体系课：AI人工智能算法工程师【前20章，8.6GB】
本帖最后由 yyzhi 于 2026-6-25 21:39 编辑下载地址：**** Hidden Message *****
【课程目录】
├─【第10周】 PyTorch数据处理与网络模型构建
│├─10-1 PyTorch入门与应用
││├─10-1-1 第1章 周课程整体介绍与安排
││├─10-1-2 第2章 安装PyTorch
││└─10-1-3 第3章 Tensor的操作
│├─10-1 PyTorch入门与应用
││├─10-1-1 第1章 周课程整体介绍与安排
│││ 10-1-1-1 PyTorch数据处理与网络模型构建.pdf
│││
││├─10-1-2 第2章 安装PyTorch
│││ 10-1-2-1 安装PyTorch__ev-金狮_.mp4
│││ 10-1-2-2 更新Nvidia显卡驱动和安装CUDA&CUDNN&P__ev-金狮_.mp4
│││
││└─10-1-3 第3章 Tensor的操作
││ 10-1-3-1 定义Tensor__ev-金狮_.mp4
││ 10-1-3-2 Tensor实操__ev-金狮_.mp4
││ 10-1-3-3 Tensor运算：索引&算数运算&拼接__ev-金狮_.mp4
││ 10-1-3-4 Tensor数据转换__ev-金狮_.mp4
││ 10-1-3-5 综合案例：PyTorch处理图片__ev-金狮_.mp4
││
│├─10-2 数据集加载与应用
││├─10-2-1 第1章 Dataset与Dataloader
││└─10-2-2 第2章 数据增强与转换
│├─10-2 数据集加载与应用
│││10-2 数据集加载与应用说明.zip
│││
││├─10-2-1 第1章 Dataset与Dataloader
│││ 10-2-1-1 Dataset与Dataloader概念与定义__ev-金狮_.mp4
│││ 10-2-1-2 案例1：导入两个列表到Dataset__ev-金狮_.mp4
│││ 10-2-1-3 案例2：导入Excel数据到Dataset中__ev-金狮_.mp4
│││ 10-2-1-4 案例3：导入图像数据集到Dataset__ev-金狮_.mp4
│││ 10-2-1-5 案例4：加载官方数据集__ev-金狮_.mp4
│││
││└─10-2-2 第2章 数据增强与转换
││ 10-2-2-1 固定转换__ev-金狮_.mp4
││ 10-2-2-2 概率控制的转换__ev-金狮_.mp4
││ 10-2-2-3 随机转换__ev-金狮_.mp4
││ 10-2-2-4 综合案例：图像增强__ev-金狮_.mp4
││
│└─10-3 网络模型搭建实战
│ └─10-3-1 第1章 网络模型搭建实战
│ 10-3-1-1 神经网络的模板__ev-金狮.mp4
│ 10-3-1-1 神经网络的模板__ev-金狮_.mp4
│ 10-3-1-10 Sequential 顺序容器&综合案例6：搭建完整的__ev-金狮.mp4
│ 10-3-1-10 Sequential 顺序容器&综合案例6：搭建完整的__ev-金狮_.mp4
│ 10-3-1-2 神经网络中常见的各种层__ev-金狮.mp4
│ 10-3-1-2 神经网络中常见的各种层__ev-金狮_.mp4
│ 10-3-1-3 综合案例1：全连接网络处理一维信息__ev-金狮.mp4
│ 10-3-1-3 综合案例1：全连接网络处理一维信息__ev-金狮_.mp4
│ 10-3-1-4 综合案例2：全连接网络处理二维图像__ev-金狮.mp4
│ 10-3-1-4 综合案例2：全连接网络处理二维图像__ev-金狮_.mp4
│ 10-3-1-5 模型搭建（卷积层）__ev-金狮.mp4
│ 10-3-1-5 模型搭建（卷积层）__ev-金狮_.mp4
│ 10-3-1-6 综合案例3：搭建全卷积网络结构__ev-金狮.mp4
│ 10-3-1-6 综合案例3：搭建全卷积网络结构__ev-金狮_.mp4
│ 10-3-1-7 综合案例4：搭建卷积+全连接的网络结构__ev-金狮.mp4
│ 10-3-1-7 综合案例4：搭建卷积+全连接的网络结构__ev-金狮_.mp4
│ 10-3-1-8 模型搭建（池化层和BN层）__ev-金狮.mp4
│ 10-3-1-8 模型搭建（池化层和BN层）__ev-金狮_.mp4
│ 10-3-1-9 综合案例5：复现LeNet__ev-金狮.mp4
│ 10-3-1-9 综合案例5：复现LeNet__ev-金狮_.mp4
│
├─【第11周】 深入PyTorch模型的训练与可视化
│├─11-1 PyThorch训练基础与数据可视化
││└─11-1-1 第1章 模型训练与可视化
│├─11-2 PyThorch训练进阶与性能优化
││├─11-2-1 第1章 PyTorch 训练进阶
││└─11-2-2 第2章 模型性能提升方法
│└─11-3 PyThorch软件封装
│ └─11-3-1 第1章 PyThorch软件封装
├─【第12周】 CNN图像处理模型
│├─12-1 简单链式模型理论与实战
││└─12-1-1 第1章 简单链式模型理论与实战
│├─12-1 简单链式模型理论与实战
││└─12-1-1 第1章 简单链式模型理论与实战
││ 12-1-1-1 AlexNet模型__ev-金狮_.mp4
