|
490| 18
|
lf的Python人工智能AI工程師培訓(xùn)教程 |
|
lf的Python人工智能AI工程師培訓(xùn)教程 ├── 第10模塊：opencv計(jì)算機(jī)視覺實(shí)戰(zhàn)（新） │ ├── 20.7 卷積效果演示.mp4 │ ├── 11.2 基本數(shù)學(xué)原理.mp4 │ ├── 7.6 模板匹配方法.mp4 │ ├── 8.2 均衡化原理.mp4 │ ├── 20.1 卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.mp4 │ ├── 3.2 圖像平滑處理.mp4 │ ├── 15.4 選項(xiàng)判斷識(shí)別.mp4 │ ├── 2.5 數(shù)值計(jì)算.mp4 │ ├── 10.4 透視變換結(jié)果.mp4 │ ├── 11.1 角點(diǎn)檢測(cè)基本原理.mp4 │ ├── 10.3 原始與變換坐標(biāo)計(jì)算.mp4 │ ├── 17.4 光流估計(jì)實(shí)戰(zhàn).mp4 │ ├── 19.4 基于dlib與ssd的追蹤.mp4 │ ├── 8.5 頻域變換結(jié)果.mp4 │ ├── 7.1 圖像金字塔定義.mp4 │ ├── 19.3 深度學(xué)習(xí)檢測(cè)框架加載.mp4 │ ├── 15.3 填涂輪廓檢測(cè).mp4 │ ├── 17.3 推導(dǎo)求解.mp4 │ ├── 5.3 scharr與lapkacian算子.mp4 │ ├── 5.1 Sobel算子.mp4 │ ├── 14.5 按列劃分區(qū)域.mp4 │ ├── 11.4 特征歸屬劃分.mp4 │ ├── 10.5 tesseract-ocr安裝配置.mp4 │ ├── 19.6 多進(jìn)程效率提升對(duì)比.mp4 │ ├── 3.3 高斯與中值濾波.mp4 │ ├── 10.2 文檔輪廓提取.mp4 │ ├── 6.3 邊緣檢測(cè)效果.mp4 │ ├── 11.3 求解化簡(jiǎn).mp4 │ ├── 21.3 定位效果演示.mp4 │ ├── 21.1 關(guān)鍵點(diǎn)定位概述.mp4 │ ├── 9.4 輸入數(shù)據(jù)處理方法.mp4 │ ├── 9.5 模板匹配得出識(shí)別結(jié)果.mp4 │ ├── 12.4 生成特征描述.mp4 │ ├── 20.8 卷積操作流程.mp4 │ ├── 4.2 膨脹操作.mp4 │ ├── 4.5 禮帽與黑帽.mp4 │ ├── 2.1 計(jì)算機(jī)眼中的圖像.mp4 │ ├── 17.1 基本概念.mp4 │ ├── 1.3 Notebook與IDE環(huán)境.mp4 │ ├── 4.4 梯度計(jì)算.mp4 │ ├── 14.4 車位直線檢測(cè).mp4 │ ├── 6.1 Canny邊緣檢測(cè)流程.mp4 │ ├── 14.7 識(shí)別模型構(gòu)建.mp4 │ ├── 19.2 多目標(biāo)追蹤實(shí)戰(zhàn).mp4 │ ├── 20.4 pading與stride.mp4 │ ├── 18.2 模型加載結(jié)果輸出.mp4 │ ├── 13.3 RANSAC算法.mp4 │ ├── 18.1 dnn模塊.mp4 │ ├── 15.1 整體流程與效果概述.mp4 │ ├── 21.5 檢測(cè)效果.mp4 │ ├── 12.3 特征關(guān)鍵點(diǎn)定位.mp4 │ ├── 13.4 流程解讀.mp4 │ ├── 6.2 非極大值抑制.mp4 │ ├── 7.4 輪廓檢測(cè)結(jié)果.mp4 │ ├── 5.2 梯度計(jì)算方法.mp4 │ ├── 16.1 背景消除.幀差法.mp4 │ ├── 2.3 ROI區(qū)域.mp4 │ ├── 19.5 多進(jìn)程目標(biāo)追蹤.mp4 │ ├── 21.2 獲取人臉關(guān)鍵點(diǎn).mp4 │ ├── 1.1 課程簡(jiǎn)介.mp4 │ ├── 3.1 圖像閾值.mp4 │ ├── 19.1 目標(biāo)追蹤概述.mp4 │ ├── 13.1 特征匹配方法.mp4 │ ├── 10.6 文檔掃描識(shí)別效果.mp4 │ ├── 9.3 模板處理方法.mp4 │ ├── 1.2 Python與Opencv配置安裝.mp4 │ ├── 2.2 視頻的讀取與處理.mp4 │ ├── 8.4 傅里葉概述.mp4 │ ├── 8.3 均衡化效果.mp4 │ ├── 15.2 預(yù)處理操作.mp4 │ ├── 8.6 低通與高通濾波.mp4 │ ├── 14.8 基于視頻的車位檢測(cè).mp4 │ ├── 9.1 總體流程與方法講解.mp4 │ ├── 14.1 任務(wù)整體流程.mp4 │ ├── 16.3 學(xué)習(xí)步驟.mp4 │ ├── 8.1 直方圖定義.mp4 │ ├── 2.4 邊界填充.mp4 │ ├── 17.2 Lucas-Kanade算法.mp4 │ ├── 9.2 環(huán)境配置與預(yù)處理.mp4 │ ├── 11.5 opencv角點(diǎn)檢測(cè)效果.mp4 │ ├── 10.1 整體流程演示.mp4 │ ├── 12.5 特征向量生成.mp4 │ ├── 20.3 卷積計(jì)算過程.mp4 │ ├── 4.1 腐蝕操作.mp4 │ ├── 14.3 圖像數(shù)據(jù)預(yù)處理.mp4 │ ├── 12.6 opencv中sift函數(shù)使用.mp4 │ ├── 4.3 開運(yùn)算與閉運(yùn)算.mp4 │ ├── 20.2 卷積層解釋.mp4 │ ├── 12.2 高斯差分金字塔.mp4 │ ├── 14.6 車位區(qū)域劃分.mp4 │ ├── 12.1 尺度空間定義.mp4 │ ├── 7.2 金字塔制作方法.mp4 │ ├── 21.4 閉眼檢測(cè).mp4 │ ├── 20.5 卷積參數(shù)共享.mp4 │ ├── 16.4 背景建模實(shí)戰(zhàn).mp4 │ ├── 13.2 圖像拼接方法.mp4 │ ├── 7.7 匹配效果展示.mp4 │ ├── 20.6 池化層原理.mp4 │ ├── 14.2 所需數(shù)據(jù)介紹.mp4 │ ├── 7.3 輪廓檢測(cè)方法.mp4 │ ├── 16.2 混合高斯模型.mp4 │ ├── 7.5 輪廓特征與近似.mp4 ├── 第12模塊：姿態(tài)估計(jì)與目標(biāo)追蹤實(shí)戰(zhàn)系列（新） │ ├── 5-YOLO-V4版本算法解讀 │ │ ├── 50課時(shí)CIOU損失函數(shù)定義.mp4 │ │ ├── 52課時(shí)SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu).mp4 │ │ ├── 55課時(shí)激活函數(shù)與整體架構(gòu)總結(jié).mp4 │ │ ├── 49課時(shí)損失函數(shù)遇到的問題.mp4 │ │ ├── 48課時(shí)DropBlock與標(biāo)簽平滑方法.mp4 │ │ ├── 51課時(shí)NMS細(xì)節(jié)改進(jìn).mp4 │ │ ├── 53課時(shí)SAM注意力機(jī)制模塊.mp4 │ │ ├── 47課時(shí)數(shù)據(jù)增強(qiáng)策略分析.mp4 │ │ ├── 46課時(shí)V4版本貢獻(xiàn)解讀.mp4 │ │ ├── 54課時(shí)PAN模塊解讀.mp4 │ │ ├── 45課時(shí)V4版本整體概述.mp4 │ ├── 8-基礎(chǔ)補(bǔ)充-Resnet模型及其應(yīng)用實(shí)例 │ │ ├── 86課時(shí)特征圖升維與降采樣操作.mp4 │ │ ├── 81課時(shí)醫(yī)學(xué)疾病數(shù)據(jù)集介紹.mp4 │ │ ├── 84課時(shí)Resnet網(wǎng)絡(luò)前向傳播.mp4 │ │ ├── 87課時(shí)網(wǎng)絡(luò)整體流程與訓(xùn)練演示.mp4 │ │ ├── 82課時(shí)Resnet網(wǎng)絡(luò)架構(gòu)原理分析.mp4 │ │ ├── 85課時(shí)殘差網(wǎng)絡(luò)的shortcut操作.mp4 │ │ ├── 83課時(shí)dataloader加載數(shù)據(jù)集.mp4 │ ├── 2-OpenPose算法源碼分析 │ │ ├── 17課時(shí)準(zhǔn)備構(gòu)建PAF軀干標(biāo)簽.mp4 │ │ ├── 16課時(shí)根據(jù)關(guān)鍵點(diǎn)位置設(shè)計(jì)關(guān)鍵點(diǎn)標(biāo)簽.mp4 │ │ ├── 14課時(shí)讀取圖像與標(biāo)注信息.mp4 │ │ ├── 20課時(shí)完成PAF特征圖制作.mp4 │ │ ├── 22課時(shí)多階段輸出與預(yù)測(cè).mp4 │ │ ├── 15課時(shí)關(guān)鍵點(diǎn)與軀干特征圖初始化.mp4 │ │ ├── 21課時(shí)網(wǎng)絡(luò)模型一階段輸出.mp4 │ │ ├── 13課時(shí)數(shù)據(jù)集與路徑配置解讀.mp4 │ │ ├── 18課時(shí)各位置點(diǎn)歸屬判斷.mp4 │ │ ├── 19課時(shí)特征圖各點(diǎn)累加向量計(jì)算.mp4 │ ├── 4-deepsort源碼解讀 │ │ ├── 38課時(shí)對(duì)track執(zhí)行預(yù)測(cè)操作.mp4 │ │ ├── 42課時(shí)級(jí)聯(lián)匹配模塊.mp4 │ │ ├── 41課時(shí)參數(shù)更新操作.mp4 │ │ ├── 36課時(shí)參數(shù)與DEMO演示.mp4 │ │ ├── 37課時(shí)針對(duì)檢測(cè)結(jié)果初始化track.mp4 │ │ ├── 44課時(shí)匹配結(jié)果與總結(jié).mp4 │ │ ├── 39課時(shí)狀態(tài)量預(yù)測(cè)結(jié)果.mp4 │ │ ├── 35課時(shí)項(xiàng)目環(huán)境配置.mp4 │ │ ├── 40課時(shí)IOU代價(jià)矩陣計(jì)算.mp4 │ │ ├── 43課時(shí)ReID特征代價(jià)矩陣計(jì)算.mp4 │ ├── 1-姿態(tài)估計(jì)OpenPose系列算法解讀 │ │ ├── 3課時(shí)傳統(tǒng)topdown方法的問題.mp4 │ │ ├── 1課時(shí)姿態(tài)估計(jì)要解決的問題分析.mp4 │ │ ├── 4課時(shí)要解決的兩個(gè)問題分析.mp4 │ │ ├── 2課時(shí)姿態(tài)估計(jì)應(yīng)用領(lǐng)域概述.mp4 │ │ ├── 8課時(shí)PAF標(biāo)簽設(shè)計(jì)方法.mp4 │ │ ├── 9課時(shí)預(yù)測(cè)時(shí)PAF積分計(jì)算方法.mp4 │ │ ├── 12課時(shí)算法流程與總結(jié).mp4 │ │ ├── 6課時(shí)各模塊輸出特征圖解讀.mp4 │ │ ├── 7課時(shí)PAF向量登場(chǎng).mp4 │ │ ├── 11課時(shí)CPM模型特點(diǎn).mp4 │ │ ├── 10課時(shí)匹配方法解讀.mp4 │ │ ├── 5課時(shí)基于高斯分布預(yù)測(cè)關(guān)鍵點(diǎn)位置.mp4 │ ├── 9-基礎(chǔ)補(bǔ)充-PyTorch框架基本處理操作 │ │ ├── 93課時(shí)線性回歸DEMO_訓(xùn)練回歸模型.mp4 │ │ ├── 89課時(shí)框架安裝方法（CPU與GPU版本）.mp4 │ │ ├── 91課時(shí)自動(dòng)求導(dǎo)機(jī)制.mp4 │ │ ├── 94課時(shí)常見tensor格式.mp4 │ │ ├── 90課時(shí)PyTorch基本操作簡(jiǎn)介.mp4 │ │ ├── 92課時(shí)線性回歸DEMO_數(shù)據(jù)與參數(shù)配置.mp4 │ │ ├── 88課時(shí)PyTorch框架發(fā)展趨勢(shì)簡(jiǎn)介.mp4 │ │ ├── 95課時(shí)Hub模塊簡(jiǎn)介.mp4 │ ├── 3-deepsort算法知識(shí)點(diǎn)解讀 │ │ ├── 25課時(shí)任務(wù)本質(zhì)分析.mp4 │ │ ├── 29課時(shí)匈牙利匹配算法概述.mp4 │ │ ├── 28課時(shí)追蹤中的狀態(tài)量.mp4 │ │ ├── 23課時(shí)卡爾曼濾波通俗解釋.mp4 │ │ ├── 32課時(shí)sort與deepsort建模流程分析.mp4 │ │ ├── 33課時(shí)預(yù)測(cè)與匹配流程解讀.mp4 │ │ ├── 26課時(shí)基于觀測(cè)值進(jìn)行最優(yōu)估計(jì).mp4 │ │ ├── 31課時(shí)REID特征的作用.mp4 │ │ ├── 24課時(shí)卡爾曼濾波要完成的任務(wù).mp4 │ │ ├── 30課時(shí)匹配小例子分析.mp4 │ │ ├── 27課時(shí)預(yù)測(cè)與更新操作.mp4 │ │ ├── 34課時(shí)追蹤任務(wù)流程拆解.mp4 │ ├── 10-基礎(chǔ)補(bǔ)充-PyTorch框架必備核心模塊解讀 │ │ ├── 108課時(shí)訓(xùn)練結(jié)果與模型保存.mp4 │ │ ├── 105課時(shí)加載訓(xùn)練好的網(wǎng)絡(luò)模型.mp4 │ │ ├── 97課時(shí)網(wǎng)絡(luò)流程解讀.mp4 │ │ ├── 104課時(shí)遷移學(xué)習(xí)策略.mp4 │ │ ├── 106課時(shí)優(yōu)化器模塊配置.mp4 │ │ ├── 99課時(shí)分類任務(wù)數(shù)據(jù)集定義與配置.mp4 │ │ ├── 100課時(shí)圖像增強(qiáng)的作用.mp4 │ │ ├── 103課時(shí)遷移學(xué)習(xí)的目標(biāo).mp4 │ │ ├── 107課時(shí)實(shí)現(xiàn)訓(xùn)練模塊.mp4 │ │ ├── 109課時(shí)加載模型對(duì)測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè).mp4 │ │ ├── 98課時(shí)Vision模塊功能解讀.mp4 │ │ ├── 101課時(shí)數(shù)據(jù)預(yù)處理與數(shù)據(jù)增強(qiáng)模塊.mp4 │ │ ├── 96課時(shí)卷積網(wǎng)絡(luò)參數(shù)定義.mp4 │ │ ├── 102課時(shí)Batch數(shù)據(jù)制作.mp4 │ ├── 6-V5版本項(xiàng)目配置 │ │ ├── 56課時(shí)整體項(xiàng)目概述.mp4 │ │ ├── 57課時(shí)訓(xùn)練自己的數(shù)據(jù)集方法.mp4 │ │ ├── 59課時(shí)測(cè)試DEMO演示.mp4 │ │ ├── 58課時(shí)訓(xùn)練數(shù)據(jù)參數(shù)配置.mp4 │ ├── 7-V5項(xiàng)目工程源碼解讀 │ │ ├── 80課時(shí)模型迭代過程.mp4 │ │ ├── 73課時(shí)Head層流程解讀.mp4 │ │ ├── 70課時(shí)前向傳播計(jì)算.mp4 │ │ ├── 71課時(shí)BottleneckCSP層計(jì)算方法.mp4 │ │ ├── 76課時(shí)超參數(shù)解讀.mp4 │ │ ├── 77課時(shí)命令行參數(shù)介紹.mp4 │ │ ├── 75課時(shí)輸出結(jié)果分析.mp4 │ │ ├── 62課時(shí)加載標(biāo)簽數(shù)據(jù).mp4 │ │ ├── 72課時(shí)SPP層計(jì)算細(xì)節(jié)分析.mp4 │ │ ├── 69課時(shí)完成配置文件解析任務(wù).mp4 │ │ ├── 60課時(shí)數(shù)據(jù)源DEBUG流程解讀.mp4 │ │ ├── 66課時(shí)網(wǎng)絡(luò)架構(gòu)圖可視化工具安裝.mp4 │ │ ├── 67課時(shí)V5網(wǎng)絡(luò)配置文件解讀.mp4 │ │ ├── 74課時(shí)上采樣與拼接操作.mp4 │ │ ├── 78課時(shí)訓(xùn)練流程解讀.mp4 │ │ ├── 79課時(shí)各種訓(xùn)練策略概述.mp4 │ │ ├── 63課時(shí)Mosaic數(shù)據(jù)增強(qiáng)方法.mp4 │ │ ├── 65課時(shí)getItem構(gòu)建batch.mp4 │ │ ├── 64課時(shí)數(shù)據(jù)四合一方法與流程演示.mp4 │ │ ├── 61課時(shí)圖像數(shù)據(jù)源配置.mp4 │ │ ├── 68課時(shí)Focus模塊流程分析.mp4 ├── 第06模塊：深度學(xué)習(xí)框架-Tensorflow2版本實(shí)戰(zhàn)（舊） │ ├── 17.8 訓(xùn)練resnet模型.mp4 │ ├── 4.3 卷積特征值計(jì)算方法.mp4 │ ├── 3.7 模型保存與讀取實(shí)例.mp4 │ ├── 13.11 訓(xùn)練實(shí)例.mp4 │ ├── 15.5 損失函數(shù)定義與訓(xùn)練.mp4 │ ├── 14.1 BERT開源項(xiàng)目簡(jiǎn)介.mp4 │ ├── 17.4 數(shù)據(jù)集處理方法.mp4 │ ├── 1.4 tf基礎(chǔ)操作.mp4 │ ├── 3.4 模型超參數(shù)調(diào)節(jié)與預(yù)測(cè)結(jié)果展示.mp4 │ ├── 16.10 判別網(wǎng)絡(luò)模塊構(gòu)造.mp4 │ ├── 14.11 完成Transformer模塊構(gòu)建.mp4 │ ├── 16.12 生成與判別損失函數(shù)指定.mp4 │ ├── 4.6 邊緣填充方法.mp4 │ ├── 6.3 貓狗識(shí)別任務(wù)數(shù)據(jù)增強(qiáng)實(shí)例.mp4 │ ├── 10.8 訓(xùn)練策略指定.mp4 │ ├── 4.8 池化層的作用.mp4 │ ├── 13.6 特征分配與softmax機(jī)制.mp4 │ ├── 9.4 訓(xùn)練batch數(shù)據(jù)制作.mp4 │ ├── 7.4 加載訓(xùn)練好的經(jīng)典網(wǎng)絡(luò)模型.mp4 │ ├── 14.8 加入位置編碼特征.mp4 │ ├── 2.10 神經(jīng)網(wǎng)絡(luò)架構(gòu)細(xì)節(jié).mp4 │ ├── 17.5 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 │ ├── 16.4 數(shù)據(jù)與環(huán)境配置.mp4 │ ├── 12.5 序列結(jié)果預(yù)測(cè).mp4 │ ├── 5.1 貓狗識(shí)別任務(wù)與數(shù)據(jù)簡(jiǎn)介.mp4 │ ├── 9.5 損失函數(shù)定義與訓(xùn)練結(jié)果展示.mp4 │ ├── 12.3 訓(xùn)練時(shí)間序列數(shù)據(jù)預(yù)測(cè)結(jié)果.mp4 │ ├── 10.2 RNN模型輸入數(shù)據(jù)維度解讀.mp4 │ ├── 13.3 傳統(tǒng)解決方案遇到的問題.mp4 │ ├── 9.2 模型定義參數(shù)設(shè)置.mp4 │ ├── 16.2 CycleGan整體網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 10.3 數(shù)據(jù)映射表制作.mp4 │ ├── 3.3 網(wǎng)絡(luò)模型訓(xùn)練.mp4 │ ├── 4.12 感受野的作用.mp4 │ ├── 9.3 文本詞預(yù)處理操作.mp4 │ ├── 10.9 訓(xùn)練文本分類模型.mp4 │ ├── 5.3 網(wǎng)絡(luò)架構(gòu)配置.mp4 │ ├── 16.6 整體損失模塊解讀.mp4 │ ├── 15.4 網(wǎng)絡(luò)架構(gòu)設(shè)計(jì).mp4 │ ├── 3.1 任務(wù)目標(biāo)與數(shù)據(jù)集簡(jiǎn)介.mp4 │ ├── 1.2 Tensorflow2版本簡(jiǎn)介與心得.mp4 │ ├── 15.1 對(duì)抗生成網(wǎng)絡(luò)通俗解釋.mp4 │ ├── 14.2 項(xiàng)目參數(shù)配置.mp4 │ ├── 2.13 神經(jīng)網(wǎng)絡(luò)過擬合解決方法.mp4 │ ├── 2.7 前向傳播整體流程.mp4 │ ├── 11.1 CNN應(yīng)用于文本任務(wù)原理解析.mp4 │ ├── 2.4 視覺任務(wù)中遇到的問題.mp4 │ ├── 12.2 構(gòu)建時(shí)間序列數(shù)據(jù).mp4 │ ├── 13.8 位置編碼與多層堆疊.mp4 │ ├── 8.6 負(fù)采樣方案.mp4 │ ├── 10.5 數(shù)據(jù)生成器構(gòu)造.mp4 │ ├── 17.2 額外補(bǔ)充.Resnet網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 6.2 圖像數(shù)據(jù)變換.mp4 │ ├── 14.7 加入額外編碼特征.mp4 │ ├── 17.6 網(wǎng)絡(luò)架構(gòu)層次解讀.mp4 │ ├── 11.3 網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)與訓(xùn)練.mp4 │ ├── 7.1 遷移學(xué)習(xí)的目標(biāo).mp4 │ ├── 2.2 深度學(xué)習(xí)應(yīng)用領(lǐng)域.mp4 │ ├── 7.3 Resnet原理.mp4 │ ├── 4.4 得到特征圖表示.mp4 │ ├── 2.5 得分函數(shù).mp4 │ ├── 1.1 課程簡(jiǎn)介.mp4 │ ├── 4.7 特征圖尺寸計(jì)算與參數(shù)共享.mp4 │ ├── 10.1 任務(wù)目標(biāo)與數(shù)據(jù)介紹.mp4 │ ├── 7.2 遷移學(xué)習(xí)策略.mp4 │ ├── 4.2 卷積的作用.mp4 │ ├── 16.9 生成網(wǎng)絡(luò)模塊構(gòu)造.mp4 │ ├── 16.13 額外補(bǔ)充：VISDOM可視化配置.mp4 │ ├── 16.11 損失函數(shù)：identity loss計(jì)算方法.mp4 │ ├── 14.4 數(shù)據(jù)預(yù)處理模塊.mp4 │ ├── 7.7 圖像數(shù)據(jù)處理實(shí)例.mp4 │ ├── 10.4 embedding層向量制作.mp4 │ ├── 8.3 模型整體框架.mp4 │ ├── 9.1 任務(wù)流程解讀.mp4 │ ├── 3.2 建模流程與API文檔.mp4 │ ├── 5.2 卷積網(wǎng)絡(luò)涉及參數(shù)解讀.mp4 │ ├── 14.9 mask機(jī)制.mp4 │ ├── 16.5 生成與判別器損失函數(shù)定義.mp4 │ ├── 2.12 正則化與激活函數(shù).mp4 │ ├── 13.7 Multi.head的作用.mp4 │ ├── 8.2 詞向量模型通俗解釋.mp4 │ ├── 2.1 深度學(xué)習(xí)要解決的問題.mp4 │ ├── 7.6 tfrecords數(shù)據(jù)源制作方法.mp4 │ ├── 16.7 Cycle開源項(xiàng)目簡(jiǎn)介.mp4 │ ├── 12.1 任務(wù)目標(biāo)與數(shù)據(jù)源.mp4 │ ├── 4.10 VGG網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 15.3 DCGAN網(wǎng)絡(luò)架構(gòu)與流程解讀.mp4 │ ├── 16.1 CycleGan網(wǎng)絡(luò)所需數(shù)據(jù).mp4 │ ├── 2.8 返向傳播計(jì)算方法.mp4 │ ├── 17.3 項(xiàng)目結(jié)構(gòu)概述.mp4 │ ├── 4.11 殘差網(wǎng)絡(luò)Resnet.mp4 │ ├── 13.1 BERT課程簡(jiǎn)介.mp4 │ ├── 2.3 計(jì)算機(jī)視覺任務(wù).mp4 │ ├── 12.4 多特征預(yù)測(cè)結(jié)果.mp4 │ ├── 6.1 數(shù)據(jù)增強(qiáng)概述.mp4 │ ├── 13.5 self.attention計(jì)算方法.mp4 │ ├── 2.11 神經(jīng)元個(gè)數(shù)對(duì)結(jié)果的影響.mp4 │ ├── 8.5 CBOW與Skip.gram模型.mp4 │ ├── 16.8 數(shù)據(jù)讀取與預(yù)處理操作.mp4 │ ├── 15.2 GAN網(wǎng)絡(luò)組成.mp4 │ ├── 3.6 tf.data模塊解讀.mp4 │ ├── 2.9 神經(jīng)網(wǎng)絡(luò)整體架構(gòu).mp4 │ ├── 11.2 整體流程解讀.mp4 │ ├── 14.3 數(shù)據(jù)讀取模塊.mp4 │ ├── 8.4 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 │ ├── 5.4 卷積模型訓(xùn)練與識(shí)別效果展示.mp4 │ ├── 16.3 PatchGan判別網(wǎng)絡(luò)原理.mp4 │ ├── 4.5 步長(zhǎng)與卷積核大小對(duì)結(jié)果的影響.mp4 │ ├── 14.6 Embedding層的作用.mp4 │ ├── 13.2 BERT任務(wù)目標(biāo)概述.mp4 │ ├── 3.5 分類模型構(gòu)建.mp4 │ ├── 14.12 訓(xùn)練BERT模型.mp4 │ ├── 17.7 前向傳播配置.mp4 │ ├── 2.6 損失函數(shù)的作用.mp4 │ ├── 14.10 構(gòu)建QKV矩陣.mp4 │ ├── 17.1 額外補(bǔ)充.Resnet論文解讀.mp4 │ ├── 13.10 BERT模型訓(xùn)練方法.mp4 │ ├── 13.4 注意力機(jī)制的作用.mp4 │ ├── 13.9 transformer整體架構(gòu)梳理.mp4 │ ├── 10.7 自定義網(wǎng)絡(luò)模型架構(gòu).mp4 │ ├── 7.5 Callback模塊與遷移學(xué)習(xí)實(shí)例.mp4 │ ├── 4.9 整體網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 10.6 雙向RNN模型定義.mp4 │ ├── 4.1 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域.mp4 │ ├── 8.1 RNN網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 1.3 Tensorflow2版本安裝方法.mp4 │ ├── 14.5 tfrecord制作.mp4 ├── 第12模塊：對(duì)抗生成網(wǎng)絡(luò)大項(xiàng)目實(shí)戰(zhàn)（新） │ ├── 1.5 生成與判別網(wǎng)絡(luò)定義.mp4 │ ├── 10.3 網(wǎng)絡(luò)架構(gòu)配置.mp4 │ ├── 9.4 分類任務(wù)數(shù)據(jù)集定義與配置.mp4 │ ├── 8.4 論文總結(jié).mp4 │ ├── 8.3 細(xì)節(jié)設(shè)計(jì).mp4 │ ├── 1.3 損失函數(shù)解釋說明.mp4 │ ├── 9.12 實(shí)現(xiàn)訓(xùn)練模塊.mp4 │ ├── 6.9 論文損失函數(shù).mp4 │ ├── 8.8 網(wǎng)絡(luò)迭代訓(xùn)練.mp4 │ ├── 6.10 源碼損失計(jì)算流程.mp4 │ ├── 7.4 數(shù)據(jù)加載與配置.mp4 │ ├── 6.5 下采樣與上采樣操作.mp4 │ ├── 9.2 網(wǎng)絡(luò)流程解讀.mp4 │ ├── 4.5 所有網(wǎng)絡(luò)模塊構(gòu)建實(shí)例.mp4 │ ├── 2.8 損失函數(shù)：identity loss計(jì)算方法.mp4 │ ├── 3.7 損失函數(shù)公式解析.mp4 │ ├── 5.6 AdaIn的目的與效果.mp4 │ ├── 5.1 論文整體思路與架構(gòu)解讀.mp4 │ ├── 6.4 生成器構(gòu)造模塊解讀.mp4 │ ├── 3.3 建模流程分析.mp4 │ ├── 6.6 starganvc2版本標(biāo)簽輸入分析.mp4 │ ├── 4.7 判別器損失計(jì)算.mp4 │ ├── 8.5 數(shù)據(jù)與項(xiàng)目概述.mp4 │ ├── 3.2 網(wǎng)絡(luò)架構(gòu)整體思路解讀.mp4 │ ├── 9.13 訓(xùn)練結(jié)果與模型保存.mp4 │ ├── 7.5 生成模塊.mp4 │ ├── 5.7 判別器模塊分析.mp4 │ ├── 7.7 VGG特征提取網(wǎng)絡(luò).mp4 │ ├── 4.6 數(shù)據(jù)讀取模塊分析.mp4 │ ├── 1.4 數(shù)據(jù)讀取模塊.mp4 │ ├── 6.3 數(shù)據(jù)預(yù)處理與聲音特征提取.mp4 │ ├── 5.3 語(yǔ)音特征提取.mp4 │ ├── 7.6 判別模塊.mp4 │ ├── 6.11 測(cè)試模塊生成轉(zhuǎn)換語(yǔ)音.mp4 │ ├── 2.6 生成網(wǎng)絡(luò)模塊構(gòu)造.mp4 │ ├── 2.5 數(shù)據(jù)讀取與預(yù)處理操作.mp4 │ ├── 9.8 遷移學(xué)習(xí)的目標(biāo).mp4 │ ├── 2.10 額外補(bǔ)充：VISDOM可視化配置.mp4 │ ├── 9.5 圖像增強(qiáng)的作用.mp4 │ ├── 7.3 數(shù)據(jù)與環(huán)境配置.mp4 │ ├── 9.9 遷移學(xué)習(xí)策略.mp4 │ ├── 4.9 生成模塊損失計(jì)算.mp4 │ ├── 7.8 損失函數(shù)與訓(xùn)練.mp4 │ ├── 9.11 優(yōu)化器模塊配置.mp4 │ ├── 5.5 InstanceNorm的作用解讀.mp4 │ ├── 3.8 訓(xùn)練過程分析.mp4 │ ├── 8.1 論文概述.mp4 │ ├── 2.9 生成與判別損失函數(shù)指定.mp4 │ ├── 9.1 卷積網(wǎng)絡(luò)參數(shù)定義.mp4 │ ├── 9.10 加載訓(xùn)練好的網(wǎng)絡(luò)模型.mp4 │ ├── 4.3 項(xiàng)目參數(shù)解析.mp4 │ ├── 4.2 測(cè)試效果演示.mp4 │ ├── 9.7 Batch數(shù)據(jù)制作.mp4 │ ├── 3.1 stargan效果演示分析.mp4 │ ├── 10.1 貓狗識(shí)別任務(wù)與數(shù)據(jù)簡(jiǎn)介.mp4 │ ├── 6.1 數(shù)據(jù)與項(xiàng)目文件解讀.mp4 │ ├── 7.9 測(cè)試模塊.mp4 │ ├── 9.3 Vision模塊功能解讀.mp4 │ ├── 6.7 生成器前向傳播維度變化.mp4 │ ├── 7.1 論文概述.mp4 │ ├── 2.7 判別網(wǎng)絡(luò)模塊構(gòu)造.mp4 │ ├── 6.2 環(huán)境配置與工具包安裝.mp4 │ ├── 2.2 CycleGan整體網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 9.6 數(shù)據(jù)預(yù)處理與數(shù)據(jù)增強(qiáng)模塊.mp4 │ ├── 9.16 額外補(bǔ)充.Resnet網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 2.3 PatchGan判別網(wǎng)絡(luò)原理.mp4 │ ├── 2.4 Cycle開源項(xiàng)目簡(jiǎn)介.mp4 │ ├── 1.2 GAN網(wǎng)絡(luò)組成.mp4 │ ├── 5.2 VCC2016輸入數(shù)據(jù).mp4 │ ├── 6.8 判別器模塊解讀.mp4 │ ├── 3.5 V2版本在整體網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 4.8 損失計(jì)算詳細(xì)過程.mp4 │ ├── 4.10 測(cè)試模塊效果與實(shí)驗(yàn)分析.mp4 │ ├── 3.6 編碼器訓(xùn)練方法.mp4 │ ├── 3.4 V1版本存在的問題及后續(xù)改進(jìn)思路.mp4 │ ├── 9.15 額外補(bǔ)充.Resnet論文解讀.mp4 │ ├── 8.7 網(wǎng)絡(luò)結(jié)構(gòu)配置.mp4 │ ├── 7.2 網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 8.9 測(cè)試模塊.mp4 │ ├── 8.6 參數(shù)基本設(shè)計(jì).mp4 │ ├── 5.4 生成器模型架構(gòu)分析.mp4 │ ├── 10.4 卷積模型訓(xùn)練與識(shí)別效果展示.mp4 │ ├── 1.1 對(duì)抗生成網(wǎng)絡(luò)通俗解釋.mp4 │ ├── 4.4 生成器模塊源碼解讀.mp4 │ ├── 9.14 加載模型對(duì)測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè).mp4 │ ├── 2.1 CycleGan網(wǎng)絡(luò)所需數(shù)據(jù).mp4 │ ├── 8.2 網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 4.1 項(xiàng)目配置與數(shù)據(jù)源下載.mp4 │ ├── 10.2 卷積網(wǎng)絡(luò)涉及參數(shù)解讀.mp4 ├── 第09模塊：深度學(xué)習(xí)必備框架實(shí)戰(zhàn)（PyTorch+Tensorflow）（新） │ ├── 11.7 前向傳播配置.mp4 │ ├── 17.7 CNN應(yīng)用于文本任務(wù)原理解析.mp4 │ ├── 6.1 遷移學(xué)習(xí)的目標(biāo).mp4 │ ├── 1.1 課程簡(jiǎn)介.mp4 │ ├── 17.3 項(xiàng)目配置參數(shù)設(shè)置.mp4 │ ├── 16.6 訓(xùn)練結(jié)果與模型保存.mp4 │ ├── 12.3 框架安裝方法（CPU與GPU版本）.mp4 │ ├── 3.6 tf.data模塊解讀.mp4 │ ├── 2.6 損失函數(shù)的作用.mp4 │ ├── 7.1 任務(wù)流程解讀.mp4 │ ├── 11.1 額外補(bǔ)充.Resnet論文解讀.mp4 │ ├── 9.3 網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)與訓(xùn)練.mp4 │ ├── 11.4 數(shù)據(jù)集處理方法.mp4 │ ├── 2.7 前向傳播整體流程.mp4 │ ├── 15.1 卷積網(wǎng)絡(luò)參數(shù)定義.mp4 │ ├── 4.4 卷積模型訓(xùn)練與識(shí)別效果展示.mp4 │ ├── 2.10 神經(jīng)網(wǎng)絡(luò)架構(gòu)細(xì)節(jié).mp4 │ ├── 2.12 正則化與激活函數(shù).mp4 │ ├── 4.1 貓狗識(shí)別任務(wù)與數(shù)據(jù)簡(jiǎn)介.mp4 │ ├── 11.6 網(wǎng)絡(luò)架構(gòu)層次解讀.mp4 │ ├── 6.7 圖像數(shù)據(jù)處理實(shí)例.mp4 │ ├── 10.2 構(gòu)建時(shí)間序列數(shù)據(jù).mp4 │ ├── 7.3 文本詞預(yù)處理操作.mp4 │ ├── 2.4 視覺任務(wù)中遇到的問題.mp4 │ ├── 3.3 網(wǎng)絡(luò)模型訓(xùn)練.mp4 │ ├── 12.8 常見tensor格式.mp4 │ ├── 13.2 按建模順序構(gòu)建完成網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 1.4 tf基礎(chǔ)操作.mp4 │ ├── 14.4 得到特征圖表示.mp4 │ ├── 2.2 深度學(xué)習(xí)應(yīng)用領(lǐng)域.mp4 │ ├── 10.4 多特征預(yù)測(cè)結(jié)果.mp4 │ ├── 8.9 訓(xùn)練文本分類模型.mp4 │ ├── 13.3 簡(jiǎn)化代碼訓(xùn)練網(wǎng)絡(luò)模型.mp4 │ ├── 12.7 線性回歸DEMO.訓(xùn)練回歸模型.mp4 │ ├── 14.7 特征圖尺寸計(jì)算與參數(shù)共享.mp4 │ ├── 14.9 整體網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 17.1 任務(wù)目標(biāo)與數(shù)據(jù)簡(jiǎn)介.mp4 │ ├── 15.2 網(wǎng)絡(luò)流程解讀.mp4 │ ├── 16.5 實(shí)現(xiàn)訓(xùn)練模塊.mp4 │ ├── 2.9 神經(jīng)網(wǎng)絡(luò)整體架構(gòu).mp4 │ ├── 3.5 分類模型構(gòu)建.mp4 │ ├── 1.2 Tensorflow2版本簡(jiǎn)介與心得.mp4 │ ├── 2.8 返向傳播計(jì)算方法.mp4 │ ├── 8.6 雙向RNN模型定義.mp4 │ ├── 14.2 卷積的作用.mp4 │ ├── 13.5 構(gòu)建分類網(wǎng)絡(luò)模型.mp4 │ ├── 17.2 RNN模型所需輸入格式解析.mp4 │ ├── 5.2 圖像數(shù)據(jù)變換.mp4 │ ├── 16.7 加載模型對(duì)測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè).mp4 │ ├── 17.4 新聞數(shù)據(jù)讀取與預(yù)處理方法.mp4 │ ├── 5.3 貓狗識(shí)別任務(wù)數(shù)據(jù)增強(qiáng)實(shí)例.mp4 │ ├── 7.2 模型定義參數(shù)設(shè)置.mp4 │ ├── 9.2 整體流程解讀.mp4 │ ├── 17.6 Tensorboardx可視化展示模塊搭建.mp4 │ ├── 12.5 自動(dòng)求導(dǎo)機(jī)制.mp4 │ ├── 2.11 神經(jīng)元個(gè)數(shù)對(duì)結(jié)果的影響.mp4 │ ├── 9.1 CNN應(yīng)用于文本任務(wù)原理解析.mp4 │ ├── 14.10 VGG網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 8.2 RNN模型輸入數(shù)據(jù)維度解讀.mp4 │ ├── 16.8 額外補(bǔ)充.Resnet論文解讀.mp4 │ ├── 7.4 訓(xùn)練batch數(shù)據(jù)制作.mp4 │ ├── 12.9 Hub模塊簡(jiǎn)介.mp4 │ ├── 14.11 殘差網(wǎng)絡(luò)Resnet.mp4 │ ├── 11.5 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 │ ├── 10.1 任務(wù)目標(biāo)與數(shù)據(jù)源.mp4 │ ├── 14.1 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域.mp4 │ ├── 3.2 建模流程與API文檔.mp4 │ ├── 13.4 分類任務(wù)概述.mp4 │ ├── 14.6 邊緣填充方法.mp4 │ ├── 13.6 DataSet模塊介紹與應(yīng)用方法.mp4 │ ├── 8.8 訓(xùn)練策略指定.mp4 │ ├── 8.3 數(shù)據(jù)映射表制作.mp4 │ ├── 16.2 遷移學(xué)習(xí)策略.mp4 │ ├── 8.5 數(shù)據(jù)生成器構(gòu)造.mp4 │ ├── 15.7 Batch數(shù)據(jù)制作.mp4 │ ├── 2.13 神經(jīng)網(wǎng)絡(luò)過擬合解決方法.mp4 │ ├── 7.5 損失函數(shù)定義與訓(xùn)練結(jié)果展示.mp4 │ ├── 14.12 感受野的作用.mp4 │ ├── 14.3 卷積特征值計(jì)算方法.mp4 │ ├── 2.5 得分函數(shù).mp4 │ ├── 13.1 氣溫?cái)?shù)據(jù)集與任務(wù)介紹.mp4 │ ├── 2.3 計(jì)算機(jī)視覺任務(wù).mp4 │ ├── 3.4 模型超參數(shù)調(diào)節(jié)與預(yù)測(cè)結(jié)果展示.mp4 │ ├── 1.3 Tensorflow2版本安裝方法.mp4 │ ├── 5.1 數(shù)據(jù)增強(qiáng)概述.mp4 │ ├── 2.1 深度學(xué)習(xí)要解決的問題.mp4 │ ├── 6.3 Resnet原理.mp4 │ ├── 17.8 網(wǎng)絡(luò)模型架構(gòu)與效果展示.mp4 │ ├── 17.5 訓(xùn)練LSTM文本分類模型.mp4 │ ├── 6.2 遷移學(xué)習(xí)策略.mp4 │ ├── 4.2 卷積網(wǎng)絡(luò)涉及參數(shù)解讀.mp4 │ ├── 6.4 加載訓(xùn)練好的經(jīng)典網(wǎng)絡(luò)模型.mp4 │ ├── 6.5 Callback模塊與遷移學(xué)習(xí)實(shí)例.mp4 │ ├── 3.1 任務(wù)目標(biāo)與數(shù)據(jù)集簡(jiǎn)介.mp4 │ ├── 12.4 PyTorch基本操作簡(jiǎn)介.mp4 │ ├── 10.5 序列結(jié)果預(yù)測(cè).mp4 │ ├── 15.5 圖像增強(qiáng)的作用.mp4 │ ├── 12.1 PyTorch實(shí)戰(zhàn)課程簡(jiǎn)介.mp4 │ ├── 15.3 Vision模塊功能解讀.mp4 │ ├── 11.2 額外補(bǔ)充.Resnet網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 6.6 tfrecords數(shù)據(jù)源制作方法.mp4 │ ├── 11.8 訓(xùn)練resnet模型.mp4 │ ├── 14.8 池化層的作用.mp4 │ ├── 16.9 額外補(bǔ)充.Resnet網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 10.3 訓(xùn)練時(shí)間序列數(shù)據(jù)預(yù)測(cè)結(jié)果.mp4 │ ├── 8.7 自定義網(wǎng)絡(luò)模型架構(gòu).mp4 │ ├── 16.4 優(yōu)化器模塊配置.mp4 │ ├── 16.3 加載訓(xùn)練好的網(wǎng)絡(luò)模型.mp4 │ ├── 11.3 項(xiàng)目結(jié)構(gòu)概述.mp4 │ ├── 8.4 embedding層向量制作.mp4 │ ├── 4.3 網(wǎng)絡(luò)架構(gòu)配置.mp4 │ ├── 12.6 線性回歸DEMO.數(shù)據(jù)與參數(shù)配置.mp4 │ ├── 15.4 分類任務(wù)數(shù)據(jù)集定義與配置.mp4 │ ├── 3.7 模型保存與讀取實(shí)例.mp4 │ ├── 8.1 任務(wù)目標(biāo)與數(shù)據(jù)介紹.mp4 │ ├── 16.1 遷移學(xué)習(xí)的目標(biāo).mp4 │ ├── 14.5 步長(zhǎng)與卷積核大小對(duì)結(jié)果的影響.mp4 │ ├── 15.6 數(shù)據(jù)預(yù)處理與數(shù)據(jù)增強(qiáng)模塊.mp4 │ ├── 12.2 PyTorch框架發(fā)展趨勢(shì)簡(jiǎn)介.mp4 ├── 第06模塊：機(jī)器學(xué)習(xí)案例實(shí)戰(zhàn)應(yīng)用集錦（新） │ ├── 8.5 負(fù)采樣方案.mp4 │ ├── 11.9 邏輯回歸模型.mp4 │ ├── 9.4 TFIDF模型.mp4 │ ├── 7.7 詞性標(biāo)注.mp4 │ ├── 6.3 雙變量分析.mp4 │ ├── 12.3 圖像特征編碼.mp4 │ ├── 11.11 必殺神奇：lightgbm.mp4 │ ├── 2.1 數(shù)據(jù)與任務(wù)分析.mp4 │ ├── 7.4 常用函數(shù)介紹.mp4 │ ├── 1.6 電影數(shù)據(jù)集題材關(guān)聯(lián)分析.mp4 │ ├── 2.3 房?jī)r(jià)隨星期變化的可視化展示.mp4 │ ├── 4.5 標(biāo)簽變換.mp4 │ ├── 10.7 sklearn工具包預(yù)處理模塊.mp4 │ ├── 7.11 恐怖襲擊分析.mp4 │ ├── 11.2 EDA數(shù)據(jù)探索分析.mp4 │ ├── 7.1 Python字符串處理.mp4 │ ├── 9.2 詞袋模型.mp4 │ ├── 11.8 自定義特征.mp4 │ ├── 12.1 數(shù)據(jù)與任務(wù)流程分析.mp4 │ ├── 10.12 構(gòu)建回歸模型.mp4 │ ├── 3.4 文本清洗.mp4 │ ├── 7.5 NLTK工具包簡(jiǎn)介.mp4 │ ├── 10.2 數(shù)據(jù)分析與可視化展示.mp4 │ ├── 1.5 數(shù)據(jù)集制作.mp4 │ ├── 10.10 序列化執(zhí)行預(yù)處理操作.mp4 │ ├── 9.5 word2vec詞向量模型.mp4 │ ├── 8.3 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 │ ├── 7.6 停用詞過濾.mp4 │ ├── 5.3 剔除開掛數(shù)據(jù).mp4 │ ├── 5.2 數(shù)據(jù)問題探索與解決方案.mp4 │ ├── 10.9 構(gòu)建合適的特征.mp4 │ ├── 4.1 數(shù)據(jù)任務(wù)分析.mp4 │ ├── 10.5 特征相關(guān)性分析.mp4 │ ├── 6.2 部分依賴圖解釋.mp4 │ ├── 7.3 正則表達(dá)式基本語(yǔ)法.mp4 │ ├── 7.9 Spacy工具包.mp4 │ ├── 2.7 預(yù)處理與建模準(zhǔn)備.mp4 │ ├── 6.4 ShapValues指標(biāo)分析.mp4 │ ├── 12.2 圖片數(shù)據(jù)導(dǎo)入.mp4 │ ├── 7.14 詞云展示.mp4 │ ├── 5.6 熱度圖展示.mp4 │ ├── 11.4 KDEPLOT展示.mp4 │ ├── 2.8 隨機(jī)森林與LightGBM.mp4 │ ├── 11.7 多項(xiàng)式特征.mp4 │ ├── 4.8 生成輸出結(jié)果.mp4 │ ├── 11.6 數(shù)據(jù)檢查與特征工程.mp4 │ ├── 2.6 房屋規(guī)格熱度圖分析.mp4 │ ├── 12.5 得出聚類結(jié)果.mp4 │ ├── 10.4 加載數(shù)據(jù)坐標(biāo)到實(shí)際地圖中進(jìn)行分析.mp4 │ ├── 9.1 任務(wù)概述.mp4 │ ├── 1.1 關(guān)聯(lián)規(guī)則概述.mp4 │ ├── 4.6 輸入數(shù)據(jù)制作.mp4 │ ├── 11.1 數(shù)據(jù)任務(wù)介紹及缺失值處理.mp4 │ ├── 8.4 CBOW與Skip_gram模型.mp4 │ ├── 5.1 數(shù)據(jù)與任務(wù)簡(jiǎn)介.mp4 │ ├── 8.1 詞向量模型通俗解釋.mp4 │ ├── 2.5 提取房屋常見設(shè)施.mp4 │ ├── 3.6 得出推薦結(jié)果.mp4 │ ├── 2.4 房屋信息指標(biāo)分析.mp4 │ ├── 10.8 離散屬性特征處理.mp4 │ ├── 3.3 ngram結(jié)果可視化展示.mp4 │ ├── 7.10 名字實(shí)體匹配.mp4 │ ├── 7.2 正則常用符號(hào).mp4 │ ├── 3.2 文本詞頻統(tǒng)計(jì).mp4 │ ├── 11.3 特征展示分析.mp4 │ ├── 4.4 特征信息提取.mp4 │ ├── 12.4 數(shù)組保存與讀取.mp4 │ ├── 11.5 部分特征分析與可視化.mp4 │ ├── 10.1 數(shù)據(jù)與任務(wù)介紹.mp4 │ ├── 3.5 相似度計(jì)算.mp4 │ ├── 1.3 提升度的作用.mp4 │ ├── 7.13 結(jié)巴分詞器.mp4 │ ├── 5.8 特征重要性.mp4 │ ├── 7.8 數(shù)據(jù)清洗實(shí)例.mp4 │ ├── 12.6 聚類效果可視化展示.mp4 │ ├── 3.1 數(shù)據(jù)與任務(wù)介紹.mp4 │ ├── 8.2 模型整體框架.mp4 │ ├── 11.10 結(jié)果評(píng)估.mp4 │ ├── 6.1 模型解釋方法與實(shí)踐.mp4 │ ├── 10.11 完成所有預(yù)處理操作.mp4 │ ├── 5.5 繪圖統(tǒng)計(jì)分析.mp4 │ ├── 2.2 提取月份信息進(jìn)行統(tǒng)計(jì)分析.mp4 │ ├── 7.12 統(tǒng)計(jì)分析結(jié)果.mp4 │ ├── 5.4 類別變量處理.mp4 │ ├── 4.3 統(tǒng)計(jì)指標(biāo)生成.mp4 │ ├── 1.2 支持度與置信度.mp4 │ ├── 10.6 缺失值填充.mp4 │ ├── 2.9 訓(xùn)練與評(píng)估.mp4 │ ├── 4.2 特征工程制作.mp4 │ ├── 9.6 深度學(xué)習(xí)模型.mp4 │ ├── 6.5 疾病引起原因分析實(shí)戰(zhàn).mp4 │ ├── 5.7 隨機(jī)森林建模.mp4 │ ├── 4.7 Xgboost訓(xùn)練模型.mp4 │ ├── 10.3 連續(xù)值離散化與可視化細(xì)節(jié).mp4 │ ├── 9.3 詞袋模型分析.mp4 │ ├── 1.4 Python實(shí)戰(zhàn)關(guān)聯(lián)規(guī)則.mp4 ├── 第16模塊：語(yǔ)音識(shí)別核心項(xiàng)目實(shí)戰(zhàn)（新） │ ├── 5.1 語(yǔ)音分離任務(wù)分析.mp4 │ ├── 6.4 采樣數(shù)據(jù)特征編碼.mp4 │ ├── 6.6 構(gòu)建更大的感受區(qū)域-1698817387.mp4 │ ├── 2.2 語(yǔ)料表制作方法.mp4 │ ├── 1.4 加入attention的序列模型整體架構(gòu).mp4 │ ├── 2.1 數(shù)據(jù)源與環(huán)境配置.mp4 │ ├── 5.4 TasNet編碼器結(jié)構(gòu)分析.mp4 │ ├── 3.5 InstanceNorm的作用解讀.mp4 │ ├── 5.3 DeepClustering論文解讀.mp4 │ ├── 4.2 環(huán)境配置與工具包安裝.mp4 │ ├── 4.8 判別器模塊解讀.mp4 │ ├── 3.7 判別器模塊分析.mp4 │ ├── 6.2 訓(xùn)練任務(wù)所需參數(shù)介紹.mp4 │ ├── 4.10 源碼損失計(jì)算流程.mp4 │ ├── 1.6 額外補(bǔ)充.RNN網(wǎng)絡(luò)模型解讀.mp4 │ ├── 2.5 Pack與Pad操作解析.mp4 │ ├── 3.2 VCC2016輸入數(shù)據(jù).mp4 │ ├── 7.9 注意力機(jī)制應(yīng)用方法.mp4 │ ├── 3.1 論文整體思路與架構(gòu)解讀.mp4 │ ├── 7.5 編碼層要完成的任務(wù).mp4 │ ├── 3.4 生成器模型架構(gòu)分析.mp4 │ ├── 7.7 解碼器輸入準(zhǔn)備.mp4 │ ├── 4.7 生成器前向傳播維度變化.mp4 │ ├── 6.7 解碼得到分離后的語(yǔ)音-1698817392.mp4 │ ├── 4.1 數(shù)據(jù)與項(xiàng)目文件解讀.mp4 │ ├── 6.8 測(cè)試模塊所需參數(shù).mp4 │ ├── 4.6 starganvc2版本標(biāo)簽輸入分析.mp4 │ ├── 2.3 制作json標(biāo)注數(shù)據(jù).mp4 │ ├── 6.4 采樣數(shù)據(jù)特征編碼-1698817375.mp4 │ ├── 4.9 論文損失函數(shù).mp4 │ ├── 2.4 聲音數(shù)據(jù)處理模塊解讀.mp4 │ ├── 7.6 得到編碼特征向量.mp4 │ ├── 1.1 序列網(wǎng)絡(luò)模型概述分析.mp4 │ ├── 5.5 DW卷積的作用與效果.mp4 │ ├── 7.8 解碼器流程梳理.mp4 │ ├── 4.11 測(cè)試模塊生成轉(zhuǎn)換語(yǔ)音.mp4 │ ├── 2.8 計(jì)算得到每個(gè)輸出的attention得分.mp4 │ ├── 7.11 模型輸出結(jié)果.mp4 │ ├── 7.3 路徑配置與整體流程解讀.mp4 │ ├── 1.3 注意力機(jī)制的作用.mp4 │ ├── 7.2 所需數(shù)據(jù)集介紹.mp4 │ ├── 7.12 損失函數(shù)與預(yù)測(cè).mp4 │ ├── 6.3 DataLoader定義.mp4 │ ├── 6.7 解碼得到分離后的語(yǔ)音.mp4 │ ├── 6.1 數(shù)據(jù)準(zhǔn)備與環(huán)境配置.mp4 │ ├── 1.2 工作原理概述.mp4 │ ├── 4.4 生成器構(gòu)造模塊解讀.mp4 │ ├── 6.5 編碼器特征提取.mp4 │ ├── 4.3 數(shù)據(jù)預(yù)處理與聲音特征提取.mp4 │ ├── 2.9 解碼器與訓(xùn)練過程演示.mp4 │ ├── 7.4 Dataloader構(gòu)建數(shù)據(jù)與標(biāo)簽.mp4 │ ├── 6.6 構(gòu)建更大的感受區(qū)域.mp4 │ ├── 1.5 TeacherForcing的作用與訓(xùn)練策略.mp4 │ ├── 5.2 經(jīng)典語(yǔ)音分離模型概述.mp4 │ ├── 6.2 訓(xùn)練任務(wù)所需參數(shù)介紹-1698817367.mp4 │ ├── 6.3 DataLoader定義-1698817371.mp4 │ ├── 7.1 語(yǔ)音合成項(xiàng)目所需環(huán)境配置.mp4 │ ├── 7.10 得到加權(quán)的編碼向量.mp4 │ ├── 2.6 編碼器模塊整體流程.mp4 │ ├── 5.6 基于Mask得到分離結(jié)果.mp4 │ ├── 3.6 AdaIn的目的與效果.mp4 │ ├── 3.3 語(yǔ)音特征提取.mp4 │ ├── 4.5 下采樣與上采樣操作.mp4 │ ├── 6.5 編碼器特征提取-1698817381.mp4 │ ├── 2.7 加入注意力機(jī)制.mp4 ├── Python高級(jí)全部課件AI │ ├── 模塊09 │ ├── 模塊10 │ ├── 模塊04 │ │ ├── 第4模塊：機(jī)器學(xué)習(xí)實(shí)訓(xùn)營(yíng)（原理+復(fù)現(xiàn)+實(shí)驗(yàn)） │ │ │ ├── 17-神經(jīng)網(wǎng)絡(luò)算法原理 │ │ │ │ ├── 神經(jīng)網(wǎng)絡(luò)-單獨(dú).pdf │ │ │ ├── 19-貝葉斯算法原理 │ │ │ │ ├── 5-貝葉斯算法.pdf │ │ │ ├── 20-貝葉斯代碼實(shí)現(xiàn) │ │ │ │ ├── 貝葉斯-代碼實(shí)現(xiàn).zip │ │ │ ├── 3-模型評(píng)估方法 │ │ │ │ ├── img │ │ │ │ │ ├── 1.png │ │ │ │ │ ├── 6.png │ │ │ │ │ ├── 3.png │ │ │ │ │ ├── 5.png │ │ │ │ │ ├── 9.png │ │ │ │ │ ├── 2.png │ │ │ │ │ ├── 4.png │ │ │ │ │ ├── 7.png │ │ │ │ │ ├── 8.png │ │ │ │ ├── 模型評(píng)估方法.ipynb │ │ │ ├── 9-聚類算法實(shí)驗(yàn)分析 │ │ │ │ ├── mldata │ │ │ │ │ ├── mnist-original.mat │ │ │ │ ├── 聚類算法-實(shí)驗(yàn).zip │ │ │ ├── 21-關(guān)聯(lián)規(guī)則實(shí)戰(zhàn)分析 │ │ │ │ ├── 第一章：Python實(shí)戰(zhàn)關(guān)聯(lián)規(guī)則.zip │ │ │ ├── 11-決策樹代碼實(shí)現(xiàn) │ │ │ │ ├── 決策樹-代碼實(shí)現(xiàn).zip │ │ │ ├── 7-聚類算法-Kmeans&Dbscan原理 │ │ │ │ ├── 4-聚類算法.pdf │ │ │ ├── 30-隱馬爾科夫模型 │ │ │ │ ├── HMM.pdf │ │ │ ├── 12-決策樹實(shí)驗(yàn)分析 │ │ │ │ ├── 決策樹算法-實(shí)驗(yàn).zip │ │ │ ├── 27.28-主成分分析與線性判別分析 │ │ │ │ ├── 降維算法.zip │ │ │ │ ├── 9-LDA與PCA算法.pdf │ │ │ ├── 8-Kmeans代碼實(shí)現(xiàn) │ │ │ │ ├── Kmeans-代碼實(shí)現(xiàn).zip │ │ │ ├── 31-HMM應(yīng)用實(shí)例 │ │ │ │ ├── HMM │ │ │ │ │ ├── __pycache__ │ │ │ │ │ │ ├── get_hmm_param.cpython-36.pyc │ │ │ │ │ │ ├── data.cpython-36.pyc │ │ │ │ │ ├── hmm_start.py │ │ │ │ │ ├── get_hmm_param.py │ │ │ │ │ ├── data.py │ │ │ │ ├── 時(shí)間序列.ipynb │ │ │ │ ├── data2.csv │ │ │ │ ├── hmm實(shí)踐.ipynb │ │ │ ├── 29-主成分分析降維算法解讀 │ │ │ │ ├── 降維算法.zip │ │ │ ├── 18-神經(jīng)網(wǎng)絡(luò)代碼實(shí)現(xiàn) │ │ │ │ ├── 神經(jīng)網(wǎng)絡(luò)-代碼實(shí)現(xiàn).zip │ │ │ ├── 24-代碼實(shí)現(xiàn)word2vec詞向量模型 │ │ │ │ ├── 18.Tensorflow自己打造word2vec │ │ │ │ │ ├── word2vec │ │ │ │ │ │ ├── word2vec.zip │ │ │ ├── 2-線性回歸代碼實(shí)現(xiàn) │ │ │ │ ├── 線性回歸-代碼實(shí)現(xiàn).zip │ │ │ ├── 5-邏輯回歸代碼實(shí)現(xiàn) │ │ │ │ ├── 邏輯回歸-代碼實(shí)現(xiàn).zip │ │ │ ├── mldata │ │ │ │ ├── mnist-original.mat │ │ │ ├── 10-決策樹原理 │ │ │ │ ├── 3-決策樹與集成算法.pdf │ │ │ ├── 16-支持向量機(jī)實(shí)驗(yàn)分析 │ │ │ │ ├── 支持向量機(jī)-實(shí)驗(yàn).zip │ │ │ ├── 15-支持向量機(jī)原理推導(dǎo) │ │ │ │ ├── 6-支持向量機(jī).pdf │ │ │ ├── 3-線性回歸實(shí)驗(yàn)分析 │ │ │ │ ├── 線性回歸-實(shí)驗(yàn).zip │ │ │ ├── 26-打造音樂推薦系統(tǒng) │ │ │ │ ├── Python實(shí)現(xiàn)音樂推薦系統(tǒng).zip │ │ │ ├── 13-集成算法原理 │ │ │ │ ├── 3-決策樹與集成算法.pdf │ │ │ ├── 14-集成算法實(shí)驗(yàn)分析 │ │ │ │ ├── mldata │ │ │ │ │ ├── mnist-original.mat │ │ │ │ ├── 隨機(jī)森林與集成算法-實(shí)驗(yàn).zip │ │ │ ├── 1-線性回歸原理推導(dǎo) │ │ │ │ ├── 2-回歸算法.pdf │ │ │ ├── 23-詞向量word2vec通俗解讀 │ │ │ │ ├── NLP核心模型-word2vec.zip │ │ │ ├── 6-邏輯回歸實(shí)驗(yàn)分析 │ │ │ │ ├── 邏輯回歸-實(shí)驗(yàn).zip │ │ │ ├── 22-關(guān)聯(lián)規(guī)則代碼實(shí)現(xiàn) │ │ │ │ ├── Apriori-代碼實(shí)現(xiàn).zip │ │ │ ├── 25-推薦系統(tǒng)原理 │ │ │ │ ├── 7-推薦系統(tǒng).pdf │ ├── 模塊15 │ │ ├── 2-Finetuning.zip │ │ ├── ner.zip │ │ ├── 1-Transformers.zip │ │ ├── BERT系列.pptx │ │ ├── Summarization.zip │ ├── 模塊12 │ ├── 模塊01(新) │ │ ├── day05 數(shù)據(jù)類型（上） │ │ │ ├── 筆記 │ │ │ │ ├── assets │ │ │ │ │ ├── image-20201102172217820.png │ │ │ │ │ ├── image-20201102190227431.png │ │ │ │ ├── day05 數(shù)據(jù)類型.md │ │ │ ├── 代碼和作業(yè)答案 │ │ │ │ ├── 5.今日作業(yè)講解.py │ │ │ │ ├── 2.字符串.py │ │ │ │ ├── 1.整型.py │ │ │ │ ├── 3.字符串練習(xí)題.py │ │ │ │ ├── demo.py │ │ │ │ ├── 4.字符串公共功能.py │ │ ├── day01 計(jì)算機(jī)基礎(chǔ)和環(huán)境搭建 │ │ │ ├── pycharm插件 │ │ │ │ ├── jetbrains-agent-latest.zip │ │ │ ├── 筆記和作業(yè)答案 │ │ │ │ ├── assets │ │ │ │ │ ├── image-20201021185430525.png │ │ │ │ │ ├── image-20201021214518950.png │ │ │ │ │ ├── image-20201022105833337.png │ │ │ │ │ ├── image-20201021214459011.png │ │ │ │ │ ├── image-20201021204525830.png │ │ │ │ │ ├── image-20201021205002626.png │ │ │ │ ├── day01 作業(yè)講解.md │ │ │ │ ├── day01 計(jì)算機(jī)基礎(chǔ)和環(huán)境搭建.md │ │ │ ├── pycharm插件.zip │ │ │ ├── 解碼多多一鍵永久.rar │ │ ├── day07 數(shù)據(jù)類型（下） │ │ │ ├── 筆記 │ │ │ │ ├── assets │ │ │ │ │ ├── image-20201120193837492.png │ │ │ │ │ ├── image-20201121131221807.png │ │ │ │ │ ├── image-20201121190846593.png │ │ │ │ │ ├── image-20201120190454120.png │ │ │ │ ├── day07.md │ │ │ ├── 代碼和作業(yè)答案 │ │ │ │ ├── 1.字典獨(dú)有功能練習(xí)講解.py │ │ │ │ ├── 2.字典的刪除.py │ │ │ │ ├── 3.浮點(diǎn)型.py │ │ │ │ ├── 4.精確的小數(shù)計(jì)算.py │ │ │ │ ├── 5.今日作業(yè)講解.py │ │ ├── day02 快速上手 │ │ │ ├── 代碼 │ │ │ │ ├── 類型轉(zhuǎn)換.py │ │ │ │ ├── 條件嵌套-10086.py │ │ │ │ ├── 注釋.py │ │ │ │ ├── 變量.py │ │ │ │ ├── 條件語(yǔ)句練習(xí)題.py │ │ │ │ ├── 布爾類型.py │ │ │ │ ├── first.py │ │ │ │ ├── 輸出練習(xí)題.py │ │ │ │ ├── 輸出.py │ │ │ │ ├── 條件語(yǔ)句.py │ │ │ │ ├── 類型的比較.py │ │ │ │ ├── 布爾類型實(shí)例.py │ │ │ │ ├── 整形.py │ │ │ │ ├── 作業(yè).py │ │ │ │ ├── 輸入.py │ │ │ │ ├── 數(shù)據(jù)類型作業(yè)講解.py │ │ │ │ ├── 字符串.py │ │ │ ├── 筆記和作業(yè)答案 │ │ │ │ ├── assets │ │ │ │ │ ├── image-20201011163427166.png │ │ │ │ │ ├── image-20201011163344305.png │ │ │ │ │ ├── image-20201022205915320.png │ │ │ │ │ ├── image-20201011163503412.png │ │ │ │ │ ├── image-20201011163312491.png │ │ │ │ │ ├── image-20201022211946339.png │ │ │ │ │ ├── image-20201011163528779.png │ │ │ │ │ ├── image-20201022203737151.png │ │ │ │ ├── day02 快速上手.md │ │ │ │ ├── day02 作業(yè)答案.md │ │ ├── day03 Python基礎(chǔ) │ │ │ ├── 筆記 │ │ │ │ ├── assets │ │ │ │ │ ├── image-20201011165419956.png │ │ │ │ │ ├── image-20201011165434014.png │ │ │ │ │ ├── image-20201011165609137.png │ │ │ │ │ ├── image-20201011164127284.png │ │ │ │ │ ├── image-20201011165530169.png │ │ │ │ │ ├── image-20201011165501909.png │ │ │ │ │ ├── image-20201011165515812.png │ │ │ │ ├── day03 Python基礎(chǔ).md │ │ │ │ ├── day03 作業(yè)答案講解.md │ │ │ ├── 代碼和作業(yè)答案 │ │ │ │ ├── 5.邏輯運(yùn)算面試題.py │ │ │ │ ├── 3.百分號(hào)格式化.py │ │ │ │ ├── 6.作業(yè)題講解.py │ │ │ │ ├── 4.f格式化.py │ │ │ │ ├── 1.用戶登錄案例.py │ │ │ │ ├── 2.循環(huán)練習(xí)題講解.py │ │ ├── day08 階段總結(jié)和考試 │ │ │ ├── 考試題 │ │ │ │ ├── 第一階段 │ │ │ │ │ ├── 第一階段 考試題.md │ │ │ │ │ ├── 第一階段 考試題（答案）.md │ │ │ ├── 代碼 │ │ │ │ ├── data_utils │ │ │ │ │ ├── x2.py │ │ │ │ │ ├── __int__.py │ │ │ │ │ ├── x1.py │ │ │ │ ├── date_frame.py │ │ │ │ ├── page.py │ │ │ ├── 筆記 │ │ │ │ ├── assets │ │ │ │ │ ├── image-20201122135126441.png │ │ │ │ │ ├── image-20201122122813525.png │ │ │ │ │ ├── image-20201122112314543.png │ │ │ │ │ ├── image-20201122112505721.png │ │ │ │ ├── day08.md │ │ │ ├── Python基礎(chǔ).xmind │ │ ├── day06 數(shù)據(jù)類型（中） │ │ │ ├── 代碼和作業(yè)答案 │ │ │ │ ├── 3.獲取unicode表示.py │ │ │ │ ├── 6.最后的作業(yè).py │ │ │ │ ├── 4.列表的刪除.py │ │ │ │ ├── 2.列表的排序.py │ │ │ │ ├── 5.列表階段作業(yè)題.py │ │ │ │ ├── 1.列表的追加.py │ │ │ ├── 筆記 │ │ │ │ ├── day06 數(shù)據(jù)類型.md │ │ ├── 學(xué)前必備 │ │ │ ├── assets │ │ │ │ ├── image-20201011130623276.png │ │ │ │ ├── image-20201011133122518.png │ │ │ │ ├── image-20201011130339602.png │ │ │ │ ├── image-20201011131931183.png │ │ │ │ ├── image-20201011132632820.png │ │ │ │ ├── image-20201011125657758.png │ │ │ │ ├── image-20201011131441988.png │ │ │ │ ├── image-20201011125909612.png │ │ │ │ ├── image-20201011095336789.png │ │ │ │ ├── image-20201011131419006.png │ │ │ │ ├── image-20201011095314682.png │ │ │ │ ├── image-20201011131100278.png │ │ │ ├── pycharm-professional-2020.1.3.dmg │ │ │ ├── typora1117.exe │ │ │ ├── 學(xué)前必備.md │ │ │ ├── typora01118.dmg │ │ │ ├── pycharm-professional-2020.1.3.exe │ │ ├── day04 進(jìn)制和編碼 │ │ │ ├── 代碼 │ │ │ │ ├── 1.