
││├─06-随机变量
│││      01-1-离散型随机变量.mp4
│││      02-2-连续型随机变量.mp4
│││      03-3-简单随机抽样.mp4
│││      04-4-似然函数.mp4
│││      05-5-极大似然估计.mp4
│││      
││├─07-概率论基础
│││      01-1-概率与频率.mp4
│││      02-2-古典概型.mp4
│││      03-3-条件概率.mp4
│││      04-4-条件概率小例子.mp4
│││      05-5-独立性.mp4
│││      06-6-二维离散型随机变量.mp4
│││      07-7-二维连续型随机变量.mp4
│││      08-8-边缘分布.mp4
│││      09-9-期望.mp4
│││      10-10-期望求解.mp4
│││      11-11-马尔科夫不等式.mp4
│││      12-12-切比雪夫不等式.mp4
│││      13-13-后验概率估计.mp4
│││      14-14-贝叶斯拼写纠错实例.mp4
│││      15-15-垃圾邮件过滤实例.mp4
│││      
││├─08-数据科学你得知道的几种分布
│││      01-1-正太分布.mp4
│││      02-2-二项式分布.mp4
│││      03-3-泊松分布.mp4
│││      04-4-均匀分布.mp4
│││      05-5-卡方分布.mp4
│││      06-6-beta分布.mp4
│││      
││├─09-核函数变换
│││      01-1-核函数的目的.mp4
│││      02-2-线性核函数.mp4
│││      03-3-多项式核函数.mp4
│││      04-4-核函数实例.mp4
│││      05-5-高斯核函数.mp4
│││      06-6-参数的影响.mp4
│││      
││├─10-熵与激活函数
│││      01-1-熵的概念.mp4
│││      02-2-熵的大小意味着什么.mp4
│││      03-3-激活函数.mp4
│││      04-4-激活函数的问题.mp4
│││      
││├─11-回归分析
│││      01-1-回归分析概述.mp4
│││      02-2-回归方程定义.mp4
│││      03-3-误差项的定义.mp4
│││      04-4-最小二乘法推导与求解.mp4
│││      05-5-回归方程求解小例子.mp4
│││      06-6-回归直线拟合优度.mp4
│││      07-7-多元与曲线回归问题.mp4
│││      08-8-Python工具包介绍.mp4
│││      09-9-statsmodels回归分析.mp4
│││      10-10-高阶与分类变量实例.mp4
│││      11-11-案例：汽车价格预测任务概述.mp4
│││      12-12-案例：缺失值填充.mp4
│││      13-13-案例：特征相关性.mp4
│││      14-14-案例：预处理问题.mp4
│││      15-15-案例：回归求解.mp4
│││      
││├─12-假设检验
│││      01-1-假设检验基本思想.mp4
│││      02-2-左右侧检验与双侧检验.mp4
│││      03-3-Z检验基本原理.mp4
│││      04-4-Z检验实例.mp4
│││      05-5-T检验基本原理.mp4
│││      06-6-T检验实例.mp4
│││      07-7-T检验应用条件.mp4
│││      08-8-卡方检验.mp4
│││      09-9-假设检验中的两类错误.mp4
│││      10-10-Python假设检验实例.mp4
│││      11-11-Python卡方检验实例.mp4
│││      
││├─13-相关分析
│││      01-1-相关分析概述.mp4
│││      02-2-皮尔森相关系数.mp4
│││      03-3-计算与检验.mp4
│││      04-4-斯皮尔曼等级相关.mp4
│││      05-5-肯德尔系数.mp4
│││      06-6-质量相关分析.mp4
│││      07-7-偏相关与复相关.mp4
│││      
││├─14-方差分析
│││      01-1-方差分析概述.mp4
│││      02-2-方差的比较.mp4
│││      03-3-方差分析计算方法.mp4
│││      04-4-方差分析中的多重比较.mp4
│││      05-5-多因素方差分析.mp4
│││      06-6-Python方差分析实例.mp4
│││      
││├─15-聚类分析
│││      01-1-层次聚类概述.mp4
│││      02-2-层次聚类流程.mp4
│││      03-3-层次聚类实例.mp4
│││      04-4-1-KMEANS算法概述.mp4
│││      05-4-2-KMEANS工作流程.mp4
│││      06-4-3-KMEANS迭代可视化展示.mp4
│││      07-5-1-DBSCAN聚类算法.mp4
│││      08-5-2-DBSCAN工作流程.mp4
│││      09-5-3-DBSCAN可视化展示.mp4
│││      10-6-1-多种聚类算法概述.mp4
│││      11-6-2-聚类案例实战.mp4
│││      
││└─16-贝叶斯分析
││          01-1-贝叶斯分析概述.mp4
││          02-2-概率的解释.mp4
││          03-3-贝叶斯学派与经典统计学派的争论.mp4
││          04-4-贝叶斯算法概述.mp4
││          05-5-贝叶斯推导实例.mp4
││          06-6-贝叶斯拼写纠错实例.mp4
││          07-7-垃圾邮件过滤实例.mp4
││          08-8-贝叶斯解释.mp4
││          09-9-经典求解思路.mp4
││          10-10-MCMC概述.mp4
││          11-11-PYMC3概述.mp4
││          12-12-模型诊断.mp4
││          13-13-模型决策.mp4
││         
│├─04-第四模块：机器学习算法精讲及其案例应用
││├─01-线性回归原理推导
│││      01-0-课程简介1.mp4
│││      02-1-回归问题概述.mp4
│││      03-2-误差项定义.mp4
│││      04-3-独立同分布的意义.mp4
│││      05-4-似然函数的作用.mp4
│││      06-5-参数求解.mp4
│││      07-6-梯度下降通俗解释.mp4
│││      08-7参数更新方法.mp4
│││      09-8-优化参数设置.mp4
│││      
││├─02-线性回归代码实现
│││      01-线性回归整体模块概述.mp4
│││      02-初始化步骤.mp4
│││      03-实现梯度下降优化模块.mp4
│││      04-损失与预测模块.mp4
│││      05-数据与标签定义.mp4
│││      06-训练线性回归模型.mp4
│││      07-得到线性回归方程.mp4
│││      08-整体流程debug解读.mp4
│││      09-多特征回归模型.mp4
│││      10-非线性回归.mp4
│││      
││├─03-模型评估方法
│││      01-1-Sklearn工具包简介.mp4
│││      02-2-数据集切分.mp4
│││      03-3-交叉验证的作用.mp4
│││      04-4-交叉验证实验分析.mp4
│││      05-5-混淆矩阵.mp4
│││      06-6-评估指标对比分析.mp4
│││      07-7-阈值对结果的影响.mp4
│││      08-8-ROC曲线.mp4
│││      
││├─04-线性回归实验分析
│││      01-1-实验目标分析.mp4
│││      02-2-参数直接求解方法.mp4
│││      03-3-预处理对结果的影响.mp4
│││      04-4-梯度下降模块.mp4
│││      05-5-学习率对结果的影响.mp4
│││      06-6-随机梯度下降得到的效果.mp4
│││      07-7-MiniBatch方法.mp4
│││      08-8-不同策略效果对比.mp4
│││      09-9-多项式回归.mp4
│││      10-10-模型复杂度.mp4
│││      11-11-样本数量对结果的影响.mp4
│││      12-12-正则化的作用.mp4
│││      13-13-岭回归与lasso.sz
│││      14-14-实验总结.mp4
│││      
││├─05-逻辑回归实验分析
│││      01-1-逻辑回归算法原理.mp4
│││      02-2-化简与求解.mp4
│││      
││├─06-逻辑回归代码实现
│││      01-1-多分类逻辑回归整体思路.mp4
│││      02-2-训练模块功能.mp4
│││      03-3-完成预测模块.mp4
│││      04-4-优化目标定义.mp4
│││      05-5-迭代优化参数.mp4
│││      06-6-梯度计算.mp4
│││      07-7-得出最终结果.mp4
│││      08-8-鸢尾花数据集多分类任务.mp4
│││      09-9-训练多分类模型.mp4
│││      10-10-准备测试数据.mp4
│││      11-11-决策边界绘制.mp4
│││      12-12-非线性决策边界.mp4
│││      
││├─07-逻辑回归实验分析
│││      01-1-逻辑回归实验概述.mp4
│││      02-2-概率结果随特征数值的变化.mp4
│││      03-3-可视化展示.mp4
│││      04-4-坐标棋盘制作.mp4
│││      05-5-分类决策边界展示分析.mp4
│││      06-6-多分类-softmax.mp4
│││      
││├─08-聚类算法-Kmeans&Dbscan原理
│││      01-1-KMEANS算法概述.mp4
│││      02-2-KMEANS工作流程.mp4
│││      03-3-KMEANS迭代可视化展示.mp4
│││      04-4-DBSCAN聚类算法.mp4
│││      05-5-DBSCAN工作流程.mp4
│││      06-6-DBSCAN可视化展示.mp4
│││      
││├─09-Kmeans代码实现
│││      01-1-Kmeans算法模块概述.mp4
│││      02-2-计算得到簇中心点.mp4
│││      03-3-样本点归属划分.mp4
│││      04-4-算法迭代更新.mp4
│││      05-5-鸢尾花数据集聚类任务.mp4
│││      06-6-聚类效果展示.mp4
│││      
││├─10-聚类算法实验分析
│││      01-1-Kmenas算法常用操作.mp4
│││      02-2-Kmenas算法常用操作_20190805_232034.mp4
│││      03-1-聚类结果展示.mp4
│││      04-2-聚类结果展示_20190805_232030.mp4
│││      05-1-建模流程解读.mp4
│││      06-2-建模流程解读_20190805_232032.mp4
│││      07-2-不稳定结果_20190805_232028.mp4
│││      08-1-不稳定结果.mp4
│││      09-1-评估指标-Inertia.mp4
│││      10-2-评估指标-Inertia_20190805_232027.mp4
│││      11-1-如何找到合适的K值_20190805_232026.mp4
│││      12-2-如何找到合适的K值_20190805_232026.mp4
│││      13-2-Kmenas算法存在的问题.mp4
│││      14-1-轮廓系数的作用_20190805_232028.mp4
│││      15-1-Kmenas算法存在的问题_20190805_232023.mp4
│││      16-2-应用实例-图像分割.mp4
│││      17-1-应用实例-图像分割_20190805_232021.mp4
│││      18-2-半监督学习_20190805_232033.mp4
│││      19-1-半监督学习.mp4
│││      20-1-DBSCAN算法.mp4
│││      21-2-DBSCAN算法_20190805_232033.mp4
│││      
││├─11-决策树原理
│││      01-1-决策树算法概述.mp4
│││      02-2-熵的作用.mp4
│││      03-3-信息增益原理.mp4
│││      04-4-决策树构造实例.mp4
│││      05-5-信息增益率与gini系数.mp4
│││      06-6-预剪枝方法.mp4
│││      07-7-后剪枝方法.mp4
│││      08-8-回归问题解决.mp4
│││      
││├─12-决策树代码实现
│││      01-整体模块概述.mp4
│││      02-递归生成树节点.mp4
│││      03-整体框架逻辑.mp4
│││      04-熵值计算.mp4
│││      05-数据集切分.mp4
│││      06-完成树模型构建.mp4
│││      07-测试算法效果.mp4
│││      
││├─13-决策树实验分析
│││      01-1-树模型可视化展示.mp4
│││      02-2-决策边界展示分析.mp4
│││      03-3-树模型预剪枝参数作用.mp4
│││      04-4-回归树模型.mp4
│││      
││├─14-集成算法原理
│││      01-1-随机森林算法原理.mp4
│││      02-2-随机森林优势与特征重要性指标.mp4
│││      03-3-提升算法概述.mp4
│││      04-4-stacking堆叠模型.mp4
│││      
││├─15-集成算法实验分析
│││      01-1-构建实验数据集.mp4
│││      02-2-硬投票与软投票效果对比.mp4
│││      03-3-Bagging策略效果.mp4
│││      04-4-集成效果展示分析.mp4
│││      05-5-OOB袋外数据的作用.mp4
│││      06-6-特征重要性热度图展示.mp4
│││      07-7-Adaboost算法概述.mp4
│││      08-8-Adaboost决策边界效果.mp4
│││      09-9-GBDT提升算法流程.mp4
│││      10-10-集成参数对比分析.mp4
│││      11-11-模型提前停止策略.mp4
│││      12-12-停止方案实施.mp4
│││      13-13-堆叠模型.mp4
│││      
││├─16-支持向量机原理推导
│││      01-1-支持向量机要解决的问题.mp4
│││      02-2-距离与数据定义.mp4
│││      03-3-目标函数推导.mp4
│││      04-4-拉格朗日乘子法求解.mp4
│││      05-5-化简最终目标函数.mp4
│││      06-6-求解决策方程.mp4
│││      07-7-软间隔优化.mp4
│││      08-8-核函数的作用.mp4
│││      09-9-知识点总结.mp4
│││      
││├─17-支持向量机实验分析
│││      01-1-支持向量机所能带来的效果.mp4
│││      02-2-决策边界可视化展示.mp4
│││      03-3-软间隔的作用.mp4
│││      04-4-非线性SVM.mp4
│││      05-5-核函数的作用与效果.mp4
│││      
││├─18-神经网络算法原理
│││      01-1-深度学习要解决的问题.mp4
│││      02-2-深度学习应用领域.mp4
│││      03-3-计算机视觉任务.mp4
│││      04-4-视觉任务中遇到的问题.mp4
│││      05-5-得分函数.mp4
│││      06-6-损失函数的作用.mp4
│││      07-7-前向传播整体流程.mp4
│││      08-8-返向传播计算方法.mp4
│││      09-9-神经网络整体架构.mp4
│││      10-10-神经网络架构细节.mp4
│││      11-11-神经元个数对结果的影响.mp4
│││      12-12-正则化与激活函数.mp4
│││      13-13-神经网络过拟合解决方法.mp4
│││      
││├─19-神经网络代码实现
│││      01-1-神经网络整体框架概述.mp4
│││      02-2-参数初始化操作.mp4
│││      03-3-矩阵向量转换.mp4
│││      04-4-向量反变换.mp4
│││      05-5-完成前向传播模块.mp4
│││      06-6-损失函数定义.mp4
│││      07-7-准备反向传播迭代.mp4
│││      08-8-差异项计算.mp4
│││      09-9-逐层计算.mp4
│││      10-10-完成全部迭代更新模块.mp4
│││      11-11-手写字体识别数据集.mp4
│││      12-12-算法代码错误修正.mp4
│││      13-13-模型优化结果展示.mp4
│││      14-14-测试效果可视化展示.mp4
│││      
││├─20-贝叶斯算法原理
│││      01-1-贝叶斯要解决的问题.mp4
│││      02-2-贝叶斯公式推导.mp4
│││      03-3-垃圾邮件过滤实例.mp4
│││      04-4-拼写纠错实例.mp4
│││      
││├─21-贝叶斯代码实现
│││      01-1-朴素贝叶斯算法整体框架.mp4
│││      02-2-邮件数据读取.mp4
│││      03-3-预料表与特征向量构建.mp4
│││      04-4-分类别统计词频.mp4
│││      05-5-贝叶斯公式对数变换.mp4
│││      06-6-完成预测模块.mp4
│││      
││├─22-关联规则实战分析
│││      01-1-关联规则概述.mp4
│││      02-2-支持度与置信度.mp4
│││      03-3-提升度的作用.mp4
│││      04-4-Python实战关联规则.mp4
│││      05-5-数据集制作.mp4
│││      06-6-电影数据集题材关联分析.mp4
│││      
││├─23-关联规则代码实现
│││      01-1-Apripri算法整体流程.mp4
│││      02-2-数据集demo.mp4
│││      03-3-扫描模块.mp4
│││      04-4-拼接模块.mp4
│││      05-5-挖掘频繁项集.mp4
│││      06-6-规则生成模块.mp4
│││      07-7-完成全部算法流程.mp4
│││      08-8-规则结果展示.mp4
│││      
││├─24-词向量word2vec通俗解读
│││      01-1-词向量模型通俗解释.mp4
│││      02-2-模型整体框架.mp4
│││      03-3-训练数据构建.mp4
│││      04-4-CBOW与Skip-gram模型.mp4
│││      05-5-负采样方案.mp4
│││      
││├─25-代码实现word2vec词向量模型
│││      01-1-数据与任务流程.mp4
│││      02-2-数据清洗.mp4
│││      03-3-batch数据制作.mp4
│││      04-4-网络训练.mp4
│││      05-5-可视化展示.mp4
│││      
││├─26-线性判别分析降维算法原理解读
│││      01-1-线性判别分析要解决的问题.mp4
│││      02-2-线性判别分析要优化的目标.mp4
│││      03-3-线性判别分析求解.mp4
│││      04-4-实现线性判别分析进行降维任务.mp4
│││      05-5-求解得出降维结果.mp4
│││      
││├─27-主成分分析降维算法原理解读
│││      01-1-PCA基本概念.mp4
│││      02-2-方差与协方差.mp4
│││      03-3-PCA结果推导.mp4
│││      04-4-PCA降维实例.mp4
│││      
││├─28-隐马尔科夫模型
│││      01-1-马尔科夫模型.mp4
│││      02-2-隐马尔科夫模型基本出发点.mp4
│││      03-3-组成与要解决的问题.mp4
│││      04-4-暴力求解方法.mp4
│││      05-5-复杂度计算.mp4
│││      06-6-前向算法.mp4
│││      07-7-前向算法求解实例.mp4
│││      08-8-Baum-Welch算法.mp4
│││      09-9-参数求解.mp4
│││      10-10-维特比算法.mp4
│││      
││└─29-HMM应用实例
││          01-1-hmmlearn工具包.mp4
││          02-2-工具包使用方法.mp4
││          03-3-中文分词任务.mp4
││          04-4-实现中文分词.mp4
││         
│├─05-第五模块：机器学习算法建模实战项目
││├─01-项目实战-交易数据异常检测
│││      01-1-任务目标解读.mp4
│││      02-2-项目挑战与解决方案制定.mp4
│││      03-3-数据标准化处理.mp4
│││      04-4-下采样数据集制作.mp4
│││      05-5-交叉验证.mp4
│││      06-6-数据集切分.mp4
│││      07-7-模型评估方法与召回率.mp4
│││      08-8-正则化惩罚项.mp4
│││      09-9-训练逻辑回归模型.mp4
│││      10-10-混淆矩阵评估分析.mp4
│││      11-11-测试集遇到的问题.mp4
│││      12-12-阈值对结果的影响.mp4
│││      13-13-SMOTE样本生成策略.mp4
│││      14-14-过采样效果与项目总结.mp4
│││      
││├─02-基于随机森林的气温预测实战
│││      01-1-基于随机森林的气温预测任务概述.mp4
│││      02-2-基本随机森林模型建立.mp4
│││      03-3-可视化展示与特征重要性.mp4
│││      04-4-加入新的数据与特征.mp4
│││      05-5-数据与特征对结果的影响.mp4
│││      06-6-效率对比分析.mp4
│││      07-7-网格与随机参数选择.mp4
│││      08-8-随机参数选择方法实践.mp4
│││      09-9-调参优化细节.mp4
│││      
││├─03-贝叶斯新闻分类实战
│││      01-1-新闻数据与任务概述.mp4
│││      02-2-中文分词与停用词过滤.mp4
│││      03-3-文本关键词提取.mp4
│││      04-4-词袋模型.mp4
│││      05-5-贝叶斯建模结果.mp4
│││      06-6-TF-IDF特征分析对比.mp4
│││      
││├─04-推荐系统实战
│││      01-1-音乐推荐任务概述.mp4
│││      02-2-数据集整合.mp4
│││      03-3-基于物品的协同过滤.mp4
│││      04-4-物品相似度计算与推荐.mp4
│││      05-5-SVD矩阵分解.mp4
│││      06-6-基于矩阵分解的音乐推荐.mp4
│││      
││├─05-fbprophe时间序列预测
│││      01-1-fbprophet股价预测任务概述.mp4
│││      02-2-时间序列分析.mp4
│││      03-3-fbprophet时间序列预测实例.sz
│││      04-4-亚马逊股价趋势.sz
│││      05-5-突变点调参.mp4
│││      
││└─06-京东用户购买意向预测
││          01-1-项目与数据介绍.mp4
││          02-2-数据挖掘流程.mp4
││          03-3-数据检查.mp4
││          04-4-构建用户特征表单.mp4