││ 12-1-1-2 AlexNet工程技巧__ev-金狮_.mp4
││ 12-1-1-3 VGGNet模型__ev-金狮_.mp4
││ 12-1-1-4 VGGNet 实验结果__ev-金狮_.mp4
││ 12-1-1-5 从零搭建VGGNet__ev-金狮_.mp4
││
│├─12-2 多分支模型理论与实战
││└─12-2-1 第1章 多分支模型理论与实战
││ 12-2-1-1 卷积__ev-金狮_.mp4
││ 12-2-1-2 GoogLeNet__ev-金狮_.mp4
││ 12-2-1-3 从零搭建GoogLeNet（1）__ev-金狮_.mp4
││ 12-2-1-4 从零搭建GoogLeNet（2）__ev-金狮_.mp4
││
│└─12-3 残差模型理论与实战
│ └─12-3-1 第1章 残差模型理论与实战
│ 12-3-1-1 ResNet__ev-金狮_.mp4
│ 12-3-1-2 DenseNet__ev-金狮_.mp4
│ 12-3-1-3 从零搭建ResNet（1）__ev-金狮_.mp4
│ 12-3-1-4 从零搭建ResNet （2）__ev-金狮_.mp4
│
├─【第13周】 移动端AI高效率分组模型
│├─13-1 mobilenet模型理论与实战
││├─13-1-1 第1章 卷积拆分分组与Xception
││├─13-1-2 第2章 MobileNet 模型
││└─13-1-3 第3章 从零搭建MobileNet模型
│├─13-1 mobilenet模型理论与实战
││├─13-1-1 第1章 卷积拆分分组与Xception
│││ 13-1-1-1 卷积拆分__ev-金狮_.mp4
│││ 13-1-1-2 卷积分组__ev-金狮_.mp4
│││ 13-1-1-3 Xception__ev-金狮_.mp4
│││
││├─13-1-2 第2章 MobileNet 模型
│││ 13-1-2-1 MobileNet V1 核心模块&结构&有效性&版本控__ev-金狮_.mp4
│││ 13-1-2-2 MobileNet V1实验__ev-金狮_.mp4
│││ 13-1-2-3 MobileNet V2原理与核心结构__ev-金狮_.mp4
│││ 13-1-2-4 MobileNet V2实验__ev-金狮_.mp4
│││
││└─13-1-3 第3章 从零搭建MobileNet模型
││ 13-1-3-1 基于Pytorch从零搭建MobileNet V1& M__ev-金狮_.mp4
││ 13-1-3-2 基于Pytorch从零搭建MobileNet V1& M__ev-金狮_.mp4
││
│├─13-2 shufflenet模型理论与实战
││├─13-2-1 第1章 ShuffleNet模型
││└─13-2-2 第2章 从零搭建ShuffleNet模型
│└─13-2 shufflenet模型理论与实战
│ ├─13-2-1 第1章 ShuffleNet模型
│ │ 13-2-1-1 ResNet__ev-金狮_.mp4
│ │ 13-2-1-1 ShuffleNet V1 原理与模块__ev-金狮_.mp4
│ │ 13-2-1-2 DenseNet__ev-金狮_.mp4
│ │ 13-2-1-2 ShuffleNet V1 实验__ev-金狮_.mp4
│ │ 13-2-1-3 ShuffleNet V2 原理与模块__ev-金狮_.mp4
│ │ 13-2-1-3 从零搭建ResNet（1）__ev-金狮_.mp4
│ │ 13-2-1-4 ShuffleNet V1与ShuffleNet V2__ev-金狮_.mp4
│ │ 13-2-1-4 从零搭建ResNet （2）__ev-金狮_.mp4
│ │
│ └─13-2-2 第2章 从零搭建ShuffleNet模型
│ 13-2-2-1 ShuffleNet原理与结构配置__ev-金狮_.mp4
│ 13-2-2-2 基于Pytorch从零搭建ShuffleNet V1&__ev-金狮_.mp4
│ 13-2-2-3 基于Pytorch从零搭建ShuffleNet V1&__ev-金狮_.mp4
│
├─【第14周】 卷积注意力模型
│├─14-1 特征通道注意力
││├─14-1-1 第1章 注意力模型基础
│││ 14-1-1-1 注意力与注意力应用__ev-金狮_.mp4
│││ 14-1-1-2 典型注意力分类__ev-金狮_.mp4
│││
││├─14-1-2 第2章 特征注意力模型
│││ 14-1-2-1 SENet__ev-金狮_.mp4
│││ 14-1-2-2 SKNet__ev-金狮_.mp4
│││
││└─14-1-3 第3章 从零搭建SENet
││ 14-1-3-1 从零搭建SENet__ev-金狮_.mp4
││
│├─14-2 空间注意力
││└─14-2-1 第1章 空间注意力
│├─14-2 空间注意力
││└─14-2-1 第1章 空间注意力
││ 14-2-1-1 Learn to Pay Atention__ev-金狮_.mp4
││ 14-2-1-2 Learn to Pay Atention__ev-金狮_.mp4
││ 14-2-1-3 STN__ev-金狮_.mp4
││ 14-2-1-4 从零搭建STN__ev-金狮_.mp4
││
│└─14-3 混合注意力模型
│ └─14-3-1 第1章 混合注意力模型