進(jìn)制轉(zhuǎn)換.py │ │ │ │ ├── 2.寫文件示例.py │ │ │ │ ├── 3.字符串和字節(jié)的相互轉(zhuǎn)換.py │ │ │ │ ├── log.txt │ │ │ ├── 筆記 │ │ │ │ ├── assets │ │ │ │ │ ├── image-20201026111752410.png │ │ │ │ │ ├── image-20201025180124802.png │ │ │ │ │ ├── image-20201026111741235.png │ │ │ │ │ ├── 截屏2020-10-25 下午5.36.39.png │ │ │ │ │ ├── image-20201025174321969.png │ │ │ │ │ ├── 截屏2020-10-25 下午5.15.51.png │ │ │ │ ├── day04 進(jìn)制和編碼.md │ ├── 目標(biāo)追蹤與姿態(tài)估計(jì)項(xiàng)目實(shí)戰(zhàn) │ │ ├── 基礎(chǔ)補(bǔ)充-Resnet模型及其應(yīng)用實(shí)例 │ │ │ ├── 基于Resnet的醫(yī)學(xué)數(shù)據(jù)集分類實(shí)戰(zhàn).zip │ │ │ ├── Resnet.pptx │ │ ├── 第五六七章：YOLO目標(biāo)檢測(cè) │ │ │ ├── COCO-DATA │ │ │ │ ├── COCO數(shù)據(jù)集.txt │ │ │ ├── 訓(xùn)練自己的數(shù)據(jù)集 │ │ │ │ ├── 構(gòu)建自己的數(shù)據(jù)集.docx │ │ │ │ ├── json2yolo.py │ │ │ ├── YOLO5.zip │ │ │ ├── YOLO新版.pdf │ │ │ ├── NEU-DET.zip │ │ ├── 第二章：OpenPose算法源碼分析.zip │ │ ├── 第一章：姿態(tài)估計(jì)OpenPose系列算法解讀.pdf │ │ ├── 第三章：Deepsort算法知識(shí)點(diǎn)解讀.pdf │ │ ├── 基礎(chǔ)補(bǔ)充-PyTorch框架基本處理操作.zip │ │ ├── 第四章：Deepsort源碼解讀.zip │ │ ├── 基礎(chǔ)補(bǔ)充-PyTorch框架必備核心模塊解讀.zip │ ├── 模塊06 │ │ ├── 第6模塊：Python數(shù)據(jù)分析與機(jī)器學(xué)習(xí)實(shí)戰(zhàn)集錦.zip │ ├── 模塊11 │ ├── 模塊16 │ ├── 模塊14 │ ├── 模塊02(新) │ │ ├── seaborn可視化課件代碼 │ │ │ ├── Seaborn可視化基礎(chǔ).ipynb │ │ │ ├── Seaborn常用圖像繪制.ipynb │ │ ├── 1.numpy(新)課件 │ │ │ ├── 01-Jupyter notebook(1).ipynb │ │ │ ├── 01-Jupyter notebook.ipynb │ │ │ ├── 03-Numpy 進(jìn)階(1).ipynb │ │ │ ├── 02-NumPy quickstart.ipynb │ │ │ ├── 02-NumPy quickstart(1).ipynb │ │ │ ├── 03-Numpy 進(jìn)階.ipynb │ │ │ ├── lss.jfif │ │ │ ├── lss(1).jfif │ │ ├── 2.pandas(新)課件 │ │ │ ├── csv文件(1).csv │ │ │ ├── m_data(1).csv │ │ │ ├── txt文件.txt │ │ │ ├── excel文件(1).xlsx │ │ │ ├── 04-Pandas 核心數(shù)據(jù)類型.ipynb │ │ │ ├── 分組練習(xí)數(shù)據(jù)heros(1).xlsx │ │ │ ├── tools.py │ │ │ ├── 05-Pandas 數(shù)據(jù)處理(1).ipynb │ │ │ ├── 06-Pandas 高級(jí)數(shù)據(jù)處理(1).ipynb │ │ │ ├── 合并表格案例.xlsx │ │ │ ├── csv文件.csv │ │ │ ├── 分組練習(xí)數(shù)據(jù)heros.xlsx │ │ │ ├── 06-Pandas 高級(jí)數(shù)據(jù)處理.ipynb │ │ │ ├── m_data.xlsx │ │ │ ├── 合并表格案例(1).xlsx │ │ │ ├── m_data.csv │ │ │ ├── 電商用戶數(shù)據(jù)(1).xlsx │ │ │ ├── tools(1).py │ │ │ ├── 分組表格案例.xlsx │ │ │ ├── txt文件(1).txt │ │ │ ├── m_data(1).xlsx │ │ │ ├── excel文件.xlsx │ │ │ ├── 04-Pandas 核心數(shù)據(jù)類型(1).ipynb │ │ │ ├── 05-Pandas 數(shù)據(jù)處理.ipynb │ │ │ ├── 分組表格案例(1).xlsx │ │ │ ├── 電商用戶數(shù)據(jù).xlsx │ │ ├── Anaconda安裝配置 │ │ │ ├── Anaconda3-5.1.0-Windows-x86_64.exe │ │ │ ├── Anaconda安裝配置.pdf │ │ │ ├── Anaconda3-5.1.0-Windows-x86_64(1).exe │ │ │ ├── Anaconda安裝配置(1).pdf │ │ ├── matplotlib繪圖 │ │ │ ├── Matplotlib繪圖(1).ipynb │ │ │ ├── 圖片組成.png │ │ │ ├── Matplotlib繪圖.ipynb │ │ │ ├── 蒙納超剛黑簡(jiǎn).ttf │ │ │ ├── 騰祥范笑歌楷書簡(jiǎn)(1).ttf │ │ │ ├── 騰祥范笑歌楷書簡(jiǎn).ttf │ │ │ ├── 小姐姐(1).jfif │ │ │ ├── 圖片組成(1).png │ │ │ ├── my_circle(1).png │ │ │ ├── 辣雞心心體.ttf │ │ │ ├── 辣雞心心體(1).ttf │ │ │ ├── 小姐姐.jfif │ │ │ ├── 蒙納超剛黑簡(jiǎn)(1).ttf │ │ │ ├── my_circle.png │ │ ├── 路飛Miniconda安裝配置.pdf │ ├── 模塊05 │ ├── 模塊08 │ │ ├── 第8模塊：深度學(xué)習(xí)入門.zip │ ├── 舊模塊內(nèi)容 │ │ ├── 第1，2模塊：Python數(shù)據(jù)科學(xué)必備庫(kù)（4個(gè)）.zip │ ├── 模塊03 │ │ ├── 統(tǒng)計(jì)分析 │ │ │ ├── 統(tǒng)計(jì)分析 │ │ │ │ ├── 回歸分析 │ │ │ │ │ ├── 汽車價(jià)格預(yù)測(cè) │ │ │ │ │ │ ├── Auto-Data.csv │ │ │ │ │ │ ├── 汽車價(jià)格預(yù)測(cè).ipynb │ │ │ │ │ ├── img │ │ │ │ │ │ ├── 27.png │ │ │ │ │ │ ├── 17.png │ │ │ │ │ │ ├── 13.png │ │ │ │ │ │ ├── 24.png │ │ │ │ │ │ ├── 9.png │ │ │ │ │ │ ├── 1.png │ │ │ │ │ │ ├── 18.png │ │ │ │ │ │ ├── 26.png │ │ │ │ │ │ ├── 34.png │ │ │ │ │ │ ├── 6.png │ │ │ │ │ │ ├── 35.png │ │ │ │ │ │ ├── 21.png │ │ │ │ │ │ ├── 11.png │ │ │ │ │ │ ├── 7.png │ │ │ │ │ │ ├── 16.png │ │ │ │ │ │ ├── 33.png │ │ │ │ │ │ ├── 19.png │ │ │ │ │ │ ├── 20.png │ │ │ │ │ │ ├── 37.png │ │ │ │ │ │ ├── 22.png │ │ │ │ │ │ ├── 30.png │ │ │ │ │ │ ├── 36.png │ │ │ │ │ │ ├── 3.png │ │ │ │ │ │ ├── 25.png │ │ │ │ │ │ ├── 31.png │ │ │ │ │ │ ├── 10.png │ │ │ │ │ │ ├── 39.png │ │ │ │ │ │ ├── 23.png │ │ │ │ │ │ ├── 29.png │ │ │ │ │ │ ├── 2.png │ │ │ │ │ │ ├── 5.png │ │ │ │ │ │ ├── 32.png │ │ │ │ │ │ ├── 8.png │ │ │ │ │ │ ├── 4.png │ │ │ │ │ │ ├── 28.png │ │ │ │ │ │ ├── 38.png │ │ │ │ │ │ ├── 14.png │ │ │ │ │ │ ├── 12.png │ │ │ │ │ │ ├── 15.png │ │ │ │ │ ├── 回歸分析.ipynb │ │ │ │ │ ├── weight.csv │ │ │ │ │ ├── 身體-體重.ipynb │ │ │ │ │ ├── 回歸算法.pdf │ │ │ │ │ ├── 回歸分析-statsmodel.ipynb │ │ │ │ ├── 相關(guān)分析 │ │ │ │ │ ├── img │ │ │ │ │ │ ├── 29.png │ │ │ │ │ │ ├── 38.png │ │ │ │ │ │ ├── 31.png │ │ │ │ │ │ ├── 49.png │ │ │ │ │ │ ├── 8.png │ │ │ │ │ │ ├── 47.png │ │ │ │ │ │ ├── 52.png │ │ │ │ │ │ ├── 6.png │ │ │ │ │ │ ├── 53.png │ │ │ │ │ │ ├── 14.png │ │ │ │ │ │ ├── 30.png │ │ │ │ │ │ ├── 19.png │ │ │ │ │ │ ├── 34.png │ │ │ │ │ │ ├── 7.png │ │ │ │ │ │ ├── 21.png │ │ │ │ │ │ ├── 9.png │ │ │ │ │ │ ├── 12.png │ │ │ │ │ │ ├── 2.png │ │ │ │ │ │ ├── 22.png │ │ │ │ │ │ ├── 28.png │ │ │ │ │ │ ├── 40.png │ │ │ │ │ │ ├── 45.png │ │ │ │ │ │ ├── 20.png │ │ │ │ │ │ ├── 37.png │ │ │ │ │ │ ├── 46.png │ │ │ │ │ │ ├── 51.png │ │ │ │ │ │ ├── 32.png │ │ │ │ │ │ ├── 27.png │ │ │ │ │ │ ├── 25.png │ │ │ │ │ │ ├── 36.png │ │ │ │ │ │ ├── 5.png │ │ │ │ │ │ ├── 17.png │ │ │ │ │ │ ├── 50.png │ │ │ │ │ │ ├── 15.png │ │ │ │ │ │ ├── 33.png │ │ │ │ │ │ ├── 10.png │ │ │ │ │ │ ├── 23.png │ │ │ │ │ │ ├── 16.png │ │ │ │ │ │ ├── 1.png │ │ │ │ │ │ ├── 48.png │ │ │ │ │ │ ├── 39.png │ │ │ │ │ │ ├── 41.png │ │ │ │ │ │ ├── 13.png │ │ │ │ │ │ ├── 44.png │ │ │ │ │ │ ├── 35.png │ │ │ │ │ │ ├── 43.png │ │ │ │ │ │ ├── 3.png │ │ │ │ │ │ ├── 24.png │ │ │ │ │ │ ├── 42.png │ │ │ │ │ │ ├── 11.png │ │ │ │ │ │ ├── 4.png │ │ │ │ │ │ ├── 18.png │ │ │ │ │ │ ├── 26.png │ │ │ │ │ ├── 相關(guān)分析.ipynb │ │ │ │ │ ├── Untitled.ipynb │ │ │ │ ├── 描述統(tǒng)計(jì) │ │ │ │ │ ├── img │ │ │ │ │ │ ├── 1.png │ │ │ │ │ │ ├── 4.png │ │ │ │ │ │ ├── 7.png │ │ │ │ │ │ ├── 3.png │ │ │ │ │ │ ├── 6.png │ │ │ │ │ │ ├── 5.png │ │ │ │ │ │ ├── 2.png │ │ │ │ │ ├── 恐怖襲擊統(tǒng)計(jì)描述.ipynb │ │ │ │ │ ├── 描述統(tǒng)計(jì).ipynb │ │ │ │ │ ├── globalterrorismdb_0617dist.csv │ │ │ │ │ ├── kaggle數(shù)據(jù)調(diào)查.zip │ │ │ │ │ ├── pima-indians-diabetes.data │ │ │ │ ├── 邏輯回歸 │ │ │ │ │ ├── 梯度下降求解邏輯回歸.zip │ │ │ │ ├── 貝葉斯分析 │ │ │ │ │ ├── 貝葉斯分析 │ │ │ │ │ │ ├── styles │ │ │ │ │ │ │ ├── matplotlibrc │ │ │ │ │ │ │ ├── bmh_matplotlibrc.json │ │ │ │ │ │ │ ├── custom.css │ │ │ │ │ │ ├── images │ │ │ │ │ │ │ ├── hemophilia.png │ │ │ │ │ │ │ ├── dag.png │ │ │ │ │ │ │ ├── fisher.png │ │ │ │ │ │ │ ├── prob_model.png │ │ │ │ │ │ │ ├── conditional.png │ │ │ │ │ │ │ ├── bayes.png │ │ │ │ │ │ │ ├── bayes_formula.png │ │ │ │ │ │ │ ├── can-of-worms.jpg │ │ │ │ │ │ │ ├── 123.png │ │ │ │ │ │ ├── img │ │ │ │ │ │ │ ├── 4.png │ │ │ │ │ │ │ ├── 1.png │ │ │ │ │ │ │ ├── 3.png │ │ │ │ │ │ │ ├── 2.png │ │ │ │ │ │ ├── data │ │ │ │ │ │ │ ├── cancer.csv │ │ │ │ │ │ ├── 貝葉斯分析.ipynb │ │ │ │ │ ├── 貝葉斯建模 │ │ │ │ │ │ ├── img │ │ │ │ │ │ │ ├── 3.png │ │ │ │ │ │ │ ├── 6.png │ │ │ │ │ │ │ ├── 4.png │ │ │ │ │ │ │ ├── 5.png │ │ │ │ │ │ ├── data │ │ │ │ │ │ │ ├── hangout_chat_data.csv │ │ │ │ │ │ ├── styles │ │ │ │ │ │ │ ├── custom.css │ │ │ │ │ │ ├── graphics │ │ │ │ │ │ │ ├── Neg Binomial Dag.png │ │ │ │ │ │ │ ├── Bayes Factor DAG.png │ │ │ │ │ │ │ ├── dag neg poisson gamma hyper.png │ │ │ │ │ │ │ ├── dag-bayes-factor.png │ │ │ │ │ │ │ ├── Poisson-dag.png │ │ │ │ │ │ │ ├── dag-partial-pooled-model.png │ │ │ │ │ │ │ ├── Neg Binomial Hierarchal.png │ │ │ │ │ │ │ ├── cover.png │ │ │ │ │ │ │ ├── posterior-predictive-distribution.png │ │ │ │ │ │ │ ├── mcmc-animate.gif │ │ │ │ │ │ ├── 貝葉斯建模.ipynb │ │ │ │ ├── 統(tǒng)計(jì)分布 │ │ │ │ │ ├── notebooks │ │ │ │ │ │ ├── img │ │ │ │ │ │ │ ├── 2.png │ │ │ │ │ │ │ ├── 6.png │ │ │ │ │ │ │ ├── 3.png │ │ │ │ │ │ │ ├── 1.png │ │ │ │ │ │ │ ├── 5.png │ │ │ │ │ │ │ ├── 4.png │ │ │ │ │ │ │ ├── 7.png │ │ │ │ │ │ ├── 均勻分布、.ipynb │ │ │ │ │ │ ├── Beta 分布.ipynb │ │ │ │ │ │ ├── 卡方分布（Chi-Squared Distribution）.ipynb │ │ │ │ │ │ ├── 泊松分布（Poisson Distribution）.ipynb │ │ │ │ │ │ ├── 二項(xiàng)式分布（Binomial Distribution）.ipynb │ │ │ │ │ │ ├── 正太分布.ipynb │ │ │ │ ├── 因子分析 │ │ │ │ │ ├── 降維算法 │ │ │ │ │ │ ├── LDA │ │ │ │ │ │ │ ├── 3.png │ │ │ │ │ │ │ ├── LDA.ipynb │ │ │ │ │ │ │ ├── 2.png │ │ │ │ │ │ │ ├── 6.png │ │ │ │ │ │ │ ├── 5.png │ │ │ │ │ │ │ ├── 4.png │ │ │ │ │ │ │ ├── 7.png │ │ │ │ │ │ │ ├── 1.png │ │ │ │ │ │ ├── PCA │ │ │ │ │ │ │ ├── iris.data │ │ │ │ │ │ │ ├── PCA.ipynb │ │ │ │ │ ├── 因子分析.ipynb │ │ │ │ │ ├── LDA與PCA算法.pdf │ │ │ │ ├── 方差分析 │ │ │ │ │ ├── img │ │ │ │ │ │ ├── 1.png │ │ │ │ │ │ ├── 33.png │ │ │ │ │ │ ├── 9.png │ │ │ │ │ │ ├── 31.png │ │ │ │ │ │ ├── 15.png │ │ │ │ │ │ ├── 14.png │ │ │ │ │ │ ├── 12.png │ │ │ │ │ │ ├── 34.png │ │ │ │ │ │ ├── 35.png │ │ │ │ │ │ ├── 11.png │ │ │ │ │ │ ├── 13.png │ │ │ │ │ │ ├── 18.png │ │ │ │ │ │ ├── 20.png │ │ │ │ │ │ ├── 16.png │ │ │ │ │ │ ├── 37.png │ │ │ │ │ │ ├── 26.png │ │ │ │ │ │ ├── 36.png │ │ │ │ │ │ ├── 27.png │ │ │ │ │ │ ├── 28.png │ │ │ │ │ │ ├── 25.png │ │ │ │ │ │ ├── 23.png │ │ │ │ │ │ ├── 17.png │ │ │ │ │ │ ├── 8.png │ │ │ │ │ │ ├── 29.png │ │ │ │ │ │ ├── 10.png │ │ │ │ │ │ ├── 24.png │ │ │ │ │ │ ├── 21.png │ │ │ │ │ │ ├── 4.png │ │ │ │ │ │ ├── 5.png │ │ │ │ │ │ ├── 19.png │ │ │ │ │ │ ├── 2.png │ │ │ │ │ │ ├── 6.png │ │ │ │ │ │ ├── 22.png │ │ │ │ │ │ ├── 32.png │ │ │ │ │ │ ├── 3.png │ │ │ │ │ │ ├── 30.png │ │ │ │ │ │ ├── 7.png │ │ │ │ │ ├── 方差分析實(shí)例.ipynb │ │ │ │ │ ├── 方差分析.ipynb │ │ │ │ ├── 假設(shè)檢驗(yàn) │ │ │ │ │ ├── img │ │ │ │ │ │ ├── 18.png │ │ │ │ │ │ ├── 3.png │ │ │ │ │ │ ├── 15.png │ │ │ │ │ │ ├── 1.png │ │ │ │ │ │ ├── 40.png │ │ │ │ │ │ ├── 20.png │ │ │ │ │ │ ├── 30.png │ │ │ │ │ │ ├── 34.png │ │ │ │ │ │ ├── 17.png │ │ │ │ │ │ ├── 25.png │ │ │ │ │ │ ├── 13.png │ │ │ │ │ │ ├── 31.png │ │ │ │ │ │ ├── 33.png │ │ │ │ │ │ ├── 19.png │ │ │ │ │ │ ├── 7.png │ │ │ │ │ │ ├── 37.png │ │ │ │ │ │ ├── 9.png │ │ │ │ │ │ ├── 38.png │ │ │ │ │ │ ├── 29.png │ │ │ │ │ │ ├── 23.png │ │ │ │ │ │ ├── 6.png │ │ │ │ │ │ ├── 32.png │ │ │ │ │ │ ├── 24.png │ │ │ │ │ │ ├── 21.png │ │ │ │ │ │ ├── 8.png │ │ │ │ │ │ ├── 4.png │ │ │ │ │ │ ├── 16.png │ │ │ │ │ │ ├── 28.png │ │ │ │ │ │ ├── 26.png │ │ │ │ │ │ ├── 35.png │ │ │ │ │ │ ├── 5.png │ │ │ │ │ │ ├── 12.png │ │ │ │ │ │ ├── 36.png │ │ │ │ │ │ ├── 14.png │ │ │ │ │ │ ├── 39.png │ │ │ │ │ │ ├── 22.png │ │ │ │ │ │ ├── 2.png │ │ │ │ │ │ ├── 27.png │ │ │ │ │ │ ├── 11.png │ │ │ │ │ │ ├── 10.png │ │ │ │ │ ├── 假設(shè)檢驗(yàn)實(shí)例 │ │ │ │ │ │ ├── 假設(shè)檢驗(yàn)實(shí)例.ipynb │ │ │ │ │ │ ├── normtemp.txt │ │ │ │ │ ├── 卡方檢驗(yàn)實(shí)例.ipynb │ │ │ │ │ ├── 假設(shè)檢驗(yàn).ipynb │ │ │ │ │ ├── us_job_market_discrimination.dta │ │ │ │ ├── 聚類分析 │ │ │ │ │ ├── datasets │ │ │ │ │ │ ├── ch1ex1.csv │ │ │ │ │ │ ├── ch1ex2.csv │ │ │ │ │ │ ├── seeds-less-rows.csv │ │ │ │ │ │ ├── company-stock-movements-2010-2015-incl.csv │ │ │ │ │ │ ├── eurovision-2016-televoting.csv │ │ │ │ │ │ ├── fish.csv │ │ │ │ │ │ ├── seeds.csv │ │ │ │ │ ├── img │ │ │ │ │ │ ├── 10.png │ │ │ │ │ │ ├── 4.png │ │ │ │ │ │ ├── 1.png │ │ │ │ │ │ ├── 3.png │ │ │ │ │ │ ├── 2.png │ │ │ │ │ │ ├── 5.png │ │ │ │ │ │ ├── 6.png │ │ │ │ │ │ ├── 7.png │ │ │ │ │ │ ├── 8.png │ │ │ │ │ │ ├── 9.png │ │ │ │ │ ├── images │ │ │ │ │ │ ├── seeds.png │ │ │ │ │ │ ├── cluster_linkage_riddle.png │ │ │ │ │ ├── K-means實(shí)例.ipynb │ │ │ │ │ ├── 層次聚類實(shí)例.ipynb │ │ │ │ │ ├── 層次聚類.ipynb │ │ │ ├── 統(tǒng)計(jì)分析-數(shù)據(jù)代碼.zip │ │ ├── 激活函數(shù).pdf │ │ ├── SVD.pdf │ │ ├── 泰勒公式.pdf │ │ ├── 第3模塊：數(shù)學(xué)基礎(chǔ).zip │ │ ├── 后驗(yàn)概率估計(jì).pdf │ │ ├── 4-聚類算法.pdf │ │ ├── 概率論.pdf │ │ ├── 5-貝葉斯算法（第十七章）.pdf │ │ ├── 微積分.pdf │ │ ├── 梯度.pdf │ │ ├── 熵.pdf │ │ ├── 特征值與特征向量.pdf │ │ ├── 似然函數(shù).pdf │ │ ├── 拉格朗日乘子法.pdf │ │ ├── 核函數(shù).pdf │ │ ├── 高等數(shù)學(xué).pdf │ │ ├── 矩陣.pdf │ │ ├── 概率分布與概率密度.pdf │ ├── 模塊07 │ │ ├── 第7模塊：數(shù)據(jù)挖掘競(jìng)賽-優(yōu)勝解決方案.zip │ ├── 模塊13 │ ├── 12-14模塊.zip │ ├── 15-16模塊.zip │ ├── 9-11模塊.zip │ ├── 1-5模塊.zip │ ├── 6-8模塊.zip ├── 第03模塊：人工智能-必備數(shù)學(xué)課程（新） │ ├── 6.5 極大似然估計(jì).mp4 │ ├── 11.4 最小二乘法推導(dǎo)與求解.mp4 │ ├── 11.14 案例：預(yù)處理問題.mp4 │ ├── 16.12 模型診斷.mp4 │ ├── 11.15 案例：回歸求解.mp4 │ ├── 9.4 核函數(shù)實(shí)例.mp4 │ ├── 15.3 層次聚類實(shí)例.mp4 │ ├── 2.5 牛頓.