Java自学网

 找回密码
 立即注册

QQ登录

只需一步,快速开始

查看: 9483|回复: 79

百战程序员AI算法工程师就业班2022

  [复制链接]

该用户从未签到

8

主题

189

帖子

374

积分

普通会员

Rank: 2

积分
374
发表于 2022-8-6 10:30:01 | 显示全部楼层 |阅读模式
103002wf6btfftbn6n6zff.png
) ^0 L, r* M9 a. L- d6 w——/百战程序员-AI算法工程师就业班2022/
) w1 K3 p" ^8 E├──01、人工智能基础-快速入门  
6 ?+ ~2 n8 U+ T$ ^|   ├──1:人工智能就业前景与薪资 .mp4  33.78M
9 @* b6 m/ [% n  h|   ├──2:人工智能适合人群与必备技能 .mp4  21.04M
6 [2 k# ^+ K$ ?' v1 S9 U6 {6 ]|   ├──3:人工智能时代是发展的必然 .mp4  16.72M  L: C- B& M1 L! K. V: G
|   ├──4:人工智能在各领域的应用 .mp4  41.82M2 R( F' b* F6 e) b8 @
|   ├──5:人工智能常见流程 .mp4  36.38M
1 [2 S2 ?* U0 G7 z! ?# C, u% ]8 r|   ├──6:机器学习不同的学习方式 .mp4  31.23M
* s4 e/ Z( o3 L& `% s|   ├──7:深度学习比传统机器学习有优势 .mp4  33.52M
; V# A& V( t4 q|   ├──8:有监督机器学习任务与本质 .mp4  23.25M
6 h9 U7 K9 q( B|   └──9:无监督机器学习任务与本质 .mp4  31.13M
9 d' C& _2 X( f, K* h0 H; F1 R├──02、人工智能基础-Python基础  
7 n, ]  S; r* Q3 s4 E* k|   ├──章节1:Python开发环境搭建    E" A$ b: P1 ]+ l3 a1 a
|   |   ├──1:下载Miniconda运行环境 .mp4  31.42M( y; x" S9 j+ c4 i8 w& C/ ?8 `
|   |   ├──2:Miniconda安装和测试 .mp4  36.64M, P/ _; ~8 c# F
|   |   ├──3:Pycharm安装和代码运行 .mp4  30.29M9 I4 e2 m0 T8 Q" L3 S8 n
|   |   ├──4:Jupyter安装和代码运行 .mp4  24.92M, S4 a& t1 n  a, a! n$ U8 o3 Q! v
|   |   ├──5:Jupyter常用快捷键 .mp4  20.73M
+ a0 J# U# q0 C" W- H1 U|   |   ├──6:Conda虚拟环境创建与Python模块安装 .mp4  47.66M
+ A3 P  ?. `& ]& |8 E|   |   ├──7:关联虚拟环境运行代码 .mp4  26.32M
3 c( O! t# q: _9 Y: w' i' i5 f, N1 e|   |   ├──代码.rar  509.90kb3 K& @* s$ K" e& q* b9 A
|   |   ├──人工智能-第1阶段Python基础.pdf  9.37M
7 s5 a; f( i  Y7 M|   |   └──人工智能-第1阶段python进阶和高级编程.pdf  7.52M! r4 C# J9 B1 W9 E. v3 a
|   └──章节2:Python基础语法  ) ?* L+ h/ A. k2 S
|   |   ├──10:Python_控制语句_多分支_三元条件运算符 .mp4  21.39M* v" ]; o5 H& B7 y& y1 k, g% J
|   |   ├──11:Python_控制语句_while循环 .mp4  16.32M' y" [9 H; q% t. ^1 i1 Z
|   |   ├──12:Python_控制语句_for循环 .mp4  18.68M' H+ V* l& z+ N4 A) i/ \
|   |   ├──13:Python_控制语句_嵌套循环 .mp4  27.86M  _* v" O6 `1 h/ l" n* r: i9 s) d
|   |   ├──14:Python_控制语句_break_continue .mp4  16.39M  m4 D' b# R9 |) \& [
|   |   ├──15:Python_切片操作 .mp4  30.52M
1 P( {& T; u: W* ?|   |   ├──16:Python_数据类型 .mp4  20.88M4 @+ _" E6 T5 e2 s  b1 ]$ X8 j% x