│ 14-3-1-1 CBAM__ev-金狮_.mp4
│ 14-3-1-2 BAM__ev-金狮_.mp4
│ 14-3-1-3 从零搭建CBAM__ev-金狮_.mp4
│
├─【第15周】 Transformer模型
│├─15-1 Transformer 原理与实现
││├─15-1-1 第1章 自注意力机制
││├─15-1-2 第2章 Transformer模型
││└─15-1-3 第3章 从零搭建Transformer
│└─15-1 Transformer 原理与实现
│ ├─15-1-1 第1章 自注意力机制
│ │ 15-1-1-1 自注意力背景（一）__ev-金狮_.mp4
│ │ 15-1-1-2 自注意力背景（二）__ev-金狮_.mp4
│ │ 15-1-1-3 自注意力实现__ev-金狮_.mp4
│ │
│ ├─15-1-2 第2章 Transformer模型
│ │ 15-1-2-1 整体模型结构__ev-金狮_.mp4
│ │ 15-1-2-2 编码器模型__ev-金狮_.mp4
│ │ 15-1-2-3 解码器模块__ev-金狮_.mp4
│ │ 15-1-2-4 输入输出模块__ev-金狮_.mp4
│ │
│ └─15-1-3 第3章 从零搭建Transformer
│ 15-1-3-1 从零搭建Transformer （1~4步）__ev-金狮_.mp4
│ 15-1-3-2 从零搭建Transformer （5~6步）__ev-金狮_.mp4
│ 15-1-3-3 从零搭建Transformer （第7步定义DECODE__ev-金狮_.mp4
│ 15-1-3-4 零搭建Transformer （第8步输入数据）__ev-金狮_.mp4
│ 15-1-3-5 零搭建Transformer （第9步构建完整网络）__ev-金狮_.mp4
│
├─【第16周】 Vision Transformer 模型
││Vision Transformer 模型文档.zip
││
│├─16-1 Vision Transformer模型
│││16-1 Vision Transformer模型说明.png
│││
││├─16-1-1 第1章 基础 ViT模型
│││ 16-1-1-1 Transformer模型：ViT__ev-金狮_.mp4
│││ 16-1-1-2 Transformer模型：DeiT__ev-金狮_.mp4
│││
││└─16-1-2 第2章 从零搭建Vision Transformer
││ 16-1-2-1 从零搭建Vision Transformer（1）__ev-金狮_.mp4
││ 16-1-2-2 从零搭建Vision Transformer（2）__ev-金狮_.mp4
││
│├─16-2 轻量级VisionTransformer
││├─16-2-1 第1章 轻量级ViT模型
││└─16-2-2 第2章 从零搭建Mobile ViT模型
│└─16-2 轻量级VisionTransformer
│ ├─16-2-1 第1章 轻量级ViT模型
│ │ 16-2-1-1 Compact Transformer模型__ev-金狮_.mp4
│ │ 16-2-1-2 Mobile VIT 模型__ev-金狮_.mp4
│ │
│ └─16-2-2 第2章 从零搭建Mobile ViT模型
│ 16-2-2-1 从零搭建Mobile ViT模型（1）__ev-金狮_.mp4
│ 16-2-2-2 从零搭建Mobile ViT模型（2）__ev-金狮_.mp4
│ 16-2-2-3 从零搭建Mobile ViT模型（3）__ev-金狮_.mp4
│
├─【第17周】【视觉领域】图像分类技术与项目实战
│├─17-1 图像分类基础与实践：安防监控人脸表情识别
││├─17-1-1 第1章 图像分类基础与模型
││└─17-1-2 第2章 人脸表情识别实战
│├─17-1 图像分类基础与实践：安防监控人脸表情识别
││├─17-1-1 第1章 图像分类基础与模型
│││ 17-1-1-1 图像分类基础__ev-金狮_.mp4
│││
││└─17-1-2 第2章 人脸表情识别实战
││ 17-1-2-1 人脸表情识别实战1-项目背景__ev-金狮_.mp4
││ 17-1-2-10 人脸表情识别实战3-模型搭建与训练-2__ev-金狮_.mp4
││ 17-1-2-11 人脸表情识别实战4-模型测试-3__ev-金狮_.mp4
││ 17-1-2-2 人脸表情识别实战2：获取表情图像__ev-金狮_.mp4
││ 17-1-2-3 人脸表情识别实战2：数据预处理与读取__ev-金狮_.mp4
││ 17-1-2-4 人脸表情识别实战2：实战第一步-去除损坏图片，类型与命名__ev-金狮_.mp4
││ 17-1-2-5 人脸表情识别实战2：实战第二步-筛选符合人脸需求的图片__ev-金狮_.mp4
││ 17-1-2-6 人脸表情识别实战2：实战第三步-检测人脸关键部位__ev-金狮_.mp4
││ 17-1-2-7 人脸表情识别实战2：实战第四五步-按格式整理图片路径&训__ev-金狮_.mp4
││ 17-1-2-8 人脸表情识别实战2：实战第六步-图片数据读取__ev-金狮_.mp4
││ 17-1-2-9 人脸表情识别实战3-模型搭建与训练-1__ev-金狮_.mp4
││
│├─17-2 多标签分类与实战：生活用品多标签分类