萊布尼茨公式.mp4 │ ├── 12.8 卡方檢驗(yàn).mp4 │ ├── 4.5 矩陣的秩.mp4 │ ├── 13.5 肯德爾系數(shù).mp4 │ ├── 9.2 線性核函數(shù).mp4 │ ├── 11.13 案例：特征相關(guān)性.mp4 │ ├── 3.2 一點(diǎn)一世界.mp4 │ ├── 14.3 方差分析計(jì)算方法.mp4 │ ├── 3.3 階數(shù)的作用.mp4 │ ├── 11.5 回歸方程求解小例子.mp4 │ ├── 1.3 極限.mp4 │ ├── 7.8 邊緣分布.mp4 │ ├── 7.2 古典概型.mp4 │ ├── 2.3 定積分.mp4 │ ├── 16.1 貝葉斯分析概述.mp4 │ ├── 5.4 特征值分解.mp4 │ ├── 3.1 泰勒公式出發(fā)點(diǎn).mp4 │ ├── 4.3 矩陣基本操作.mp4 │ ├── 8.5 卡方分布.mp4 │ ├── 16.8 貝葉斯解釋.mp4 │ ├── 16.5 貝葉斯推導(dǎo)實(shí)例.mp4 │ ├── 13.6 質(zhì)量相關(guān)分析.mp4 │ ├── 11.2 回歸方程定義.mp4 │ ├── 2.1 微積分基本想法.mp4 │ ├── 16.9 經(jīng)典求解思路.mp4 │ ├── 1.1 課程簡(jiǎn)介.mp4 │ ├── 14.1 方差分析概述.mp4 │ ├── 11.10 高階與分類變量實(shí)例.mp4 │ ├── 7.7 二維連續(xù)型隨機(jī)變量.mp4 │ ├── 7.6 二維離散型隨機(jī)變量.mp4 │ ├── 12.7 T檢驗(yàn)應(yīng)用條件.mp4 │ ├── 8.2 二項(xiàng)式分布.mp4 │ ├── 16.6 貝葉斯拼寫糾錯(cuò)實(shí)例.mp4 │ ├── 11.8 Python工具包介紹.mp4 │ ├── 4.6 內(nèi)積與正交.mp4 │ ├── 8.1 正太分布.mp4 │ ├── 3.5 拉格朗日乘子法.mp4 │ ├── 1.5 連續(xù)性與導(dǎo)數(shù).mp4 │ ├── 12.1 假設(shè)檢驗(yàn)基本思想.mp4 │ ├── 7.15 垃圾郵件過濾實(shí)例.mp4 │ ├── 12.2 左右側(cè)檢驗(yàn)與雙側(cè)檢驗(yàn).mp4 │ ├── 12.5 T檢驗(yàn)基本原理.mp4 │ ├── 11.7 多元與曲線回歸問題.mp4 │ ├── 15.2 層次聚類流程.mp4 │ ├── 15.9 DBSCAN可視化展示.mp4 │ ├── 9.1 核函數(shù)的目的.mp4 │ ├── 10.1 熵的概念.mp4 │ ├── 16.10 MCMC概述.mp4 │ ├── 9.3 多項(xiàng)式核函數(shù).mp4 │ ├── 4.4 矩陣的幾種變換.mp4 │ ├── 3.4 階乘的作用.mp4 │ ├── 7.4 條件概率小例子.mp4 │ ├── 5.3 SVD要解決的問題.mp4 │ ├── 14.2 方差的比較.mp4 │ ├── 7.1 概率與頻率.mp4 │ ├── 14.4 方差分析中的多重比較.mp4 │ ├── 6.4 似然函數(shù).mp4 │ ├── 8.3 泊松分布.mp4 │ ├── 14.5 多因素方差分析.mp4 │ ├── 1.2 函數(shù).mp4 │ ├── 16.13 模型決策.mp4 │ ├── 9.5 高斯核函數(shù).mp4 │ ├── 13.4 斯皮爾曼等級(jí)相關(guān).mp4 │ ├── 16.7 垃圾郵件過濾實(shí)例.mp4 │ ├── 10.3 激活函數(shù).mp4 │ ├── 3.6 求解拉格朗日乘子法.mp4 │ ├── 13.1 相關(guān)分析概述.mp4 │ ├── 12.4 Z檢驗(yàn)實(shí)例.mp4 │ ├── 12.9 假設(shè)檢驗(yàn)中的兩類錯(cuò)誤.mp4 │ ├── 7.5 獨(dú)立性.mp4 │ ├── 5.2 特征空間與應(yīng)用.mp4 │ ├── 12.11 Python卡方檢驗(yàn)實(shí)例.mp4 │ ├── 16.3 貝葉斯學(xué)派與經(jīng)典統(tǒng)計(jì)學(xué)派的爭(zhēng)論.mp4 │ ├── 11.6 回歸直線擬合優(yōu)度.mp4 │ ├── 8.6 beta分布.mp4 │ ├── 15.7 DBSCAN聚類算法.mp4 │ ├── 6.3 簡(jiǎn)單隨機(jī)抽樣.mp4 │ ├── 11.3 誤差項(xiàng)的定義.mp4 │ ├── 11.12 案例：缺失值填充.mp4 │ ├── 1.7 方向?qū)?shù).mp4 │ ├── 15.10 多種聚類算法概述.mp4 │ ├── 7.14 貝葉斯拼寫糾錯(cuò)實(shí)例.mp4 │ ├── 13.2 皮爾森相關(guān)系數(shù).mp4 │ ├── 15.6 KMEANS迭代可視化展示.mp4 │ ├── 16.4 貝葉斯算法概述.mp4 │ ├── 5.1 特征值與特征向量.mp4 │ ├── 7.11 馬爾科夫不等式.mp4 │ ├── 15.11 聚類案例實(shí)戰(zhàn).mp4 │ ├── 12.10 Python假設(shè)檢驗(yàn)實(shí)例.mp4 │ ├── 7.12 切比雪夫不等式.mp4 │ ├── 7.13 后驗(yàn)概率估計(jì).mp4 │ ├── 10.4 激活函數(shù)的問題.mp4 │ ├── 12.3 Z檢驗(yàn)基本原理.mp4 │ ├── 15.5 KMEANS工作流程.mp4 │ ├── 15.8 DBSCAN工作流程.mp4 │ ├── 13.7 偏相關(guān)與復(fù)相關(guān).mp4 │ ├── 15.4 KMEANS算法概述.mp4 │ ├── 11.11 案例：汽車價(jià)格預(yù)測(cè)任務(wù)概述.mp4 │ ├── 16.2 概率的解釋.mp4 │ ├── 4.1 行列式概述.mp4 │ ├── 5.5 SVD矩陣分解.mp4 │ ├── 4.2 矩陣與數(shù)據(jù)的關(guān)系.mp4 │ ├── 2.2 微積分的解釋.mp4 │ ├── 6.1 離散型隨機(jī)變量.mp4 │ ├── 11.1 回歸分析概述.mp4 │ ├── 2.4 定積分性質(zhì).mp4 │ ├── 7.10 期望求解.mp4 │ ├── 1.8 梯度.mp4 │ ├── 14.6 Python方差分析實(shí)例.mp4 │ ├── 8.4 均勻分布.mp4 │ ├── 6.2 連續(xù)型隨機(jī)變量.mp4 │ ├── 11.9 statsmodels回歸分析.mp4 │ ├── 1.6 偏導(dǎo)數(shù).mp4 │ ├── 12.6 T檢驗(yàn)實(shí)例.mp4 │ ├── 15.1 層次聚類概述.mp4 │ ├── 10.2 熵的大小意味著什么.mp4 │ ├── 1.4 無窮小與無窮大.mp4 │ ├── 7.9 期望.mp4 │ ├── 7.3 條件概率.mp4 │ ├── 13.3 計(jì)算與檢驗(yàn).mp4 │ ├── 9.6 參數(shù)的影響.mp4 │ ├── 16.11 PYMC3概述.mp4 ├── 第01模塊：Python快速入門（新） │ ├── 9.4 補(bǔ)充：is和==的區(qū)別？.mp4 │ ├── 8.5 集合：類型轉(zhuǎn)換.mp4 │ ├── 4.2 while循環(huán)及案例講解.mp4 │ ├── 4.11 運(yùn)算符.mp4 │ ├── 5.9 utf8編碼.mp4 │ ├── 10.23 Python練習(xí)題-1.mp4 │ ├── 10.16 函數(shù)定義.mp4 │ ├── 9.8 第一階段考試題（答案講解）.mp4 │ ├── 2.18 作業(yè)答案和講解.mp4 │ ├── 7.10 元組：定義.mp4 │ ├── 4.10 基于f字符串格式化.mp4 │ ├── 3.1 今日概要.mp4 │ ├── 4.16 作業(yè)題講解.mp4 │ ├── 10.13 賦值機(jī)制.mp4 │ ├── 4.12 運(yùn)算符：優(yōu)先級(jí).mp4 │ ├── 3.3 編程初體驗(yàn).mp4 │ ├── 10.3 Notebook工具使用.mp4 │ ├── 9.2 七條代碼規(guī)范.mp4 │ ├── 2.2 課堂筆記的創(chuàng)建.mp4 │ ├── 9.1 今日概要.mp4 │ ├── 8.15 字典：轉(zhuǎn)換和嵌套.mp4 │ ├── 10.24 Python練習(xí)題-2.mp4 │ ├── 8.7 集合：高效和嵌套.mp4 │ ├── 9.7 第一階段考試題.mp4 │ ├── 7.11 元組：公共功能.mp4 │ ├── 8.2 集合：定義.mp4 │ ├── 6.11 字符串：不允許被修改.mp4 │ ├── 10.4 Python簡(jiǎn)介.mp4 │ ├── 4.3 綜合小案例以及階段練習(xí)題.mp4 │ ├── 4.15 總結(jié)和今日作業(yè).mp4 │ ├── 9.6 階段思維導(dǎo)圖.mp4 │ ├── 3.17 基本條件語(yǔ)句-練習(xí)題講解.mp4 │ ├── 3.14 注釋.mp4 │ ├── 2.6 學(xué)習(xí)編程本質(zhì)上的三件事.mp4 │ ├── 7.8 列表：嵌套.mp4 │ ├── 3.8 字符串.mp4 │ ├── 3.16 基本條件語(yǔ)句.mp4 │ ├── 7.7 列表：類型轉(zhuǎn)換.mp4 │ ├── 7.1 今日概要.mp4 │ ├── 6.8 字符串：公共功能（一）.mp4 │ ├── 3.11 數(shù)據(jù)類型-練習(xí)題講解.mp4 │ ├── 7.5 列表：獨(dú)有功能（三）.mp4 │ ├── 3.13 變量的內(nèi)存指向關(guān)系及其練習(xí)題.mp4 │ ├── 6.5 字符串：獨(dú)有功能（三）.mp4 │ ├── 2.12 python解釋器的安裝（mac系統(tǒng)）.mp4 │ ├── 8.12 字典：獨(dú)有功能（二）.mp4 │ ├── 10.2 Python庫(kù)安裝工具.mp4 │ ├── 7.6 列表：公共功能.mp4 │ ├── 8.4 集合：公共功能.mp4 │ ├── 6.14 今日作業(yè)講解.mp4 │ ├── 9.5 補(bǔ)充：位運(yùn)算到底是干啥的？.mp4 │ ├── 7.3 列表：獨(dú)有功能（一）.mp4 │ ├── 4.9 基于format字符串格式化及補(bǔ)充.mp4 │ ├── 3.15 輸入.mp4 │ ├── 2.13 python解釋器的安裝（win系統(tǒng)）.mp4 │ ├── 4.13 運(yùn)算符：面試題相關(guān)知識(shí)和練習(xí)題.mp4 │ ├── 5.1 今日概要.mp4 │ ├── 2.14 Pycharm使用和破解（mac系統(tǒng)）.mp4 │ ├── 8.17 今日總結(jié).mp4 │ ├── 7.12 元組：轉(zhuǎn)換和嵌套.mp4 │ ├── 10.22 時(shí)間操作.mp4 │ ├── 6.4 字符串：獨(dú)有功能（一）.mp4 │ ├── 10.17 模塊與包.mp4 │ ├── 2.1 今日概要.mp4 │ ├── 4.5 break及示例講解.mp4 │ ├── 10.21 類的屬性操作.mp4 │ ├── 10.11 字典的核心操作.mp4 │ ├── 8.14 字典：公共功能.mp4 │ ├── 8.6 集合：內(nèi)部存儲(chǔ)原理.mp4 │ ├── 4.14 運(yùn)算符：練習(xí)題講解和面試題補(bǔ)充.mp4 │ ├── 6.12 今日總結(jié)和作業(yè).mp4 │ ├── 10.18 異常處理模塊.mp4 │ ├── 5.10 Python中的編碼.mp4 │ ├── 3.6 數(shù)據(jù)類型的引入.mp4 │ ├── 2.10 CPython解釋器版本.mp4 │ ├── 8.18 今日作業(yè)講解.mp4 │ ├── 4.4 練習(xí)題講解.mp4 │ ├── 10.15 循環(huán)結(jié)構(gòu).mp4 │ ├── 9.3 補(bǔ)充：pass的作用？.mp4 │ ├── 1.2 開篇：授課模式須知.mp4 │ ├── 8.16 浮點(diǎn)型.mp4 │ ├── 7.13 元組：總結(jié)和作業(yè).mp4 │ ├── 10.19 文件操作.mp4 │ ├── 10.9 List核心操作.mp4 │ ├── 3.18 多條件判斷.mp4 │ ├── 8.8 集合：練習(xí)題和講解.mp4 │ ├── 3.20 今日總結(jié)和作業(yè).mp4 │ ├── 6.13 今日作業(yè)講解.mp4 │ ├── 3.9 布爾類型.mp4 │ ├── 6.9 字符串：公共功能（二）.mp4 │ ├── 10.6 Python字符串操作.mp4 │ ├── 8.1 今日概要.mp4 │ ├── 5.6 ascii編碼.mp4 │ ├── 6.10 字符串：類型轉(zhuǎn)換.mp4 │ ├── 2.5 編譯器和解釋器.mp4 │ ├── 3.7 整形.mp4 │ ├── 5.2 python代碼的2種運(yùn)行方式.mp4 │ ├── 2.11 環(huán)境搭建說明.mp4 │ ├── 10.12 Set結(jié)構(gòu).mp4 │ ├── 2.7 編程語(yǔ)言的分類.mp4 │ ├── 5.3 進(jìn)制及相互之間的轉(zhuǎn)換.mp4 │ ├── 10.7 索引結(jié)構(gòu).mp4 │ ├── 2.8 Python介紹.mp4 │ ├── 10.10 字典基礎(chǔ)定義.mp4 │ ├── 1.5 開篇：寫在最后.mp4 │ ├── 6.2 整型.mp4 │ ├── 6.1 數(shù)據(jù)類型概要.mp4 │ ├── 5.5 單位相關(guān)練習(xí)題講解.mp4 │ ├── 6.7 字符串：練習(xí)題和講解.mp4 │ ├── 7.14 作業(yè)講解.mp4 │ ├── 8.11 字典：獨(dú)有功能（一）.mp4 │ ├── 2.15 Pycharm使用和破解（win系統(tǒng)）.mp4 │ ├── 7.4 列表：獨(dú)有功能（二）.mp4 │ ├── 7.2 列表：定義.mp4 │ ├── 5.4 計(jì)算機(jī)中的單位.mp4 │ ├── 8.10 字典：定義.mp4 │ ├── 10.5 Python數(shù)值運(yùn)算.mp4 │ ├── 8.3 集合：獨(dú)有功能.mp4 │ ├── 3.21 作業(yè)答案和講解.mp4 │ ├── 10.25 Python練習(xí)題-3.mp4 │ ├── 3.5 輸出練習(xí)題講解.mp4 │ ├── 4.1 今日概要new.mp4 │ ├── 4.8 基于%字符串格式化.mp4 │ ├── 3.10 類型轉(zhuǎn)換和數(shù)據(jù)類型相關(guān)練習(xí)題.mp4 │ ├── 2.3 常見計(jì)算機(jī)基本概念.mp4 │ ├── 2.17 今日作業(yè).mp4 │ ├── 5.11 今日總結(jié).mp4 │ ├── 1.1 開篇：講師和課程內(nèi)容介紹.mp4 │ ├── 10.20 類的基本定義.mp4 │ ├── 3.19 條件嵌套.mp4 │ ├── 10.14 判斷結(jié)構(gòu).mp4 │ ├── 8.9 None到底是個(gè)啥.mp4 │ ├── 2.16 今日總結(jié).mp4 │ ├── 1.4 開篇：筆記和文檔的編寫.mp4 │ ├── 2.4 編程語(yǔ)言.mp4 │ ├── 6.6 字符串：獨(dú)有功能（二）.mp4 │ ├── 10.8 List基礎(chǔ)結(jié)構(gòu).mp4 │ ├── 5.7 gbk編碼.mp4 │ ├── 3.2 編碼.mp4 │ ├── 1.3 開篇：學(xué)習(xí)方法的建議.mp4 │ ├── 2.9 Python解釋器種類.mp4 │ ├── 8.13 字典：練習(xí)題和講解.mp4 │ ├── 6.3 布爾類型.mp4 │ ├── 3.4 print輸出及練習(xí)題.mp4 │ ├── 5.8 unicode.mp4 │ ├── 3.12 變量及其命名規(guī)范.mp4 │ ├── 10.1 Python環(huán)境配置.mp4 │ ├── 4.7 while_else語(yǔ)法.mp4 │ ├── 4.6 continue及示例講解.mp4 │ ├── 7.9 列表：階段作業(yè)題講解.mp4 ├── 第11模塊：計(jì)算機(jī)視覺核心大項(xiàng)目實(shí)戰(zhàn)（新） │ ├── 8.4 論文整體概述.mp4 │ ├── 4.7 sotfmax層改進(jìn).mp4 │ ├── 10.12 整體框架回顧.mp4 │ ├── 7.2 遷移學(xué)習(xí)策略.mp4 │ ├── 5.7 路由層與shortcut層的作用.mp4 │ ├── 13.4 Resnet網(wǎng)絡(luò)細(xì)節(jié).mp4 │ ├── 16.4 候選框標(biāo)簽制作.mp4 │ ├── 10.6 候選框過濾方法.mp4 │ ├── 14.4 論文整體概述.mp4 │ ├── 4.5 整體網(wǎng)絡(luò)模型架構(gòu)分析.mp4 │ ├── 13.1 遷移學(xué)習(xí)的目標(biāo).mp4 │ ├── 16.5 整體網(wǎng)絡(luò)所需模塊.mp4 │ ├── 5.2 訓(xùn)練參數(shù)設(shè)置.mp4 │ ├── 8.6 損失函數(shù)定義.mp4 │ ├── 5.10 網(wǎng)格偏移計(jì)算.mp4 │ ├── 5.5 debug模式介紹.mp4 │ ├── 15.1 OCR文字識(shí)別要完成的任務(wù).mp4 │ ├── 6.6 完成輸入數(shù)據(jù)準(zhǔn)備工作.mp4 │ ├── 5.13 坐標(biāo)相對(duì)位置計(jì)算.mp4 │ ├── 16.3 檢測(cè)模塊候選框生成.mp4 │ ├── 10.9 正負(fù)樣本選擇與標(biāo)簽定義.mp4 │ ├── 17.2 UCF101動(dòng)作識(shí)別數(shù)據(jù)集簡(jiǎn)介.mp4 │ ├── 12.1 COCO數(shù)據(jù)集與人體姿態(tài)識(shí)別簡(jiǎn)介.mp4 │ ├── 14.7 網(wǎng)絡(luò)細(xì)節(jié).mp4 │ ├── 7.8 遷移學(xué)習(xí)效果對(duì)比.mp4 │ ├── 6.3 完成標(biāo)簽制作.mp4 │ ├── 14.3 faster-rcnn概述.mp4 │ ├── 4.4 殘差連接方法解讀.mp4 │ ├── 6.8 訓(xùn)練模型并測(cè)試效果.mp4 │ ├── 2.5 置信度誤差與優(yōu)缺點(diǎn)分析.mp4 │ ├── 5.9 預(yù)測(cè)結(jié)果計(jì)算.mp4 │ ├── 16.2 訓(xùn)練數(shù)據(jù)準(zhǔn)備與環(huán)境配置.mp4 │ ├── 14.2 深度學(xué)習(xí)經(jīng)典檢測(cè)方法.mp4 │ ├── 15.2 CTPN文字檢測(cè)網(wǎng)絡(luò)概述.mp4 │ ├── 11.5 基于標(biāo)注數(shù)據(jù)訓(xùn)練所需任務(wù).mp4 │ ├── 5.3 數(shù)據(jù)與標(biāo)簽讀取.mp4 │ ├── 10.8 DetectionTarget層的作用.mp4 │ ├── 8.3 faster-rcnn概述.mp4 │ ├── 5.14 完成所有損失函數(shù)所需計(jì)算指標(biāo).mp4 │ ├── 11.6 測(cè)試與展示模塊.mp4 │ ├── 10.1 FPN層特征提取原理解讀.mp4 │ ├── 7.4 Resnet網(wǎng)絡(luò)細(xì)節(jié).mp4 │ ├── 16.7 識(shí)別模塊網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 10.11 RorAlign操作的效果.mp4 │ ├── 13.2 遷移學(xué)習(xí)策略.mp4 │ ├── 5.6 基于配置文件構(gòu)建網(wǎng)絡(luò)模型.mp4 │ ├── 5.16 預(yù)測(cè)效果展示.mp4 │ ├── 11.3 完成訓(xùn)練數(shù)據(jù)準(zhǔn)備工作.mp4 │ ├── 17.4 視頻數(shù)據(jù)預(yù)處理方法.mp4 │ ├── 17.3 測(cè)試效果與項(xiàng)目配置.mp4 │ ├── 1.2 不同階段算法優(yōu)缺點(diǎn)分析.mp4 │ ├── 3.6 坐標(biāo)映射與還原.mp4 │ ├── 4.6 先驗(yàn)框設(shè)計(jì)改進(jìn).mp4 │ ├── 6.1 Labelme工具安裝.mp4 │ ├── 18.4 模型架構(gòu)模塊.mp4 │ ├── 5.4 標(biāo)簽文件讀取與處理.mp4 │ ├── 6.2 數(shù)據(jù)信息標(biāo)注.mp4 │ ├── 3.8 特征融合改進(jìn).mp4 │ ├── 7.3 Resnet原理.mp4 │ ├── 13.3 Resnet原理.mp4 │ ├── 11.2 使用labelme進(jìn)行數(shù)據(jù)與標(biāo)簽標(biāo)注.mp4 │ ├── 17.1 3D卷積原理解讀.mp4 │ ├── 12.3 流程與結(jié)果演示.mp4 │ ├── 2.2 檢測(cè)算法要得到的結(jié)果.mp4 │ ├── 10.7 Proposal層實(shí)現(xiàn)方法.mp4 │ ├── 10.2 FPN網(wǎng)絡(luò)架構(gòu)實(shí)現(xiàn)解讀.mp4 │ ├── 14.5 RPN網(wǎng)絡(luò)結(jié)構(gòu).mp4 │ ├── 4.2 多scale方法改進(jìn)與特征融合.mp4 │ ├── 18.3 數(shù)據(jù)讀取與預(yù)處理模塊功能解讀.mp4 │ ├── 7.5 Resnet基本處理操作.mp4 │ ├── 8.1 物體檢測(cè)概述.mp4 │ ├── 2.4 位置損失計(jì)算.mp4 │ ├── 5.1 數(shù)據(jù)與環(huán)境配置.mp4 │ ├── 18.6 訓(xùn)練結(jié)果可視化展示模塊.mp4 │ ├── 2.3 整體網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 10.10 RoiPooling層的作用與目的.mp4 │ ├── 1.4 評(píng)估所需參數(shù)計(jì)算.mp4 │ ├── 8.2 深度學(xué)習(xí)經(jīng)典檢測(cè)方法.mp4 │ ├── 5.12 標(biāo)簽值格式修改.mp4 │ ├── 13.5 Resnet基本處理操作.mp4 │ ├── 15.4 輸出結(jié)果含義解析.mp4 │ ├── 6.7 訓(xùn)練代碼與參數(shù)配置更改.mp4 │ ├── 8.5 RPN網(wǎng)絡(luò)結(jié)構(gòu).mp4 │ ├── 1.5 map指標(biāo)計(jì)算.mp4 │ ├── 9.4 參數(shù)配置.mp4 │ ├── 7.6 shortcut模塊.mp4 │ ├── 10.4 基于不同尺度特征圖生成所有框.mp4 │ ├── 18.1 項(xiàng)目模板各模塊概述.mp4 │ ├── 15.7 CTC模塊的作用.mp4 │ ├── 13.7 加載訓(xùn)練好的權(quán)重.mp4 │ ├── 5.11 模型要計(jì)算的損失概述.mp4 │ ├── 4.1 V3版本改進(jìn)概述.mp4 │ ├── 7.1 遷移學(xué)習(xí)的目標(biāo).mp4 │ ├── 17.7 訓(xùn)練網(wǎng)絡(luò)模型.mp4 │ ├── 14.1 物體檢測(cè)概述.mp4 │ ├── 10.3 生成框比例設(shè)置.mp4 │ ├── 15.3 序列網(wǎng)絡(luò)的作用.mp4 │ ├── 18.2 各模塊配置參數(shù)解析.mp4 │ ├── 14.6 損失函數(shù)定義.mp4 │ ├── 3.4 基于聚類來選擇先驗(yàn)框尺寸.mp4 │ ├── 11.4 maskrcnn源碼修改方法.mp4 │ ├── 11.1 Labelme工具安裝.mp4 │ ├── 18.7 模塊應(yīng)用與BenckMark解讀.mp4 │ ├── 1.3 IOU指標(biāo)計(jì)算.mp4 │ ├── 3.5 偏移量計(jì)算方法.mp4 │ ├── 9.3 開源項(xiàng)目數(shù)據(jù)集.mp4 │ ├── 18.5 訓(xùn)練模塊功能.mp4 │ ├── 2.1 YOLO算法整體思路解讀.mp4 │ ├── 6.4 生成模型所需配置文件.mp4 │ ├── 9.1 課程簡(jiǎn)介.mp4 │ ├── 6.5 json格式轉(zhuǎn)換成yolo.v3所需輸入.mp4 │ ├── 5.15 模型訓(xùn)練與總結(jié).mp4 │ ├── 13.6 shortcut模塊.mp4 │ ├── 4.3 經(jīng)典變換方法對(duì)比分析.mp4 │ ├── 3.2 網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn).mp4 │ ├── 8.7 網(wǎng)絡(luò)細(xì)節(jié).mp4 │ ├── 7.7 加載訓(xùn)練好的權(quán)重.mp4 │ ├── 16.1 OCR文字檢測(cè)識(shí)別項(xiàng)目效果展示.mp4 │ ├── 3.7 感受野的作用.mp4 │ ├── 5.8 YOLO層定義解析.mp4 │ ├── 3.3 架構(gòu)細(xì)節(jié)解讀.mp4 │ ├── 10.5 RPN層的作用與實(shí)現(xiàn)解讀.mp4 │ ├── 15.5 CTPN細(xì)節(jié)概述.mp4 │ ├── 3.1 V2版本細(xì)節(jié)升級(jí)概述.mp4 │ ├── 1.1 檢測(cè)任務(wù)中階段的意義.mp4 │ ├── 17.5 數(shù)據(jù)Batch制作方法.mp4 │ ├── 17.6 3D卷積網(wǎng)絡(luò)所涉及模塊.mp4 │ ├── 13.8 遷移學(xué)習(xí)效果對(duì)比.mp4 │ ├── 12.2 網(wǎng)絡(luò)架構(gòu)概述.mp4 │ ├── 15.6 CRNN識(shí)別網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 9.2 Mask-Rcnn開源項(xiàng)目簡(jiǎn)介.mp4 │ ├── 16.6 網(wǎng)絡(luò)架構(gòu)各模塊完成的任務(wù)解讀.mp4 ├── 第04模塊：機(jī)器學(xué)習(xí)算法精講及其案例應(yīng)用（新） │ ├── 1.160 測(cè)試效果可視化展示.mp4 │ ├── 1.120 支持向量機(jī)要解決的問題.mp4 │ ├── 1.213 求解得出降維結(jié)果.mp4 │ ├── 1.215 PCA降維實(shí)例.mp4 │ ├── 1.102 回歸樹模型.mp4 │ ├── 1.1 課程簡(jiǎn)介.mp4 │ ├── 1.35 不同策略效果對(duì)比.mp4 │ ├── 1.203 音樂推薦任務(wù)概述.mp4 │ ├── 1.219 隱馬爾科夫模型基本出發(fā)點(diǎn).mp4 │ ├── 1.145 正則化與激活函數(shù).mp4 │ ├── 1.94 整體框架邏輯.mp4 │ ├── 1.47 優(yōu)化目標(biāo)定義.mp4 │ ├── 1.53 準(zhǔn)備測(cè)試數(shù)據(jù).mp4 │ ├── 1.122 目標(biāo)函數(shù)推導(dǎo).mp4 │ ├── 1.101 樹模型預(yù)剪枝參數(shù)作用.mp4 │ ├── 1.161 貝葉斯要解決的問題.mp4 │ ├── 1.196 推薦系統(tǒng)要完成的任務(wù).mp4 │ ├── 1.54 決策邊界繪制.mp4 │ ├── 1.162 貝葉斯公式推導(dǎo).mp4 │ ├── 1.104 隨機(jī)森林優(yōu)勢(shì)與特征重要性指標(biāo).mp4 │ ├── 1.112 特征重要性熱度圖展示.mp4 │ ├── 1.231 實(shí)現(xiàn)中文分詞.mp4 │ ├── 1.138 得分函數(shù).mp4 │ ├── 1.68 Kmeans算法模塊概述.mp4 │ ├── 1.216 PCA結(jié)果推導(dǎo).mp4 │ ├── 1.170 完成預(yù)測(cè)模塊.mp4 │ ├── 1.74 Kmenas算法常用操作.mp4 │ ├── 1.164 垃圾郵件過濾實(shí)例.mp4 │ ├── 1.208 基于矩陣分解的音樂推薦~1.mp4 │ ├── 1.58 可視化展示.mp4 │ ├── 1.180 拼接模塊.mp4 │ ├── 1.165 樸素貝葉斯算法整體框架.mp4 │ ├── 1.98 測(cè)試算法效果.mp4 │ ├── 1.155 逐層計(jì)算.mp4 │ ├── 1.147 神經(jīng)網(wǎng)絡(luò)整體框架概述.mp4 │ ├── 1.89 預(yù)剪枝方法.mp4 │ ├── 1.108 硬投票與軟投票效果對(duì)比.mp4 │ ├── 1.16 得到線性回歸方程.mp4 │ ├── 1.209 線性判別分析要解決的問題.mp4 │ ├── 1.21 數(shù)據(jù)集切分.mp4 │ ├── 1.20 Sklearn工具包簡(jiǎn)介.mp4 │ ├── 1.227 維特比算法.mp4 │ ├── 1.23 交叉驗(yàn)證實(shí)驗(yàn)分析.mp4 │ ├── 1.184 規(guī)則結(jié)果展示.mp4 │ ├── 1.105 提升算法概述.mp4 │ ├── 1.167 預(yù)料表與特征向量構(gòu)建.mp4 │ ├── 1.15 訓(xùn)練線性回歸模型.mp4 │ ├── 1.156 完成全部迭代更新模塊.mp4 │ ├── 1.81 Kmenas算法存在的問題.mp4 │ ├── 1.154 差異項(xiàng)計(jì)算.mp4 │ ├── 1.226 參數(shù)求解.mp4 │ ├── 1.163 拼寫糾錯(cuò)實(shí)例.mp4 │ ├── 1.41 實(shí)驗(yàn)總結(jié).mp4 │ ├── 1.185 詞向量模型通俗解釋.mp4 │ ├── 1.79 如何找到合適的K值.mp4 │ ├── 1.91 回歸問題解決.mp4 │ ├── 1.149 矩陣向量轉(zhuǎn)換.mp4 │ ├── 1.125 求解決策方程.mp4 │ ├── 1.45 訓(xùn)練模塊功能.mp4 │ ├── 1.140 前向傳播整體流程.mp4 │ ├── 1.34 MiniBatch方法.mp4 │ ├── 1.217 方差與協(xié)方差.mp4 │ ├── 1.200 隱語(yǔ)義模型.mp4 │ ├── 1.189 負(fù)采樣方案.mp4 │ ├── 1.77 不穩(wěn)定結(jié)果.mp4 │ ├── 1.172 支持度與置信度.mp4 │ ├── 1.10 線性回歸整體模塊概述.mp4 │ ├── 1.86 信息增益原理.mp4 │ ├── 1.222 復(fù)雜度計(jì)算.mp4 │ ├── 1.99 樹模型可視化展示.mp4 │ ├── 1.179 掃描模塊.mp4 │ ├── 1.90 后剪枝方法.mp4 │ ├── 1.153 準(zhǔn)備反向傳播迭代.mp4 │ ├── 1.92 整體模塊概述.mp4 │ ├── 1.71 算法迭代更新.mp4 │ ├── 1.136 計(jì)算機(jī)視覺任務(wù).mp4 │ ├── 1.186 模型整體框架.mp4 │ ├── 1.107 構(gòu)建實(shí)驗(yàn)數(shù)據(jù)集.mp4 │ ├── 1.199 基于物品的協(xié)同過濾.mp4 │ ├── 1.65 DBSCAN聚類算法.mp4 │ ├── 1.106 stacking堆疊模型.mp4 │ ├── 1.190 數(shù)據(jù)與任務(wù)流程.mp4 │ ├── 1.230 中文分詞任務(wù).mp4 │ ├── 1.110 集成效果展示分析.mp4 │ ├── 1.192 batch數(shù)據(jù)制作.mp4 │ ├── 1.210 線性判別分析要優(yōu)化的目標(biāo).mp4 │ ├── 1.183 完成全部算法流程.mp4 │ ├── 1.121 距離與數(shù)據(jù)定義.mp4 │ ├── 1.85 熵的作用.mp4 │ ├── 1.176 電影數(shù)據(jù)集題材關(guān)聯(lián)分析.mp4 │ ├── 1.169 貝葉斯公式對(duì)數(shù)變換.mp4 │ ├── 1.206 物品相似度計(jì)算與推薦.mp4 │ ├── 1.13 損失與預(yù)測(cè)模塊.mp4 │ ├── 1.66 DBSCAN工作流程.mp4 │ ├── 1.158 算法代碼錯(cuò)誤修正.mp4 │ ├── 1.141 返向傳播計(jì)算方法.mp4 │ ├── 1.207 SVD矩陣分解.mp4 │ ├── 1.175 數(shù)據(jù)集制作.mp4 │ ├── 1.168 分類別統(tǒng)計(jì)詞頻.mp4 │ ├── 1.57 概率結(jié)果隨特征數(shù)值的變化.mp4 │ ├── 1.22 交叉驗(yàn)證的作用.mp4 │ ├── 1.133 核函數(shù)的作用與效果.mp4 │ ├── 1.134 深度學(xué)習(xí)要解決的問題.mp4 │ ├── 1.214 PCA基本概念.mp4 │ ├── 1.40 嶺回歸與lasso.mp4 │ ├── 1.43 化簡(jiǎn)與求解.mp4 │ ├── 1.181 挖掘頻繁項(xiàng)集.mp4 │ ├── 1.72 鳶尾花數(shù)據(jù)集聚類任務(wù).mp4 │ ├── 1.130 決策邊界可視化展示.mp4 │ ├── 1.135 深度學(xué)習(xí)應(yīng)用領(lǐng)域.mp4 │ ├── 1.3 誤差項(xiàng)定義.mp4 │ ├── 1.48 迭代優(yōu)化參數(shù).mp4 │ ├── 1.38 樣本數(shù)量對(duì)結(jié)果的影響.mp4 │ ├── 1.211 線性判別分析求解.mp4 │ ├── 1.76 建模流程解讀.mp4 │ ├── 1.114 Adaboost決策邊界效果.mp4 │ ├── 1.124 化簡(jiǎn)最終目標(biāo)函數(shù).mp4 │ ├── 1.96 數(shù)據(jù)集切分.mp4 │ ├── 1.19 非線性回歸.mp4 │ ├── 1.95 熵值計(jì)算.mp4 │ ├── 1.5 似然函數(shù)的作用.mp4 │ ├── 1.187 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 │ ├── 1.128 知識(shí)點(diǎn)總結(jié).mp4 │ ├── 1.171 關(guān)聯(lián)規(guī)則概述.mp4 │ ├── 1.75 聚類結(jié)果展示.mp4 │ ├── 1.218 馬爾科夫模型.mp4 │ ├── 1.223 前向算法.mp4 │ ├── 1.44 多分類邏輯回歸整體思路.mp4 │ ├── 1.82 半監(jiān)督學(xué)習(xí).mp4 │ ├── 1.11 初始化步驟.mp4 │ ├── 1.195 推薦系統(tǒng)應(yīng)用.mp4 │ ├── 1.84 決策樹算法概述.mp4 │ ├── 1.126 軟間隔優(yōu)化.mp4 │ ├── 1.197 相似度計(jì)算.mp4 │ ├── 1.144 神經(jīng)元個(gè)數(shù)對(duì)結(jié)果的影響.mp4 │ ├── 1.27 ROC曲線.mp4 │ ├── 1.60 分類決策邊界展示分析.mp4 │ ├── 1.2 回歸問題概述.mp4 │ ├── 1.229 工具包使用方法.mp4 │ ├── 1.29 參數(shù)直接求解方法.mp4 │ ├── 1.137 視覺任務(wù)中遇到的問題.mp4 │ ├── 1.198 基于用戶的協(xié)同過濾.mp4 │ ├── 1.49 梯度計(jì)算.mp4 │ ├── 1.14 數(shù)據(jù)與標(biāo)簽定義.mp4 │ ├── 1.142 神經(jīng)網(wǎng)絡(luò)整體架構(gòu).mp4 │ ├── 1.73 聚類效果展示.mp4 │ ├── 1.62 KMEANS算法概述.mp4 │ ├── 1.177 Apripri算法整體流程.mp4 │ ├── 1.225 Baum.Welch算法.mp4 │ ├── 1.36 多項(xiàng)式回歸.mp4 │ ├── 1.28 實(shí)驗(yàn)?zāi)繕?biāo)分析.mp4 │ ├── 1.159 模型優(yōu)化結(jié)果展示.mp4 │ ├── 1.111 OOB袋外數(shù)據(jù)的作用.mp4 │ ├── 1.139 損失函數(shù)的作用.mp4 │ ├── 1.61 多分類.softmax.mp4 │ ├── 1.103 隨機(jī)森林算法原理.mp4 │ ├── 1.157 手寫字體識(shí)別數(shù)據(jù)集.mp4 │ ├── 1.25 評(píng)估指標(biāo)對(duì)比分析.mp4 │ ├── 1.64 KMEANS迭代可視化展示.mp4 │ ├── 1.228 hmmlearn工具包.mp4 │ ├── 1.201 隱語(yǔ)義模型求解.mp4 │ ├── 1.109 Bagging策略效果.mp4 │ ├── 1.143 神經(jīng)網(wǎng)絡(luò)架構(gòu)細(xì)節(jié).mp4 │ ├── 1.188 CBOW與Skip.gram模型.mp4 │ ├── 1.178 數(shù)據(jù)集demo.mp4 │ ├── 1.12 實(shí)現(xiàn)梯度下降優(yōu)化模塊.mp4 │ ├── 1.39 正則化的作用.mp4 │ ├── 1.51 鳶尾花數(shù)據(jù)集多分類任務(wù).mp4 │ ├── 1.31 梯度下降模塊.mp4 │ ├── 1.26 閾值對(duì)結(jié)果的影響.mp4 │ ├── 1.129 支持向量機(jī)所能帶來的效果.mp4 │ ├── 1.191 數(shù)據(jù)清洗.mp4 │ ├── 1.17 整體流程debug解讀.mp4 │ ├── 1.212 實(shí)現(xiàn)線性判別分析進(jìn)行降維任務(wù).mp4 │ ├── 1.127 核函數(shù)的作用.mp4 │ ├── 1.205 基于物品的協(xié)同過濾.mp4 │ ├── 1.174 Python實(shí)戰(zhàn)關(guān)聯(lián)規(guī)則.mp4 │ ├── 1.166 郵件數(shù)據(jù)讀取.mp4 │ ├── 1.148 參數(shù)初始化操作.mp4 │ ├── 1.32 學(xué)習(xí)率對(duì)結(jié)果的影響.mp4 │ ├── 1.88 信息增益率與gini系數(shù).mp4 │ ├── 1.33 隨機(jī)梯度下降得到的效果.mp4 │ ├── 1.152 損失函數(shù)定義.mp4 │ ├── 1.67 DBSCAN可視化展示.mp4 │ ├── 1.146 神經(jīng)網(wǎng)絡(luò)過擬合解決方法.mp4 │ ├── 1.116 集成參數(shù)對(duì)比分析.mp4 │ ├── 1.24 混淆矩陣.mp4 │ ├── 1.83 DBSCAN算法.mp4 │ ├── 1.46 完成預(yù)測(cè)模塊.mp4 │ ├── 1.69 計(jì)算得到簇中心點(diǎn).mp4 │ ├── 1.220 組成與要解決的問題.mp4 │ ├── 1.6 參數(shù)求解.mp4 │ ├── 1.18 多特征回歸模型.mp4 │ ├── 1.123 拉格朗日乘子法求解.mp4 │ ├── 1.202 模型評(píng)估標(biāo)準(zhǔn).mp4 │ ├── 1.173 提升度的作用.mp4 │ ├── 1.80 輪廓系數(shù)的作用.mp4 │ ├── 1.87 決策樹構(gòu)造實(shí)例.mp4 │ ├── 1.221 暴力求解方法.mp4 │ ├── 1.113 Adaboost算法概述.mp4 │ ├── 1.118 停止方案實(shí)施.mp4 │ ├── 1.204 數(shù)據(jù)集整合.mp4 │ ├── 1.55 非線性決策邊界.mp4 │ ├── 1.132 非線性SVM.mp4 │ ├── 1.119 堆疊模型.mp4 │ ├── 1.100 決策邊界展示分析.mp4 │ ├── 1.194 可視化展示.mp4 │ ├── 1.8 參數(shù)更新方法.mp4 │ ├── 1.182 規(guī)則生成模塊.mp4 │ ├── 1.4 獨(dú)立同分布的意義.mp4 │ ├── 1.56 邏輯回歸實(shí)驗(yàn)概述.mp4 │ ├── 1.37 模型復(fù)雜度.mp4 │ ├── 1.115 GBDT提升算法流程.mp4 │ ├── 1.52 訓(xùn)練多分類模型.mp4 │ ├── 1.50 得出最終結(jié)果.mp4 │ ├── 1.70 樣本點(diǎn)歸屬劃分.mp4 │ ├── 1.42 邏輯回歸算法原理.mp4 │ ├── 1.117 模型提前停止策略.mp4 │ ├── 1.151 完成前向傳播模塊.mp4 │ ├── 1.78 評(píng)估指標(biāo).Inertia.mp4 │ ├── 1.224 前向算法求解實(shí)例.mp4 │ ├── 1.63 KMEANS工作流程.mp4 │ ├── 1.97 完成樹模型構(gòu)建.mp4 │ ├── 1.193 網(wǎng)絡(luò)訓(xùn)練.mp4 │ ├── 1.59 坐標(biāo)棋盤制作.mp4 │ ├── 1.30 預(yù)處理對(duì)結(jié)果的影響.mp4 │ ├── 1.93 遞歸生成樹節(jié)點(diǎn).mp4 │ ├── 1.7 梯度下降通俗解釋.mp4 │ ├── 1.131 軟間隔的作用.mp4 │ ├── 1.9 優(yōu)化參數(shù)設(shè)置.mp4 │ ├── 1.150 向量反變換.mp4 ├── 第13模塊：行人重識(shí)別系列項(xiàng)目（新） │ ├── 6.6 圖匹配在行人重識(shí)別中的作用.mp4 │ ├── 3.3 進(jìn)入debug模式解讀網(wǎng)絡(luò)計(jì)算流程.mp4 │ ├── 1.5 triplet損失計(jì)算實(shí)例.mp4 │ ├── 5.11 損失函數(shù)與訓(xùn)練過程演示.mp4 │ ├── 4.3 特征分組方法.mp4 │ ├── 5.8 局部特征提取實(shí)例.mp4 │ ├── 3.4 獲得空間位置點(diǎn)之間的關(guān)系.mp4 │ ├── 2.3 融合空間注意力所需特征.mp4 │ ├── 3.9 訓(xùn)練與測(cè)試模塊演示.mp4 │ ├── 5.1 項(xiàng)目配置與數(shù)據(jù)集介紹.mp4 │ ├── 6.5 圖卷積模塊實(shí)現(xiàn)方法.mp4 │ ├── 3.7 基于特征圖的權(quán)重計(jì)算.mp4 │ ├── 4.1 論文整體框架概述.mp4 │ ├── 5.4 debug模式解讀.mp4 │ ├── 4.4 GCP模塊特征融合方法.mp4 │ ├── 4.5 oneVsReset方法實(shí)例.mp4 │ ├── 6.7 整體算法框架分析.mp4 │ ├── 7.10 整體項(xiàng)目總結(jié).mp4 │ ├── 3.8 損失函數(shù)計(jì)算實(shí)例解讀.mp4 │ ├── 7.1 數(shù)據(jù)集與環(huán)境配置概述.mp4 │ ├── 7.3 得到一階段熱度圖結(jié)果.mp4 │ ├── 6.4 基于圖卷積構(gòu)建人體拓?fù)潢P(guān)系.mp4 │ ├── 1.6 Hard.Negative方法應(yīng)用.mp4 │ ├── 4.2 局部特征與全局關(guān)系計(jì)算方法.mp4 │ ├── 5.5 網(wǎng)絡(luò)計(jì)算整體流程演示.mp4 │ ├── 3.5 組合關(guān)系特征圖.mp4 │ ├── 5.12 測(cè)試與驗(yàn)證模塊.mp4 │ ├── 1.3 評(píng)估標(biāo)準(zhǔn)rank1指標(biāo).mp4 │ ├── 7.9 圖匹配模塊計(jì)算流程.mp4 │ ├── 5.10 得到所有分組特征結(jié)果.mp4 │ ├── 7.6 mask矩陣的作用.mp4 │ ├── 3.6 計(jì)算得到位置權(quán)重值.mp4 │ ├── 1.1 行人重識(shí)別要解決的問題.mp4 │ ├── 2.4 基于特征圖的注意力計(jì)算.mp4 │ ├── 5.2 數(shù)據(jù)源構(gòu)建方法分析.mp4 │ ├── 6.3 局部特征熱度圖計(jì)算.mp4 │ ├── 6.2 圖卷積與匹配的作用.mp4 │ ├── 6.1 關(guān)鍵點(diǎn)位置特征構(gòu)建.mp4 │ ├── 2.2 空間權(quán)重值計(jì)算流程分析.mp4 │ ├── 4.6 損失函數(shù)應(yīng)用位置.mp4 │ ├── 3.1 項(xiàng)目環(huán)境與數(shù)據(jù)集配置.mp4 │ ├── 5.6 特征序列構(gòu)建.mp4 │ ├── 1.2 挑戰(zhàn)與困難分析.mp4 │ ├── 3.2 參數(shù)配置與整體架構(gòu)分析.mp4 │ ├── 5.3 dataloader加載順序解讀.mp4 │ ├── 7.2 局部特征準(zhǔn)備方法.mp4 │ ├── 7.8 基于拓?fù)浣Y(jié)構(gòu)組合關(guān)鍵點(diǎn)特征.mp4 │ ├── 7.7 鄰接矩陣學(xué)習(xí)與更新.mp4 │ ├── 7.5 初始化圖卷積模型.mp4 │ ├── 5.7 GCP全局特征提取.mp4 │ ├── 7.4 階段監(jiān)督訓(xùn)練.mp4 │ ├── 2.1 論文整體思想及注意力機(jī)制的作用解讀.mp4 │ ├── 5.9 特征組合匯總.mp4 │ ├── 1.4 map值計(jì)算方法.mp4 ├── 第15模塊：NLP通用框架BERT項(xiàng)目實(shí)戰(zhàn)（新） │ ├── 6.2 數(shù)據(jù)清洗.mp4 │ ├── 2.4 數(shù)據(jù)預(yù)處理模塊.mp4 │ ├── 7.2 NLP應(yīng)用領(lǐng)域與任務(wù)簡(jiǎn)介.mp4 │ ├── 1.7 Multi-head的作用.mp4 │ ├── 6.1 數(shù)據(jù)與任務(wù)流程.mp4 │ ├── 5.1 詞向量模型通俗解釋.mp4 │ ├── 7.4 加載詞向量特征.mp4 │ ├── 1.10 BERT模型訓(xùn)練方法.mp4 │ ├── 2.3 數(shù)據(jù)讀取模塊.mp4 │ ├── 5.5 負(fù)采樣方案.mp4 │ ├── 2.12 訓(xùn)練BERT模型.mp4 │ ├── 6.5 可視化展示.mp4 │ ├── 7.7 訓(xùn)練與測(cè)試效果.mp4 │ ├── 8.1 數(shù)據(jù)與任務(wù)介紹.mp4 │ ├── 7.3 項(xiàng)目流程解讀.mp4 │ ├── 3.2 讀取處理自己的數(shù)據(jù)集.mp4 │ ├── 5.2 模型整體框架.mp4 │ ├── 9.4 課時(shí)訓(xùn)練自己標(biāo)注的數(shù)據(jù)并測(cè)試.mp4 │ ├── 1.9 transformer整體架構(gòu)梳理.mp4 │ ├── 8.5 訓(xùn)練網(wǎng)絡(luò)模型.mp4 │ ├── 1.2 BERT任務(wù)目標(biāo)概述.mp4 │ ├── 8.2 整體模型架構(gòu).mp4 │ ├── 2.1 BERT開源項(xiàng)目簡(jiǎn)介.mp4 │ ├── 1.5 self-attention計(jì)算方法.mp4 │ ├── 2.8 加入位置編碼特征.mp4 │ ├── 2.7 加入額外編碼特征.mp4 │ ├── 7.5 正負(fù)樣本數(shù)據(jù)讀取.mp4 │ ├── 4.2 NER標(biāo)注數(shù)據(jù)處理與讀取.mp4 │ ├── 2.9 mask機(jī)制.mp4 │ ├── 2.5 tfrecord制作.mp4 │ ├── 5.4 CBOW與Skip-gram模型.mp4 │ ├── 2.10 構(gòu)建QKV矩陣.mp4 │ ├── 1.4 注意力機(jī)制的作用.mp4 │ ├── 2.2 項(xiàng)目參數(shù)配置.mp4 │ ├── 8.6 醫(yī)療數(shù)據(jù)集（糖尿�。