|   |   ├──17:Python_集合操作_列表 .mp4  24.10M
3 \- r! \; J1 y1 ?3 b8 V, ~|   |   ├──18:Python_集合操作_列表的基本操作 .mp4  35.13M
  y, u( E7 E+ n. x|   |   ├──19:Python_集合操作_列表的常用方法 .mp4  26.62M) s! c- ~/ @; e/ E% C6 K
|   |   ├──20:Python_集合操作_元组 .mp4  29.08M
4 C% k, n( D1 B3 Z+ T2 b& z4 N, A9 C|   |   ├──21:Python_集合操作_字典和常见操作 .mp4  25.76M7 [$ p4 c" l* e% {$ g
|   |   ├──22:Python_集合操作_字典keys方法_enumerate函数 .mp4  18.07M
. h1 _9 X) R8 g. [9 h|   |   ├──23:Python_os模块_shutil模块 .mp4  36.75M
0 e7 l% G# V( V( w. ~/ _|   |   ├──24:Python_打开并读取文件_中文编码问题 .mp4  38.72M6 ~- {% T- @4 u) q1 P, S, d8 x
|   |   ├──25:Python_函数_定义_调用_返回值_注释 .mp4  18.23M1 ]8 k9 [/ ~! D9 \8 ~
|   |   ├──26:Python_函数_局部变量_全局变量 .mp4  23.50M3 y7 r! ]- J9 t1 `
|   |   ├──27:Python_函数_默认参数_可变参数 .mp4  18.06M
1 J% ^: v* @% V% i3 s+ e# v|   |   ├──28:Python_函数_递归 .mp4  18.20M$ h) l" U2 @6 N
|   |   ├──29:Python_函数式编程_高阶函数 .mp4  17.71M1 W7 `+ w- X2 q% S7 q
|   |   ├──30:Python_函数式编程_map_reduce_filter_匿名函数 .mp4  26.94M
: `- m; S9 m2 M4 _|   |   ├──31:Python_函数_闭包 .mp4  27.49M: p0 s/ l; u7 c# d2 j5 t) T
|   |   ├──32:Python_函数_装饰器 .mp4  19.34M
/ M3 ~& T/ X4 K1 J1 Y|   |   ├──33:Python_类对象_定义与实例化对象 .mp4  36.96M1 n; D6 d# O' u% |
|   |   ├──34:Python_类对象_实例属性和方法_类属性和方法 .mp4  26.21M6 M: o3 k+ C. H1 C
|   |   ├──35:Python_类对象_内置方法 .mp4  19.39M# L- @  K% d5 }2 n; w8 f/ m9 B6 \
|   |   ├──36:Python_类对象_运算符重载_私有对象方法_isinstance函数 .mp4  26.22M( E  E# X) M0 B
|   |   ├──37:Python_类对象_面向对象三大特性_类的继承 .mp4  20.15M& _/ n" Q0 a5 q2 l; E+ b
|   |   ├──38:Python_类对象_子类复用父类构造器和方法_方法重写 .mp4  20.79M
4 r2 ~* z) x9 E" y$ Y7 Y|   |   ├──8:Python是强类型的动态脚本语言 .mp4  27.23M( p1 u4 g2 X/ x3 p
|   |   ├──9:Python_控制语句_单双分支 .mp4  39.27M- g+ W  a" T- ~& A. }
|   |   └──新建文本文档.txt  0.51kb5 V; d" ~, E, L( }) Z( f5 X) E( Z
├──03、人工智能基础-Python科学计算和可视化  8 ^5 X" _1 P8 s+ m
|   ├──章节1:科学计算模型Numpy  
! [) m! d# ~1 p  x# x+ @7 |) X' y3 A! }|   |   ├──1:Numpy_概述_安装_创建数组_获取shape形状 .mp4  30.30M  J: R3 h7 S4 o% T
|   |   ├──2:Numpy_array_arange .mp4  23.56M
& }! n9 r0 `8 Q8 U7 x$ N$ f- C|   |   ├──3:Numpy_random随机数生成 .mp4  35.81M