││├─17-2-1 第1章 多标签图像分类模型
││└─17-2-2 第2章 实战：生活用品多标签分类
│└─17-2 多标签分类与实战：生活用品多标签分类
│ ├─17-2-1 第1章 多标签图像分类模型
│ │ 17-2-1-1 多标签图像分类__ev-金狮_.mp4
│ │ 17-2-1-2 多标签分类模型__ev-金狮_.mp4
│ │
│ └─17-2-2 第2章 实战：生活用品多标签分类
│ 17-2-2-1 生活用品多标签分类实战：数据集介绍__ev-金狮_.mp4
│ 17-2-2-2 生活用品多标签分类实战：数据准备与读取__ev-金狮_.mp4
│ 17-2-2-3 生活用品多标签分类实战：数据准备与读取（2）__ev-金狮_.mp4
│ 17-2-2-4 生活用品多标签分类实战：模型搭建与训练__ev-金狮_.mp4
│ 17-2-2-5 生活用品多标签分类实战：模型测试__ev-金狮_.mp4
│
├─【第18周】 【工业领域】目标检测技术与项目实战
│├─18-1 目标检测基础与YOLO系列模型原理
││├─18-1-1 第1章 目标检测基础
│││ 18-1-1-1 目标检测问题__ev-金狮_.mp4
│││ 18-1-1-2 评估指标__ev-金狮_.mp4
│││ 18-1-1-3 算法总览__ev-金狮_.mp4
│││
││└─18-1-2 第2章 YOLO系列模型原理
││ 18-1-2-1 YOLO V1：基本原理__ev-金狮_.mp4
││ 18-1-2-10 YOLO V4：网络结构__ev-金狮_.mp4
││ 18-1-2-11 YOLO V4：参数调优__ev-金狮_.mp4
││ 18-1-2-12 YOLO V4：模型性能__ev-金狮_.mp4
││ 18-1-2-13 YOLO V5：网络结构__ev-金狮_.mp4
││ 18-1-2-14 YOLO V5：开源项目__ev-金狮_.mp4
││ 18-1-2-2 YOLO V1：优化目标__ev-金狮_.mp4
││ 18-1-2-3 YOLO V1：算法性能__ev-金狮_.mp4
││ 18-1-2-4 YOLO V2：网络结构__ev-金狮_.mp4
││ 18-1-2-5 YOLO V2：边框策略__ev-金狮_.mp4
││ 18-1-2-6 YOLO V2：训练策略与结果__ev-金狮_.mp4
││ 18-1-2-7 YOLO V3：网络结构__ev-金狮_.mp4
││ 18-1-2-8 YOLO V3：损失函数__ev-金狮_.mp4
││ 18-1-2-9 YOLO V3：模型性能__ev-金狮_.mp4
││
│└─18-2 实践：YOLO v5车牌检测实战
│ └─18-2-1 第1章 YOLO v5车牌检测实战
│ 18-2-1-1 车牌检测实战1-项目介绍__ev-金狮_.mp4
│ 18-2-1-2 车牌检测实战2-数据准备和处理__ev-金狮_.mp4
│ 18-2-1-3 车牌检测实战3.1-关键代码解读-配置相关文件__ev-金狮_.mp4
│ 18-2-1-4 车牌检测实战3.2-关键代码解读-数据读取__ev-金狮_.mp4
│ 18-2-1-5 车牌检测实战3.3-关键代码解读-模型定义__ev-金狮_.mp4
│ 18-2-1-6 车牌检测实战3.4-关键代码解读-模型训练__ev-金狮_.mp4
│ 18-2-1-7 车牌检测实战3.5-关键代码解读-优化目标与评估指标__ev-金狮_.mp4
│ 18-2-1-8 车牌检测实战4-模型训练__ev-金狮_.mp4
│ 18-2-1-9 车牌检测实战5-模型测试__ev-金狮_.mp4
│
├─【第19周】 【医疗与直播领域】图像分割技术与项目实战
│├─19-1 图像分割基础与模型
││├─19-1-1 第1章 图像分割基础
│││ 19-1-1-1 图像分割问题__ev-金狮_.mp4
│││ 19-1-1-2 经典数据集__ev-金狮_.mp4
│││ 19-1-1-3 评估直播和优化目标__ev-金狮_.mp4
│││ 19-1-1-4 上采样方法__ev-金狮_.mp4
│││
││├─19-1-2 第2章 经典语义分割模型
│││ 19-1-2-1 FCN__ev-金狮_.mp4
│││ 19-1-2-2 SegNet__ev-金狮_.mp4
│││ 19-1-2-3 UNet__ev-金狮_.mp4
│││
││└─19-1-3 第3章 语义分割的关键技术改进
││ 19-1-3-1 语义分割的关键难题__ev-金狮_.mp4
││ 19-1-3-2 感受野提升__ev-金狮_.mp4
││ 19-1-3-3 多尺度特征__ev-金狮_.mp4
││
│├─19-2 实践：基于UNet的人脸语义分割
││└─19-2-1 第1章 基于UNet的人脸语义分割实战
│└─19-2 实践：基于UNet的人脸语义分割
│ └─19-2-1 第1章 基于UNet的人脸语义分割实战
│ 19-2-1-1 基于UNet的人脸语义分割实战1-项目介绍__ev-金狮_.mp4
│ 19-2-1-2 基于UNet的人脸语义分割实战2-数据处理__ev-金狮_.mp4
│ 19-2-1-3 基于UNet的人脸语义分割实战3-模型搭建__ev-金狮_.mp4
│ 19-2-1-4 基于UNet的人脸语义分割实战4-模型训练__ev-金狮_.mp4
│ 19-2-1-5 基于UNet的人脸语义分割实战5-模型测试__ev-金狮_.mp4