⿲�(shí)體識(shí)別.mp4 │ ├── 9.5 課時(shí)Huggingface工具使用.mp4 │ ├── 4.3 構(gòu)建BERT與CRF模型.mp4 │ ├── 7.1 RNN網(wǎng)絡(luò)模型解讀.mp4 │ ├── 9.3 課時(shí)文本摘要數(shù)據(jù)標(biāo)注方法.mp4 │ ├── 9.6 課時(shí)BERT系列與NER實(shí)例.mp4 │ ├── 6.3 batch數(shù)據(jù)制作.mp4 │ ├── 9.1 課時(shí)中文商城評(píng)價(jià)數(shù)據(jù)處理方法.mp4 │ ├── 2.6 Embedding層的作用.mp4 │ ├── 8.4 輸入樣本填充補(bǔ)齊.mp4 │ ├── 2.11 完成Transformer模塊構(gòu)建.mp4 │ ├── 3.3 訓(xùn)練BERT中文分類模型.mp4 │ ├── 9.2 課時(shí)模型訓(xùn)練與測(cè)試結(jié)果.mp4 │ ├── 1.1 BERT課程簡(jiǎn)介.mp4 │ ├── 8.3 數(shù)據(jù)-標(biāo)簽-語(yǔ)料庫(kù)處理.mp4 │ ├── 7.6 構(gòu)建LSTM網(wǎng)絡(luò)模型.mp4 │ ├── 1.8 位置編碼與多層堆疊.mp4 │ ├── 1.6 特征分配與softmax機(jī)制.mp4 │ ├── 1.3 傳統(tǒng)解決方案遇到的問題.mp4 │ ├── 1.11 訓(xùn)練實(shí)例.mp4 │ ├── 6.4 網(wǎng)絡(luò)訓(xùn)練.mp4 │ ├── 4.1 命名實(shí)體識(shí)別數(shù)據(jù)分析與任務(wù)目標(biāo).mp4 │ ├── 5.3 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 │ ├── 3.1 中文分類數(shù)據(jù)與任務(wù)概述.mp4 ├── 第07模塊：機(jī)器學(xué)習(xí)競(jìng)賽優(yōu)勝解決方案實(shí)戰(zhàn)（新） │ ├── 9.6 構(gòu)建低敏用戶模型.mp4 │ ├── 1.1 課程簡(jiǎn)介.mp4 │ ├── 3.4 序列缺失補(bǔ)全方法.mp4 │ ├── 3.5 基于回歸與插值完成序列特征.mp4 │ ├── 1.2 任務(wù)目標(biāo)與數(shù)據(jù)分析..mp4 │ ├── 3.7 特征匯總.mp4 │ ├── 11.3 選擇參數(shù).mp4 │ ├── 8.2 常用特征構(gòu)造手段.mp4 │ ├── 2.4 各道工序特征構(gòu)建.mp4 │ ├── 7.5 權(quán)重劃分.mp4 │ ├── 10.3 數(shù)據(jù)處理.mp4 │ ├── 4.7 ShapValues指標(biāo)分析.mp4 │ ├── 3.3 道路通行時(shí)間序列數(shù)據(jù)生成.mp4 │ ├── 10.6 變量與結(jié)果的關(guān)系.mp4 │ ├── 3.8 建立回歸模型進(jìn)行預(yù)測(cè).mp4 │ ├── 5.1 數(shù)據(jù)與任務(wù)介紹.mp4 │ ├── 2.6 訓(xùn)練xgboost模型.mp4 │ ├── 7.2 數(shù)據(jù)清洗與預(yù)處理.mp4 │ ├── 6.3 節(jié)點(diǎn)權(quán)重特征提取(PageRank).mp4 │ ├── 2.5 準(zhǔn)備訓(xùn)練數(shù)據(jù).mp4 │ ├── 2.3 時(shí)間特征提取.mp4 │ ├── 7.8 候選詞相似度特征.mp4 │ ├── 4.8 疾病引起原因分析實(shí)戰(zhàn).mp4 │ ├── 9.5 文本特征構(gòu)建.mp4 │ ├── 6.1 競(jìng)賽任務(wù)目標(biāo).mp4 │ ├── 1.3 整體模型架構(gòu).mp4 │ ├── 5.5 訓(xùn)練網(wǎng)絡(luò)模型.mp4 │ ├── 10.4 單變量繪圖分析.mp4 │ ├── 9.1 任務(wù)與解決框架概述.mp4 │ ├── 7.9 特征工程匯總.mp4 │ ├── 9.2 特征工程分析與特征提取.mp4 │ ├── 7.6 候選詞統(tǒng)計(jì)特征.mp4 │ ├── 1.4 構(gòu)建用戶特征序列.mp4 │ ├── 11.4 測(cè)試模型.mp4 │ ├── 2.1 數(shù)據(jù)任務(wù)概述.mp4 │ ├── 7.1 任務(wù)目標(biāo)與數(shù)據(jù)集介紹.mp4 │ ├── 11.2 基礎(chǔ)模型對(duì)比.mp4 │ ├── 3.2 數(shù)據(jù)清洗與標(biāo)簽轉(zhuǎn)換.mp4 │ ├── 6.2 圖模型信息提取.mp4 │ ├── 11.6 模型分析.mp4 │ ├── 4.2 模型解釋方法與實(shí)踐.mp4 │ ├── 1.6 生成特征匯總表.mp4 │ ├── 8.7 計(jì)算機(jī)眼中的圖像.mp4 │ ├── 5.3 數(shù)據(jù)、標(biāo)簽、語(yǔ)料庫(kù)處理.mp4 │ ├── 8.1 基本數(shù)值特征.mp4 │ ├── 8.5 構(gòu)造文本向量.mp4 │ ├── 10.7 多變量展示.mp4 │ ├── 10.8 特征工程.mp4 │ ├── 1.8 網(wǎng)絡(luò)訓(xùn)練模塊.mp4 │ ├── 1.7 標(biāo)簽制作.mp4 │ ├── 7.7 textrank特征提取.mp4 │ ├── 7.3 基本特征抽取.mp4 │ ├── 11.1 dataleakage問題.mp4 │ ├── 5.6 醫(yī)療數(shù)據(jù)集（糖尿�。⿲�(shí)體識(shí)別.mp4 │ ├── 10.1 任務(wù)概述.mp4 │ ├── 6.7 圖中聯(lián)系人特征.mp4 │ ├── 10.5 離群點(diǎn)剔除.mp4 │ ├── 11.5 模型解釋.mp4 │ ├── 6.6 app安裝特征.mp4 │ ├── 2.2 數(shù)據(jù)異常檢查.mp4 │ ├── 3.1 數(shù)據(jù)與任務(wù)目標(biāo)分析.mp4 │ ├── 9.4 統(tǒng)計(jì)與文本特征.mp4 │ ├── 3.6 基于回歸與插值進(jìn)行序列補(bǔ)全.mp4 │ ├── 4.5 結(jié)果對(duì)比分析.mp4 │ ├── 9.7 高敏模型概述.mp4 │ ├── 9.3 離散數(shù)據(jù)處理.mp4 │ ├── 5.2 整體模型架構(gòu).mp4 │ ├── 6.4 deepwalk構(gòu)建圖頂點(diǎn)特征.mp4 │ ├── 4.1 競(jìng)賽與目標(biāo)分析.mp4 │ ├── 7.4 文章與詞向量分析.mp4 │ ├── 6.5 各項(xiàng)統(tǒng)計(jì)特征.mp4 │ ├── 4.6 雙變量分析.mp4 │ ├── 8.6 詞向量特征.mp4 │ ├── 1.9 得出最終模型結(jié)果.mp4 │ ├── 8.4 文本特征處理.mp4 │ ├── 10.2 處理流程與數(shù)據(jù)簡(jiǎn)介.mp4 │ ├── 8.3 時(shí)間特征處理.mp4 │ ├── 1.5 序列特征提取方法.mp4 │ ├── 4.3 特征對(duì)比分析方法.mp4 │ ├── 5.4 輸入樣本填充補(bǔ)齊.mp4 │ ├── 4.4 部分依賴圖解釋.mp4 ├── 第08模塊：深度學(xué)習(xí)入門視頻課程（新） │ ├── 3.5 步長(zhǎng)與卷積核大小對(duì)結(jié)果的影響.mp4 │ ├── 3.4 得到特征圖表示.mp4 │ ├── 1.6 損失函數(shù)的作用.mp4 │ ├── 4.5 CBOW與Skipgram模型.mp4 │ ├── 1.5 得分函數(shù).mp4 │ ├── 3.6 邊緣填充方法.mp4 │ ├── 3.8 池化層的作用.mp4 │ ├── 3.2 卷積的作用.mp4 │ ├── 3.11 殘差網(wǎng)絡(luò)Resnet.mp4 │ ├── 3.9 整體網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 3.12 感受野的作用.mp4 │ ├── 3.1 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域.mp4 │ ├── 1.2 深度學(xué)習(xí)應(yīng)用領(lǐng)域.mp4 │ ├── 1.7 前向傳播整體流程.mp4 │ ├── 2.1 返向傳播計(jì)算方法.mp4 │ ├── 3.10 VGG網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 1.4 視覺任務(wù)中遇到的問題.mp4 │ ├── 1.3 計(jì)算機(jī)視覺任務(wù).mp4 │ ├── 3.3 卷積特征值計(jì)算方法.mp4 │ ├── 4.3 模型整體框架.mp4 │ ├── 2.6 神經(jīng)網(wǎng)絡(luò)過擬合解決方法.mp4 │ ├── 4.6 負(fù)采樣方案.mp4 │ ├── 1.1 深度學(xué)習(xí)要解決的問題.mp4 │ ├── 2.2 神經(jīng)網(wǎng)絡(luò)整體架構(gòu).mp4 │ ├── 4.1 RNN網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 2.4 神經(jīng)元個(gè)數(shù)對(duì)結(jié)果的影響.mp4 │ ├── 4.2 詞向量模型通俗解釋.mp4 │ ├── 4.4 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 │ ├── 2.3 神經(jīng)網(wǎng)絡(luò)架構(gòu)細(xì)節(jié).mp4 │ ├── 2.5 正則化與激活函數(shù).mp4 │ ├── 3.7 特征圖尺寸計(jì)算與參數(shù)共享.mp4 ├── 第14模塊：自然語(yǔ)言處理實(shí)戰(zhàn)案例（新） │ ├── 7.2 語(yǔ)言模型.mp4 │ ├── 14.5 seq網(wǎng)絡(luò).mp4 │ ├── 10.2 詞袋模型.mp4 │ ├── 14.1 效果演示.mp4 │ ├── 3.1 貝葉斯算法概述.mp4 │ ├── 1.9 Spacy工具包.mp4 │ ├── 7.8 CBOW求解目標(biāo).mp4 │ ├── 7.6 Hierarchical Softmax.mp4 │ ├── 13.3 數(shù)據(jù)預(yù)處理模塊.mp4 │ ├── 1.5 NLTK工具包簡(jiǎn)介.mp4 │ ├── 7.10 負(fù)采樣模型.mp4 │ ├── 6.3 中文分詞任務(wù).mp4 │ ├── 2.3 商品類別可視化展示.mp4 │ ├── 1.13 結(jié)巴分詞器.mp4 │ ├── 12.5 基于word2vec的LSTM模型.mp4 │ ├── 10.5 word2vec詞向量模型.mp4 │ ├── 12.1 RNN網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 5.7 前向算法求解實(shí)例.mp4 │ ├── 8.4 測(cè)試模型相似度結(jié)果.mp4 │ ├── 11.3 正負(fù)樣本制作.mp4 │ ├── 13.5 RNN模型定義.mp4 │ ├── 1.3 正則表達(dá)式基本語(yǔ)法.mp4 │ ├── 11.4 網(wǎng)絡(luò)模型定義.mp4 │ ├── 7.1 開篇.mp4 │ ├── 3.2 貝葉斯推導(dǎo)實(shí)例.mp4 │ ├── 2.4 描述長(zhǎng)度對(duì)價(jià)格的影響.mp4 │ ├── 11.6 基于句子的相似度訓(xùn)練.mp4 │ ├── 4.4 TF.IDF關(guān)鍵詞提取.mp4 │ ├── 9.4 使用gensim構(gòu)建word2vec詞向量（新）.mp4 │ ├── 13.2 參數(shù)配置.mp4 │ ├── 5.10 維特比算法.mp4 │ ├── 10.3 詞袋模型分析.mp4 │ ├── 7.5 神經(jīng)網(wǎng)絡(luò)模型.mp4 │ ├── 3.3 貝葉斯拼寫糾錯(cuò)實(shí)例.mp4 │ ├── 5.4 暴力求解方法.mp4 │ ├── 5.8 Baum.Welch算法.mp4 │ ├── 12.2 LSTM網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 1.14 詞云展示.mp4 │ ├── 1.10 名字實(shí)體匹配.mp4 │ ├── 7.9 銻度上升求解.mp4 │ ├── 7.4 詞向量.mp4 │ ├── 1.2 正則常用符號(hào).mp4 │ ├── 13.7 訓(xùn)練唐詩(shī)生成模型.mp4 │ ├── 2.8 聚類與主題模型.mp4 │ ├── 5.2 隱馬爾科夫模型基本出發(fā)點(diǎn).mp4 │ ├── 1.8 數(shù)據(jù)清洗實(shí)例.mp4 │ ├── 4.5 LDA建模.mp4 │ ├── 9.3 準(zhǔn)備word2vec輸入數(shù)據(jù).mp4 │ ├── 12.4 情感數(shù)據(jù)集處理.mp4 │ ├── 9.2 基于詞袋模型訓(xùn)練分類器.mp4 │ ├── 14.4 詞向量與投影.mp4 │ ├── 11.2 數(shù)據(jù)展示.mp4 │ ├── 10.4 TFIDF模型.mp4 │ ├── 7.7 CBOW模型實(shí)例.mp4 │ ├── 14.3 數(shù)據(jù)處理.mp4 │ ├── 4.2 相似度計(jì)算.mp4 │ ├── 9.1 影評(píng)情感分類.mp4 │ ├── 13.8 測(cè)試唐詩(shī)生成效果.mp4 │ ├── 4.1 文本分析與關(guān)鍵詞提取.mp4 │ ├── 4.6 基于貝葉斯算法進(jìn)行新聞分類.mp4 │ ├── 4.3 新聞數(shù)據(jù)與任務(wù)簡(jiǎn)介.mp4 │ ├── 2.1 任務(wù)概述.mp4 │ ├── 1.12 統(tǒng)計(jì)分析結(jié)果.mp4 │ ├── 6.4 實(shí)現(xiàn)中文分詞.mp4 │ ├── 14.2 參數(shù)配置與數(shù)據(jù)加載.mp4 │ ├── 1.1 Python字符串處理.mp4 │ ├── 8.3 Gensim構(gòu)造word2vec模型.mp4 │ ├── 10.6 深度學(xué)習(xí)模型.mp4 │ ├── 3.5 貝葉斯實(shí)現(xiàn)拼寫檢查器.mp4 │ ├── 5.3 組成與要解決的問題.mp4 │ ├── 13.1 任務(wù)概述與環(huán)境配置.mp4 │ ├── 12.3 案例：使用LSTM進(jìn)行情感分類.mp4 │ ├── 14.6 網(wǎng)絡(luò)訓(xùn)練.mp4 │ ├── 2.2 商品類別劃分.mp4 │ ├── 1.4 常用函數(shù)介紹.mp4 │ ├── 5.1 馬爾科夫模型.mp4 │ ├── 13.6 完成訓(xùn)練模塊.mp4 │ ├── 10.1 任務(wù)概述.mp4 │ ├── 5.9 參數(shù)求解.mp4 │ ├── 11.5 基于字符的訓(xùn)練.mp4 │ ├── 13.4 batch數(shù)據(jù)制作.mp4 │ ├── 6.2 工具包使用方法.mp4 │ ├── 5.5 復(fù)雜度計(jì)算.mp4 │ ├── 1.6 停用詞過濾.mp4 │ ├── 1.7 詞性標(biāo)注.mp4 │ ├── 2.7 降維可視化展示.mp4 │ ├── 8.2 維基百科中文數(shù)據(jù)處理.mp4 │ ├── 2.5 詞云展示.mp4 │ ├── 6.1 hmmlearn工具包.mp4 │ ├── 1.11 恐怖襲擊分析.mp4 │ ├── 3.4 垃圾郵件過濾實(shí)例.mp4 │ ├── 2.6 tf.idf結(jié)果.mp4 │ ├── 7.3 N.gram模型.mp4 │ ├── 8.1 使用Gensim庫(kù)構(gòu)造詞向量.mp4 │ ├── 5.6 前向算法.mp4 │ ├── 11.1 任務(wù)概述.mp4 ├── 第07模塊：深度學(xué)習(xí)框架-PyTorch項(xiàng)目實(shí)戰(zhàn)（舊） │ ├── 13.9 transformer整體架構(gòu)梳理.mp4 │ ├── 2.2 按建模順序構(gòu)建完成網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 9.1 CycleGan網(wǎng)絡(luò)所需數(shù)據(jù).mp4 │ ├── 7.5 訓(xùn)練LSTM文本分類模型.mp4 │ ├── 4.4 分類任務(wù)數(shù)據(jù)集定義與配置.mp4 │ ├── 11.8 識(shí)別模塊網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 2.1 氣溫?cái)?shù)據(jù)集與任務(wù)介紹.mp4 │ ├── 4.5 圖像增強(qiáng)的作用.mp4 │ ├── 12.3 測(cè)試效果與項(xiàng)目配置.mp4 │ ├── 2.5 構(gòu)建分類網(wǎng)絡(luò)模型.mp4 │ ├── 3.12 感受野的作用.mp4 │ ├── 14.9 mask機(jī)制.mp4 │ ├── 14.6 Embedding層的作用.mp4 │ ├── 1.8 常見tensor格式.mp4 │ ├── 16.3 數(shù)據(jù)讀取與預(yù)處理模塊功能解讀.mp4 │ ├── 13.2 BERT任務(wù)目標(biāo)概述.mp4 │ ├── 11.5 整體網(wǎng)絡(luò)所需模塊.mp4 │ ├── 5.7 加載模型對(duì)測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè).mp4 │ ├── 8.2 GAN網(wǎng)絡(luò)組成.mp4 │ ├── 16.5 訓(xùn)練模塊功能.mp4 │ ├── 3.10 VGG網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 2.6 DataSet模塊介紹與應(yīng)用方法.mp4 │ ├── 1.2 PyTorch框架發(fā)展趨勢(shì)簡(jiǎn)介.mp4 │ ├── 10.6 CRNN識(shí)別網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 16.2 各模塊配置參數(shù)解析.mp4 │ ├── 14.1 BERT開源項(xiàng)目簡(jiǎn)介.mp4 │ ├── 16.6 訓(xùn)練結(jié)果可視化展示模塊.mp4 │ ├── 7.2 RNN模型所需輸入格式解析.mp4 │ ├── 14.12 訓(xùn)練BERT模型.mp4 │ ├── 6.3 模型整體框架.mp4 │ ├── 4.3 Vision模塊功能解讀.mp4 │ ├── 14.7 加入額外編碼特征.mp4 │ ├── 5.8 額外補(bǔ)充.Resnet論文解讀.mp4 │ ├── 13.1 BERT課程簡(jiǎn)介.mp4 │ ├── 14.2 項(xiàng)目參數(shù)配置.mp4 │ ├── 9.10 額外補(bǔ)充：VISDOM可視化配置.mp4 │ ├── 9.3 PatchGan判別網(wǎng)絡(luò)原理.mp4 │ ├── 3.3 卷積特征值計(jì)算方法.mp4 │ ├── 14.10 構(gòu)建QKV矩陣.mp4 │ ├── 12.5 數(shù)據(jù)Batch制作方法.mp4 │ ├── 10.7 CTC模塊的作用.mp4 │ ├── 4.1 卷積網(wǎng)絡(luò)參數(shù)定義.mp4 │ ├── 15.3 網(wǎng)絡(luò)結(jié)構(gòu)定義.mp4 │ ├── 9.5 數(shù)據(jù)讀取與預(yù)處理操作.mp4 │ ├── 9.6 生成網(wǎng)絡(luò)模塊構(gòu)造.mp4 │ ├── 14.4 數(shù)據(jù)預(yù)處理模塊.mp4 │ ├── 14.3 數(shù)據(jù)讀取模塊.mp4 │ ├── 4.6 數(shù)據(jù)預(yù)處理與數(shù)據(jù)增強(qiáng)模塊.mp4 │ ├── 5.5 實(shí)現(xiàn)訓(xùn)練模塊.mp4 │ ├── 7.3 項(xiàng)目配置參數(shù)設(shè)置.mp4 │ ├── 13.3 傳統(tǒng)解決方案遇到的問題.mp4 │ ├── 9.7 判別網(wǎng)絡(luò)模塊構(gòu)造.mp4 │ ├── 5.6 訓(xùn)練結(jié)果與模型保存.mp4 │ ├── 10.3 序列網(wǎng)絡(luò)的作用.mp4 │ ├── 8.5 生成與判別網(wǎng)絡(luò)定義.mp4 │ ├── 6.4 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 │ ├── 13.6 特征分配與softmax機(jī)制.mp4 │ ├── 12.6 3D卷積網(wǎng)絡(luò)所涉及模塊.mp4 │ ├── 14.11 完成Transformer模塊構(gòu)建.mp4 │ ├── 13.4 注意力機(jī)制的作用.mp4 │ ├── 11.4 候選框標(biāo)簽制作.mp4 │ ├── 9.9 生成與判別損失函數(shù)指定.mp4 │ ├── 10.4 輸出結(jié)果含義解析.mp4 │ ├── 1.9 Hub模塊簡(jiǎn)介.mp4 │ ├── 8.3 損失函數(shù)解釋說明.mp4 │ ├── 11.1 OCR文字檢測(cè)識(shí)別項(xiàng)目效果展示.mp4 │ ├── 16.1 項(xiàng)目模板各模塊概述.mp4 │ ├── 3.6 邊緣填充方法.mp4 │ ├── 1.3 框架安裝方法（CPU與GPU版本）.mp4 │ ├── 4.2 網(wǎng)絡(luò)流程解讀.mp4 │ ├── 8.1 對(duì)抗生成網(wǎng)絡(luò)通俗解釋.mp4 │ ├── 9.8 損失函數(shù)：identity loss計(jì)算方法.mp4 │ ├── 12.1 3D卷積原理解讀.mp4 │ ├── 6.2 詞向量模型通俗解釋.mp4 │ ├── 1.6 線性回歸DEMO.