││          05-5-构建商品特征表单.mp4
││          06-6-数据探索概述.mp4
││          07-7-购买因素分析.mp4
││          08-8-特征工程.mp4
││          09-9-基本特征构造.mp4
││          10-10-行为特征.mp4
││          11-11-累积行为特征.mp4
││          12-12-Xgboost模型.mp4
││         
│├─06-第六模块：机器学习案例实战应用集锦
││├─01-Python实战关联规则
│││      01-1-关联规则概述.mp4
│││      02-2-支持度与置信度.mp4
│││      03-3-提升度的作用.mp4
│││      04-4-Python实战关联规则.mp4
│││      05-5-数据集制作.mp4
│││      06-6-电影数据集题材关联分析.mp4
│││      
││├─02-爱彼迎数据集分析与建模
│││      01-1-数据与任务分析.mp4
│││      02-2-提取月份信息进行统计分析.mp4
│││      03-3-房价随星期变化的可视化展示.mp4
│││      04-4-房屋信息指标分析.mp4
│││      05-5-提取房屋常见设施.mp4
│││      06-6-房屋规格热度图分析.mp4
│││      07-7-预处理与建模准备.mp4
│││      08-8-随机森林与LightGBM.mp4
│││      09-9-训练与评估.mp4
│││      
││├─03-基于相似度的酒店推荐系统
│││      01-1-数据与任务介绍.mp4
│││      02-2-文本词频统计.mp4
│││      03-3-ngram结果可视化展示.mp4
│││      04-4-文本清洗.mp4
│││      05-5-相似度计算.mp4
│││      06-6-得出推荐结果.mp4
│││      
││├─04-商品销售额回归分析
│││      01-1-数据任务分析.mp4
│││      02-2-特征工程制作.mp4
│││      03-3-统计指标生成.mp4
│││      04-4-特征信息提取.mp4
│││      05-5-标签变换.mp4
│││      06-6-输入数据制作.mp4
│││      07-7-Xgboost训练模型.mp4
│││      08-8-生成输出结果.mp4
│││      
││├─05-绝地求生数据集探索分析与建模
│││      01-1-数据与任务简介.mp4
│││      02-2-数据问题探索与解决方案.mp4
│││      03-3-剔除开挂数据.mp4
│││      04-5-绘图统计分析.mp4
│││      05-6-热度图展示.mp4
│││      06-7-随机森林建模.mp4
│││      07-8-特征重要性.mp4
│││      
││├─06-机器学习-模型解释方法实战
│││      01-1-模型解释方法与实践.mp4
│││      02-2-部分依赖图解释.mp4
│││      03-3-双变量分析.mp4
│││      04-4-ShapValues指标分析.mp4
│││      05-5-疾病引起原因分析实战.mp4
│││      
││├─07-自然语言处理必备工具包实战
│││      01-1-Python字符串处理.mp4
│││      02-2-正则表达式基本语法.mp4
│││      03-3-正则常用符号.mp4
│││      04-4-常用函数介绍.mp4
│││      05-5-NLTK工具包简介.mp4
│││      06-6-停用词过滤.mp4
│││      07-7-词性标注.mp4
│││      08-8-数据清洗实例.mp4
│││      09-9-Spacy工具包.mp4
│││      10-10-名字实体匹配.mp4
│││      11-11-恐怖袭击分析.mp4
│││      12-12-统计分析结果.mp4
│││      13-13-结巴分词器.mp4
│││      14-14-词云展示.mp4
│││      
││├─08-NLP核心模型-Word2vec
│││      01-1-词向量模型通俗解释.mp4
│││      02-2-模型整体框架.mp4
│││      03-3-训练数据构建.mp4
│││      04-4-CBOW与Skip-gram模型.mp4
│││      05-5-负采样方案.mp4
│││      
││├─09-数据特征预处理
│││      01-1-任务概述.mp4
│││      02-2-词袋模型.mp4
│││      03-3-词袋模型分析.mp4
│││      04-4-TFIDF模型.mp4
│││      05-5-word2vec词向量模型.mp4
│││      06-6-深度学习模型.mp4
│││      
││├─10-10文本特征处理方法对比
│││      01-1-数据与任务介绍.mp4
│││      02-2-数据分析与可视化展示.mp4
│││      03-3-连续值离散化与可视化细节.mp4
│││      04-4-加载数据坐标到实际地图中进行分析.mp4
│││      05-5-特征相关性分析.mp4
│││      06-6-缺失值填充.mp4
│││      07-7-sklearn工具包预处理模块.mp4
│││      08-8-离散属性特征处理.mp4
│││      09-9-构建合适的特征.mp4
│││      10-10-序列化执行预处理操作.mp4
│││      11-11-完成所有预处理操作.mp4
│││      12-12-构建回归模型.mp4
│││      
││├─11-银行客户还款可能性预测
│││      01-1-数据任务介绍及缺失值处理.mp4
│││      02-2-EDA数据探索分析.mp4
│││      03-3-特征展示分析.mp4
│││      04-4-KDEPLOT展示.mp4
│││      05-5-部分特征分析与可视化.mp4
│││      06-6-数据检查与特征工程.mp4
│││      07-7-多项式特征.mp4
│││      08-8-自定义特征.mp4
│││      09-9-逻辑回归模型.mp4
│││      10-10-结果评估.mp4
│││      11-11-必杀神奇：lightgbm.mp4
│││      
││└─12-图像特征聚类分析实践
││          01-1-数据与任务流程分析.mp4
││          02-2-图片数据导入.mp4
││          03-3-图像特征编码.mp4
││          04-4-数组保存与读取.mp4
││          05-5-得出聚类结果.mp4
││          06-6-聚类效果可视化展示.mp4
││         
│├─07-第七模块：机器学习竞赛优胜解决方案实战
││├─01-快手短视频用户活跃度分析
│││      01-1-任务目标与数据分析..mp4
│││      02-2-整体模型架构.mp4
│││      03-3-构建用户特征序列.mp4
│││      04-4-序列特征提取方法.mp4
│││      05-5-生成特征汇总表.mp4
│││      06-6-标签制作.mp4
│││      07-7-网络训练模块.mp4
│││      08-8-得出最终模型结果.mp4
│││      09-0-课程简介.mp4
│││      
││├─02-工业化生产预测
│││      01-1-数据任务概述.mp4
│││      02-2-数据异常检查.mp4
│││      03-3-时间特征提取.mp4
│││      04-4-各道工序特征构建.mp4
│││      05-5-准备训练数据.mp4
│││      06-6-训练xgboost模型.mp4
│││      
││├─03-智慧城市-道路通行时间预测
│││      01-1-数据与任务目标分析.mp4
│││      02-2-数据清洗与标签转换.mp4
│││      03-3-道路通行时间序列数据生成.mp4
│││      04-4-序列缺失补全方法.mp4
│││      05-5-基于回归与插值完成序列特征.mp4
│││      06-6-基于回归与插值进行序列补全.mp4
│││      07-7-特征汇总.mp4
│││      08-8-建立回归模型进行预测.mp4
│││      
││├─04-特征工程建模可解释包
│││      01-1-模型解释方法与实践.mp4
│││      02-2-部分依赖图解释.mp4
│││      03-3-双变量分析.mp4
│││      04-4-ShapValues指标分析.mp4
│││      05-5-疾病引起原因分析实战.mp4
│││      06-1-竞赛与目标分析.mp4
│││      07-1-特征对比分析方法.mp4
│││      08-1-结果对比分析.mp4
│││      
││├─05-医学糖尿病数据命名实体识别
│││      01-1-数据与任务介绍.mp4
│││      02-2-整体模型架构.mp4
│││      03-3-数据-标签-语料库处理.mp4
│││      04-4-输入样本填充补齐.mp4
│││      05-5-训练网络模型.mp4
│││      06-6-医疗数据集（糖尿病）实体识别.mp4
│││      
││├─06-贷款平台风控模型+特征工程
│││      01-1-竞赛任务目标.mp4
│││      02-2-图模型信息提取.mp4
│││      03-3-节点权重特征提取(PageRank).mp4
│││      04-4-deepwalk构建图顶点特征.mp4
│││      05-5-各项统计特征.mp4
│││      06-6-app安装特征.mp4
│││      07-7-图中联系人特征.mp4
│││      
││├─07-新闻关键词抽取模型
│││      01-1-任务目标与数据集介绍.mp4
│││      02-2-数据清洗与预处理.mp4
│││      03-3-基本特征抽取.mp4
│││      04-4-文章与词向量分析.mp4
│││      05-5-权重划分.mp4
│││      06-6-候选词统计特征.mp4
│││      07-7-textrank特征提取.mp4
│││      08-8-候选词相似度特征.mp4
│││      09-9-特征工程汇总.mp4
│││      
││├─08-数据特征常用构建方法
│││      01-1-基本数值特征.mp4
│││      02-2-常用特征构造手段.mp4
│││      03-3-时间特征处理.mp4
│││      04-4-文本特征处理.mp4
│││      05-5-构造文本向量.mp4
│││      06-6-词向量特征.mp4
│││      07-7-计算机眼中的图像.mp4
│││      
││├─09-用电敏感客户分类
│││      01-1-任务与解决框架概述.mp4
│││      02-2-特征工程分析与特征提取.mp4
│││      03-3-离散数据处理.mp4
│││      04-4-统计与文本特征.mp4
│││      05-5-文本特征构建.mp4
│││      06-6-构建低敏用户模型.mp4
│││      07-7-高敏模型概述.mp4
│││      
││└─10-机器学习项目实战模板
││          01-1-建筑能源利用效率任务概述.mp4
││          02-2-处理流程与数据简介.mp4
││          03-3-能源信息各项指标数据预处理.mp4
││          04-4-单变量绘图分析.mp4
││          05-5-离群点剔除.mp4
││          06-6-变量与结果的关系.mp4
││          07-7-多变量展示.mp4
││          08-8-特征工程的价值和方法.mp4
││          09-1-dataleakage问题.mp4
││          10-2-基础模型对比.mp4
││          11-3-选择参数.mp4
││          12-4-测试模型.mp4
││          13-5-模型解释.mp4
││          14-6-模型分析.mp4
││         
│├─08-第八模块：Python金融分析与量化交易实战
││├─01-课程内容与大纲介绍
│││      01-课程内容与大纲介绍.mp4
│││      
││├─02-金融数据时间序列分析
│││      01-1-金融时间序列数据统计分析.mp4
│││      02-2-序列变化情况分析计算.mp4
│││      03-3-连续指标变化情况分析.mp4
│││      04-4-时间序列重采样操作.mp4
│││      05-5-短均与长均计算实例.mp4
│││      06-6-指标相关情况分析.mp4
│││      07-7-回归方程与相关系数实例.mp4
│││      
││├─03-1双均线交易策略实战
│││      01-1-金叉与死叉介绍.mp4
│││      02-2-买点与卖点可视化分析.mp4
│││      03-3-策略收益效果分析.mp4
│││      04-4-均线调参实例.mp4
│││      
││├─04-策略收益与风险评估指标解析
│││      01-1-回测收益率指标解读.mp4
│││      02-1-回测收益率指标解读.mp4
│││      03-3-最大回撤区间.mp4
│││      04-4-夏普比率的作用.mp4
│││      05-5-阿尔法与贝塔概述.mp4
│││      
││├─05-量化交易与回测平台解读
│││      01-1-量化交易概述.mp4
│││      02-2-量化交易所需技能分析.mp4
│││      03-3-Ricequant交易平台简介.mp4
│││      
││├─06-Ricequant回测选股分析实战
│││      01-1-策略任务分析.mp4
│││      02-2-股票池筛选.mp4
│││      03-2-股票池筛选.mp4
│││      04-4-定时器功能与作用.mp4
│││      
││├─07-因子数据预处理实战
│││      01-1-百分位去极值方法.mp4
│││      02-2-基于百分位去极值实例.mp4
│││      03-3-Mad法去极值演示.mp4
│││      04-4-3Sigma方法实例.mp4
│││      05-5-标准化处理方法.mp4
│││      06-6-中性化处理方法通俗解释.mp4
│││      07-7-策略任务概述.mp4
│││      
││├─08-因子选股策略实战
│││      01-1-股票数据获取.mp4
│││      02-2-过滤筛选因子指标数据.mp4
│││      03-3-因子数据预处理.mp4
│││      04-4-股票池筛选.mp4
│││      05-5-策略效果评估分析.mp4
│││      
││├─09-因子分析实战
│││      01-5-策略效果评估分析.mp4
│││      02-2-Alphalens工具包介绍.mp4
│││      03-3-获取因子指标数据.mp4
│││      04-4-获取给定区间全部数据.mp4
│││      05-5-数据格式转换.mp4
│││      06-6-IC指标值计算.mp4
│││      07-7-工具包绘图展示.mp4
│││      08-8-因子收益率简介.mp4
│││      
││├─10-因子打分选股实战
│││      01-1-打分法选股策略概述.mp4
│││      02-2-整体任务流程梳理.mp4
│││      03-3-策略初始化与数据读取.mp4
│││      04-4-因子打分与排序.mp4
│││      05-5-完成选股方法.mp4
│││      06-6-完成策略交易展示结果.mp4
│││      07-7-策略总结与分析.mp4
│││      
││├─11-回归分析策略
│││      01-1-回归问题概述.mp4
│││      02-2-误差项定义.mp4
│││      03-3-独立同分布的意义.mp4
│││      04-4-似然函数的作用.mp4
│││      05-5-参数求解.mp4
│││      06-6-梯度下降通俗解释.mp4
│││      07-7参数更新方法.mp4
│││      08-8-优化参数设置.mp4
│││      09-9-回归任务概述.mp4
│││      10-10-特征可视化展示.mp4
│││      11-11-构建回归方程.mp4
│││      12-12-回归分析结果.mp4
│││      
││├─11-聚类分析策略
│││      01-1-KMEANS算法概述.mp4
│││      02-2-KMEANS工作流程.mp4
│││      03-3-KMEANS迭代可视化展示.mp4
│││      04-4-DBSCAN聚类算法.mp4
│││      05-5-DBSCAN工作流程.mp4
│││      06-6-DBSCAN可视化展示.mp4
│││      07-6-DBSCAN可视化展示.mp4
│││      08-8-统计分析所需数据准备.mp4
│││      09-9-统计效果展示.mp4
│││      
││├─12-拓展：fbprophet时间序列预测神器
│││      01-1-fbprophet股价预测任务概述.mp4
│││      02-2-时间序列分析.mp4
│││      03-3-fbprophet时间序列预测实例.sz
│││      04-4-亚马逊股价趋势.mp4
│││      05-5-突变点调参.mp4
│││      
││└─13-基于深度学习的时间序列预测
││          01-1-任务目标与数据源.mp4
││          02-2-构建时间序列数据.mp4
││          03-3-训练时间序列数据预测结果.mp4
││          04-4-多特征预测结果.mp4
││          05-5-序列结果预测.mp4
││         
│├─09-第九模块：深度学习经典算法解析
││├─01-深度学习必备基础知识点础
│││      01-1-深度学习要解决的问题.mp4
│││      02-2-深度学习应用领域.mp4
│││      03-3-计算机视觉任务.mp4
│││      04-4-视觉任务中遇到的问题.mp4
│││      05-5-得分函数.mp4
│││      06-6-损失函数的作用.mp4
│││      07-7-前向传播整体流程.mp4
│││      
││├─02-神经网络整体架构
│││      01-1-返向传播计算方法.mp4
│││      02-2-神经网络整体架构.mp4
│││      03-2-神经网络整体架构.mp4
│││      04-4-神经元个数对结果的影响.mp4
│││      05-5-正则化与激活函数.mp4
│││      06-6-神经网络过拟合解决方法.mp4
│││      
││├─03-卷积神经网络原理与参数解读
│││      01-1-卷积神经网络应用领域.mp4
│││      02-2-卷积的作用.mp4
│││      03-3-卷积特征值计算方法.mp4
│││      04-4-得到特征图表示.mp4
│││      05-5-步长与卷积核大小对结果的影响.mp4
│││      06-6-边缘填充方法.mp4
│││      07-7-特征图尺寸计算与参数共享.mp4
│││      08-8-池化层的作用.mp4
│││      09-9-整体网络架构.mp4
│││      10-10-VGG网络架构.mp4
│││      11-11-残差网络Resnet.mp4
│││      12-12-感受野的作用.mp4
│││      
││├─04-递归神经网络与词向量原理解读
│││      01-12-感受野的作用.mp4
│││      02-2-词向量模型通俗解释.mp4
│││      03-3-模型整体框架.mp4
│││      04-4-训练数据构建.mp4
│││      05-5-CBOW与Skip-gram模型.mp4
│││      06-6-负采样方案.mp4
│││      
││├─05-案例实战搭建神经网络
│││      01-0-keras框架简介与安装.mp4
│││      02-1-训练自己的数据集整体流程.mp4
│││      03-2-数据加载与预处理.mp4
│││      04-3-搭建网络模型.mp4
│││      05-4-学习率对结果的影响.mp4
│││      06-5-Drop-out操作.mp4
│││      07-6-权重初始化方法对比.mp4
│││      08-7-初始化标准差对结果的影响.mp4
│││      09-8-正则化对结果的影响.mp4
│││      10-9-加载模型进行测试.mp4
│││      
││├─06-案例实战卷积神经网络
│││      01-1-卷积层构造.mp4
│││      02-1-卷积层构造.mp4
│││      03-3-BatchNormalization效果.mp4
│││      04-4-参数对比.mp4
│││      05-5-网络测试效果.mp4
│││      
││└─07-案例实战LSTM时间序列预测任务
││          01-1-时间序列模型.mp4
││          02-2-网络结构与参数定义.mp4
││          03-3-构建LSTM模型.mp4
││          04-4-训练模型与效果展示.mp4
││          05-5-多序列预测结果.mp4
││          06-6-股票数据预测.mp4
││          07-7-数据预处理.mp4
││          08-8-预测结果展示.mp4
││         
│├─10-选修：Python数据分析案例实战
││├─01-KIVA贷款数据
│││      01-kiva贷款数据集介绍.mp4
│││      02-2-各个国家贷款需求.mp4
│││      03-3-贷款金额与还款间隔分析.mp4
│││      04-5-深入各个行业分析.mp4
│││      05-6-针对时间序列进行分析.mp4
│││      06-7-各项数据指标统计分析.mp4
│││      
││├─02-订单数据集分析
│││      01-8-预测结果展示.mp4
│││      02-2-双变量热度图绘制方法.mp4
│││      03-3-复购情况对比分析.mp4
│││      04-4-购物车情况与复购.mp4
│││      05-5-聚类划分商品.mp4
│││      
││├─03-基于统计分析的电影推荐
│││      01-1-电影数据与环境配置.mp4
│││      02-2-数据与关键词信息展示.mp4
│││      03-3-关键词云与直方图可视化展示.mp4
│││      04-4-电影特征数据可视化.mp4
│││      05-5数据清洗方法分析.mp4
│││      06-6-缺失值填充方法.mp4
│││      07-7-推荐引擎构造.mp4
│││      08-8-数据特征构造.mp4
│││      09-9-得出推荐结果.mp4
│││      
││├─04-纽约出租车建模
│││      01-1-纽约出租车运行情况数据概述.mp4
│││      02-2-聚类区域划分.mp4
│││      03-3-客流趋势动态展示.mp4
│││      04-4-区域邻居情况分析.mp4
│││      05-5-用户数据特征分析.mp4
│││      06-6-不同类别的出租车运行情况对比.mp4
│││      07-7-客户数据特征可视化分析.mp4
│││      08-8-聚类特征信息可视化展示.mp4
│││      09-9-xgboost模型进行分析预测.mp4
│││      10-10-加入天气特征对结果的影响分析.mp4
│││      
││├─05-商品信息可视化与文本分析
│││      01-1-在线商城商品数据信息概述.mp4
│││      02-2-商品类别划分方式.mp4
│││      03-3-商品类别可视化展示.mp4
│││      04-4-商品描述长度对价格的影响分析.mp4
│││      05-5-关键词的词云可视化展示.mp4
│││      06-6-基于tf-idf提取关键词信息.mp4
│││      07-7-通过降维进行可视化展示.mp4
│││      08-8-聚类分析与主题模型展示.mp4
│││      
││└─06-数据分析-机器学习模板
││          01-1-人口普查预测任务概述.mp4