│
├─【第1周】 快速搞清楚人工智能
│└─1-1 人工智能发展前景与就业方向
│ ├─1-1-1 第1章 课程全面解析
│ │ 1-1-1-1 快速了解课程--带你避坑（12.4开课）.mp4
│ │
│ ├─1-1-2 第2章 人工智能到底是什么？
│ │ 1-1-2-1 什么是人工智能？.mp4
│ │ 1-1-2-2 人工智能的研究方法.mp4
│ │
│ ├─1-1-3 第3章 人工智能发展背后的历史
│ │ 1-1-3-1人工智能第一次浪潮.mp4
│ │ 1-1-3-2 人工智能第二次浪潮.mp4
│ │ 1-1-3-3 人工智能第三次浪潮.mp4
│ │ 1-1-3-4 为什么当下人工智能得以快速发展.mp4
│ │
│ └─1-1-4 第4章 解锁人工智能各大行业典型应用&就业方向
│ 1-1-4-1 科学研究行业典型应用.mp4
│ 1-1-4-10 推荐与搜索就业方向.mp4
│ 1-1-4-2 交通出行&安防监控行业典型应用.mp4
│ 1-1-4-3 娱乐生活&教育学习行业典型应用.mp4
│ 1-1-4-4 医疗看护&体育健康行业典型应用.mp4
│ 1-1-4-5 金融支付&电商零售行业典型应用.mp4
│ 1-1-4-6 智能制造&养殖护理行业典型应用.mp4
│ 1-1-4-7 语音处理就业方向.mp4
│ 1-1-4-8 计算机视觉就业方向.mp4
│ 1-1-4-9 自然语言处理就业方向.mp4
│
├─【第20周 】【视频分析领域-火热领域】视频分类技术与项目实战
│├─20-1 视频分类与行为识别基础
││├─20-1-1 第1章 视频分类基础
│││ 20-1-1-1 视频分类问题__ev-金狮_.mp4
│││ 20-1-1-2经典数据库__ev-金狮_.mp4
│││
││├─20-1-2 第2章 三维卷积模型
│││ 20-1-2-1 深度三位卷积模型__ev-金狮_.mp4
│││ 20-1-2-2 混合三维卷积模型__ev-金狮_.mp4
│││
││└─20-1-3 第3章 双流模型
││ 20-1-3-1 双流模型__ev-金狮_.mp4
││ 20-1-3-2 三维双流模型__ev-金狮_.mp4
││
│└─20-2 实战：3DCNN视频分类实战
│ └─20-2-1 第1章 3DCNN视频分类实战
│ 20-2-1-1 3DCNN视频分类实战1-项目介绍__ev-金狮_.mp4
│ 20-2-1-2 3DCNN视频分类实战2-数据处理与读取（1）__ev-金狮_.mp4
│ 20-2-1-3 3DCNN视频分类实战2-数据处理与读取（2）__ev-金狮_.mp4
│ 20-2-1-4 3DCNN视频分类实战3-模型搭建（C3D_model）__ev-金狮_.mp4
│ 20-2-1-5 3DCNN视频分类实战3-模型搭建（R2Plus_mod__ev-金狮_.mp4
│ 20-2-1-6 3DCNN视频分类实战3-模型搭建（R3D_model）__ev-金狮_.mp4
│ 20-2-1-7 3DCNN视频分类实战4-模型训练__ev-金狮_.mp4
│ 20-2-1-8 3DCNN视频分类实战5-模型测试__ev-金狮_.mp4
│
├─【第2周】 AI编程基石：Python入门与进阶
│├─2-1 Python起步：入门与环境搭建
││├─2-1-1 第1章 周课程整体介绍和安排
│││ 2-1-1-1 课程整体介绍与学习安排.mp4
│││
││├─2-1-2 第2章 Anacond软件：安装、管理python相关包
│││ 2-1-2-1 Anaconda的安装与应用.mp4
│││ 2-1-2-2 Anaconda的环境管理-电子文档.pdf
│││ 2-1-2-3 Anaconda换源指南-电子文档.pdf
│││
││├─2-1-3 第3章 Jupyter Notbook&Pycharm：Py开发
│││ 2-1-3-1 JupyterNotebook的介绍&安装&应用.mp4
│││ 2-1-3-2 PyCharm的介绍&安装&应用.mp4
│││
││└─2-1-4 第4章 环境配置的优化方案
││ 2-1-4-1 环境配置的优化方案.mp4
││
│├─2-2 Python基础与程序流程控制
││├─2-2-1 第1章 基础语法与输入出
│││ 2-2-1-1 等号赋值&命名规则.mp4
│││ 2-2-1-2 注释&输入输出.mp4
│││ 2-2-1-3 综合案例.mp4
│││
││├─2-2-2 第2章 顺序结构语句
│││ 2-2-2-1 赋值&计算&数据格式.mp4
│││ 2-2-2-2 数据格式转换&案例.mp4
│││
││├─2-2-3 第3章 选择结构语句
│││ 2-2-3-1 IF选择语句.mp4
│││ 2-2-3-2 IF选择语句综合案例.mp4
│││
││└─2-2-4 第4章 循环结构语句
││ 2-2-4-1 for循环语句.mp4
││ 2-2-4-2 while循环语句.mp4
││ 2-2-4-3 循环语句综合案例.mp4
││
│├─2-3 Python列表、元组、字典和集合
││└─2-3-1 第1章 Python序列与应用
│├─2-3 Python列表、元组、字典和集合
│││2-3 Python列表、元组、字典和集合文档.png
│││
││└─2-3-1 第1章 Python序列与应用
││ 2-3-1-1 序列通用操作.mp4