! T0 A% g  l0 h; G# u' N; g$ \* h|   |   ├──4:Numpy_ndarray属性_zeros_ones_like等创建数组函数 .mp4  32.59M. U; n8 D7 O- _& a9 a4 a
|   |   ├──5:NumPy_reshape_切片操作_copy函数 .mp4  22.70M
/ P2 p& m3 n( x4 P5 R  b|   |   ├──6:Numpy_改变数组维度_数组的拼接 .mp4  30.40M
2 k( K9 Z9 u) [( P, n# R|   |   ├──7:Numpy_数组的切分和转置 .mp4  19.19M8 L+ H6 C  L! T3 d3 H1 H
|   |   ├──8:Numpy_算术运算_向上向下取整 .mp4  23.03M
6 z% F2 a1 C. I$ c|   |   ├──9:Numpy_聚合函数 .mp4  15.33M* G, J/ [6 Z8 Q% n8 B# y/ U
|   |   └──新建文本文档.txt  0.36kb
/ G/ e, M% ]2 G|   ├──章节2:数据可视化模块  
2 Q/ ^9 ^) T; m& m1 @/ |4 C% M|   |   ├──10:Matplotlib_概述_绘制直线图 .mp4  28.64M
5 R4 }7 k" z- z2 q$ E# f4 Q|   |   ├──11:Matplotlib_绘制正余弦曲线_散点图_添加图例 .mp4  23.68M
' X! k$ |2 ?. C" ||   |   ├──12:Matplotlib_绘制柱状图_画布切分多个子画布_柱状图对比 .mp4  34.98M
3 ?) J6 ~4 F  q# F9 }|   |   ├──13:Matplotlib_绘制饼图_直方图_同时绘制多组数据分布 .mp4  21.29M
) [% g1 u! {9 Q" J  f|   |   ├──14:Matplotlib_绘制等高线图_绘制三维图像 .mp4  24.37M. f2 D/ U% o! q2 v. \+ I
|   |   ├──1599293649514137.png  18.62kb  O5 z/ c4 P' y
|   |   ├──人工智能-第1阶段数据分析(含办公自动化分析).pdf  6.04M
4 Q' r" p# w4 _$ ^7 d& s) @|   |   └──新建文本文档.txt  0.16kb- ]' `" w: z, I
|   └──章节3:数据处理分析模块Pandas  
% e6 S5 m+ `$ P% n$ |2 Q) S' Q|   |   ├──15:Python_Pandas_Series对象创建 .mp4  22.96M! a$ G: H" u) V5 b6 m- n
|   |   ├──16:Python_Pandas_DataFrame对象创建 .mp4  24.82M% d5 }5 J8 @0 O# l1 a
|   |   ├──17:Python_Pandas_获取Series对象的值 .mp4  15.52M
" Q. g% z) n1 ?/ U|   |   ├──18:Python_Pandas_获取DataFrame对象的值 .mp4  18.85M" ^4 b7 w5 U# r/ f
|   |   ├──19:Python_Pandas_条件过滤 .mp4  17.28M3 |+ Q% U& H& g2 {1 E% `
|   |   ├──20:Python_Pandas_空值的删除与填充 .mp4  33.25M
: e! J+ ?4 I5 w: U5 S|   |   ├──21:Python_Pandas_拼接和合并 .mp4  27.91M
' E9 d5 V" v  ]|   |   └──新建文本文档.txt  0.37kb* j8 v8 b& @; M3 b/ A/ @/ {
├──04、人工智能基础-高等数学知识强化  % H' C- a0 _$ v+ T6 }, L/ o
|   ├──10:高阶导数_导数判断单调性_导数与极值 .mp4  15.30M  M4 z) @, B. a) f) V* \- Q6 n: \
|   ├──11:导数判断凹凸性_导数用于泰勒展开 .mp4  31.49M4 i+ W! S, |7 B* c( @% v* v
|   ├──12:向量的意义_n维欧式空间空间 .mp4  15.35M  J9 \# M: R* ?" k9 t# ~
|   ├──13:行向量列向量_转置_数乘_加减乘除 .mp4  14.17M
) Q4 U) F( ?  v0 D9 r7 L|   ├──14:向量的内积_向量运算法则 .mp4  14.38M
% u0 M3 a. D2 M; P" q# T|   ├──15:学习向量计算的用途举例 .mp4  16.84M