││          02-2-单特征与缺失值展示.mp4
││          04-4-人口信息数据特征工程展示.mp4
││          05-5-单变量展示.mp4
││          06-6-双变量分析.mp4
││          07-7-开发新变量.mp4
││          08-8-ROC与AUC模型评估标准.mp4
││          09-9-机器学习算法模型效果对比.mp4
││         
│└─11-选修：机器学习进阶实战
│      ├─01-GBDT提升算法
│      │      01-1-回归树模型.mp4
│      │      02-2-Adaboost算法.mp4
│      │      03-3-GBDT工作流程.mp4
│      │      04-4-回归任务.mp4
│      │      05-5-分类任务.mp4
│      │      06-6-可视化.mp4
│      │      
│      ├─01-数据特征
│      │      01-1-基本数值特征.mp4
│      │      02-2-常用特征构造手段.mp4
│      │      04-4-文本特征处理.mp4
│      │      05-5-构造文本向量.mp4
│      │      06-6-词向量特征.mp4
│      │      07-7-计算机眼中的图像.mp4
│      │      
│      ├─02-xgboost-gbdt-lightgbm提升算法框架对比
│      │      01-1-GBDT效果.mp4
│      │      02-2-Xgboost效果.mp4
│      │      03-3-lightGBM效果.mp4
│      │      
│      ├─04-4.使用lightgbm进行饭店流量预测
│      │      01-1-饭店流量数据介绍.mp4
│      │      02-2-数据汇总.mp4
│      │      03-3-离群点筛选.mp4
│      │      04-4-特征提取.mp4
│      │      05-5-lightgbm建模.mp4
│      │      
│      ├─05-人口普查数据集项目实战-收入预测
│      │      01-1-人口普查预测任务概述.mp4
│      │      02-2-单特征与缺失值展示.mp4
│      │      03-3-第一步：数据清洗.mp4
│      │      04-4-特征工程.mp4
│      │      05-5-单变量展示.mp4
│      │      06-6-双变量分析.mp4
│      │      07-7-开发新变量.mp4
│      │      08-8-ROC与AUC模型评估标准.mp4
│      │      09-9-机器学习模型.mp4
│      │      
│      ├─05-降维算法-线性判别分析
│      │      01-1-线性判别分析要解决的问题.mp4
│      │      02-2-线性判别分析要优化的目标.mp4
│      │      03-3-线性判别分析求解.mp4
│      │      04-4-实现线性判别分析进行降维任务.mp4
│      │      05-5-求解得出降维结果.mp4
│      │      
│      ├─07-贝叶斯优化及其工具包使用
│      │      01-1-贝叶斯优化概述.mp4
│      │      02-2-工具包使用方法.mp4
│      │      03-3-贝叶斯优化效果.mp4
│      │      04-4-调整参数空间.mp4
│      │      
│      ├─08-贝叶斯优化实战
│      │      01-1-基础模型建立.mp4
│      │      02-2-设置参数空间.mp4
│      │      03-3-随机优化结果.mp4
│      │      04-4-贝叶斯优化效果.mp4
│      │      05-5-方法对比.mp4
│      │      06-6-参数变化情况.mp4
│      │      
│      ├─09-EM算法
│      │      01-1-EM算法要解决的问题.mp4
│      │      02-2-隐变量问题.mp4
│      │      03-3-EM算法求解实例.mp4
│      │      04-4-Jensen不等式.mp4
│      │      05-5-GMM模型.mp4
│      │      06-6-GMM实例.mp4
│      │      07-7-GMM聚类.mp4
│      │      
│      ├─10-HMM隐马尔科夫模型
│      │      01-1-马尔科夫模型.mp4
│      │      02-2-隐马尔科夫模型基本出发点.mp4
│      │      03-3-组成与要解决的问题.mp4
│      │      04-4-暴力求解方法.mp4
│      │      05-5-复杂度计算.mp4
│      │      06-6-前向算法.mp4
│      │      07-7-前向算法求解实例.mp4
│      │      08-8-Baum-Welch算法.mp4
│      │      09-9-参数求解.mp4
│      │      10-10-维特比算法.mp4
│      │      
│      ├─11-HMM案例实战
│      │      01-1-hmmlearn工具包.mp4
│      │      02-2-工具包使用方法.mp4
│      │      03-3-中文分词任务.mp4
│      │      04-4-实现中文分词.mp4
│      │      
│      ├─12-推荐系统
│      │      01-0-开场.mp4
│      │      02-1-推荐系统应用.mp4
│      │      03-2-推荐系统要完成的任务.mp4
│      │      04-3-相似度计算.mp4
│      │      05-4-基于用户的协同过滤.mp4
│      │      06-5-基于物品的协同过滤.mp4
│      │      07-6-隐语义模型.mp4
│      │      08-7-隐语义模型求解.mp4
│      │      09-8-模型评估标准.mp4
│      │      
│      ├─13-基于统计分析的电影推荐
│      │      01-1-数据与环境配置.mp4
│      │      02-2-数据与关键词信息展示.mp4
│      │      03-3-关键词云与直方图展示.mp4
│      │      04-4-特征可视化.mp4
│      │      05-5-数据清洗概述.mp4
│      │      06-6-缺失值填充方法.mp4
│      │      07-7-推荐引擎构造.mp4
│      │      08-8-数据特征构造.mp4
│      │      09-9-得出推荐结果.mp4
│      │      
│      ├─13-音乐推荐系统实战
│      │      01-1-音乐推荐任务概述.mp4
│      │      02-2-数据集整合.mp4
│      │      03-3-基于物品的协同过滤.mp4
│      │      04-4-物品相似度计算与推荐.mp4
│      │      05-5-SVD矩阵分解.mp4
│      │      06-6-基于矩阵分解的音乐推荐.mp4
│      │      
│      ├─15-NLP-文本特征方法对比
│      │      01-1.1-任务概述.mp4
│      │      02-2-词袋模型.mp4
│      │      03-3-词袋模型分析.sz
│      │      04-4-TFIDF模型.mp4
│      │      05-5-word2vec词向量模型.mp4
│      │      06-6-深度学习模型.mp4
│      │      
│      ├─15-学习曲线
│      │      01-1-Bian与Variance曲线.mp4
│      │      02-2-数据集中的结果.mp4
│      │      03-3-曲线实验结果.mp4
│      │      
│      ├─17-使用word2vec分类任务
│      │      01-1-影评情感分类.mp4
│      │      02-2-基于词袋模型训练分类器.mp4
│      │      03-3-准备word2vec输入数据.mp4
│      │      04-4-使用gensim构建word2vec词向量（新）.mp4
│      │      
│      ├─18-Tensorflow自己打造word2vec
│      │      01-1-数据与任务流程.mp4
│      │      02-2-数据清洗.mp4
│      │      03-3-batch数据制作.sz
│      │      04-4-网络训练.mp4
│      │      05-5-可视化展示.mp4
│      │      
│      ├─19-制作自己常用工具包
│      │      01-1-为什么要做自己的数据工具包.mp4
│      │      02-2-工具包注释.mp4
│      │      03-3-缺失值处理.mp4
│      │      04-4-其他处理方式概述.mp4
│      │      05-5-工具包调用.mp4
│      │      
│      ├─20-机器学习项目实战-数据处理与特征提取
│      │      01-1-建筑能源利用效率任务概述.mp4
│      │      02-2-处理流程与数据简介.mp4
│      │      03-3-能源信息各项指标数据预处理.mp4
│      │      04-4-单变量绘图分析.mp4
│      │      05-5-离群点剔除.mp4
│      │      06-6-变量与结果的关系对比分析.mp4
│      │      07-7-多变量展示.mp4
│      │      08-8-特征工程的价值与方法.mp4
│      │      
│      └─21-机器学习项目实战-建模与分析
│            01-1-dataleakage问题解决方案.mp4
│            02-2-机器学习基础模型对比.mp4
│            03-3-参数对结果的影响分析.mp4
│            04-4-测试模型效果.mp4
│            05-5-模型的结果解释与参数分析.mp4
│            06-6-机器学习常用模型分析方法介绍.mp4
│            
├─1-直播课回放
│      001、开班典礼.mp4
│      002、Pycharm环境配置与Debug演示(没用过的同学必看).mp4
│      003、神经网络解读.mp4
│      004、卷积神经网络.mp4
│      005、transformer架构解读.mp4
│      006、融合强化学习与机器人训练原理、架构、部署.mp4
│      007、VIT 源码Debug.mp4
│      008、Transformer下游应用实例.mp4
│      009、图神经网络.mp4
│      010、基于分层强化学习的机器人路径规划方法.mp4
│      011、时间序列预测.mp4
│      012、Huggingface与知识图谱.mp4
│      013、对比学习.mp4
│      014、Deepseek辅助科研技能学习和科研探索--.mp4
│      
├─10-论?必备-Transformer实战系列
│├─1-Transformer算法解读
││      1-Transformer算法解读.mp4
││      
│├─10-MedicalTrasnformer论文解读
││      1-论文整体分析.mp4
││      2-核心思想分析.mp4
││      3-网络结构计算流程概述.mp4
││      4-论文公式计算分析.mp4
││      5-位置编码的作用与效果.mp4
││      6-拓展应用分析.mp4
││      
│├─11-MedicalTransformer源码解读
││      1-项目环境配置.mp4
││      2-医学数据介绍与分析.mp4
││      3-基本处理操作.mp4
││      4-AxialAttention实现过程.mp4
││      5-位置编码向量解读.mp4
││      6-注意力计算过程与方法.mp4
││      7-局部特征提取与计算.mp4
││      
│├─12-商汤LoFTR算法解读
││      1-特征匹配的应用场景.mp4
││      10-总结分析.mp4
││      2-特征匹配的基本流程分析.mp4
││      3-整体流程梳理分析.mp4
││      4-CrossAttention的作用与效果.mp4
││      5-transformer构建匹配特征.mp4
││      6-粗粒度匹配过程与作用.mp4
││      7-特征图拆解操作.mp4
││      8-细粒度匹配的作用与方法.mp4
││      9-基于期望预测最终位置.mp4
││      
│├─13-局部特征关键点匹配实战
││      1-项目与参数配置解读.mp4
││      10-得到精细化输出结果.mp4
││      11-通过期望计算最终输出.mp4
││      2-DEMO效果演示.mp4
││      3-backbone特征提取模块.mp4
││      4-注意力机制的作用与效果分析.mp4
││      5-特征融合模块实现方法.mp4
││      6-cross关系计算方法实例.mp4
││      7-粗粒度匹配过程.mp4
││      8-完成基础匹配模块.mp4
││      9-精细化调整方法与实例.mp4
││      
│├─14-分割模型Maskformer系列
││      1-分割模型Maskformer系列.mp4
││      
│├─15-Mask2former源码解读
││      1-Backbone获取多层级特征.mp4
││      10-正样本筛选损失计算.mp4
││      11-标签分类匹配结果分析.mp4
││      12-最终损失计算流程.mp4
││      13-汇总所有损失完成迭代.mp4
││      2-多层级采样点初始化构建.mp4
││      3-多层级输入特征序列创建方法.mp4
││      4-偏移量与权重计算并转换.mp4
││      5-Encoder特征构建方法实例.mp4
││      6-query要预测的任务解读.mp4
││      7-Decoder中的AttentionMask方法.mp4
││      8-损失模块输入参数分析.mp4
││      9-标签分配策略解读.mp4
││      
│├─16-BEV特征空间
││      1-BEV特征空间.mp4
││      
│├─17-BevFormer源码解读
││      1-环境配置方法解读.mp4
││      10-获取当前BEV特征.mp4
││      11-Decoder级联校正模块.mp4
││      12-损失函数与预测可视化.mp4
││      2-数据集下载与配置方法.mp4
││      3-特征提取以及BEV空间初始化.mp4
││      4-特征对齐与位置编码初始化.mp4
││      5-Reference初始点构建.mp4
││      6-BEV空间与图像空间位置对应.mp4
││      7-注意力机制模块计算方法.mp4
││      8-BEV空间特征构建.mp4
││      9-Decoder要完成的任务分析.mp4
││      
│├─18-时间序列预测
││      1-时间序列预测.mp4
││      
│├─19-Informer时间序列源码解读
││      1-Informer时间序列源码解读.mp4
││      
│├─2-视觉Transformer及其源码分析
││      1-视觉Transformer及其源码分析.mp4
││      
│├─20-Huggingface与NLP（讲故事）
││      1-Huggingface与NLP（讲故事）.mp4
││      
│├─3-VIT算法模型源码解读
││      1-项目配置说明.mp4
││      2-输入序列构建方法解读.mp4
││      3-注意力机制计算.mp4
││      4-输出层计算结果.mp4
││      
│├─4-swintransformer算法原理解析
││      1-swintransformer整体概述.mp4
││      10-分层计算方法.mp4
││      2-要解决的问题及其优势分析.mp4
││      3-一个block要完成的任务.mp4
││      4-获取各窗口输入特征.mp4
││      5-基于窗口的注意力机制解读.mp4
││      6-窗口偏移操作的实现.mp4
││      7-偏移细节分析及其计算量概述.mp4
││      8-整体网络架构整合.mp4
││      9-下采样操作实现方法.mp4
││      
│├─5-swintransformer源码解读
││      1-数据与环境配置解读.mp4
││      2-图像数据patch编码.mp4
││      3-数据按window进行划分计算.mp4
││      4-基础attention计算模块.mp4
││      5-窗口位移模块细节分析.mp4
││      6-patchmerge下采样操作.mp4
││      7-各block计算方法解读.mp4
││      8-输出层概述.mp4
││      
│├─6-基于Transformer的detr目标检测算法
││      1-DETR目标检测基本思想解读.mp4
││      2-整体网络架构分析.mp4
││      3-位置信息初始化query向量.mp4
││      4-注意力机制的作用方法.mp4
││      5-训练过程的策略.mp4
││      
│├─7-detr目标检测源码解读
││      1-项目环境配置解读.mp4
││      2-数据处理与dataloader.mp4
││      3-位置编码作用分析.mp4
││      4-backbone特征提取模块.mp4
││      5-mask与编码模块.mp4
││      6-编码层作用方法.mp4
││      7-Decoder层操作与计算.mp4
││      8-输出预测结果.mp4
││      9-损失函数与预测输出.mp4
││      
│├─8-DeformableDetr算法解读
││      1-DeformableDetr算法解读.mp4
││      
│└─9-DeformableDetr物体检测源码分析
│          1-特征提取与位置编码.mp4
│          10-分类与回归输出模块.mp4
│          11-预测输出结果与标签匹配模块.mp4
│          2-序列特征展开并叠加.mp4
│          3-得到相对位置点编码.mp4
│          4-准备Encoder编码层所需全部输入.mp4
│          5-编码层中的序列分析.mp4
│          6-偏移量offset计算.mp4
│          7-偏移量对齐操作.mp4
│          8-Encoder层完成特征对齐.mp4
│          9-Decoder要完成的操作.mp4
│         
├─11-图神经网络实战
│├─1-图神经网络基础
││      1-图神经网络应用领域分析.mp4
││      2-图基本模块定义.mp4
││      3-邻接矩阵的定义.mp4
││      4-GNN中常见任务.mp4
││      5-消息传递计算方法.mp4
││      6-多层GCN的作用.mp4
││      
│├─10-基于图模型的时间序列预测
││      1-基于图模型的时间序列预测.mp4
││      
│├─11-异构图神经网络
││      1-异构图神经网络.mp4
││      
│├─2-图卷积GCN模型
││      1-GCN基本模型概述.mp4
││      2-图卷积的基本计算方法.mp4
││      3-邻接的矩阵的变换.mp4
││      4-GCN变换原理解读.mp4
││      
│├─3-图模型必备神器PyTorch Geometric安装与使用
││      1-PyTorch Geometric工具包安装与配置方法.mp4
││      3-模型定义与训练方法.mp4
││      4-文献引用数据集分类案例实战.mp4
││      
│├─4-使用PyTorch Geometric构建自己的图数据集
││      1-构建数据集基本方法.mp4
││      2-数据集与任务背景概述.mp4
││      3-数据集基本预处理.mp4
││      4-用户行为图结构创建.mp4
││      5-数据集创建函数介绍.mp4
││      6-网络结构定义模块.mp4
││      7-TopkPooling进行下采样任务.mp4
││      8-获取全局特征.mp4
││      9-模型训练与总结.mp4
││      
│├─5-图注意力机制与序列图模型
││      1-图注意力机制的作用与方法.mp4
││      2-邻接矩阵计算图Attention.mp4
││      3-序列图神经网络TGCN应用.mp4
││      4-序列图神经网络细节.mp4
││      
│├─6-图相似度论文解读
││      1-要完成的任务分析.mp4
││      2-基本方法概述解读.mp4
││      3-图模型提取全局与局部特征.mp4
││      4-NTN模块的作用与效果.mp4
││      5-点之间的对应关系计算.mp4
││      6-结果输出与总结.mp4
││      
│├─7-图相似度计算实战
││      1-数据集与任务概述.mp4
││      2-图卷积特征提取模块.mp4
││      3-分别计算不同Batch点的分布.mp4
││      4-获得直方图特征结果.mp4
││      5-图的全局特征构建.mp4
││      6-NTN图相似特征提取.mp4
││      7-预测得到相似度结果.mp4
││      
│├─8-基于图模型的轨迹估计
││      1-数据集与标注信息解读.mp4
││      2-整体三大模块分析.mp4
││      3-特征工程的作用与效果.mp4
││      4-传统方法与现在向量空间对比.mp4
││      5-输入细节分析.mp4
││      6-子图模块构建方法.mp4
││      7-特征融合模块分析.mp4
││      8-VectorNet输出层分析.mp4
││      
│└─9-图模型轨迹估计实战
│          1-数据与环境配置.mp4
│          2-训练数据准备.mp4
│          3-Agent特征提取方法.mp4
│          4-DataLoader构建图结构.mp4
│          5-SubGraph与Attention模型流程.mp4
│         
├─12-3D点云实战
│├─1-3D点云实战 3D点云应用领域分析
││      1-点云数据概述.mp4
││      2-点云应用领域与发展分析.mp4
││      3-点云分割任务.mp4
││      4-点云补全任务.mp4
││      5-点云检测与配准任务.mp4
││      6-点云数据特征提取概述与预告.mp4
││      
│├─2-3D点云PointNet算法
││      1-3D数据应用领域与点云介绍.mp4
││      2-点云数据可视化展示.mp4
││      3-点云数据特性和及要解决的问题.mp4
││      4-PointNet算法出发点解读.mp4
││      5-PointNet算法网络架构解读.mp4
││      
│├─3-PointNet++算法解读
││      1-PointNet升级版算法要解决的问题.mp4
││      2-最远点采样方法.mp4
││      3-分组Group方法原理解读.mp4
││      4-整体流程概述分析.mp4
││      5-分类与分割问题解决方案.mp4
││      6-遇到的问题及改进方法分析.mp4
││      
│├─4-Pointnet++项目实战
││      1-项目文件概述.mp4
││      10-分类任务总结.mp4