││ 2-3-1-2 python列表.mp4
││ 2-3-1-3 python元组.mp4
││ 2-3-1-4 字典.mp4
││ 2-3-1-5 集合.mp4
││ 2-3-1-6 字符串.mp4
││
│├─2-4 Python函数、模块，文件与文件夹操作
││├─2-4-1 第1章 Python函数
│││ 2-4-1-1 函数.mp4
│││ 2-4-1-2 综合案例：使用函数创建模型.mp4
│││
││├─2-4-2 第2章 python模块
│││ 2-4-2-1 模块的使用.mp4
│││
││└─2-4-3 第3章 Python文件与文件操作
││ 2-4-3-1 文件操作.mp4
││ 2-4-3-2 文件夹操作.mp4
││ 2-4-3-3 综合案例：YOLO标注文件清洗.mp4
││ 2-4-3-4 综合案例：YOLO标注文件清洗.mp4
││
│├─2-5 Python面向对象编程
││├─2-5-1 第1章 面向对象的概念
││├─2-5-2 第2章 面向对象的特征
││└─2-5-3 第3章 综合案例
│└─2-5 Python面向对象编程
│ ├─2-5-1 第1章 面向对象的概念
│ │ 2-5-1-1 类.mp4
│ │ 2-5-1-2 属性.mp4
│ │ 2-5-1-3 行为.mp4
│ │ 2-5-1-4 对象.mp4
│ │
│ ├─2-5-2 第2章 面向对象的特征
│ │ 2-5-2-1 封装.mp4
│ │ 2-5-2-2 继承.mp4
│ │ 2-5-2-3 多态.mp4
│ │
│ └─2-5-3 第3章 综合案例
│ 2-5-3-1 综合案例：神经网络的继承.mp4
│
├─【第3周】 AI编程基石：Python高级编程
││ AI编程基石：Python高级编程说明.zip
││
│├─3-1 Python的文件、表格、绘图、视频处理
│││3-1 Python的文件、表格、绘图、视频处理文档.zip
│││
││├─3-1-1 第1章 周课程整体介绍与安排
││├─3-1-2 第2章 文本文件操作
││├─3-1-3 第3章 pandas 表格数据处理
││├─3-1-4 第4章 Matplotlib 常用画图处理
││├─3-1-5 第5章 OpenCV 影像数据处理
││└─3-1-6 第6章 pickle文件处理：数据序列化处理
│├─3-2 PyQt构建用户界面应用程序
││├─3-2-1 第1章 PyQt安装与构建用户界面
││└─3-2-2 第2章 优化PyQt构建用户界面应用程序
│└─3-2 PyQt构建用户界面应用程序
│ ├─3-2-1 第1章 PyQt安装与构建用户界面
│ └─3-2-2 第2章 优化PyQt构建用户界面应用程序
├─【第4周】 人工智能底层基石-三大必备AI 数学基础
│├─4-1 线性代数：人工智能数据基础
││├─4-1-1 第1章 周课程整体介绍与安排
││└─4-1-2 第2章 线性代数
│├─4-1 线性代数：人工智能数据基础
││├─4-1-1 第1章 周课程整体介绍与安排
│││ 4-1-1-1 课程整体介绍与学习安排.mp4
│││
││└─4-1-2 第2章 线性代数
││ 4-1-2-1 线性代数基础概念：标量、向量、矩阵、张量.mp4
││ 4-1-2-2 案例实战：创建向量、矩阵、张量.mp4
││ 4-1-2-3 案例实战：将Numpy矩阵保存成本地图像.mp4
││ 4-1-2-4 案例实战：图像增强（调整对比度）.mp4
││ 4-1-2-5 Python实现解方程组.mp4
││ 4-1-2-6 特征向量与特征值实操.mp4
││ 4-1-2-7 案例实战：图像的SVD分解.mp4
││
│├─4-2 微积分： 数学背后的AI力量
││├─4-2-1 第1章 概念回顾：导数、微分、积分
││├─4-2-2 第2章 链式求导
││└─4-2-3 第3章 反向传播算法
│├─4-2 微积分： 数学背后的AI力量
││├─4-2-1 第1章 概念回顾：导数、微分、积分
│││ 4-2-1-1 导数.mp4
│││ 4-2-1-2 案例：使用Python画出上述激活函数.mp4
│││ 4-2-1-3 微分和积分.mp4
│││ 4-2-1-4 案例：展示二维图像切线.mp4
│││ 4-2-1-5 案例：三位函数的切面.mp4
│││
││├─4-2-2 第2章 链式求导
│││ 4-2-2-1 链式求导法.mp4
│││
││└─4-2-3 第3章 反向传播算法
││ 4-2-3-1 反向传播算法.mp4
││ 4-2-3-2 手推反向传播算法.pdf
││ 4-2-3-3 案例：神经网络反向传播.mp4
││ 4-2-3-4 案例：制作梯度下降求最小的动画.mp4
││ 4-2-3-5 案例：实现三维平面的梯度下降.mp4
││
│└─4-3 概率论： 数据科学与AI的关键
│ └─4-3-1 第1章 概率论核心概念与案例
│ 4-3-1-1 概率的基本概念与案例：使用python 模拟随机实验.mp4
│ 4-3-1-2 随机变量与案例：概率质量函数示意图.mp4
│ 4-3-1-3 期望、方差与协方差及案例：计算期望、方差与协方差.mp4
│ 4-3-1-4 实战：模拟常见的概率分布.mp4
│ 4-3-1-5 大数定律及 实战：投硬币大数定律.mp4
│ 4-3-1-6 中心极限定理及 实战：中心极限定理.mp4
│
├─【第5周】 机器学习 - 解锁人工智能的核心
