体系课：AI人工智能算法工程师【前20章，8.6GB】

yyzhi

下载地址：

游客，如果您要查看本帖隐藏内容请回复

【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

侵权联系和免责声明

1.本站资源所有言论纯属用户个人意见，与本论坛立场无关。

2.本站所有资源收集于互联网，由用户分享，本站不享有任何版权，如有侵权请联系本站删除。

3.本站部分内容转载自其它网站，但并不代表本站赞同其观点和对其真实性负责。

4.如本帖侵犯到任何版权问题，请立即告知本站，本站将及时删除并致以最深的歉意。

侵权联系邮箱：2647756422@qq.com

本文地址: https://www.itstudy365e.com/thread-987-1-1.html