││      11-分割任务数据与配置概述.mp4
││      12-分割需要解决的任务概述.mp4
││      13-上采样完成分割任务.mp4
││      2-数据读取模块配置.mp4
││      3-DEBUG解读网络模型架构.mp4
││      4-最远点采样介绍.mp4
││      5-采样得到中心点.mp4
││      6-组区域划分方法.mp4
││      7-实现group操作得到各中心簇.mp4
││      8-特征提取模块整体流程.mp4
││      9-预测结果输出模块.mp4
││      
│├─5-点云补全PF-Net论文解读
││      1-点云补全要解决的问题.mp4
││      2-基本解决方案概述.mp4
││      3-整体网络概述.mp4
││      4-网络计算流程.mp4
││      5-输入与计算结果.mp4
││      
│├─6-点云补全实战解读
││      1-数据与项目配置解读.mp4
││      2-待补全数据准备方法.mp4
││      3-整体框架概述.mp4
││      4-MRE特征提取模块.mp4
││      5-分层预测输出模块.mp4
││      6-补全点云数据.mp4
││      7-判别模块.mp4
││      
│├─7-点云配准及其案例实战
││      1-点云配准任务概述.mp4
││      2-配准要完成的目标解读.mp4
││      3-训练数据构建.mp4
││      4-任务基本流程.mp4
││      5-数据源配置方法.mp4
││      6-参数计算模块解读.mp4
││      7-基于模型预测输出参数.mp4
││      8-特征构建方法分析.mp4
││      9-任务总结.mp4
││      
│└─8-基础补充-对抗生成网络架构原理与实战解析
│          1-对抗生成网络通俗解释.mp4
│          2-GAN网络组成.mp4
│          3-损失函数解释说明.mp4
│          4-数据读取模块.mp4
│          5-生成与判别网络定义.mp4
│         
├─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
││      1-深度估计效果与应用.mp4
││      10-损失计算.mp4
││      2-kitti数据集介绍.mp4
││      3-使用backbone获取层级特征.mp4
││      4-差异特征计算边界信息.mp4
││      5-SPP层的作用.mp4
││      6-空洞卷积与ASPP.mp4
││      7-特征拼接方法分析.mp4
││      8-网络coarse-to-fine过程.mp4
││      9-权重参数预处理.mp4
││      
│├─10-NeuralRecon项目源码解读
││      1-Backbone得到特征图.mp4
││      2-初始化体素位置.mp4
││      3-坐标映射方法实现.mp4
││      4-得到体素所对应特征图.mp4
││      5-插值得到对应特征向量.mp4
││      6-得到一阶段输出结果.mp4
││      7-完成三个阶段预测结果.mp4
││      8-项目总结.mp4
││      
│├─11-TSDF算法与应用
││      1-TSDF整体概述分析.mp4
││      2-合成过程DEMO演示.mp4
││      3-布局初始化操作.mp4
││      4-TSDF计算基本流程解读.mp4
││      5-坐标转换流程分析.mp4
││      6-输出结果融合更新.mp4
││      
│├─12-TSDF实战案例
││      1-环境配置概述.mp4
││      2-初始化与数据读取.mp4
││      3-计算得到TSDF输出.mp4
││      
│├─13-轨迹估计算法与论文解读
││      1-数据集与标注信息解读.mp4
││      2-整体三大模块分析.mp4
││      3-特征工程的作用与效果.mp4
││      4-传统方法与现在向量空间对比.mp4
││      5-输入细节分析.mp4
││      6-子图模块构建方法.mp4
││      7-特征融合模块分析.mp4
││      8-VectorNet输出层分析.mp4
││      
│├─14-轨迹估计预测实战
││      1-数据与环境配置.mp4
││      2-训练数据准备.mp4
││      3-Agent特征提取方法.mp4
││      4-DataLoader构建图结构.mp4
││      5-SubGraph与Attention模型流程.mp4
││      
│├─15-特斯拉无人驾驶解读
││      1-特斯拉无人驾驶解读.mp4
││      
│├─2-深度估计项目实战
││      1-项目环境配置解读.mp4
││      10-损失函数通俗解读.mp4
││      11-模型DEMO输出结果.mp4
││      2-数据与标签定义方法.mp4
││      3-数据集dataloader制作.mp4
││      4-使用backbone进行特征提取.mp4
││      5-计算差异特征.mp4
││      6-权重参数标准化操作.mp4
││      7-网络结构ASPP层.mp4
││      8-特征拼接方法解读.mp4
││      9-输出深度估计结果.mp4
││      
│├─3-车道线检测算法与论文解读
││      1-数据标签与任务分析.mp4
││      2-网络整体框架分析.mp4
││      3-输出结果分析.mp4
││      4-损失函数计算方法.mp4
││      5-论文概述分析.mp4
││      
│├─4-基于深度学习的车道线检测项目实战
││      1-车道数据与标签解读.mp4
││      10-车道线规则损失函数限制.mp4
││      11-DEMO制作与配置.mp4
││      2-项目环境配置演示.mp4
││      3-制作数据集dataloader.mp4
││      4-车道线标签数据处理.mp4
││      5-四条车道线标签位置矩阵.mp4
││      6-grid设置方法.mp4
││      7-完成数据与标签制作.mp4
││      8-算法网络结构解读.mp4
││      9-损失函数计算模块分析.mp4
││      
│├─5-商汤LoFTR算法解读
││      1-特征匹配的应用场景.mp4
││      10-总结分析.mp4
││      2-特征匹配的基本流程分析.mp4
││      3-整体流程梳理分析.mp4
││      4-CrossAttention的作用与效果.mp4
││      5-transformer构建匹配特征.mp4
││      6-粗粒度匹配过程与作用.mp4
││      7-特征图拆解操作.mp4
││      8-细粒度匹配的作用与方法.mp4
││      9-基于期望预测最终位置.mp4
││      
│├─6-局部特征关键点匹配实战
││      1-项目与参数配置解读.mp4
││      10-得到精细化输出结果.mp4
││      11-通过期望计算最终输出.mp4
││      2-DEMO效果演示.mp4
││      3-backbone特征提取模块.mp4
││      4-注意力机制的作用与效果分析.mp4
││      5-特征融合模块实现方法.mp4
││      6-cross关系计算方法实例.mp4
││      7-粗粒度匹配过程.mp4
││      8-完成基础匹配模块.mp4
││      9-精细化调整方法与实例.mp4
││      
│├─7-三维重建应用与坐标系基础
││      1-三维重建概述分析.mp4
││      2-三维重建应用领域概述.mp4
││      3-成像方法概述.mp4
││      4-相机坐标系.mp4
││      5-坐标系转换方法解读.mp4
││      6-相机内外参.mp4
││      7-通过内外参数进行坐标变换.mp4
││      8-相机标定简介.mp4
││      
│├─8-NeuralRecon算法解读
││      1-任务流程分析.mp4
││      2-基本框架熟悉.mp4
││      3-特征映射方法解读.mp4
││      4-片段融合思想.mp4
││      5-整体架构重构方法.mp4
││      
│└─9-NeuralRecon项目环境配置
│          1-数据集下载与配置方法.mp4
│          2-Scannet数据集内容概述.mp4
│          3-TSDF标签生成方法.mp4
│          4-ISSUE的作用.mp4
│          5-完成依赖环境配置.mp4
│         
├─14-对比学习与多模态任务实战
│├─1-对比学习算法与实例
││      1-对比学习算法与实例.mp4
││      
│├─2-CLIP系列
││      1-CLIP系列.mp4
││      
│├─3-多模态3D目标检测算法源码解读
││      1-环境配置与数据集概述.mp4
││      10-3D卷积特征融合.mp4
││      11-输出层预测结果.mp4
││      2-数据与标注文件介绍.mp4
││      3-基本流程梳理并进入debug模式.mp4
││      4-数据与图像特征提取模块.mp4
││      5-体素索引位置获取.mp4
││      6-体素特征提取方法解读.mp4
││      7-体素特征计算方法分析.mp4
││      8-全局体素特征提取.mp4
││      9-多模态特征融合.mp4
││      
│├─4-多模态文字识别
││      1-多模态文字识别.mp4
││      
│└─5-ANINET源码解读
│          1-数据集与环境概述.mp4
│          2-配置文件修改方法.mp4
│          3-Bakbone模块得到特征.mp4
│          4-视觉Transformer模块的作用.mp4
│          5-视觉模型中的编码与解码的效果.mp4
│          6-文本模型中的结构分析.mp4
│          7-迭代修正模块.mp4
│          8-输出层与损失计算.mp4
│         
├─15-缺陷检测实战
│├─1-课程介绍
││      1-课程介绍.mp4
││      
│├─10-基于Opencv缺陷检测项?实战
││      1-任务需求与环境配置.mp4
││      2-数据读取与基本处理.mp4
││      3-缺陷形态学操作.mp4
││      4-整体流程解读.mp4
││      5-缺陷检测效果演示.mp4
││      
│├─11-基于视频流?线的Opencv缺陷检测项?
││      1-数据与任务概述.mp4
││      2-视频数据读取与轮廓检测.mp4
││      3-目标质心计算.mp4
││      4-视频数据遍历方法.mp4
││      5-缺陷区域提取.mp4
││      6-不同类型的缺陷检测方法.mp4
││      7-检测效果演示.mp4
││      
│├─12-图像分割deeplab系列算法
││      1-deeplab分割算法概述.mp4
││      2-空洞卷积的作用.mp4
││      3-感受野的意义.mp4
││      4-SPP层的作用.mp4
││      5-ASPP特征融合策略.mp4
││      6-deeplabV3Plus版本网络架构.mp4
││      
│├─13-基于deeplabV3+版本进?VOC分割实战
││      1-PascalVoc数据集介绍.mp4
││      2-项目参数与数据集读取.mp4
││      3-网络前向传播流程.mp4
││      4-ASPP层特征融合.mp4
││      5-分割模型训练.mp4
││      
│├─14-Deeplab铁质材料缺陷检测与开源项?应?流程
││      1-数据集与任务概述.mp4
││      2-开源项目应用方法.mp4
││      3-github与kaggle中需要注意的点.mp4
││      4-源码的利用方法.mp4
││      5-数据集制作方法.mp4
││      6-数据路径配置.mp4
││      7-训练模型.mp4
││      8-任务总结.mp4
││      
│├─2-物体检框架YOLO-V4版本算法解读
││      1-V4版本整体概述.mp4
││      10-PAN模块解读.mp4
││      11-激活函数与整体架构总结.mp4
││      2-V4版本贡献解读.mp4
││      3-数据增强策略分析.mp4
││      4-DropBlock与标签平滑方法.mp4
││      5-损失函数遇到的问题.mp4
││      6-CIOU损失函数定义.mp4
││      7-NMS细节改进.mp4
││      8-SPP与CSP网络结构.mp4
││      9-SAM注意力机制模块.mp4
││      
│├─3-物体检测框架YOLOV5版本项目配置
││      1-整体项目概述.mp4
││      2-训练自己的数据集方法.mp4
││      3-训练数据参数配置.mp4
││      4-测试DEMO演示.mp4
││      
│├─4-物体检测框架YOLOV5项目工程源码解读
││      1-数据源DEBUG流程解读.mp4
││      10-完成配置文件解析任务.mp4
││      11-前向传播计算.mp4
││      12-BottleneckCSP层计算方法.mp4
││      13-SPP层计算细节分析.mp4
││      14-Head层流程解读.mp4
││      15-上采样与拼接操作.mp4
││      16-输出结果分析.mp4
││      17-超参数解读.mp4
││      18-命令行参数介绍.mp4
││      19-训练流程解读.mp4
││      2-图像数据源配置.mp4
││      20-各种训练策略概述.mp4
││      21-模型迭代过程.mp4
││      3-加载标签数据.mp4
││      4-Mosaic数据增强方法.mp4
││      5-数据四合一方法与流程演示.mp4
││      6-getItem构建batch.mp4
││      7-网络架构图可视化工具安装.mp4
││      8-V5网络配置文件解读.mp4
││      9-Focus模块流程分析.mp4
││      
│├─5-基于YOLOV5的钢材缺陷检测实战
││      1-任务需求与项目概述.mp4
││      2-数据与标签配置方法.mp4
││      3-标签转换格式脚本制作.mp4
││      4-各版本模型介绍分析.mp4
││      5-项目参数配置.mp4
││      6-缺陷检测模型训练.mp4
││      7-输出结果与项目总结.mp4
││      
│├─6-Semi-supervised布料缺陷检测实战
││      1-任务目标与流程概述.mp4
││      2-论文思想与模型分析.mp4
││      3-项目配置解读.mp4
││      4-网络流程分析.mp4
││      5-输出结果展示.mp4
││      
│├─7-Opencv图像常?处理?法实例
││      1-计算机眼中的图像.mp4
││      10-膨胀操作.mp4
││      11-开运算与闭运算.mp4
││      12-梯度计算.mp4
││      13-礼帽与黑帽.mp4
││      2-视频的读取与处理.mp4
││      3-ROI区域.mp4
││      4-边界填充.mp4
││      5-数值计算.mp4
││      6-图像阈值.mp4
││      7-图像平滑处理.mp4
││      8-高斯与中值滤波.mp4
││      9-腐蚀操作.mp4
││      
│├─8-Opencv梯度计算与边缘检测实例
││      1-Canny边缘检测流程.mp4
││      2-非极大值抑制.mp4
││      3-边缘检测效果.mp4
││      4-Sobel算子.mp4
││      5-梯度计算方法.mp4
││      6-scharr与lapkacian算子.mp4
││      
│└─9-Opencv轮廓检测与直?图
│          1-图像金字塔定义.mp4
│          10-均衡化效果.mp4
│          11-傅里叶概述.mp4
│          12-频域变换结果.mp4
│          13-低通与高通滤波.mp4
│          2-金字塔制作方法.mp4
│          3-轮廓检测方法.mp4
│          4-轮廓检测结果.mp4
│          5-轮廓特征与近似.mp4
│          6-模板匹配方法.mp4
│          7-匹配效果展示.mp4
│          8-直方图定义.mp4
│          9-均衡化原理.mp4
│         
├─16-行人重识别实战
│├─1-行人重识别原理及其应用
││      1-行人重识别要解决的问题.mp4
││      2-挑战与困难分析.mp4
││      3-评估标准rank1指标.mp4
││      4-map值计算方法.mp4
││      5-triplet损失计算实例.mp4
││      6-Hard-Negative方法应用.mp4
││      
│├─2-基于注意力机制的Reld模型论文解读
││      1-论文整体思想及注意力机制的作用解读.mp4
││      2-空间权重值计算流程分析.mp4
││      3-融合空间注意力所需特征.mp4
││      4-基于特征图的注意力计算.mp4
││      
│├─3-基于Attention的行人重识别项目实战
││      1-项目环境与数据集配置.mp4
││      2-参数配置与整体架构分析.mp4
││      3-进入debug模式解读网络计算流程.mp4
││      4-获得空间位置点之间的关系.mp4
││      5-组合关系特征图.mp4
││      6-计算得到位置权重值.mp4
││      7-基于特征图的权重计算.mp4
││      8-损失函数计算实例解读.mp4
││      9-训练与测试模块演示.mp4
││      
│├─4-AAAI2020顶会算法精讲
││      1-论文整体框架概述.mp4
││      2-局部特征与全局关系计算方法.mp4
││      3-特征分组方法.mp4
││      4-GCP模块特征融合方法.mp4
││      5-oneVsReset方法实例.mp4
││      6-损失函数应用位置.mp4
││      
│├─5-项目实战-基于行人局部特征融合的再识别实战
││      1-项目配置与数据集介绍.mp4
││      10-得到所有分组特征结果.mp4
││      11-损失函数与训练过程演示.mp4
││      12-测试与验证模块.mp4
││      2-数据源构建方法分析.mp4
││      3-dataloader加载顺序解读.mp4
││      4-debug模式解读.mp4
││      5-网络计算整体流程演示.mp4
││      6-特征序列构建.mp4
││      7-GCP全局特征提取.mp4
││      8-局部特征提取实例.mp4
││      9-特征组合汇总.mp4
││      
│├─6-旷视研究院最新算法解读（基于图模型）
││      1-关键点位置特征构建.mp4
││      2-图卷积与匹配的作用.mp4
││      3-局部特征热度图计算.mp4
││      4-基于图卷积构建人体拓扑关系.mp4
││      5-图卷积模块实现方法.mp4
││      6-图匹配在行人重识别中的作用.mp4
││      7-整体算法框架分析.mp4
││      
│├─7-基于拓扑图的行人重识别项目实战
││      1-数据集与环境配置概述.mp4
││      10-整体项目总结.mp4
││      2-局部特征准备方法.mp4
││      3-得到一阶段热度图结果.mp4
││      4-阶段监督训练.mp4
││      5-初始化图卷积模型.mp4
││      6-mask矩阵的作用.mp4
││      7-邻接矩阵学习与更新.mp4
││      8-基于拓扑结构组合关键点特征.mp4
││      9-图匹配模块计算流程.mp4
││      
│└─8-额外补充：行人搜索源码分析
│          1-检测与搜索.mp4
│          10-总结概述.mp4
│          2-项目概述.mp4
│          3-项目概述.mp4
│          4-数据与标签读取模块.mp4
│          5-通过配置文件读取模型位置.mp4
│          6-BackBone位置与流程.mp4
│          7-Neck层操作方法.mp4
│          8-Head层预测模块.mp4
│          9-损失函数计算模块.mp4
│         
├─17-对抗生成网络实战
│├─1-课程介绍
││      1-课程介绍.mp4
││      
│├─2-对抗生成网络架构原理与实战解析
││      1-对抗生成网络通俗解释.mp4
││      2-GAN网络组成.mp4
││      3-损失函数解释说明.mp4
││      4-数据读取模块.mp4
││      5-生成与判别网络定义.mp4
││      
│├─3-基于CycleGan开源项目实战图像合成
││      1-CycleGan网络所需数据.mp4
││      10-额外补充：VISDOM可视化配置.mp4
││      2-CycleGan整体网络架构.mp4
││      3-PatchGan判别网络原理.mp4
││      4-Cycle开源项目简介.mp4
││      5-数据读取与预处理操作.mp4
││      6-生成网络模块构造.mp4
││      7-判别网络模块构造.mp4
││      8-损失函数：identity loss计算方法.mp4
││      9-生成与判别损失函数指定.mp4
││      
│├─4-stargan论文架构解析
││      1-stargan效果演示分析.mp4
││      2-网络架构整体思路解读.mp4
││      3-建模流程分析.mp4
││      4-V1版本存在的问题及后续改进思路.mp4
││      5-V2版本在整体网络架构.mp4
││      6-编码器训练方法.mp4
││      7-损失函数公式解析.mp4
││      8-训练过程分析.mp4
││      
│├─5-stargan项目实战及其源码解读
││      1-测试模块效果与实验分析.mp4
││      10-生成模块损失计算.mp4
││      2-项目配置与数据源下载.mp4
││      3-测试效果演示.mp4
││      4-项目参数解析.mp4
││      5-生成器模块源码解读.mp4
││      6-所有网络模块构建实例.mp4
││      7-数据读取模块分析.mp4
││      8-判别器损失计算.mp4
││      9-损失计算详细过程.mp4
││      
│├─6-基于starganvc2的变声器论文原理解读
││      1-论文整体思路与架构解读.mp4
││      2-VCC2016输入数据.mp4
││      3-语音特征提取.mp4
││      4-生成器模型架构分析.mp4
││      5-InstanceNorm的作用解读.mp4
││      6-AdaIn的目的与效果.mp4
││      7-判别器模块分析.mp4
││      
│├─7-starganvc2变声器项目实战及其源码解读
││      1-数据与项目文件解读.mp4
││      10-源码损失计算流程.mp4
││      11-测试模块-生成转换语音.mp4
││      2-环境配置与工具包安装.mp4
││      3-数据预处理与声音特征提取.mp4
││      4-生成器构造模块解读.mp4
││      5-下采样与上采样操作.mp4
││      6-starganvc2版本标签输入分析.mp4
││      7-生成器前向传播维度变化.mp4
││      8-判别器模块解读.mp4
││      9-论文损失函数.mp4
││      
│├─8-图像超分辨率重构实战
││      1-论文概述.mp4
││      2-网络架构.mp4
││      3-数据与环境配置.mp4
││      4-数据加载与配置.mp4
││      5-生成模块.mp4
││      6-判别模块.mp4