│├─5-1 机器学习理论&常见任务
││├─5-1-1 第1章 周介绍和课程安排
││├─5-1-2 第2章 机器学习基础
││├─5-1-3 第3章 机器学习特征
││└─5-1-4 第4章 机器学习常见任务
│├─5-1 机器学习理论&常见任务
││├─5-1-1 第1章 周介绍和课程安排
│││ 5-1-1-1 周介绍和课程安排.pdf
│││
││├─5-1-2 第2章 机器学习基础
│││ 5-1-2-1 什么是机器学习__ev-金狮_.mp4
│││ 5-1-2-2 为什么需要机器学习__ev-金狮_.mp4
│││ 5-1-2-3 机器学习的发展历史__ev-金狮_.mp4
│││
││├─5-1-3 第3章 机器学习特征
│││ 5-1-3-1 特征概念__ev-金狮_.mp4
│││ 5-1-3-2 特征编码__ev-金狮_.mp4
│││ 5-1-3-3 特征选择__ev-金狮_.mp4
│││
││└─5-1-4 第4章 机器学习常见任务
││ 5-1-4-1 机器学习问题概览__ev-金狮_.mp4
││ 5-1-4-2 有&无监督学习模型__ev-金狮_.mp4
││
│├─5-2 评估目标与优化目标
│││5-2 评估目标与优化目标说明.zip
│││
││├─5-2-1 第1章 机器学习评估指标
│││ 5-2-1-1 模型评估基础__ev-金狮_.mp4
│││ 5-2-1-2 分类任务常见评估指标__ev-金狮_.mp4
│││ 5-2-1-3 回归任务常见评估指标__ev-金狮_.mp4
│││
││└─5-2-2 第2章 机器学习优化目标
││ 5-2-2-1 模型优化概述__ev-金狮_.mp4
││ 5-2-2-2 分类任务常见优化目标__ev-金狮_.mp4
││ 5-2-2-3 回归任务常见优化目标__ev-金狮_.mp4
││
│└─5-3 机器学习模型实践
│ └─5-3-1 第1章 逻辑回归模型原理与实战
│ 5-3-1-1 逻辑回归模型原理__ev-金狮_.mp4
│ 5-3-1-2 逻辑回归模型原理__ev-金狮_.mp4
│ 5-3-1-3 逻辑回归模型实战__ev-金狮_.mp4
│
├─【第6周】 神经网络 - 处理和学习复杂的数据
│├─6-1 单层神经网络原理与实践
││├─6-1-1 第1章 周课程整体介绍与安排
││├─6-1-2 第2章 生物神经网络原理
││└─6-1-3 第3章 感知器与梯度反向传播
│├─6-1 单层神经网络原理与实践
││├─6-1-1 第1章 周课程整体介绍与安排
│││ 6-1-1-1 周介绍与安排.pdf
│││
││├─6-1-2 第2章 生物神经网络原理
│││ 6-1-2-1 生物神经网络原理__ev-金狮_.mp4
│││ 6-1-2-2 MP模型__ev-金狮_.mp4
│││ 6-1-2-3 单层感知器&梯度下降法&学习率__ev-金狮_.mp4
│││
││└─6-1-3 第3章 感知器与梯度反向传播
││ 6-1-3-1 线性分类问题__ev-金狮_.mp4
││ 6-1-3-2 单层感知器求解__ev-金狮_.mp4
││
│├─6-2 多层神经网络原理与实践
││├─6-2-1 第1章 多层感知器与反向传播算法
││└─6-2-2 第2章 多层神经网络案例实践
│├─6-2 多层神经网络原理与实践
││├─6-2-1 第1章 多层感知器与反向传播算法
│││ 6-2-1-1 多层感知器__ev-金狮_.mp4
│││ 6-2-1-2 反向传播算法__ev-金狮_.mp4
│││ 6-2-1-3 误差反向传播算法原理__ev-金狮_.mp4
│││
││└─6-2-2 第2章 多层神经网络案例实践
││ 6-2-2-1 异或问题__ev-金狮_.mp4
││ 6-2-2-2 多层感知器求解__ev-金狮_.mp4
││
│└─6-3 序列神经网络
│ ├─6-3-1 第1章 序列预测问题与RNN模型
│ │ 6-3-1-1 经典序列预测问题__ev-金狮_.mp4
│ │ 6-3-1-2 循环神经网络&RNN模型&RNN内部结构单元的计算__ev-金狮_.mp4
│ │ 6-3-1-3 深层RNN模型&参数学习＆梯度问题__ev-金狮_.mp4
│ │
│ └─6-3-2 第2章 长短时记忆网络与门控循环单元
│ 6-3-2-1 长短时记忆网络LSTM__ev-金狮_.mp4
│ 6-3-2-2 门控单元的计算__ev-金狮_.mp4
│ 6-3-2-3 门控循环单元__ev-金狮_.mp4
│
├─【第7周】 卷积神经网络（CNN）-处理具有网格结构数据的任务
│├─7-1 卷积神经网络基础
││├─7-1-1 第1章 周课程整体介绍与安排
│││ 7-1-1-1 周课程整体介绍与安排.pdf
│││
││├─7-1-2 第2章 卷积神经网络基础
│││ 7-1-2-1 什么是卷积&单个二维图片卷积__ev-金狮_.mp4
│││ 7-1-2-2 多通道卷积__ev-金狮_.mp4
│││ 7-1-2-3 卷积相关操作与参数（填充&步长&大小计算）__ev-金狮_.mp4
│││ 7-1-2-4 卷积相关操作与参数（池化&感受野）__ev-金狮_.mp4
│││
││└─7-1-3 第3章 卷积与全连接的比较
││ 7-1-3-1 全连接的局限性（参数量有效性&特征表达能力）__ev-金狮_.mp4
││ 7-1-3-2 卷积核心思想（局部连接）__ev-金狮_.mp4