數(shù)據(jù)與參數(shù)配置.mp4 │ ├── 11.6 網(wǎng)絡(luò)架構(gòu)各模塊完成的任務(wù)解讀.mp4 │ ├── 5.3 加載訓(xùn)練好的網(wǎng)絡(luò)模型.mp4 │ ├── 10.5 CTPN細(xì)節(jié)概述.mp4 │ ├── 7.8 網(wǎng)絡(luò)模型架構(gòu)與效果展示.mp4 │ ├── 11.3 檢測(cè)模塊候選框生成.mp4 │ ├── 13.5 selfattention計(jì)算方法.mp4 │ ├── 5.2 遷移學(xué)習(xí)策略.mp4 │ ├── 2.3 簡(jiǎn)化代碼訓(xùn)練網(wǎng)絡(luò)模型.mp4 │ ├── 6.6 負(fù)采樣方案.mp4 │ ├── 3.5 步長(zhǎng)與卷積核大小對(duì)結(jié)果的影響.mp4 │ ├── 16.4 模型架構(gòu)模塊.mp4 │ ├── 14.5 tfrecord制作.mp4 │ ├── 9.4 Cycle開源項(xiàng)目簡(jiǎn)介.mp4 │ ├── 13.8 位置編碼與多層堆疊.mp4 │ ├── 7.4 新聞數(shù)據(jù)讀取與預(yù)處理方法.mp4 │ ├── 4.7 Batch數(shù)據(jù)制作.mp4 │ ├── 1.4 PyTorch基本操作簡(jiǎn)介.mp4 │ ├── 5.9 額外補(bǔ)充.Resnet網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 13.11 訓(xùn)練實(shí)例.mp4 │ ├── 5.1 遷移學(xué)習(xí)的目標(biāo).mp4 │ ├── 12.7 訓(xùn)練網(wǎng)絡(luò)模型.mp4 │ ├── 7.6 Tensorboardx可視化展示模塊搭建.mp4 │ ├── 12.4 視頻數(shù)據(jù)預(yù)處理方法.mp4 │ ├── 13.7 Multihead的作用.mp4 │ ├── 3.9 整體網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 3.7 特征圖尺寸計(jì)算與參數(shù)共享.mp4 │ ├── 14.8 加入位置編碼特征.mp4 │ ├── 10.1 OCR文字識(shí)別要完成的任務(wù).mp4 │ ├── 3.4 得到特征圖表示.mp4 │ ├── 1.7 線性回歸DEMO.訓(xùn)練回歸模型.mp4 │ ├── 2.4 分類任務(wù)概述.mp4 │ ├── 7.7 CNN應(yīng)用于文本任務(wù)原理解析.mp4 │ ├── 11.2 訓(xùn)練數(shù)據(jù)準(zhǔn)備與環(huán)境配置.mp4 │ ├── 8.4 數(shù)據(jù)讀取模塊.mp4 │ ├── 15.4 訓(xùn)練網(wǎng)絡(luò)模型.mp4 │ ├── 3.1 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域.mp4 │ ├── 15.1 項(xiàng)目配置與環(huán)境概述.mp4 │ ├── 1.5 自動(dòng)求導(dǎo)機(jī)制.mp4 │ ├── 15.2 數(shù)據(jù)讀取與預(yù)處理.mp4 │ ├── 1.1 PyTorch實(shí)戰(zhàn)課程簡(jiǎn)介.mp4 │ ├── 11.7 CRNN識(shí)別模塊所需數(shù)據(jù)與標(biāo)簽.mp4 │ ├── 3.11 殘差網(wǎng)絡(luò)Resnet.mp4 │ ├── 6.1 RNN網(wǎng)絡(luò)架構(gòu)解讀.mp4 │ ├── 16.7 模塊應(yīng)用與BenckMark解讀.mp4 │ ├── 12.2 UCF101動(dòng)作識(shí)別數(shù)據(jù)集簡(jiǎn)介.mp4 │ ├── 9.2 CycleGan整體網(wǎng)絡(luò)架構(gòu).mp4 │ ├── 3.2 卷積的作用.mp4 │ ├── 13.10 BERT模型訓(xùn)練方法.mp4 │ ├── 6.5 CBOW與Skipgram模型.mp4 │ ├── 3.8 池化層的作用.mp4 │ ├── 7.1 任務(wù)目標(biāo)與數(shù)據(jù)簡(jiǎn)介.mp4 │ ├── 10.2 CTPN文字檢測(cè)網(wǎng)絡(luò)概述.mp4 │ ├── 5.4 優(yōu)化器模塊配置.mp4 ├── 第05模塊：機(jī)器學(xué)習(xí)算法建模實(shí)戰(zhàn)項(xiàng)目（新） │ ├── 1.2 項(xiàng)目挑戰(zhàn)與解決方案制定.mp4 │ ├── 6.5 構(gòu)建商品特征表單.mp4 │ ├── 1.6 數(shù)據(jù)集切分.mp4 │ ├── 6.8 特征工程.mp4 │ ├── 6.6 數(shù)據(jù)探索概述.mp4 │ ├── 6.10 行為特征.mp4 │ ├── 3.1 新聞數(shù)據(jù)與任務(wù)概述.mp4 │ ├── 2.9 調(diào)參優(yōu)化細(xì)節(jié).mp4 │ ├── 3.5 貝葉斯建模結(jié)果.mp4 │ ├── 6.1 項(xiàng)目與數(shù)據(jù)介紹.mp4 │ ├── 5.1 fbprophet股價(jià)預(yù)測(cè)任務(wù)概述.mp4 │ ├── 1.9 訓(xùn)練邏輯回歸模型.mp4 │ ├── 3.3 文本關(guān)鍵詞提取.mp4 │ ├── 1.8 正則化懲罰項(xiàng).mp4 │ ├── 5.4 亞馬遜股價(jià)趨勢(shì).mp4 │ ├── 5.3 fbprophet時(shí)間序列預(yù)測(cè)實(shí)例.mp4 │ ├── 1.4 下采樣數(shù)據(jù)集制作.mp4 │ ├── 1.14 過采樣效果與項(xiàng)目總結(jié).mp4 │ ├── 4.1 音樂推薦任務(wù)概述.mp4 │ ├── 2.5 數(shù)據(jù)與特征對(duì)結(jié)果的影響.mp4 │ ├── 3.2 中文分詞與停用詞過濾.mp4 │ ├── 2.2 基本隨機(jī)森林模型建立.mp4 │ ├── 3.4 詞袋模型.mp4 │ ├── 6.9 基本特征構(gòu)造.mp4 │ ├── 6.7 購(gòu)買因素分析.mp4 │ ├── 5.5 突變點(diǎn)調(diào)參.mp4 │ ├── 6.2 數(shù)據(jù)挖掘流程.mp4 │ ├── 4.5 SVD矩陣分解.mp4 │ ├── 5.2 時(shí)間序列分析.mp4 │ ├── 3.6 TF_IDF特征分析對(duì)比.mp4 │ ├── 6.11 累積行為特征.mp4 │ ├── 4.2 數(shù)據(jù)集整合.mp4 │ ├── 1.11 測(cè)試集遇到的問題.mp4 │ ├── 1.12 閾值對(duì)結(jié)果的影響.mp4 │ ├── 2.8 隨機(jī)參數(shù)選擇方法實(shí)踐.mp4 │ ├── 1.10 混淆矩陣評(píng)估分析.mp4 │ ├── 1.7 模型評(píng)估方法與召回率.mp4 │ ├── 4.4 物品相似度計(jì)算與推薦.mp4 │ ├── 4.3 基于物品的協(xié)同過濾.mp4 │ ├── 2.1 基于隨機(jī)森林的氣溫預(yù)測(cè)任務(wù)概述.mp4 │ ├── 1.3 數(shù)據(jù)標(biāo)準(zhǔn)化處理.mp4 │ ├── 4.6-基于矩陣分解的音樂推薦.mp4 │ ├── 1.1 任務(wù)目標(biāo)解讀.mp4 │ ├── 6.4 構(gòu)建用戶特征表單.mp4 │ ├── 2.4 加入新的數(shù)據(jù)與特征.mp4 │ ├── 6.12 Xgboost模型.mp4 │ ├── 2.3 可視化展示與特征重要性.mp4 │ ├── 6.3 數(shù)據(jù)檢查.mp4 │ ├── 2.7 網(wǎng)格與隨機(jī)參數(shù)選擇.mp4 │ ├── 1.13 SMOTE樣本生成策略.mp4 │ ├── 1.5 交叉驗(yàn)證.mp4 │ ├── 2.6 效率對(duì)比分析.mp4 ├── 第02模塊：Python數(shù)據(jù)科學(xué)必備工具包實(shí)戰(zhàn)（新） │ ├── 8-可視化庫(kù)-Seaborn │ │ ├── 8.9 分類屬性繪圖.mp4 │ │ ├── 8.8 多變量分析繪圖.mp4 │ │ ├── 8.4 調(diào)色板.mp4 │ │ ├── 8.6 單變量分析繪圖.mp4 │ │ ├── 8.10 Facetgrid使用方法.mp4 │ │ ├── 8.11 Facetgrid繪制多變量.mp4 │ │ ├── 8.1 課程簡(jiǎn)介.mp4 │ │ ├── 8.7 回歸分析繪圖.mp4 │ │ ├── 8.3 風(fēng)格細(xì)節(jié)設(shè)置.mp4 │ │ ├── 8.5 調(diào)色板顏色設(shè)置.mp4 │ │ ├── 8.2 整體布局風(fēng)格設(shè)置.mp4 │ │ ├── 8.12 熱度圖繪制.mp4 │ ├── 7-可視化庫(kù)-Matplotlib │ │ ├── 7.11 直方圖與散點(diǎn)圖.mp4 │ │ ├── 7.10 繪圖細(xì)節(jié)設(shè)置2.mp4 │ │ ├── 7.6 條形圖外觀.mp4 │ │ ├── 7.8 盒圖細(xì)節(jié).mp4 │ │ ├── 7.12 3D圖繪制.mp4 │ │ ├── 7.3 風(fēng)格設(shè)置.mp4 │ │ ├── 7.1 Matplotlib概述.mp4 │ │ ├── 7.5 條形圖細(xì)節(jié).mp4 │ │ ├── 7.2 子圖與標(biāo)注.mp4 │ │ ├── 7.13 pie圖.mp4 │ │ ├── 7.7 盒圖繪制.mp4 │ │ ├── 7.15 結(jié)合pandas與sklearn.mp4 │ │ ├── 7.4 條形圖.mp4 │ │ ├── 7.14 子圖布局.mp4 │ │ ├── 7.9 繪圖細(xì)節(jié)設(shè)置.mp4 │ ├── 2-pandas（新） │ │ ├── 2.23 pandas數(shù)據(jù)類型練習(xí).mp4 │ │ ├── 2.35 pandas索引操作.mp4 │ │ ├── 2.44 交叉表和透視表.mp4 │ │ ├── 2.31 異常值處理.mp4 │ │ ├── 2.30 空值過濾.mp4 │ │ ├── 2.27 python空類型和numy空類型.mp4 │ │ ├── 2.10 DataFrame運(yùn)算（一）.mp4 │ │ ├── 2.42 -合并參數(shù)left_on,right_on,on.mp4 │ │ ├── 2.26 常用數(shù)據(jù)探索方法.mp4 │ │ ├── 2.38 map處理精確匹配模糊匹配.mp4 │ │ ├── 2.39 pandas級(jí)聯(lián).mp4 │ │ ├── 2.8 DataFrame的其他構(gòu)造方法.mp4 │ │ ├── 2.7 DataFrame的基礎(chǔ)構(gòu)造方法.mp4 │ │ ├── 2.5 Series的運(yùn)算.mp4 │ │ ├── 2.34 排序和隨機(jī)抽樣.mp4 │ │ ├── 2.32 離群點(diǎn)檢測(cè)和過濾.mp4 │ │ ├── 2.4 Series的重要屬性.mp4 │ │ ├── 2.36 rename操作.mp4 │ │ ├── 2.28 pandas空值查找.mp4 │ │ ├── 2.12 pandas對(duì)象的顯示訪問和隱式訪問.mp4 │ │ ├── 2.41 合并參數(shù)left,right,how.mp4 │ │ ├── 2.29 pandas空值批量填充.mp4 │ │ ├── 2.37 replace替換.mp4 │ │ ├── 2.2 Series對(duì)象的基本構(gòu)造及注意事項(xiàng).mp4 │ │ ├── 2.21 多層索引的訪問.mp4 │ │ ├── 2.11 DataFrame運(yùn)算（二）.mp4 │ │ ├── 2.19 pandas單層索引.mp4 │ │ ├── 2.16 pandas高級(jí)查找.mp4 │ │ ├── 2.14 pandas對(duì)象iloc訪問詳解.mp4 │ │ ├── 2.15 pandas對(duì)象訪問的注意事項(xiàng).mp4 │ │ ├── 2.13 pandas對(duì)象的loc訪問詳解.mp4 │ │ ├── 2.40 合并的基本邏輯和注意事項(xiàng).mp4 │ │ ├── 2.3 Series高級(jí)構(gòu)造函數(shù).mp4 │ │ ├── 2.33 重復(fù)值處理.mp4 │ │ ├── 2.1 pandas簡(jiǎn)介.mp4 │ │ ├── 2.17 pandas聚合操作.mp4 │ │ ├── 2.9 DataFrame的重要屬性.mp4 │ │ ├── 2.43 groupby分組.mp4 │ │ ├── 2.6 DataFrame結(jié)構(gòu)理解.mp4 │ │ ├── 2.18 pandas對(duì)象習(xí)題講解.mp4 │ │ ├── 2.20 pandas多層索引.mp4 │ │ ├── 2.24 csv文件和txt文件的讀取.mp4 │ │ ├── 2.25 pandasIO操作.mp4 │ │ ├── 2.22 stack和unstack操作.mp4 │ ├── 6-數(shù)據(jù)分析處理庫(kù)-Pandas │ │ ├── 6.7 對(duì)象操作2.mp4 │ │ ├── 6.5 數(shù)值運(yùn)算.mp4 │ │ ├── 6.19 大數(shù)據(jù)處理技巧.mp4 │ │ ├── 6.15 Groupby操作延伸.mp4 │ │ ├── 6.12 時(shí)間序列操作.mp4 │ │ ├── 6.3 Pandas索引.mp4 │ │ ├── 6.18 Pandas繪圖操作.mp4 │ │ ├── 6.6 對(duì)象操作.mp4 │ │ ├── 6.13 Pandas常用操作.mp4 │ │ ├── 6.14 Pandas常用操作2.mp4 │ │ ├── 6.9 顯示設(shè)置.mp4 │ │ ├── 6.8 merge操作.mp4 │ │ ├── 6.17 索引進(jìn)階.mp4 │ │ ├── 6.11 時(shí)間操作.mp4 │ │ ├── 6.16 字符串操作.mp4 │ │ ├── 6.1 Pandas概述.mp4 │ │ ├── 6.4 groupby操作.mp4 │ │ ├── 6.2 Pandas基本操作.mp4 │ │ ├── 6.10 數(shù)據(jù)透視表.mp4 │ ├── 4-seaborn可視化（新） │ │ ├── 102課時(shí)調(diào)色板工具和自定義調(diào)色板.mp4 │ │ ├── 109課時(shí)離散字段和連續(xù)字段的可視化方案.mp4 │ │ ├── 101課時(shí)seaborn分類調(diào)色板.mp4 │ │ ├── 97課時(shí)seaborn邊框配置.mp4 │ │ ├── 108課時(shí)scatterplot散點(diǎn)圖.mp4 │ │ ├── 112課時(shí)單變量分布圖像和組合圖像.mp4 │ │ ├── 107課時(shí)seaborn條形圖多分組技巧.mp4 │ │ ├── 103課時(shí)連續(xù)調(diào)色板配色方案.mp4 │ │ ├── 100課時(shí)seaborn默認(rèn)的配色方案.mp4 │ │ ├── 113課時(shí)多分組可視化實(shí)現(xiàn)方案.mp4 │ │ ├── 99課時(shí)matplotlib調(diào)色板作用及定制.mp4 │ │ ├── 95課時(shí)seaborn默認(rèn)風(fēng)格設(shè)置.mp4 │ │ ├── 106課時(shí)seaborn條形圖繪制.mp4 │ │ ├── 96課時(shí)seaborn畫布風(fēng)格設(shè)置.mp4 │ │ ├── 104課時(shí)對(duì)稱調(diào)色板及配色方案總結(jié).mp4 │ │ ├── 110課時(shí)heatmap熱力圖.mp4 │ │ ├── 111課時(shí)regplot和lmplot線性回歸.mp4 │ │ ├── 98課時(shí)seaborn文字線條設(shè)置.mp4 │ │ ├── 105課時(shí)seaborn玩具數(shù)據(jù)加載.mp4 │ ├── 3-matplotlib繪圖 (新) │ │ ├── 84課時(shí)matplotlib繪圖-其他設(shè)置方式補(bǔ)充.mp4 │ │ ├── 85課時(shí)2D圖像繪制-線型圖.mp4 │ │ ├── 80課時(shí)matplotlib繪圖-畫板注釋信息和箭頭注釋.mp4 │ │ ├── 93課時(shí)2D圖像繪制-箱線圖.mp4 │ │ ├── 78課時(shí)matplotlib繪圖-圖像保存.mp4 │ │ ├── 82課時(shí)matplotlib繪圖-透明度和圖像讀取.mp4 │ │ ├── 71課時(shí)matplotlib繪圖-圖像組成.mp4 │ │ ├── 90課時(shí)2D圖像繪制-極坐表?xiàng)l形圖.mp4 │ │ ├── 75課時(shí)matplotlib繪圖-刻度值和刻度標(biāo)簽.mp4 │ │ ├── 81課時(shí)matplotlib繪圖-顏色處理.mp4 │ │ ├── 89課時(shí)2D圖像繪制-條形圖.mp4 │ │ ├── 76課時(shí)matplotlib繪圖-軸標(biāo)題和畫布標(biāo)題.mp4 │ │ ├── 94課時(shí)matplotlib全局設(shè)置.mp4 │ │ ├── 88課時(shí)2D圖像繪制-直方圖bins的用法補(bǔ)充.mp4 │ │ ├── 79課時(shí)matplotlib繪圖-畫板注釋信息和畫板標(biāo)題.mp4 │ │ ├── 91課時(shí)2D圖像繪制-雷達(dá)圖.mp4 │ │ ├── 73課時(shí)matplotlib繪圖-網(wǎng)格設(shè)置.mp4 │ │ ├── 83課時(shí)matplotlib繪圖-線型和點(diǎn)型設(shè)置.mp4 │ │ ├── 72課時(shí)matplotlib繪圖-畫板畫布和就近原則.mp4 │ │ ├── 92課時(shí)2D圖像繪制-餅圖.mp4 │ │ ├── 87課時(shí)2D圖像繪制-直方圖.mp4 │ │ ├── 74課時(shí)matplotlib繪圖-刻度界限.mp4 │ │ ├── 86課時(shí)2D圖像繪制-散點(diǎn)圖.mp4 │ │ ├── 77課時(shí)matplotlib繪圖-圖例設(shè)置.mp4 │ ├── 5-科學(xué)計(jì)算庫(kù)-Numpy │ │ ├── 5.2 Array數(shù)組.mp4 │ │ ├── 5.6 排序操作.mp4 │ │ ├── 5.1 Numpy概述.mp4 │ │ ├── 5.4 數(shù)組類型.mp4 │ │ ├── 5.10 四則運(yùn)算.mp4 │ │ ├── 5.12 文件讀寫.mp4 │ │ ├── 5.11 隨機(jī)模塊.mp4 │ │ ├── 5.14 練習(xí)題1.mp4 │ │ ├── 5.13 數(shù)組保存.mp4 │ │ ├── 5.15 練習(xí)題2.mp4 │ │ ├── 5.7 數(shù)組形狀操作.mp4 │ │ ├── 5.9 常用生成函數(shù).mp4 │ │ ├── 5.5 數(shù)值運(yùn)算.mp4 │ │ ├── 5.16 練習(xí)題3.mp4 │ │ ├── 5.3 數(shù)組結(jié)構(gòu).mp4 │ │ ├── 5.8 數(shù)組生成函數(shù).mp4 │ ├── 1-numpy（新） │ │ ├── 1.10 routines函數(shù)（二）.mp4 │ │ ├── 1.7 ndarray的屬性及輸出方法.mp4 │ │ ├── 1.26 numpy查找和排序.mp4 │ │ ├── 1.25 numpy的數(shù)學(xué)函數(shù)和算數(shù)函數(shù).mp4 │ │ ├── 1.2 jupyter_notebook啟動(dòng).mp4 │ │ ├── 1.14 ndarray讀寫練習(xí).mp4 │ │ ├── 1.19 廣播機(jī)制.mp4 │ │ ├── 1.6 IPython魔法指令和輸入輸出歷史.mp4 │ │ ├── 1.23 ndarray的append和insert.mp4 │ │ ├── 1.3 jupyter_notebook單元格基本狀態(tài).mp4 │ │ ├── 1.4 單元格的常用操作.mp4 │ │ ├── 1.8 ndarray的元素類型統(tǒng)一.mp4 │ │ ├── 1.5 單元格運(yùn)行與幫助文檔.mp4 │ │ ├── 1.12 routines函數(shù)練習(xí).mp4 │ │ ├── 1.20 ndarray運(yùn)算練習(xí).mp4 │ │ ├── 1.11 routines函數(shù)（三）.mp4 │ │ ├── 1.18 ndarray的基本運(yùn)算.mp4 │ │ ├── 1.16 ndarray的拆分.mp4 │ │ ├── 1.21 ndarray的聚合函數(shù).mp4 │ │ ├── 1.9 routines函數(shù)（一）.mp4 │ │ ├── 1.22 ndarray綜合練習(xí).mp4 │ │ ├── 1.24 ndarray的delete、扁平處理、變形和翻轉(zhuǎn).mp4 │ │ ├── 1.1 Anaconda簡(jiǎn)介及安裝.mp4 │ │ ├── 1.17 ndarray拆分練習(xí).mp4 │ │ ├── 1.13 ndarray的讀寫操作.mp4 │ │ ├── 1.15 ndarray級(jí)聯(lián)concatenate.mp4
購(gòu)買主題
本主題需向作者支付 20 資源幣 才能瀏覽
| |
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
小黑屋|資源共享吧 ( 瓊ICP備2023000410號(hào)-1 )
GMT+8, 2025-8-2 01:40 , Processed in 0.060743 second(s), 17 queries , MemCached On.
發(fā)表于 2025-7-13 23:29:24
收藏
發(fā)表于 2025-7-14 09:03:32