││      7-VGG特征提取网络.mp4
││      8-损失函数与训练.mp4
││      9-测试模块.mp4
││      
│└─9-基于GAN的图像补全实战
│          1-论文概述.mp4
│          2-网络架构.mp4
│          3-细节设计.mp4
│          4-论文总结.mp4
│          5-数据与项目概述.mp4
│          6-参数基本设计.mp4
│          7-网络结构配置.mp4
│          8-网络迭代训练.mp4
│          9-测试模块.mp4
│         
├─18-强化学习与AI黑科技实例
│├─1-强化学习简介及其应用
││      1-一张图通俗解释强化学习.mp4
││      2-强化学习的指导依据.mp4
││      3-强化学习AI游戏DEMO.mp4
││      4-应用领域简介.mp4
││      5-强化学习工作流程.mp4
││      6-计算机眼中的状态与行为.mp4
││      
│├─10-CLIP系列
││      1-CLIP系列.mp4
││      
│├─11-Diffusion模型解读
││      1-Diffusion模型解读.mp4
││      
│├─12-Dalle2及其源码解读
││      1-Dalle2源码解读.mp4
││      
│├─13-ChatGPT
││      1-ChatGPT.mp4
││      
│├─14-拓展-强化学习
││      1-强化学习的基础原理与应用等.mp4
││      
│├─2-PPO算法与公式推导
││      1-基本情况介绍.mp4
││      2-与环境交互得到所需数据.mp4
││      3-要完成的目标分析.mp4
││      4-策略梯度推导.mp4
││      5-baseline方法.mp4
││      6-OnPolicy与OffPolicy策略.mp4
││      7-importance sampling的作用.mp4
││      8-PPO算法整体思路解析.mp4
││      
│├─3-PPO实战-月球登陆器训练实例
││      1-Critic的作用与效果.mp4
││      2-PPO2版本公式解读.mp4
││      3-参数与网络结构定义.mp4
││      4-得到动作结果.mp4
││      5-奖励获得与计算.mp4
││      6-参数迭代与更新.mp4
││      
│├─4-Q-learning与DQN算法
││      1-整体任务流程演示.mp4
││      2-探索与action获取.mp4
││      3-计算target值.mp4
││      4-训练与更新.mp4
││      5-算法原理通俗解读.mp4
││      6-目标函数与公式解析.mp4
││      7-Qlearning算法实例解读.mp4
││      8-Q值迭代求解.mp4
││      9-DQN简介.mp4
││      
│├─5-DQN改进与应用技巧
││      1-DoubleDqn要解决的问题.mp4
││      2-DuelingDqn改进方法.mp4
││      3-Dueling整体网络架构分析.mp4
││      4-MultiSetp策略.mp4
││      5-连续动作处理方法.mp4
││      
│├─6-Actor-Critic算法分析（A3C）
││      1-AC算法回顾与知识点总结.mp4
││      2-优势函数解读与分析.mp4
││      3-计算流程实例.mp4
││      4-A3C整体架构分析.mp4
││      5-损失函数整理.mp4
││      
│├─7-用A3C玩转超级马里奥
││      1-整体流程与环境配置.mp4
││      2-启动游戏环境.mp4
││      3-要计算的指标回顾.mp4
││      4-初始化局部模型并加载参数.mp4
││      5-与环境交互得到训练数据.mp4
││      6-训练网络模型.mp4
││      
│├─8-GPT系列生成模型
││      1-GPT系列.mp4
││      
│└─9-GPT建模与预测流程
│          1-生成模型可以完成的任务概述.mp4
│          2-数据样本生成方法.mp4
│          3-训练所需参数解读.mp4
│          4-模型训练过程.mp4
│          5-部署与网页预测展示.mp4
│         
├─19-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
││      1-卷积神经网络应用领域.mp4
││      10-VGG网络架构.mp4
││      11-残差网络Resnet.mp4
││      12-感受野的作用.mp4
││      2-卷积的作用.mp4
││      3-卷积特征值计算方法.mp4
││      4-得到特征图表示.mp4
││      5-步长与卷积核大小对结果的影响.mp4
││      6-边缘填充方法.mp4
││      7-特征图尺寸计算与参数共享.mp4
││      8-池化层的作用.mp4
││      9-整体网络架构.mp4
││      
│├─10-基于deeplab的心脏视频数据诊断分析
││      1-数据集与任务概述.mp4
││      2-项目基本配置参数.mp4
││      3-任务流程解读.mp4
││      4-文献报告分析.mp4
││      5-补充：视频数据源特征处理方法概述.mp4
││      6-补充：R(2plus1)D处理方法分析.mp4
││      
│├─11-YOLO系列物体检测算法原理解读
││      1-检测任务中阶段的意义.mp4
││      10-置信度误差与优缺点分析.mp4
││      11-V2版本细节升级概述.mp4
││      12-网络结构特点.mp4
││      13-架构细节解读.mp4
││      14-基于聚类来选择先验框尺寸.mp4
││      15-偏移量计算方法.mp4
││      16-坐标映射与还原.mp4
││      17-感受野的作用.mp4
││      18-特征融合改进.mp4
││      19-V3版本改进概述.mp4
││      2-不同阶段算法优缺点分析.mp4
││      20-多scale方法改进与特征融合.mp4
││      21-经典变换方法对比分析.mp4
││      22-残差连接方法解读.mp4
││      23-整体网络模型架构分析.mp4
││      24-先验框设计改进.mp4
││      25-sotfmax层改进.mp4
││      26-V4版本整体概述.mp4
││      27-V4版本贡献解读.mp4
││      28-数据增强策略分析.mp4
││      29-DropBlock与标签平滑方法.mp4
││      3-IOU指标计算.mp4
││      30-损失函数遇到的问题.mp4
││      31-CIOU损失函数定义.mp4
││      32-NMS细节改进.mp4
││      33-SPP与CSP网络结构.mp4
││      34-SAM注意力机制模块.mp4
││      35-PAN模块解读.mp4
││      36-激活函数与整体架构总结.mp4
││      4-评估所需参数计算.mp4
││      5-map指标计算.mp4
││      6-YOLO算法整体思路解读.mp4
││      7-检测算法要得到的结果.mp4
││      8-整体网络架构解读.mp4
││      9-位置损失计算.mp4
││      
│├─12-基于YOLO5细胞检测实战
││      1-任务与细胞数据集介绍.mp4
││      2-模型与算法配置参数解读.mp4
││      3-网络训练流程演示.mp4
││      4-效果评估与展示.mp4
││      5-细胞检测效果演示.mp4
││      
│├─13-知识图谱原理解读
││      1-知识图谱通俗解读.mp4
││      10-视觉领域图编码实例.mp4
││      11-图谱知识融合与总结分析.mp4
││      2-知识图谱在搜索引擎中的应用.mp4
││      3-知识图谱在医疗领域应用实例.mp4
││      4-金融与推荐领域的应用.mp4
││      5-数据获取分析.mp4
││      6-数据关系抽取分析.mp4
││      7-常用NLP技术点分析.mp4
││      8-graph-embedding的作用与效果.mp4
││      9-金融领域图编码实例.mp4
││      
│├─14-Neo4j数据库实战
││      1-Neo4j图数据库介绍.mp4
││      2-Neo4j数据库安装流程演示.mp4
││      3-可视化例子演示.mp4
││      4-创建与删除操作演示.mp4
││      5-数据库更改查询操作演示.mp4
││      
│├─15-基于知识图谱的医药问答系统实战
││      1-项目概述与整体架构分析.mp4
││      10-完成对话系统构建.mp4
││      2-医疗数据介绍及其各字段含义.mp4
││      3-任务流程概述.mp4
││      4-环境配置与所需工具包安装.mp4
││      5-提取数据中的关键字段信息.mp4
││      6-创建关系边.mp4
││      7-打造医疗知识图谱模型.mp4
││      8-加载所有实体数据.mp4
││      9-实体关键词字典制作.mp4
││      
│├─16-词向量模型与RNN网络架构
││      1-词向量模型通俗解释.mp4
││      2-模型整体框架.mp4
││      3-训练数据构建.mp4
││      4-CBOW与Skip-gram模型.mp4
││      5-负采样方案.mp4
││      6-额外补充-RNN网络模型解读.mp4
││      
│├─17-医学糖尿病数据命名实体识别
││      1-数据与任务介绍.mp4
││      2-整体模型架构.mp4
││      3-数据-标签-语料库处理.mp4
││      4-输入样本填充补齐.mp4
││      5-训练网络模型.mp4
││      6-医疗数据集（糖尿病）实体识别.mp4
││      
│├─2-PyTorch框架基本处理操作
││      1-PyTorch实战课程简介.mp4
││      2-PyTorch框架发展趋势简介.mp4
││      3-框架安装方法（CPU与GPU版本）.mp4
││      4-PyTorch基本操作简介.mp4
││      5-自动求导机制.mp4
││      6-线性回归DEMO-数据与参数配置.mp4
││      7-线性回归DEMO-训练回归模型.mp4
││      8-补充：常见tensor格式.mp4
││      9-补充：Hub模块简介.mp4
││      
│├─3-PyTorch框架必备核心模块解读
││      1-卷积网络参数定义.mp4
││      10-加载训练好的网络模型.mp4
││      11-优化器模块配置.mp4
││      12-实现训练模块.mp4
││      13-训练结果与模型保存.mp4
││      14-加载模型对测试数据进行预测.mp4
││      15-额外补充-Resnet论文解读.mp4
││      16-额外补充-Resnet网络架构解读.mp4
││      2-网络流程解读.mp4
││      3-Vision模块功能解读.mp4
││      4-分类任务数据集定义与配置.mp4
││      5-图像增强的作用.mp4
││      6-数据预处理与数据增强模块.mp4
││      7-Batch数据制作.mp4
││      8-迁移学习的目标.mp4
││      9-迁移学习策略.mp4
││      
│├─4-基于Resnet的医学数据集分类实战
││      1-医学疾病数据集介绍.mp4
││      2-Resnet网络架构原理分析.mp4
││      3-dataloader加载数据集.mp4
││      4-Resnet网络前向传播.mp4
││      5-残差网络的shortcut操作.mp4
││      6-特征图升维与降采样操作.mp4
││      7-网络整体流程与训练演示.mp4
││      
│├─5-图像分割及其损失函数概述
││      1-语义分割与实例分割概述.mp4
││      2-分割任务中的目标函数定义.mp4
││      3-MIOU评估标准.mp4
││      
│├─6-Unet系列算法讲解
││      1-Unet网络编码与解码过程.mp4
││      2-网络计算流程.mp4
││      3-Unet升级版本改进.mp4
││      4-后续升级版本介绍.mp4
││      
│├─7-unet医学细胞分割实战
││      1-医学细胞数据集介绍与参数配置.mp4
││      2-数据增强工具.mp4
││      3-Debug模式演示网络计算流程.mp4
││      4-特征融合方法演示.mp4
││      5-迭代完成整个模型计算任务.mp4
││      6-模型效果验证.mp4
││      
│├─8-deeplab系列算法
││      1-deeplab分割算法概述.mp4
││      2-空洞卷积的作用.mp4
││      3-感受野的意义.mp4
││      4-SPP层的作用.mp4
││      5-ASPP特征融合策略.mp4
││      6-deeplabV3Plus版本网络架构.mp4
││      
│└─9-基于deeplabV3+版本进行VOC分割实战
│          1-PascalVoc数据集介绍.mp4
│          2-项目参数与数据集读取.mp4
│          3-网络前向传播流程.mp4
│          4-ASPP层特征融合.mp4
│          5-分割模型训练.mp4
│         
├─2-AI课程所需安装软件教程
│├─1-AI课程所需安装软件教程
││      1-AI课程所需安装软件教程.mp4
││      
│└─2-Anaconda基础讲解和使用的教程
│          1-Anaconda基础讲解和使用的教程.mp4
│         
├─20-CV与NLP经典大模型解读
│├─1-课程简介
││      1-课程简介.mp4
││      
│├─10-补充-视觉大模型基础-deformableAttention
││      1-DeformableAttention概述分析.mp4
││      2-可变形偏移量分析.mp4
││      
│├─11-LLM与LORA微调策略解读
││      1-大模型如何做下游任务.mp4
││      2-LLM落地微调分析.mp4
││      3-LLAMA与LORA介绍.mp4
││      4-LORA微调的核心思想.mp4
││      5-LORA模型实现细节.mp4
││      
│├─12-LLM下游任务训练自己模型实战
││      1-提示工程的作用.mp4
││      2-基本API调用方法.mp4
││      3-数据文档切分操作.mp4
││      4-样本索引与向量构建.mp4
││      5-数据切块方法.mp4
││      
│├─13-视觉大模型SAM
││      1-DEMO效果演示.mp4
││      2-论文解读分析.mp4
││      3-完成的任务分析.mp4
││      4-数据闭环方法.mp4
││      5-预训练模型的作用.mp4
││      6-Decoder的作用与项目源码.mp4
││      7-分割任务模块设计.mp4
││      8-实现细节分析.mp4
││      9-总结分析.mp4
││      
│├─14-视觉QA算法与论文解读
││      1-视觉QA要解决的问题.mp4
││      2-论文概述分析.mp4
││      3-实现流程路线图.mp4
││      4-答案关注区域分析.mp4
││      5-VQA任务总结.mp4
││      
│├─15-扩散模型diffusion架构算法解读
││      1-扩散模型概述与GAN遇到的问题.mp4
││      10-基本建模训练效果.mp4
││      2-要完成的任务分析.mp4
││      3-公式原理推导解读.mp4
││      4-分布相关计算操作.mp4
││      5-算法实现细节推导.mp4
││      6-公式推导结果分析.mp4
││      7-细节实现总结.mp4
││      8-论文流程图解读.mp4
││      9-案例流程分析.mp4
││      
│├─16-openai-dalle2论文解读
││      1-论文基本思想与核心模块分析.mp4
││      2-不同模块对比分析.mp4
││      3-算法核心流程解读.mp4
││      4-各模块实现细节讲解.mp4
││      
│├─17-openai-dalle2源码解读
││      1-项目整体流程分析.mp4
││      2-源码实现细节分析.mp4
││      3-源码公式对应论文分析.mp4
││      4-Decoder模块实现细节解读.mp4
││      5-源码实现流程总结.mp4
││      
│├─18-RAGFLOW和function calling
││      1-RAGFLOW和function calling.mp4
││      
│├─2-GPT系列算法解读
││      1-GPT系列算法概述.mp4
││      2-GPT三代版本分析.mp4
││      3-GPT初代版本要解决的问题.mp4
││      4-GPT第二代版本训练策略.mp4
││      5-采样策略与多样性.mp4
││      6-GPT3的提示与生成方法.mp4
││      7-应用场景CODEX分析.mp4
││      8-DEMO应用演示.mp4
││      
│├─3-GPT2训练与预测部署流程
││      1-生成模型可以完成的任务概述.mp4
││      2-数据样本生成方法.mp4
││      3-训练所需参数解读.mp4
││      4-模型训练过程.mp4
││      5-部署与网页预测展示.mp4
││      
│├─5-视觉自监督BEIT算法解读
││      1-建模流程分析与效果展示.mp4
││      2-codebook模块的作用.mp4
││      3-任务总结分析.mp4
││      
│├─6-视觉自监督任务BEITV2论文解读
││      1-BEITV2版本论文出发点解读.mp4
││      2-自监督任务中两大核心任务分析.mp4
││      3-整体网络架构图分析.mp4
││      4-框架实现细节流程分析.mp4
││      5-论文细节模块实现解读.mp4
││      
│├─7-视觉自监督任务BEITV2源码解读
││      1-mmselfup源码实现解读.mp4
││      2-网络结构搭建细节解读.mp4
││      3-源码实现流程总结.mp4
││      
│├─8-BEV感知特征空间算法解读
││      1-BEV要解决的问题通俗解读.mp4
││      10-整体架构总结.mp4
││      2-BEV中的3D与4D分析.mp4
││      3-特征融合过程中可能遇到的问题.mp4
││      4-BEV汇总特征方法实例解读.mp4
││      5-DeformableAttention回顾.mp4
││      6-空间注意力模块解读.mp4
││      7-时间模块与拓展补充.mp4
││      8-论文知识点分析.mp4
││      9-核心模块论文分析.mp4
││      
│└─9-BEVformer项目源码解读
│          1-环境配置方法解读.mp4
│          10-获取当前BEV特征.mp4
│          11-Decoder级联校正模块.mp4
│          12-损失函数与预测可视化.mp4
│          2-数据集下载与配置方法.mp4
│          3-特征提取以及BEV空间初始化.mp4
│          4-特征对齐与位置编码初始化.mp4
│          5-Reference初始点构建.mp4
│          6-BEV空间与图像空间位置对应.mp4
│          7-注意力机制模块计算方法.mp4
│          8-BEV空间特征构建.mp4
│          9-Decoder要完成的任务分析.mp4
│         
├─21-CV与NLP经典大模型解读2
│├─1-斯坦福AI小镇架构与项目解读
││      1-整体故事解读.mp4
││      10-项目环境配置方法解读.mp4
││      2-要解决的问题和整体框架分析.mp4
││      3-论文基本框架分析.mp4
││      4-Agent的记忆信息.mp4
││      5-感知与反思模块构建流程.mp4
││      6-计划模块实现细节.mp4
││      7-整体流程框架图.mp4
││      8-感知模块解读.mp4
││      9-思考模块解读.mp4
││      
│├─10-Llava与YOLO11
││      1-Llava与YOLO11.mp4
││      
│├─3-CVPR2024：YOLO- World
││      1-CVPR2024：YOLO- World.mp4
││      
│├─4-time-llm大模型多模态预测任务
││      1-time-llm大模型多模态预测任务.mp4
││      
│├─5-Llama3应用
││      1-Llama3应用.mp4
││      
│├─6-SAM2视频分割
││      1-SAM2视频分割 .mp4
││      
│├─7-大模型微调与应用
││      1-大模型微调与应用.mp4
││      
│├─8-RAGFLOW和function calling
││      1-RAGFLOW和function calling.mp4
││      
│└─9-Agent工作流搭建
│          1-Agent工作流搭建.mp4
│         
├─22-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
││      1- jetson nano 硬件介绍.mp4
││      2-jetson nano 刷机.mp4
││      3- jetson nano 系统安装过程.mp4
││      4-感受nano的GPU算力.mp4
││      5-安装使用摄像头csi usb.mp4
││      
│├─10-模型剪枝-Network Slimming实战解读
││      1-整体案例流程解读.mp4
││      2-加入L1正则化来进行更新.mp4
││      3-剪枝模块介绍.mp4
││      4-筛选需要的特征图.mp4
││      5-剪枝后模型参数赋值.mp4
││      6-微调完成剪枝模型.mp4
││      
│├─11-Mobilenet三代网络模型架构
││      1-模型剪枝分析.mp4
││      10-V2整体架构与效果分析.mp4
││      11-V3版本网络架构分析.mp4
││      12-SE模块作用与效果解读.mp4
││      13-代码实现mobilenetV3网络架构.mp4
││      2-常见剪枝方法介绍.mp4
││      3-mobilenet简介.mp4
││      4-经典卷积计算量与参数量分析.mp4
││      5-深度可分离卷积的作用与效果.mp4
││      6-参数与计算量的比较.mp4
││      7-V1版本效果分析.mp4
││      8-V2版本改进以及Relu激活函数的问题.mp4
││      9-倒残差结构的作用.mp4
││      
│├─12-拓展-模型部署
││      1-模型部署.mp4
││      
│├─2-AIoT人工智能物联网之AI 实战
││      1- jetson-inference 入门.mp4
││      2-docker 的安装使用.mp4
││      3-docker中运行分类模型.mp4
││      4-训练自己的目标检测模型准备.mp4
││      5- 训练出自己目标识别模型a.mp4
││      6-训练出自己目标识别模型b.mp4
││      7-转换出onnx模型，并使用.mp4
││      
│├─3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
││      1-NVIDIA TAO介绍和安装.mp4