││ 7-1-3-3 卷积核心思想（权重共享&ANN与CNN比较）__ev-金狮_.mp4
││
│├─7-2 典型卷积神经网络模型
││├─7-2-1 第1章 卷积与池化反向传播
││└─7-2-2 第2章 典型卷积神经网络模型
│└─7-2 典型卷积神经网络模型
│ ├─7-2-1 第1章 卷积与池化反向传播
│ │ 7-2-1-1 误差反向传播算法__ev-金狮_.mp4
│ │ 7-2-1-2 卷积误差反向传播算法__ev-金狮_.mp4
│ │ 7-2-1-3 池化误差反向传播算法与案例__ev-金狮_.mp4
│ │
│ └─7-2-2 第2章 典型卷积神经网络模型
│ 7-2-2-1 卷积神经网络模块&全连接模块__ev-金狮_.mp4
│ 7-2-2-2 LeNets5网络__ev-金狮_.mp4
│
├─【第8周】 深度学习优化-使用深层神经网络来解决复杂的任务
││ 深度学习优化-使用深层神经网络来解决复杂的任务资料.zip
││
│├─8-1 参数初始化+激活函数
││├─8-1-1 第1章 周课程整体介绍与安排
││├─8-1-2 第2章 深度学习优化：标准化
││└─8-1-3 第3章 深度学习优化：泛化与正则化
│├─8-1 参数初始化+激活函数
││├─8-1-1 第1章 周课程整体介绍与安排
│││ 8-1-1-1 周课程整体介绍与安排.pdf
│││
││├─8-1-2 第2章 深度学习优化：标准化
│││ 8-1-2-1 什么是激活__ev-金狮_.mp4
│││ 8-1-2-2 S型激活函数__ev-金狮_.mp4
│││ 8-1-2-3 ReLU型激活函数与改进__ev-金狮_.mp4
│││ 8-1-2-4 Maxout激活函数与Swish函数__ev-金狮_.mp4
│││
││└─8-1-3 第3章 深度学习优化：泛化与正则化
││ 8-1-3-1 参数初始化__ev-金狮_.mp4
││ 8-1-3-2 常见初始化方法 (简单初始化&标准初始化)__ev-金狮_.mp4
││ 8-1-3-3 常见初始化方法 (Xavier初始化&MSRA初始化)__ev-金狮_.mp4
││
│├─8-2 标准化方法+正则化
││├─8-2-1 第1章 标准化方法
│││ 8-2-1-1 什么是标准化__ev-金狮_.mp4
│││ 8-2-1-2 常见标准化方法：BN作用&缺点&改进__ev-金狮_.mp4
│││ 8-2-1-3 常见标准化方法的对比__ev-金狮_.mp4
│││
││└─8-2-2 第2章 正则化
││ 8-2-2-1 什么是泛化&正则化__ev-金狮_.mp4
││ 8-2-2-2 正则化方法（显示方法-提前终止&模型集成&Dropout__ev-金狮_.mp4
││ 8-2-2-3 正则化方法（显示方法-参数正则化）__ev-金狮_.mp4
││ 8-2-2-4 隐式正则化方法（数据标准化&数据增强&随机参数更新&标签__ev-金狮_.mp4
││
│└─8-3 学习率与最优化方法
│ └─8-3-1 第1章 学习率与最优化方法
│ 8-3-1-1 最优化概述__ev-金狮_.mp4
│ 8-3-1-2 梯度下降算法与学习率__ev-金狮_.mp4
│ 8-3-1-3 随机梯度算法与动量法Momentum__ev-金狮_.mp4
│ 8-3-1-4 NAG法与Adagrad法__ev-金狮_.mp4
│ 8-3-1-5 Adam算法与Nadam算法__ev-金狮_.mp4
│
└─【第9周】 数据获取、整理与应用 - 构建数据之源，驱动智能决策
├─9-1 数据获取与整理：构建可靠数据
│├─9-1-1 第1章 周课程整体介绍与安排
││ 9-1-1-1 周课程整体介绍与安排.pdf
││
│├─9-1-2 第2章 数据获取：图像和视频数据爬取
││ 9-1-2-1 四种常见数据获取方法__ev-金狮_.mp4
││ 9-1-2-2 搜索引擎图片爬虫__ev-金狮_.mp4
││ 9-1-2-3 视频网站爬虫__ev-金狮_.mp4
││
│├─9-1-3 第3章 数据整理：对数据进行整理、清洗和去噪
││ 9-1-3-1 数据检查与清洗__ev-金狮_.mp4
││ 9-1-3-2 数据去重__ev-金狮_.mp4
││ 9-1-3-3 数据集划分__ev-金狮_.mp4
││
│└─9-1-4 第4章 数据标注：工具与使用
│ 9-1-4-1 数据标注概述__ev-金狮_.mp4
│ 9-1-4-2 数据标注工具Label Studio__ev-金狮_.mp4
│ 9-1-4-3 视觉任务标注（目标检测标注）__ev-金狮_.mp4
│ 9-1-4-4 语言任务标注案例（命名实体识别标注）__ev-金狮_.mp4
│
└─9-2 数据增强方法与实践
├─9-2-1 第1章 数据增强
│ 9-2-1-1 什么是数据增强__ev-金狮_.mp4
│ 9-2-1-2 单样本数据增强方法__ev-金狮_.mp4
│ 9-2-1-3 多样本数据增强方法__ev-金狮_.mp4
│ 9-2-1-4 样本生成方法__ev-金狮_.mp4
│
└─9-2-2 第2章 数据增强库imgaug实践
9-2-2-1 什么是数据增强库imgaug__ev-金狮_.mp4
9-2-2-2 数据增强库imgaug操作__ev-金狮_.mp4
9-2-2-3 数据增强库imgaug使用__ev-金狮_.mp4
666666666666
页:
[1]