; t7 `( e$ y# L0 [, b6 F|   ├──16:向量的范数_范数与正则项的关系 .mp4  23.52M( J! i/ x# p2 D, J' F0 w
|   ├──17:特殊的向量 .mp4  19.38M$ d3 ^5 G0 M* c$ s- T+ ?
|   ├──18:矩阵_方阵_对称阵_单位阵_对角阵 .mp4  13.47M
, K+ [$ r2 K* ~; e|   ├──19:矩阵的运算_加减法_转置 .mp4  17.35M
, q: U2 k- X  j|   ├──1:人工智能学习数学的必要性_微积分知识点 .mp4  18.97M6 v3 G. _. g4 \0 ?" @3 }  {
|   ├──20:矩阵相乘 .mp4  14.36M4 T0 ?% [2 \& \& ~0 e8 j$ [% H
|   ├──21:矩阵的逆矩阵 .mp4  27.58M
2 P+ ]; n! f$ U" S0 r0 P9 \|   ├──22:矩阵的行列式 .mp4  14.61M; H6 f  Q' j/ B# \0 a2 i8 x) _0 u
|   ├──23:多元函数求偏导 .mp4  16.34M5 V5 a) H, c* h' v, d- i
|   ├──24:高阶偏导数_梯度 .mp4  19.74M
* i0 N7 ~7 J* V# C|   ├──25:雅可比矩阵_在神经网络中应用 .mp4  26.04M
. D) s3 P6 d: Q4 l2 H1 M0 f|   ├──26:Hessian矩阵 .mp4  22.55M( j! D: \: Y) c/ @2 x
|   ├──27:二次型 .mp4  18.55M
. v/ M3 W7 h1 w% f6 q|   ├──28:补充关于正定负定的理解 .mp4  13.06M
0 l- h. @( z1 t|   ├──29:特征值和特征向量(1) .mp4  19.45M4 O, T" L* Z1 n
|   ├──2:线性代数_概率论知识点 .mp4  17.26M
: \& X# G. S2 {9 J$ d1 Z|   ├──30:特征值和特征向量(2) .mp4  18.01M8 i2 G8 w; _: t2 U* Y, l1 ?+ R
|   ├──31:特征值分解 .mp4  26.18M
4 O% O( D$ [' w1 C: o0 ?/ r|   ├──32:多元函数的泰勒展开_矩阵和向量的求导 .mp4  30.50M
1 w( h6 Q/ b: R8 P+ h' y6 P3 L4 F|   ├──33:奇异值分解定义 .mp4  16.37M
) j' T8 }  V7 W5 t; q$ Z|   ├──34:求解奇异值分解中的UΣV矩阵 .mp4  34.04M
# V4 E5 X3 @4 g. ]; a|   ├──35:奇异值分解性质_数据压缩 .mp4  23.36M! R" Q2 y  L  }( H0 k
|   ├──36:SVD用于PCA降维 .mp4  17.58M( c; ]! o  @' t2 x9 P. q! V/ u
|   ├──37:SVD用于协同过滤_求逆矩阵 .mp4  23.76M  [) y, D# I4 G
|   ├──38:概率论_随机事件与随机事件概率 .mp4  14.04M
! X+ n# @1 x$ K: f- r|   ├──39:条件概率_贝叶斯公式 .mp4  21.97M
/ U9 L4 H0 N( H7 n0 e/ R|   ├──3:最优化知识_数学内容学习重点 .mp4  25.90M) C- l; c4 M' B0 c! G3 r$ w
|   ├──40:随机变量 .mp4  17.17M
: j: _# t8 t4 G: x$ u|   ├──41:数学期望和方差 .mp4  16.18M: ]! d5 |: o5 r' R  e8 u
|   ├──42:常用随机变量服从的分布 .mp4  14.64M
3 t3 s# C- f7 o$ J8 [|   ├──43:随机向量_独立性_协方差_随机向量的正太分布 .mp4  22.95M
6 D; {' ?5 v, ]% i|   ├──44:最大似然估计思想 .mp4  16.62M* `3 e- E% c: }1 u! k6 A+ S5 f7 `& k
|   ├──45:最优化的基本概念 .mp4  23.95M
) v& ?, Y1 h3 ^: ]|   ├──46:迭代求解的原因 .mp4  12.99M9 H. s$ y0 N) R
|   ├──47:梯度下降法思路 .mp4  19.41M2 z6 O- ?! n! T( O, q4 }
|   ├──48:梯度下降法的推导 .mp4  31.39M
. A! c. M/ x$ ~1 ]|   ├──49:牛顿法公式推导以及优缺点 .mp4  30.04M% j: |' W, y# r% X. }- j