││      2-NVIDIA TAO数据准备和环境设置.mp4
││      3-NVIDIA TAO数据转换.mp4
││      4-NVIDIA TAO预训练模型和训练a.mp4
││      5-NVIDIA TAO预训练模型和训练b.mp4
││      6-NVIDIA TAO预训练模型和训练c..mp4
││      7-TAO 剪枝在训练推理验证.mp4
││      
│├─4- AIoT人工智能物联网之deepstream
││      1-deepstream 介绍安装.mp4
││      2-deepstream HelloWorld.mp4
││      3-GStreamer RTP和RTSP1.mp4
││      4-GStreamer RTP和RTSP2.mp4
││      5-python实现RTP和RTSP.mp4
││      6-deepstream推理.mp4
││      7-deepstream集成yolov4.mp4
││      
│├─5-pyTorch框架部署实践
││      1-所需基本环境配置.mp4
││      2-模型加载与数据预处理.mp4
││      3-接收与预测模块实现.mp4
││      4-效果实例演示.mp4
││      5-课程简介.mp4
││      
│├─6-YOLO-V3物体检测部署实例
││      1-项目所需配置文件介绍.mp4
││      2-加载参数与模型权重.mp4
││      3-数据预处理.mp4
││      4-返回线性预测结果.mp4
││      
│├─7-docker实例演示
││      1-docker简介.mp4
││      2-docker安装与配置.mp4
││      3-阿里云镜像配置.mp4
││      4-基于docker配置pytorch环境.mp4
││      5-安装演示环境所需依赖.mp4
││      6-复制所需配置到容器中.mp4
││      7-上传与下载配置好的项目.mp4
││      
│├─8-tensorflow-serving实战
││      1-tf-serving项目获取与配置.mp4
││      2-加载并启动模型服务.mp4
││      3-测试模型部署效果.mp4
││      4-fashion数据集获取.mp4
││      5-加载fashion模型启动服务.mp4
││      
│└─9-模型剪枝-Network Slimming算法分析
│          1-论文算法核心框架概述.mp4
│          2-BatchNorm要解决的问题.mp4
│          3-BN的本质作用.mp4
│          4-额外的训练参数解读.mp4
│          5-稀疏化原理与效果.mp4
│         
├─23-自然语言处理经典案例实战
│├─1-NLP常用工具包实战
││      1-Python字符串处理.mp4
││      10-名字实体匹配.mp4
││      11-恐怖袭击分析.mp4
││      12-统计分析结果.mp4
││      13-结巴分词器.mp4
││      14-词云展示.mp4
││      2-正则表达式基本语法.mp4
││      3-正则常用符号.mp4
││      4-常用函数介绍.mp4
││      5-NLTK工具包简介.mp4
││      6-停用词过滤.mp4
││      7-词性标注.mp4
││      8-数据清洗实例.mp4
││      9-Spacy工具包.mp4
││      
│├─10-NLP-文本特征方法对比
││      1-任务概述.mp4
││      2-词袋模型.mp4
││      3-词袋模型分析.mp4
││      4-TFIDF模型.mp4
││      5-word2vec词向量模型.mp4
││      6-深度学习模型.mp4
││      
│├─11-NLP-相似度模型
││      1-任务概述.mp4
││      2-数据展示.mp4
││      3-正负样本制作.mp4
││      4-数据预处理.mp4
││      5-网络模型定义.mp4
││      6-基于字符的训练.mp4
││      7-基于句子的相似度训练.mp4
││      
│├─12-LSTM情感分析
││      1-RNN网络架构.mp4
││      2-LSTM网络架构.mp4
││      3-案例：使用LSTM进行情感分类.mp4
││      4-情感数据集处理.mp4
││      5-基于word2vec的LSTM模型.mp4
││      
│├─13-机器人写唐诗
││      1-任务概述与环境配置.mp4
││      2-参数配置.mp4
││      3-数据预处理模块.mp4
││      4-batch数据制作.mp4
││      5-RNN模型定义.mp4
││      6-完成训练模块.mp4
││      7-训练唐诗生成模型.mp4
││      8-测试唐诗生成效果.mp4
││      
│├─14-对话机器人
││      1-效果演示.mp4
││      2-参数配置与数据加载.mp4
││      3-数据处理.mp4
││      4-词向量与投影.mp4
││      5-seq网络.mp4
││      6-网络训练.mp4
││      
│├─2-商品信息可视化与文本分析
││      1-在线商城商品数据信息概述.mp4
││      2-商品类别划分方式.mp4
││      3-商品类别可视化展示.mp4
││      4-商品描述长度对价格的影响分析.mp4
││      5-关键词的词云可视化展示.mp4
││      6-基于tf-idf提取关键词信息.mp4
││      7-通过降维进行可视化展示.mp4
││      8-聚类分析与主题模型展示.mp4
││      
│├─3-贝叶斯算法
││      1-贝叶斯算法概述.mp4
││      2-贝叶斯推导实例.mp4
││      3-贝叶斯拼写纠错实例.mp4
││      4-垃圾邮件过滤实例.mp4
││      5-贝叶斯实现拼写检查器.mp4
││      
│├─4-新闻分类任务实战
││      1-文本分析与关键词提取.mp4
││      2-相似度计算.mp4
││      3-新闻数据与任务简介.mp4
││      4-TF-IDF关键词提取.mp4
││      5-LDA建模.mp4
││      6-基于贝叶斯算法进行新闻分类.mp4
││      
│├─5-HMM隐马尔科夫模型
││      1-马尔科夫模型.mp4
││      10-维特比算法.mp4
││      2-隐马尔科夫模型基本出发点.mp4
││      3-组成与要解决的问题.mp4
││      4-暴力求解方法.mp4
││      5-复杂度计算.mp4
││      6-前向算法.mp4
││      7-前向算法求解实例.mp4
││      8-Baum-Welch算法.mp4
││      9-参数求解.mp4
││      
│├─6-HMM工具包实战
││      1-hmmlearn工具包.mp4
││      2-工具包使用方法.mp4
││      3-中文分词任务.mp4
││      4-实现中文分词.mp4
││      
│├─7-语言模型
││      1-开篇.mp4
││      10-负采样模型.mp4
││      2-语言模型.mp4
││      3-N-gram模型.mp4
││      4-词向量.mp4
││      5-神经网络模型.mp4
││      6-Hierarchical Softmax.mp4
││      7-CBOW模型实例.mp4
││      8-CBOW求解目标.mp4
││      9-锑度上升求解.mp4
││      
│├─8-使用Gemsim构建词向量
││      1-使用Gensim库构造词向量.mp4
││      2-维基百科中文数据处理.mp4
││      3-Gensim构造word2vec模型.mp4
││      4-测试模型相似度结果.mp4
││      
│└─9-基于word2vec的分类任务
│          1-影评情感分类.mp4
│          2-基于词袋模型训练分类器.mp4
│          3-准备word2vec输入数据.mp4
│          4-使用gensim构建word2vec词向量（新）.mp4
│         
├─24-时间序列预测
│├─1-Informer原理解读
││      1-时间序列预测要完成的任务.mp4
││      2-常用模块分析.mp4
││      3-论文要解决的问题分析.mp4
││      4-Query采样方法解读.mp4
││      5-probAttention计算流程.mp4
││      6-编码器全部计算流程.mp4
││      7-解码器流程分析.mp4
││      
│├─2-Informer源码解读
││      1-项目使用说明.mp4
││      10-核心采样计算方法.mp4
││      11-完成注意力机制计算模块.mp4
││      12-平均向量的作用.mp4
││      13-解码器预测输出.mp4
││      2-数据集解读.mp4
││      3-模型训练所需参数解读.mp4
││      4-数据集构建与读取方式.mp4
││      5-数据处理相关模块.mp4
││      6-时间相关特征提取方法.mp4
││      7-dataloader构建实例.mp4
││      8-整体架构分析.mp4
││      9-编码器模块实现.mp4
││      
│├─3-Timesnet时序预测
││      1-时序预测故事背景.mp4
││      2-论文核心思想解读.mp4
││      3-时序特征周期拆解.mp4
││      4-计算公式流程拆解.mp4
││      5-全部计算流程解读.mp4
││      6-周期间特征分析.mp4
││      7-源码流程解读.mp4
││      8-傅里叶变换流程.mp4
││      9-整体计算流程.mp4
││      
│└─4-time-llm大模型多模态预测任务
│          1-time-llm大模型多模态预测任务.mp4
│         
├─25-自然语言处理必备神器Huggingface系列实战
│├─1-Huggingface与NLP介绍解读
││      1-Huggingface与NLP介绍解读.mp4
││      
│├─10-图谱知识抽取实战
││      1-应用场景概述分析.mp4
││      2-数据标注格式样例分析.mp4
││      3-数据处理与读取模块.mp4
││      4-实体抽取模块分析.mp4
││      5-标签与数据结构定义方法.mp4
││      6-模型构建与计算流程.mp4
││      7-网络模型前向计算方法.mp4
││      8-关系抽取模型训练.mp4
││      
│├─11-补充Huggingface数据集制作方法实例
││      1-数据结构分析.mp4
││      2-Huggingface中的预处理实例.mp4
││      3-数据处理基本流程.mp4
││      
│├─2-Transformer工具包基本操作实例解读
││      1-工具包与任务整体介绍.mp4
││      2-NLP任务常规流程分析.mp4
││      3-文本切分方法实例解读.mp4
││      4-AttentionMask配套使用方法.mp4
││      5-数据集与模型.mp4
││      6-数据Dataloader封装.mp4
││      7-模型训练所需配置参数.mp4
││      8-模型训练DEMO.mp4
││      
│├─3-transformer原理解读
││      1-transformer原理解读.mp4
││      
│├─4-BERT系列算法解读
││      1-BERT模型训练方法解读.mp4
││      2-ALBERT基本定义.mp4
││      3-ALBERT中的简化方法解读.mp4
││      4-RoBerta模型训练方法解读.mp4
││      5-DistilBert模型解读.mp4
││      
│├─5-文本标注工具与NER实例
││      1-文本标注工具Doccano配置方法.mp4
││      2-命名实体识别任务标注方法实例.mp4
││      3-标注导出与BIO处理.mp4
││      4-标签处理并完成对齐操作.mp4
││      5-预训练模型加载与参数配置.mp4
││      6-模型训练与输出结果预测.mp4
││      
│├─6-文本预训练模型构建实例
││      1-预训练模型效果分析.mp4
││      2-文本数据截断处理.mp4
││      3-预训练模型自定义训练.mp4
││      
│├─7-GPT系列算法
││      1-GPT系列算法概述.mp4
││      2-GPT三代版本分析.mp4
││      3-GPT初代版本要解决的问题.mp4
││      4-GPT第二代版本训练策略.mp4
││      5-采样策略与多样性.mp4
││      6-GPT3的提示与生成方法.mp4
││      7-应用场景CODEX分析.mp4
││      8-DEMO应用演示.mp4
││      
│├─8-GPT训练与预测部署流程
││      1-生成模型可以完成的任务概述.mp4
││      2-数据样本生成方法.mp4
││      3-训练所需参数解读.mp4
││      4-模型训练过程.mp4
││      5-部署与网页预测展示.mp4
││      
│└─9-文本摘要建模
│          1-中文商城评价数据处理方法.mp4
│          2-模型训练与测试结果.mp4
│          3-文本摘要数据标注方法.mp4
│          4-训练自己标注的数据并测试.mp4
│         
├─26-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
││      1-BERT课程简介.mp4
││      10-BERT模型训练方法.mp4
││      11-训练实例.mp4
││      2-BERT任务目标概述.mp4
││      3-传统解决方案遇到的问题.mp4
││      4-注意力机制的作用.mp4
││      5-self-attention计算方法.mp4
││      6-特征分配与softmax机制.mp4
││      7-Multi-head的作用.mp4
││      8-位置编码与多层堆叠.mp4
││      9-transformer整体架构梳理.mp4
││      
│├─2-谷歌开源项目BERT源码解读与应用实例
││      1-BERT开源项目简介.mp4
││      10-构建QKV矩阵.mp4
││      11-完成Transformer模块构建.mp4
││      12-训练BERT模型.mp4
││      2-项目参数配置.mp4
││      3-数据读取模块.mp4
││      4-数据预处理模块.mp4
││      5-tfrecord数据源制作.mp4
││      6-Embedding层的作用.mp4
││      7-加入额外编码特征.mp4
││      8-加入位置编码特征.mp4
││      9-mask机制的作用.mp4
││      
│├─3-项目实战-基于BERT的中文情感分析实战
││      1-中文分类数据与任务概述.mp4
││      2-读取处理自己的数据集.mp4
││      3-训练BERT中文分类模型.mp4
││      
│├─4-项目实战-基于BERT的中文命名实体识别识别实战
││      1-命名实体识别数据分析与任务目标.mp4
││      2-NER标注数据处理与读取.mp4
││      3-构建BERT与CRF模型.mp4
││      
│├─5-必备基础知识点-woed2vec模型通俗解读
││      1-词向量模型通俗解释.mp4
││      2-模型整体框架.mp4
││      3-训练数据构建.mp4
││      4-CBOW与Skip-gram模型.mp4
││      5-负采样方案.mp4
││      
│├─6-必备基础-掌握Tensorflow如何实现word2vec模型
││      1-数据与任务流程.mp4
││      2-数据清洗.mp4
││      3-batch数据制作.mp4
││      4-网络训练.mp4
││      5-可视化展示.mp4
││      
│├─7-必备基础知识点-RNN网络架构与情感分析应用实例
││      1-RNN网络模型解读.mp4
││      2-NLP应用领域与任务简介.mp4
││      3-项目流程解读.mp4
││      4-加载词向量特征.mp4
││      5-正负样本数据读取.mp4
││      6-构建LSTM网络模型.mp4
││      7-训练与测试效果.mp4
││      8-LSTM情感分析.mp4
││      
│└─8-医学糖尿病数据命名实体识别
│          1-数据与任务介绍.mp4
│          2-整体模型架构.mp4
│          3-数据-标签-语料库处理.mp4
│          4-训练网络模型.mp4
│          5-医疗数据集（糖尿病）实体识别.mp4
│          6-输入样本填充补齐.mp4
│         
├─27-论文创新点常用方法及其应用实例
│├─1-通用创新点
││      1-ACMIX（卷积与注意力融合）.mp4
││      10-Attention额外加入先验知识.mp4
││      11-结合GNN构建局部特征.mp4
││      12-损失函数约束项.mp4
││      13-自适应可学习参数.mp4
││      14-Coarse2Fine大框架.mp4
││      15-只能机器学习模型时凑工作量（特征工程）.mp4
││      16-自己数据集如何发的好(要开源).mp4
││      17-可变形卷积加入方法.mp4
││      18-在源码中加入各种注意力机制方法.mp4
││      2-GCnet(全局特征融合).mp4
││      3-Coordinate_attention.mp4
││      4-SPD（可替换下采样）.mp4
││      5-SPP改进.mp4
││      6-mobileOne(加速).mp4
││      7-Deformable(替换selfAttention).mp4
││      8-ProbAttention(采样策略).mp4
││      9-CrossAttention融合特征.mp4
││      
│└─2-论文写作参考范文
│          1-论文要完成的核心架构分析.mp4
│          2-网络模型基本组件分析.mp4
│          3-流程概述分析.mp4
│          4-实验结果分析.mp4
│          5-源码实现细节解读.mp4
│          6-源码结果总结.mp4
│         
├─28-知识图谱实战系列
│├─1-知识图谱介绍及其应用领域分析
││      1-知识图谱通俗解读.mp4
││      2-知识图谱在搜索引擎中的应用.mp4
││      3-知识图谱在医疗领域应用实例.mp4
││      4-金融与推荐领域的应用.mp4
││      5-数据获取分析.mp4
││      
│├─2-知识图谱涉及技术点分析
││      1-数据关系抽取分析.mp4
││      2-常用NLP技术点分析.mp4
││      3-graph-embedding的作用与效果.mp4
││      4-金融领域图编码实例.mp4
││      5-视觉领域图编码实例.mp4
││      6-图谱知识融合与总结分析.mp4
││      
│├─3-Neo4j数据库实战
││      1-Neo4j图数据库介绍.mp4
││      2-Neo4j数据库安装流程演示.mp4
││      3-可视化例子演示.mp4
││      4-创建与删除操作演示.mp4
││      5-数据库更改查询操作演示.mp4
││      
│├─4-使用python操作neo4j实例
││      1-使用Py2neo建立连接.mp4
││      2-提取所需的指标信息.mp4
││      3-在图中创建实体.mp4
││      4-根据给定实体创建关系.mp4
││      
│├─5-基于知识图谱的医药问答系统实战
││      1-项目概述与整体架构分析.mp4
││      10-完成对话系统构建.mp4
││      2-医疗数据介绍及其各字段含义.mp4
││      3-任务流程概述.mp4
││      4-环境配置与所需工具包安装.mp4
││      5-提取数据中的关键字段信息.mp4
││      6-创建关系边.mp4
││      7-打造医疗知识图谱模型.mp4
││      8-加载所有实体数据.mp4
││      9-实体关键词字典制作.mp4
││      
│├─6-文本关系抽取实践
││      1-关系抽取要完成的任务演示与分析.mp4
││      2-LTP工具包概述介绍.mp4
││      3-pyltp安装与流程演示.mp4
││      4-得到分词与词性标注结果.mp4
││      5-依存句法概述.mp4
││      6-句法分析结果整理.mp4
││      7-语义角色构建与分析.mp4
││      8-设计规则完成关系抽取.mp4
││      
│├─7-金融平台风控模型实践
││      1-竞赛任务目标.mp4
││      2-图模型信息提取.mp4
││      3-节点权重特征提取(PageRank).mp4
││      4-deepwalk构建图顶点特征.mp4
││      5-各项统计特征.mp4
││      6-app安装特征.mp4
││      7-图中联系人特征.mp4
││      
│└─8-医学糖尿病数据命名实体识别
│          1-数据与任务介绍.mp4
│          2-整体模型架构.mp4
│          3-数据-标签-语料库处理.mp4
│          4-输入样本填充补齐.mp4
│          5-训练网络模型.mp4
│          6-医疗数据集（糖尿病）实体识别.mp4
│         
├─29-语音识别实战系列
│├─1-seq2seq序列网络模型
││      1-序列网络模型概述分析.mp4
││      2-工作原理概述.mp4
││      3-注意力机制的作用.mp4
││      4-加入attention的序列模型整体架构.mp4
││      5-TeacherForcing的作用与训练策略.mp4
││      6-额外补充-RNN网络模型解读.mp4
││      
│├─2-LAS模型语音识别实战
││      1-数据源与环境配置.mp4
││      2-语料表制作方法.mp4
││      3-制作json标注数据.mp4
││      4-声音数据处理模块解读.mp4
││      5-Pack与Pad操作解析.mp4
││      6-编码器模块整体流程.mp4
││      7-加入注意力机制.mp4
││      8-计算得到每个输出的attention得分.mp4
││      9-解码器与训练过程演示.mp4
││      
│├─3-starganvc2变声器论文原理解读
││      1-论文整体思路与架构解读.mp4
││      2-VCC2016输入数据.mp4
││      3-语音特征提取.mp4
││      4-生成器模型架构分析.mp4
││      5-InstanceNorm的作用解读.mp4
││      6-AdaIn的目的与效果.mp4
││      7-判别器模块分析.mp4
││      
│├─4-staeganvc2变声器源码实战
││      1-数据与项目文件解读.mp4
││      10-源码损失计算流程.mp4
││      11-测试模块-生成转换语音.mp4
││      2-环境配置与工具包安装.mp4
││      3-数据预处理与声音特征提取.mp4
││      4-生成器构造模块解读.mp4
││      5-下采样与上采样操作.mp4
││      6-starganvc2版本标签输入分析.mp4
││      7-生成器前向传播维度变化.mp4
││      8-判别器模块解读.mp4
││      9-论文损失函数.mp4
││      
│├─5-语音分离ConvTasnet模型
││      1-语音分离任务分析.mp4
││      2-经典语音分离模型概述.mp4
││      3-DeepClustering论文解读.mp4
││      4-TasNet编码器结构分析.mp4
││      5-DW卷积的作用与效果.mp4
││      6-基于Mask得到分离结果.mp4
││      
│├─6-ConvTasnet语音分离实战
││      1-数据准备与环境配置.mp4
││      2-训练任务所需参数介绍.mp4
││      3-DataLoader定义.mp4
││      4-采样数据特征编码.mp4
││      5-编码器特征提取.mp4
││      6-构建更大的感受区域.mp4
││      7-解码得到分离后的语音.mp4
││      8-测试模块所需参数.mp4
││      
│└─7-语音合成tacotron最新版实战
│          1-语音合成项目所需环境配置.mp4
│          10-得到加权的编码向量.mp4
│          11-模型输出结果.mp4
│          12-损失函数与预测.mp4
│          2-所需数据集介绍.mp4
│          3-路径配置与整体流程解读.mp4
│          4-Dataloader构建数据与标签.mp4
│          5-编码层要完成的任务.mp4
│          6-得到编码特征向量.mp4
│          7-解码器输入准备.mp4
│          8-解码器流程梳理.mp4
│          9-注意力机制应用方法.mp4
│         
├─3-深度学习必备核?算法
│├─1-神经网络结构
││      1-神经网络结构.mp4
││      
│├─2-卷积神经网络
││      1-卷积神经网络.mp4
││      
│├─3-Transformer
││      1-Transformer.mp4
││      
│└─4-VIT源码解读
│          1-VIT源码解读.mp4
│         
├─30-推荐系统实战系列
│├─1-推荐系统介绍及其应用
││      1-1-推荐系统通俗解读.mp4
││      2-2-推荐系统发展简介.mp4
││      3-3-应用领域与多方位评估指标.mp4
││      4-4-任务流程与挑战概述.mp4
││      5-5-常用技术点分析.mp4
││      6-6-与深度学习的结合.mp4
││      
│├─10-基本统计分析的电影推荐
││      1-1-电影数据与环境配置.mp4
││      2-2-数据与关键词信息展示.mp4
││      3-3-关键词云与直方图展示.mp4
││      4-4-特征可视化.mp4
││      5-5-数据清洗概述.mp4
││      6-6-缺失值填充方法.mp4
││      7-7-推荐引擎构造.mp4
││      8-8-数据特征构造.mp4
││      9-9-得出推荐结果.mp4
││      
│├─11-补充-基于相似度的酒店推荐系统
││      1-1-酒店数据与任务介绍.mp4
││      2-2-文本词频统计.mp4
││      3-3-ngram结果可视化展示.mp4
││      4-4-文本清洗.mp4
││      5-5-相似度计算.mp4
││      6-6-得出推荐结果.mp4
││      
│├─2-协同过滤与矩阵分解
││      1-1-协同过滤与矩阵分解简介.mp4
││      2-2-基于用户与商品的协同过滤.mp4
││      3-3-相似度计算与推荐实例.mp4
││      4-4-矩阵分解的目的与效果.mp4
││      5-5-矩阵分解中的隐向量.mp4
││      6-6-目标函数简介.mp4
││      7-7-隐式情况分析.mp4
││      8-8-Embedding的作用.mp4
││      
│├─3-音乐推荐系统实战
││      1-1-音乐推荐任务概述.mp4
││      2-2-数据集整合.mp4
││      3-3-基于物品的协同过滤.mp4
││      4-4-物品相似度计算与推荐.mp4
││      5-5-SVD矩阵分解.mp4
││      6-6-基于矩阵分解的音乐推荐.mp4
││      
│├─4-知识图谱与Neo4j数据库实例
││      1-1-知识图谱通俗解读.mp4
││      10-5-数据库更改查询操作演示.mp4
││      2-2-知识图谱在搜索引擎中的应用.mp4
││      3-3-知识图谱在医疗领域应用实例.mp4
││      4-4-金融与推荐领域的应用.mp4
││      5-5-数据获取分析.mp4
││      6-1-Neo4j图数据库介绍.mp4
││      7-2-Neo4j数据库安装流程演示.mp4
││      8-3-可视化例子演示.mp4
││      9-4-创建与删除操作演示.mp4
││      
│├─5-基于知识图谱的电影推荐实战
││      1-1-知识图谱推荐系统效果演示.mp4
││      2-2-kaggle电影数据集下载与配置.mp4
││      3-3-图谱需求与任务流程解读.mp4
││      4-4-项目所需环境配置安装.mp4
││      5-5-构建用户电影知识图谱.mp4
││      6-6-图谱查询与匹配操作.mp4
││      7-7-相似度计算与推荐引擎构建.mp4
││      
│├─6-点击率估计FM与DeepFM算法
││      1-1-CTR估计及其经典方法概述.mp4
││      2-2-高维特征带来的问题.mp4
││      3-3-二项式特征的作用与挑战.mp4
││      4-4-二阶公式推导与化简.mp4
││      5-5-FM算法解析.mp4
││      6-6-DeepFm整体架构解读.mp4
││      7-7-输入层所需数据样例.mp4
││      8-8-Embedding层的作用与总结.mp4
││      
│├─7-DeepFM算法实战
││      1-1-数据集介绍与环境配置.mp4
││      2-2-广告点击数据预处理实例.mp4
││      3-3-数据处理模块Embedding层.mp4
││      4-4-Index与Value数据制作.mp4
││      5-5-一阶权重参数设计.mp4
││      6-6-二阶特征构建方法.mp4
││      7-7-特征组合方法实例分析.mp4
││      8-8-完成FM模块计算.mp4
││      9-9-DNN模块与训练过程.mp4
││      
│├─8-推荐系统常用工具包演示
││      1-1-环境配置与数据集介绍.mp4
││      2-2-电影数据集预处理分析.mp4
││      3-3-surprise工具包基本使用.mp4
││      4-4-模型测试集结果.mp4
││      5-5-评估指标概述.mp4
││      
│└─9-基于文本数据的推荐实例
│          1-1-数据与环境配置介绍.mp4
│          2-2-数据科学相关数据介绍.mp4
│          3-3-文本数据预处理.mp4
│          4-4-TFIDF构建特征矩阵.mp4
│          5-5-矩阵分解演示.mp4
│          6-6-LDA主题模型效果演示.mp4
│          7-7-推荐结果分析.mp4
│         
├─4-深度学习框架PyTorch
│├─1-PyTorch框架介绍与配置安装
││      1-PyTorch框架与其他框架区别分析.mp4
││      2-CPU与GPU版本安装方法解读.mp4
││      
│├─2-使用神经网络进行分类任务
││      1-数据集与任务概述.mp4
││      2-基本模块应用测试.mp4
││      3-网络结构定义方法.mp4
││      4-数据源定义简介.mp4
││      5-损失与训练模块分析.mp4
││      6-训练一个基本的分类模型.mp4
││      7-参数对结果的影响.mp4
││      
│├─3-神经网络回归任务-气温预测
││      1-神经网络回归任务-气温预测.mp4
││      
│├─4-卷积网络参数解读分析
││      1-输入特征通道分析.mp4
││      2-卷积网络参数解读.mp4
││      3-卷积网络模型训练.mp4
││      
│├─5-图像识别模型与训练策略（重点）
││      1-任务分析与图像数据基本处理.mp4
││      10-测试结果演示分析.mp4
││      2-数据增强模块.mp4
││      3-数据集与模型选择.mp4
││      4-迁移学习方法解读.mp4
││      5-输出层与梯度设置.mp4
││      6-输出类别个数修改.mp4
││      7-优化器与学习率衰减.mp4
││      8-模型训练方法.mp4
││      9-重新训练全部模型.mp4
││      
│├─6-DataLoader自定义数据集制作
││      1-Dataloader要完成的任务分析.mp4
││      2-图像数据与标签路径处理.mp4
││      3-Dataloader中需要实现的方法分析.mp4
││      4-实用Dataloader加载数据并训练模型.mp4
││      
│├─7-LSTM文本分类实战
││      1-数据集与任务目标分析.mp4
││      2-文本数据处理基本流程分析.mp4
││      3-命令行参数与DEBUG.mp4
││      4-训练模型所需基本配置参数分析.mp4
││      5-预料表与字符切分.mp4
││      6-字符预处理转换ID.mp4
││      7-LSTM网络结构基本定义.mp4
││      8-网络模型预测结果输出.mp4
││      9-模型训练任务与总结.mp4
││      
│└─8-PyTorch框架Flask部署例子
│          1-基本结构与训练好的模型加载.mp4
│          2-服务端处理与预测函数.mp4
│          3-基于Flask测试模型预测结果.mp4
│         
├─5-Opencv图像处理框架实战
│├─1-课程简介与环境配置
││      1-Pycharm环境配置与Debug演示(没用过的同学必看).mp4
││      2-课程简介.mp4
││      3-Python与Opencv配置安装.mp4
││      4-Notebook与IDE环境.mp4
││      
│├─10-项目实战-文档扫描OCR识别
││      1-整体流程演示.mp4
││      2-文档轮廓提取.mp4
││      3-原始与变换坐标计算.mp4
││      4-透视变换结果.mp4
││      5-tesseract-ocr安装配置.mp4
││      6-文档扫描识别效果.mp4
││      
│├─11-图像特征-harris
││      1-角点检测基本原理.mp4
││      2-基本数学原理.mp4
││      3-求解化简.mp4
││      4-特征归属划分.mp4
││      5-opencv角点检测效果.mp4
││      
│├─12-图像特征-sift
││      1-尺度空间定义.mp4
││      2-高斯差分金字塔.mp4
││      3-特征关键点定位.mp4
││      4-生成特征描述.mp4
││      5-特征向量生成.mp4
││      6-opencv中sift函数使用.mp4
││      
│├─13-案例实战-全景图像拼接
││      1-特征匹配方法.mp4
││      2-RANSAC算法.mp4
││      3-图像拼接方法.mp4
││      4-流程解读.mp4
││      
│├─14-项目实战-停车场车位识别
││      1-任务整体流程.mp4
││      2-所需数据介绍.mp4
││      3-图像数据预处理.mp4
││      4-车位直线检测.mp4
││      5-按列划分区域.mp4
││      6-车位区域划分.mp4
││      7-识别模型构建.mp4
││      8-基于视频的车位检测.mp4
││      
│├─15-项目实战-答题卡识别判卷
││      1-整体流程与效果概述.mp4
││      2-预处理操作.mp4
││      3-填涂轮廓检测.mp4
││      4-选项判断识别.mp4
││      
│├─16-背景建模
││      1-背景消除-帧差法.mp4
││      2-混合高斯模型.mp4
││      3-学习步骤.mp4
││      4-背景建模实战.mp4
││      
│├─17-光流估计
││      1-基本概念.mp4
││      2-Lucas-Kanade算法.mp4
││      3-推导求解.mp4
││      4-光流估计实战.mp4
││      
│├─18-Opencv的DNN模块
││      1-dnn模块.mp4
││      2-模型加载结果输出.mp4
││      
│├─19-项目实战-目标追踪
││      1-目标追踪概述.mp4
││      2-多目标追踪实战.mp4
││      3-深度学习检测框架加载.mp4
││      4-基于dlib与ssd的追踪.mp4
││      5-多进程目标追踪.mp4
││      6-多进程效率提升对比.mp4
││      
│├─2-图像基本操作
││      1-计算机眼中的图像.mp4
││      2-视频的读取与处理.mp4
││      3-ROI区域.mp4
││      4-边界填充.mp4
││      5-数值计算.mp4
││      
│├─20-卷积原理与操作
││      1-卷积神经网络的应用.mp4
││      2-卷积层解释.mp4
││      3-卷积计算过程.mp4
││      4-pading与stride.mp4
││      5-卷积参数共享.mp4
││      6-池化层原理.mp4
││      7-卷积效果演示.mp4
││      8-卷积操作流程.mp4
││      
│├─21-项目实战-疲劳检测
││      1-关键点定位概述.mp4
││      2-获取人脸关键点.mp4
││      3-定位效果演示.mp4
││      4-闭眼检测.mp4
││      5-检测效果.mp4
││      
│├─3-阈值与平滑处理
││      1-图像阈值.mp4
││      2-图像平滑处理.mp4
││      3-高斯与中值滤波.mp4
││      
│├─4-图像形态学操作
││      1-腐蚀操作.mp4
││      2-膨胀操作.mp4
││      3-开运算与闭运算.mp4
││      4-梯度计算.mp4
││      5-礼帽与黑帽.mp4
││      
│├─5-图像梯度计算
││      1-Sobel算子.mp4
││      2-梯度计算方法.mp4
││      3-scharr与lapkacian算子.mp4
││      
│├─6-边缘检测
││      1-Canny边缘检测流程.mp4
││      2-非极大值抑制.mp4
││      3-边缘检测效果.mp4
││      
│├─7-图像金字塔与轮廓检测
││      1-图像金字塔定义.mp4
││      2-金字塔制作方法.mp4
││      3-轮廓检测方法.mp4
││      4-轮廓检测结果.mp4
││      5-轮廓特征与近似.mp4
││      6-模板匹配方法.mp4
││      7-匹配效果展示.mp4
││      
│├─8-直方图与傅里叶变换
││      1-直方图定义.mp4
││      2-均衡化原理.mp4
││      3-均衡化效果.mp4
││      4-傅里叶概述.mp4
││      5-频域变换结果.mp4
││      6-低通与高通滤波.mp4
││      
│└─9-项目实战-信用卡数字识别
│          1-总体流程与方法讲解.mp4
│          2-环境配置与预处理.mp4
│          3-模板处理方法.mp4
│          4-输入数据处理方法.mp4
│          5-模板匹配得出识别结果.mp4
│         
├─6-综合项目-物体检测经典算法实战
│├─1-物体检测评估指标
││      1-Pycharm环境配置与Debug演示(没用过的同学必看).mp4
││      2-物体检测评估指标.mp4
││      
│├─10-V5项目工程源码解读
││      1-数据源DEBUG流程解读.mp4
││      10-完成配置文件解析任务.mp4
││      11-前向传播计算.mp4
││      12-BottleneckCSP层计算方法.mp4
││      13-SPP层计算细节分析.mp4
││      14-Head层流程解读.mp4
││      15-上采样与拼接操作.mp4
││      16-输出结果分析.mp4
││      17-超参数解读.mp4
││      18-命令行参数介绍.mp4
││      19-训练流程解读.mp4
││      2-图像数据源配置.mp4
││      20-各种训练策略概述.mp4
││      21-模型迭代过程.mp4
││      3-加载标签数据.mp4
││      4-Mosaic数据增强方法.mp4
││      5-数据四合一方法与流程演示.mp4
││      6-getItem构建batch.mp4
││      7-网络架构图可视化工具安装.mp4
││      8-V5网络配置文件解读.mp4
││      9-Focus模块流程分析.mp4
││      
│├─11-YOLO系列（V7）算法解读
││      1-YOLO系列（V7）算法解读.mp4
││      
│├─12-V7源码解读
││      1-命令行参数介绍.mp4
││      10-完成BuildTargets模块.mp4
││      11-候选框筛选流程分析.mp4
││      12-预测值各项指标获取与调整.mp4
││      13-GT匹配正样本数量计算.mp4
││      14-通过IOU与置信度分配正样本.mp4
││      15-损失函数计算方法.mp4
││      16-辅助头AUX网络结构配置文件解析.mp4
││      17-辅助头损失函数调整.mp4
││      18-BN与卷积权重参数融合方法.mp4
││      19-重参数化多分支合并加速.mp4
││      2-基本参数作用.mp4
││      3-EMA等训练技巧解读.mp4
││      4-网络结构配置文件解读.mp4
││      5-各模块操作细节分析.mp4
││      6-输出层与配置文件其他模块解读.mp4
││      7-标签分配策略准备操作.mp4
││      8-候选框偏移方法与find3p模块解读.mp4
││      9-得到偏移点所在网格位置.mp4
││      
│├─13-YOLOV8
││      1-YOLOV8.mp4
││      
│├─14-基于Transformer的detr目标检测算法
││      1-DETR目标检测基本思想解读.mp4
││      2-整体网络架构分析.mp4
││      3-位置信息初始化query向量.mp4
││      4-注意力机制的作用方法.mp4
││      5-训练过程的策略.mp4
││      
│├─15-detr目标检测源码解读
││      1-项目环境配置解读.mp4
││      2-数据处理与dataloader.mp4
││      3-位置编码作用分析.mp4
││      4-backbone特征提取模块.mp4
││      5-mask与编码模块.mp4
││      6-编码层作用方法.mp4
││      7-Decoder层操作与计算.mp4
││      8-输出预测结果.mp4
││      9-损失函数与预测输出.mp4
││      
│├─16-DeformableDetr算法解读
││      1-DeformableDetr算法解读.mp4
││      
│├─17-半监督物体检测
││      1-半监督物体检测.mp4
││      
│├─18-EfficientNet网络
││      1-EfficientNet网络模型.mp4
││      
│├─19-EfficientDet检测算法
││      1-EfficientDet检测算法.mp4
││      
│├─2-深度学习经典检测?法概述
││      1-检测任务中阶段的意义.mp4
││      2-不同阶段算法优缺点分析.mp4
││      3-IOU指标计算.mp4
││      4-评估所需参数计算.mp4
││      5-map指标计算.mp4
││      
│├─20-YOLO V9
││      1-YOLO V9.mp4
││      
│├─3-YOLO-V1整体思想与网络架构
││      1-YOLO算法整体思路解读.mp4
││      2-检测算法要得到的结果.mp4
││      3-整体网络架构解读.mp4
││      4-位置损失计算.mp4
││      5-置信度误差与优缺点分析.mp4
││      
│├─4-YOLO-V2改进细节详解
││      1-V2版本细节升级概述.mp4
││      2-网络结构特点.mp4
││      3-架构细节解读.mp4
││      4-基于聚类来选择先验框尺寸.mp4
││      5-偏移量计算方法.mp4
││      6-坐标映射与还原.mp4
││      7-感受野的作用.mp4
││      8-特征融合改进.mp4
││      
│├─5-YOLO-V3核心网络模型
││      1-V3版本改进概述.mp4
││      2-多scale方法改进与特征融合.mp4
││      3-经典变换方法对比分析.mp4
││      4-残差连接方法解读.mp4
││      5-整体网络模型架构分析.mp4
││      6-先验框设计改进.mp4
││      7-sotfmax层改进.mp4
││      
│├─6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
││      1-数据与环境配置.mp4
││      10-网格偏移计算.mp4
││      11-模型要计算的损失概述.mp4
││      12-标签值格式修改.mp4
││      13-坐标相对位置计算.mp4
││      14-完成所有损失函数所需计算指标.mp4
││      15-模型训练与总结.mp4
││      16-预测效果展示.mp4
││      2-训练参数设置.mp4
││      3-COCO图像数据读取与处理.mp4
││      4-标签文件读取与处理.mp4
││      5-debug模式介绍.mp4
││      6-基于配置文件构建网络模型.mp4
││      7-路由层与shortcut层的作用.mp4
││      8-YOLO层定义解析.mp4
││      9-预测结果计算.mp4
││      
│├─7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
││      1-Labelme工具安装.mp4
││      2-数据信息标注.mp4
││      3-完成标签制作.mp4
││      4-生成模型所需配置文件.mp4
││      5-json格式转换成yolo-v3所需输入.mp4
││      6-完成输入数据准备工作.mp4
││      7-训练代码与参数配置更改.mp4
││      8-训练模型并测试效果.mp4
││      
│├─8-YOLO-V4版本算法解读
││      1-V4版本整体概述.mp4
││      10-PAN模块解读.mp4
││      11-激活函数与整体架构总结.mp4
││      2-V4版本贡献解读.mp4
││      3-数据增强策略分析.mp4
││      4-DropBlock与标签平滑方法.mp4
││      5-损失函数遇到的问题.mp4
││      6-CIOU损失函数定义.mp4
││      7-NMS细节改进.mp4
││      8-SPP与CSP网络结构.mp4
││      9-SAM注意力机制模块.mp4
││      
│└─9-V5版本项目配置
│          1-整体项目概述.mp4
│          2-训练自己的数据集方法.mp4
│          3-训练数据参数配置.mp4
│          4-测试DEMO演示.mp4
│         
├─7-图像分割实战
│├─1-图像分割及其损失函数概述
││      1-语义分割与实例分割概述.mp4
││      2-分割任务中的目标函数定义.mp4
││      3-MIOU评估标准.mp4
││      