|   ├──4:导数的定义_左导数和右导数 .mp4  20.10M0 g: B" j3 `: h/ k
|   ├──50:坐标下降法_数值优化面临的问题 .mp4  17.05M$ G' T: U+ y3 N" h
|   ├──51:凸集 .mp4  14.02M
/ S0 x/ U5 c/ \- k% w: F|   ├──52:凸函数 .mp4  12.35M( X5 Y3 K% D6 m& j( [
|   ├──53:凸优化的性质_一般表达形式 .mp4  14.81M0 [& O& U% w+ e5 w7 y9 H. t% C
|   ├──54:拉格朗日函数 .mp4  19.74M. D/ ]3 s5 C5 @; C) }! s
|   ├──5:导数的几何意义和物理意义 .mp4  10.21M
% }! v% t  r8 _& [( O  N|   ├──6:常见函数的求导公式 .mp4  15.80M
$ f' I" V  m. }  G% w4 p- P2 x|   ├──7:导数求解的四则运算法则 .mp4  18.96M
2 r6 A  G$ e* q' p|   ├──8:复合函数求导法则 .mp4  11.79M
8 b  q3 K4 _+ ~+ D|   ├──9:推导激活函数的导函数 .mp4  23.54M
+ e6 @! g( ^5 x- U|   └──数学.pdf  1.50M- Z* Q( w$ x1 X' H2 Q6 f
├──05、机器学习-线性回归  9 n9 Z; G- ~" g" W2 D
|   ├──章节1:多元线性回归  
& p4 `( J; J1 e6 R/ Z& S" I|   |   ├──10:对数似然函数_推导出损失函数MSE .mp4  23.06M0 X) [  l, g. g0 N9 O1 ?! A
|   |   ├──11:把目标函数按照线性代数的方式去表达 .mp4  14.44M# Y( U7 \: F$ R! b9 x. W9 b
|   |   ├──12:推导出目标函数的导函数形式 .mp4  23.33M
; L- k; q! Y$ G" l- N' k0 P5 D|   |   ├──13:θ解析解的公式_是否要考虑损失函数是凸函数 .mp4  27.93M
" p/ @/ w6 b; p  ?; \|   |   ├──14:Python开发环境版本的选择及下载 .mp4  23.08M8 k# t3 D4 y+ U
|   |   ├──15:Anaconda环境安装_Pycharm环境安装 .mp4  26.51M
0 r( e! l8 d1 s7 z" m' p# I6 w|   |   ├──16:Pycharm创建脚本并测试python开发环境 .mp4  17.38M
6 L6 m4 D4 @2 `. K- V3 R- M|   |   ├──17:解析解的方式求解多元线性回归_数据Xy .mp4  16.74M
0 N) C+ }2 R" v4 M$ w9 c|   |   ├──18:解析解的方式求解多元线性回归_求解模型_使用模型_绘制图形 .mp4  19.95M
0 [9 k' C$ f' Z|   |   ├──19:解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换 .mp4  14.08M" d' ^6 M  }9 U! G! v: h
|   |   ├──1:理解简单线性回归 .mp4  21.25M
0 ~) n8 s, C+ c( S/ j$ ~4 t8 S|   |   ├──20:Scikit-learn模块的介绍 .mp4  16.91M
3 L6 Q% M) g; U1 Y% q|   |   ├──21:调用Scikit-learn中的多元线性回归求解模型(上) .mp4  13.17M
; c( Y5 I; d8 o" S|   |   ├──22:调用Scikit-learn中的多元线性回归求解模型(下) .mp4  17.24M6 E' g' ?" f/ I8 ~, [
|   |   ├──2:最优解_损失函数_MSE .mp4  19.54M
9 P% b2 |! |8 _6 m|   |   ├──3:扩展到多元线性回归 .mp4  14.47M  m- f7 f% X7 s+ `& E
|   |   ├──4:理解多元线性回归表达式几种写法的原因 .mp4  16.21M9 O( U1 L5 h0 W8 m0 d
|   |   ├──5:理解维度这个概念 .mp4  21.22M4 g$ ~; E$ N: M" ?
|   |   ├──6:理解回归一词_中心极限定理_正太分布和做预测 .mp4  28.17M
& x- G- X7 ]3 a. u! f|   |   ├──7:假设误差服从正太分布_最大似然估计MLE .mp4  21.44M