│├─10-物体检测框架-MaskRcnn项目介绍与配置
││      1-Mask-Rcnn开源项目简介.mp4
││      2-开源项目数据集.mp4
││      3-开源项目数据集.mp4
││      
│├─11-MaskRcnn网络框架源码详解
││      1-FPN层特征提取原理解读.mp4
││      10-RoiPooling层的作用与目的.mp4
││      11-RorAlign操作的效果.mp4
││      12-整体框架回顾.mp4
││      2-FPN网络架构实现解读.mp4
││      3-生成框比例设置.mp4
││      4-基于不同尺度特征图生成所有框.mp4
││      5-RPN层的作用与实现解读.mp4
││      6-候选框过滤方法.mp4
││      7-Proposal层实现方法.mp4
││      8-DetectionTarget层的作用.mp4
││      9-正负样本选择与标签定义.mp4
││      
│├─12-基于MASK-RCNN框架训练自己的数据与任务
││      1-Labelme工具安装.mp4
││      2-使用labelme进行数据与标签标注.mp4
││      3-完成训练数据准备工作.mp4
││      4-maskrcnn源码修改方法.mp4
││      5-基于标注数据训练所需任务.mp4
││      6-测试与展示模块.mp4
││      
│├─2-Unet系列算法讲解
││      1-Unet网络编码与解码过程.mp4
││      2-网络计算流程.mp4
││      3-Unet升级版本改进.mp4
││      4-后续升级版本介绍.mp4
││      
│├─3-unet医学细胞分割实战
││      1-医学细胞数据集介绍与参数配置.mp4
││      2-数据增强工具.mp4
││      3-Debug模式演示网络计算流程.mp4
││      4-特征融合方法演示.mp4
││      5-迭代完成整个模型计算任务.mp4
││      6-模型效果验证.mp4
││      
│├─4-U2NET显著性检测实战
││      1-任务目标与网络整体介绍.mp4
││      2-显著性检测任务与目标概述.mp4
││      3-编码器模块解读.mp4
││      4-解码器输出结果.mp4
││      5-损失函数与应用效果.mp4
││      
│├─5-deeplab系列算法
││      1-deeplab分割算法概述.mp4
││      2-空洞卷积的作用.mp4
││      3-感受野的意义.mp4
││      4-SPP层的作用.mp4
││      5-ASPP特征融合策略.mp4
││      6-deeplabV3Plus版本网络架构.mp4
││      
│├─6-基于deeplabV3+版本进?VOC分割实战
││      1-PascalVoc数据集介绍.mp4
││      2-项目参数与数据集读取.mp4
││      3-网络前向传播流程.mp4
││      4-ASPP层特征融合.mp4
││      5-分割模型训练.mp4
││      
│├─7-医学?脏视频数据集分割建模实战
││      1-数据集与任务概述.mp4
││      2-项目基本配置参数.mp4
││      3-任务流程解读.mp4
││      4-文献报告分析.mp4
││      5-补充：视频数据源特征处理方法概述.mp4
││      6-补充：R(2plus1)D处理方法分析.mp4
││      
│├─8-分割模型Maskformer系列
││      1-分割模型Maskformer系列.mp4
││      
│└─9-补充：Mask2former源码解读
│          1-Backbone获取多层级特征.mp4
│          10-正样本筛选损失计算.mp4
│          11-标签分类匹配结果分析.mp4
│          12-最终损失计算流程.mp4
│          13-汇总所有损失完成迭代.mp4
│          2-多层级采样点初始化构建.mp4
│          3-多层级输入特征序列创建方法.mp4
│          4-偏移量与权重计算并转换.mp4
│          5-Encoder特征构建方法实例.mp4
│          6-query要预测的任务解读.mp4
│          7-Decoder中的AttentionMask方法.mp4
│          8-损失模块输入参数分析.mp4
│          9-标签分配策略解读.mp4
│         
├─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
││      1-MMCV安装方法.mp4
││      
│├─10-第三模块：DeformableDetr算法解读
││      1-DeformableDetr算法解读.mp4
││      
│├─11-补充：Mask2former源码解读
││      1-Backbone获取多层级特征.mp4
││      10-正样本筛选损失计算.mp4
││      11-标签分类匹配结果分析.mp4
││      12-最终损失计算流程.mp4
││      13-汇总所有损失完成迭代.mp4
││      2-多层级采样点初始化构建.mp4
││      3-多层级输入特征序列创建方法.mp4
││      4-偏移量与权重计算并转换.mp4
││      5-Encoder特征构建方法实例.mp4
││      6-query要预测的任务解读.mp4
││      7-Decoder中的AttentionMask方法.mp4
││      8-损失模块输入参数分析.mp4
││      9-标签分配策略解读.mp4
││      
│├─12-KIE关键信息抽取与视频超分辨率重构
││      1-KIE关键信息抽取与视频超分辨率重构.mp4
││      
│├─13-第四模块：DBNET文字检测
││      1-文字检测数据概述与配置文件.mp4
││      2-配置文件参数设置.mp4
││      3-Neck层特征组合.mp4
││      4-损失函数模块概述.mp4
││      5-损失计算方法.mp4
││      
│├─14-第四模块：ANINET文字识别
││      1-数据集与环境概述.mp4
││      2-配置文件修改方法.mp4
││      3-Bakbone模块得到特征.mp4
││      4-视觉Transformer模块的作用.mp4
││      5-视觉模型中的编码与解码的效果.mp4
││      6-文本模型中的结构分析.mp4
││      7-迭代修正模块.mp4
││      8-输出层与损失计算.mp4
││      
│├─15-第四模块：KIE基于图模型的关键信息抽取
││      1-配置文件以及要完成的任务解读.mp4
││      2-KIE数据集格式调整方法.mp4
││      3-配置文件与标签要进行处理操作.mp4
││      4-边框要计算的特征分析.mp4
││      5-标签数据处理与关系特征提取.mp4
││      6-特征合并处理.mp4
││      7-准备拼接边与点特征.mp4
││      8-整合得到图模型输入特征.mp4
││      
│├─16-第五模块：stylegan2源码解读
││      1-要完成的任务与基本思想概述.mp4
││      2-得到style特征编码.mp4
││      3-特征编码风格拼接.mp4
││      4-基础风格特征卷积模块.mp4
││      5-上采样得到输出结果.mp4
││      6-损失函数概述.mp4
││      
│├─17-第六模块：BasicVSR++视频超分辨重构源码解读
││      1-要完成的任务分析与配置文件.mp4
││      10-传播流程整体完成一圈.mp4
││      11-完成输出结果.mp4
││      2-特征基础提取模块.mp4
││      3-光流估计网络模块.mp4
││      4-基于光流完成对齐操作.mp4
││      5-偏移量计算方法.mp4
││      6-双向计算特征对齐.mp4
││      7-提特征传递流程分析.mp4
││      8-序列传播计算.mp4
││      9-准备变形卷积模块的输入.mp4
││      
│├─18-第七模块：多模态3D目标检测算法源码解读
││      1-环境配置与数据集概述.mp4
││      10-3D卷积特征融合.mp4
││      11-输出层预测结果.mp4
││      2-数据与标注文件介绍.mp4
││      3-基本流程梳理并进入debug模式.mp4
││      4-数据与图像特征提取模块.mp4
││      5-体素索引位置获取.mp4
││      6-体素特征提取方法解读.mp4
││      7-体素特征计算方法分析.mp4
││      8-全局体素特征提取.mp4
││      9-多模态特征融合.mp4
││      
│├─19-第八模块：模型蒸馏应用实例
││      1-任务概述与工具使用.mp4
││      2-Teacher与Student网络结构定义.mp4
││      3-训练T与S得到蒸馏模型.mp4
││      4-开始模型训练过程与问题修正.mp4
││      5-日志输出与模型分离.mp4
││      6-分别得到Teacher与Student模型.mp4
││      7-实际测试效果演示.mp4
││      
│├─2-第一模块：分类任务基本操作
││      1-MMCLS问题修正.mp4
││      2-准备MMCLS项目.mp4
││      3-基本参数配置解读.mp4
││      4-各模块配置文件组成.mp4
││      5-生成完整配置文件.mp4
││      6-根据文件夹定义数据集.mp4
││      7-构建自己的数据集.mp4
││      8-训练自己的任务.mp4
││      
│├─20-第八模块：模型剪枝方法概述分析
││      1-SuperNet网络结构分析与剪枝概述.mp4
││      2-搜索匹配到符合计算量的模型并训练.mp4
││      
│├─21-第九模块：mmaction行为识别
││      1-创建自己的行为识别标注数据集.mp4
││      
│├─22-OCR算法解读
││      1-OCR算法解读.mp4
││      
│├─23-额外补充-在源码中加入各种注意力机制方法
││      1-在源码中加入各种注意力机制方法.mp4
││      
│├─24-追踪新增
││      1-获取检测结果与追踪初始化.mp4
││      2-初始时刻追踪器创建.mp4
││      3-追踪器记录信息概述.mp4
││      4-匹配过程细节分析.mp4
││      5-不同帧时刻追踪器状态更新方法.mp4
││      6-追踪器状态更新处理.mp4
││      7-追踪器迭代更新策略.mp4
││      
│├─3-第一模块：训练结果测试与验证
││      1-测试DEMO效果.mp4
││      2-测试评估模型效果.mp4
││      3-MMCLS中增加一个新的模块.mp4
││      4-修改配置文件中的参数.mp4
││      5-数据增强流程可视化展示.mp4
││      6-Grad-Cam可视化方法.mp4
││      7-可视化细节与效果分析.mp4
││      8-MMCLS可视化模块应用.mp4
││      9-模型分析脚本使用.mp4
││      
│├─4-第一模块：模型源码DEBUG演示
││      1-VIT任务概述.mp4
││      2-数据增强模块概述分析.mp4
││      3-PatchEmbedding层.mp4
││      4-前向传播基本模块.mp4
││      5-CLS与输出模块.mp4
││      
│├─5-第二模块：使用分割模块训练自己的数据集
││      1-项目配置基本介绍.mp4
││      2-数据集标注与制作方法.mp4
││      3-根据预测类别数修改配置文件.mp4
││      4-加载预训练模型开始训练.mp4
││      5-预测DEMO演示.mp4
││      
│├─6-第二模块：基于Unet进行各种策略修改
││      1-配置文件解读.mp4
││      2-编码层模块.mp4
││      3-上采样与输出层.mp4
││      4-辅助层的作用.mp4
││      5-给Unet添加一个neck层.mp4
││      6-如何修改参数适配网络结构.mp4
││      7-将Unet特征提取模块替换成transformer.mp4
││      8-VIT模块源码分析.mp4
││      
│├─7-第二模块：分割任务CVPR最新Backbone设计及其应用
││      1-注册自己的Backbone模块.mp4
││      10-汇总多层级特征进行输出.mp4
││      2-配置文件指定.mp4
││      3-DEBUG解读Backbone设计.mp4
││      4-PatchEmbedding的作用与实现.mp4
││      5-卷积位置编码计算方法.mp4
││      6-近似Attention模块实现.mp4
││      7-完成特征提取与融合模块.mp4
││      8-分割输出模块.mp4
││      9-全局特征的作用与实现.mp4
││      
│├─8-第三模块：mmdet训练自己的数据任务
││      1-数据集标注与标签获取.mp4
││      2-COCO数据标注格式.mp4
││      3-通过脚本生成COCO数据格式.mp4
││      4-配置文件数据增强策略分析.mp4
││      5-训练所需配置说明.mp4
││      6-模型训练与DEMO演示.mp4
││      7-模型测试与可视化分析模块.mp4
││      8-补充：评估指标.mp4
││      
│└─9-第三模块：DeformableDetr物体检测源码分析
│          1-特征提取与位置编码.mp4
│          10-分类与回归输出模块.mp4
│          11-预测输出结果与标签匹配模块.mp4
│          2-序列特征展开并叠加.mp4
│          3-得到相对位置点编码.mp4
│          4-准备Encoder编码层所需全部输入.mp4
│          5-编码层中的序列分析.mp4
│          6-偏移量offset计算.mp4
│          7-偏移量对齐操作.mp4
│          8-Encoder层完成特征对齐.mp4
│          9-Decoder要完成的操作.mp4
│         
└─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
    │      1-slowfast核心思想解读.mp4
    │      2-核心网络结构模块分析.mp4
    │      3-数据采样曾的作用.mp4
    │      4-模型网络结构设计.mp4
    │      5-特征融合模块与总结分析.mp4
    │      
    ├─10-OpenPose算法源码分析
    │      1-数据集与路径配置解读.mp4
    │      10-多阶段输出与预测.mp4
    │      2-读取图像与标注信息.mp4
    │      3-关键点与躯干特征图初始化.mp4
    │      4-根据关键点位置设计关键点标签.mp4
    │      5-准备构建PAF躯干标签.mp4
    │      6-各位置点归属判断.mp4
    │      7-特征图各点累加向量计算.mp4
    │      8-完成PAF特征图制作.mp4
    │      9-网络模型一阶段输出.mp4
    │      
    ├─11-deepsort算法知识点解读
    │      1-卡尔曼滤波通俗解释.mp4
    │      10-sort与deepsort建模流程分析.mp4
    │      11-预测与匹配流程解读.mp4
    │      12-追踪任务流程拆解.mp4
    │      2-卡尔曼滤波要完成的任务.mp4
    │      3-任务本质分析.mp4
    │      4-基于观测值进行最优估计.mp4
    │      5-预测与更新操作.mp4
    │      6-追踪中的状态量.mp4
    │      7-匈牙利匹配算法概述.mp4
    │      8-匹配小例子分析.mp4
    │      9-REID特征的作用.mp4
    │      
    ├─12-deepsort源码解读
    │      1-项目环境配置.mp4
    │      10-匹配结果与总结.mp4
    │      2-参数与DEMO演示.mp4
    │      3-针对检测结果初始化track.mp4
    │      4-对track执行预测操作.mp4
    │      5-状态量预测结果.mp4
    │      6-IOU代价矩阵计算.mp4
    │      7-参数更新操作.mp4
    │      8-级联匹配模块.mp4
    │      9-ReID特征代价矩阵计算.mp4
    │      
    ├─13-YOLO-V4版本算法解读
    │      1-V4版本整体概述.mp4
    │      10-PAN模块解读.mp4
    │      11-激活函数与整体架构总结.mp4
    │      2-V4版本贡献解读.mp4
    │      3-数据增强策略分析.mp4
    │      4-DropBlock与标签平滑方法.mp4
    │      5-损失函数遇到的问题.mp4
    │      6-CIOU损失函数定义.mp4
    │      7-NMS细节改进.mp4
    │      8-SPP与CSP网络结构.mp4
    │      9-SAM注意力机制模块.mp4
    │      
    ├─14-V5版本项目配置
    │      1-整体项目概述.mp4
    │      2-训练自己的数据集方法.mp4
    │      3-训练数据参数配置.mp4
    │      4-测试DEMO演示.mp4
    │      
    ├─15-V5项目工程源码解读
    │      1-数据源DEBUG流程解读.mp4
    │      10-完成配置文件解析任务.mp4
    │      11-前向传播计算.mp4
    │      12-BottleneckCSP层计算方法.mp4
    │      13-1-SPP层计算细节分析.mp4
    │      14-2-Head层流程解读.mp4
    │      15-上采样与拼接操作.mp4
    │      16-输出结果分析.mp4
    │      17-超参数解读.mp4
    │      18-命令行参数介绍.mp4
    │      19-训练流程解读.mp4
    │      2-图像数据源配置.mp4
    │      20-各种训练策略概述.mp4
    │      21-模型迭代过程.mp4
    │      3-加载标签数据.mp4
    │      4-Mosaic数据增强方法.mp4
    │      5-数据四合一方法与流程演示.mp4
    │      6-getItem构建batch.mp4
    │      7-网络架构图可视化工具安装.mp4
    │      8-V5网络配置文件解读.mp4
    │      9-Focus模块流程分析.mp4
    │      
    ├─2-slowfast项目环境配置与配置文件
    │      1-环境基本配置解读.mp4
    │      2-目录各文件分析.mp4
    │      3-配置文件作用解读.mp4
    │      4-测试DEMO演示.mp4
    │      5-训练所需标签文件说明.mp4
    │      6-训练所需视频数据准备.mp4
    │      7-视频数据集切分操作.mp4
    │      8-完成视频分帧操作.mp4
    │      
    ├─3-slowfast源码详细解读
    │      1-模型所需配置文件参数读取.mp4
    │      10-RoiAlign与输出层.mp4
    │      2-数据处理概述.mp4
    │      3-dataloader数据遍历方法.mp4
    │      4-数据与标签读取实例.mp4
    │      5-图像数据所需预处理方法.mp4
    │      6-slow与fast分别执行采样操作.mp4
    │      7-分别计算特征图输出结果.mp4
    │      8-slow与fast特征图拼接操作.mp4
    │      9-resnetBolock操作.mp4
    │      
    ├─4-基于3D卷积的视频分析与动作识别
    │      1-3D卷积原理解读.mp4
    │      2-UCF101动作识别数据集简介.mp4
    │      3-测试效果与项目配置.mp4
    │      4-视频数据预处理方法.mp4
    │      5-数据Batch制作方法.mp4
    │      6-3D卷积网络所涉及模块.mp4
    │      7-训练网络模型.mp4
    │      
    ├─5-视频异常检测算法与元学习
    │      1-异常检测要解决的问题与数据集介绍.mp4
    │      2-基本思想与流程分析.mp4
    │      3-预测与常见问题.mp4
    │      4-Meta-Learn要解决的问题.mp4
    │      5-学习能力与参数定义.mp4
    │      6-如何找到合适的初始化参数.mp4
    │      7-MAML算法流程解读.mp4
    │      
    ├─6-视频异常检测CVPR2021论文及其源码解读
    │      1-论文概述与环境配置.mp4
    │      2-数据集配置与读取.mp4
    │      3-模型编码与解码结构.mp4
    │      4-注意力机制模块打造.mp4
    │      5-损失函数的目的.mp4
    │      6-特征图生成.mp4
    │      7-MetaLearn与输出.mp4
    │      
    ├─7-基础补充-Resnet模型及其应用实例
    │      1-医学疾病数据集介绍.mp4
    │      2-Resnet网络架构原理分析.mp4
    │      3-dataloader加载数据集.mp4
    │      4-Resnet网络前向传播.mp4
    │      5-残差网络的shortcut操作.mp4
    │      6-特征图升维与降采样操作.mp4
    │      7-网络整体流程与训练演示.mp4
    │      
    ├─8-课程介绍
    │      1-课程介绍.mp4
    │      
    └─9-姿态估计OpenPose系列算法解读
            1-姿态估计要解决的问题分析.mp4
            10-匹配方法解读.mp4
            11-CPM模型特点.mp4
            12-算法流程与总结.mp4
            2-姿态估计应用领域概述.mp4
            3-传统topdown方法的问题.mp4
            4-要解决的两个问题分析.mp4
            5-基于高斯分布预测关键点位置.mp4
            6-各模块输出特征图解读.mp4
            7-PAF向量登场.mp4
            8-PAF标签设计方法.mp4
            9-预测时PAF积分计算方法.mp4
            

xiaoxiaobug 发表于 2025-9-10 20:32:33

111111111111111111111111111

zhutou512 发表于 2025-9-10 22:44:50

好全面呀，学完了肯定会成为人才

骑着乌龟去看海 发表于 2025-9-13 14:23:26

1111111111111111111111111111

flyor 发表于 2025-9-23 00:42:06

必须赞一个

nicrolas 发表于 2025-10-22 15:56:01

DDDDDDDDDDDDDDDDDDDDD

xuanwodye 发表于 2025-11-4 22:54:46

不错，又占了一个沙发！每日学IT论坛牛逼！

查看完整版本: 咕泡：人工智能深度学习系统班（第十一期，169GB完整版）