( s7 n% h, l( x0 t, s|   |   ├──8:引入正太分布的概率密度函数 .mp4  14.86M
  @3 j5 q5 K) ^7 t' u|   |   ├──9:明确目标通过最大总似然求解θ .mp4  14.53M
9 z2 }* ~+ x. \" J' o8 A. @|   |   ├──代码.rar  1.50kb
' e2 p. m1 F3 i9 u8 O, N7 n|   |   ├──第一阶段_手把手教你透彻掌握线性回归算法.pdf  2.71M
0 C' O! c' K1 p0 j7 M|   |   ├──软件.rar  777.48M
7 ~1 {! H% d! P4 C' N  y7 D" y( }|   |   └──新建文本文档.txt  0.28kb
2 U/ C5 d' \9 r% X! A|   ├──章节2:梯度下降法  
% G# G3 s4 `9 l% T|   |   ├──23:梯度下降法产生的目的和原因以及思想 .mp4  28.12M1 ]* A* T1 ]( [' z$ U
|   |   ├──24:梯度下降法公式 .mp4  28.41M7 n- ~3 e. @8 r3 v& c
|   |   ├──25:学习率设置的学问_全局最优解 .mp4  26.42M# R+ u, T7 Z0 o9 E
|   |   ├──26:梯度下降法迭代流程总结 .mp4  15.17M
% |- i+ Y! E9 T6 X/ t|   |   ├──27:多元线性回归下的梯度下降法 .mp4  21.80M
) ~! k4 Z; u. K1 H# k|   |   ├──28:全量梯度下降 .mp4  30.60M
6 i  q' `0 k* R% l|   |   ├──29:随机梯度下降_小批量梯度下降 .mp4  26.32M
2 ?; k5 x# q' f6 `! x# Q( w|   |   ├──30:对应梯度下降法的问题和挑战 .mp4  22.61M
  i/ c  g4 [5 ?' S$ ]|   |   ├──31:轮次和批次 .mp4  26.67M, c5 [" Y! p" S! ?$ t. I
|   |   ├──32:代码实现全量梯度下降第1步和第2步 .mp4  12.82M$ \7 z0 c$ L) V, Q
|   |   ├──33:代码实现全量梯度下降第3步和第4步 .mp4  14.09M
2 l& C  V  W7 ]$ o4 q, K|   |   ├──34:代码实现随机梯度下降 .mp4  12.28M, y: ~: A4 c9 C7 E3 @8 f1 z  X& v
|   |   ├──35:代码实现小批量梯度下降 .mp4  11.67M
9 A# k+ |8 l! @/ X  n* e|   |   ├──36:代码改进保证训练数据全都能被随机取到 .mp4  16.08M
' R& M+ E0 t3 A|   |   ├──37:代码改进实现随着迭代增加动态调整学习率 .mp4  16.67M
1 Q% i  e( W2 r% W& d7 b2 R! `" N: R|   |   ├──代码.rar  1.73kb8 h2 u4 ?2 ^9 F0 B+ j
|   |   ├──第四阶段_梯度下降法_归一化_正则化_多项式升维.pdf  2.59M
' Z2 o/ h+ W% {& I0 g+ c|   |   └──新建文本文档.txt  0.25kb, C; ^3 k+ B1 f% ^8 ^: l
|   ├──章节3:归一化  
) Y: P" k% s7 k) l|   |   ├──38:归一化的目的_维度之间数量级不同产生的矛盾 .mp4  30.26M
( R* M! X9 N$ D+ z/ r/ h1 t|   |   ├──39:归一化的目的_举例子来理解做归一化和不做归一化的区别 .mp4  17.01M( m. b/ m* q# ^8 s! {& Z) P& T; d7 ~
|   |   ├──40:归一化的副产品_有可能会提高模型的精度 .mp4  12.57M
4 @2 ?7 ^# A$ u' q% R/ e( [+ o|   |   ├──41:最大值最小值归一化 .mp4  14.09M$ l$ |$ j. z, b$ x' L
|   |   ├──42:标准归一化 .mp4  25.97M& g. O5 S5 b* b! ?9 b
|   |   └──新建文本文档.txt  0.27kb( N8 f+ V5 }% _2 h7 X! o9 N; N. {/ R
|   ├──章节4:正则化  
* G, G" f. G2 z# D|   |   ├──43:代码完成标准归一化 .mp4  21.69M5 t% i: P& U9 w  E8 d5 i4 ]+ x( e1 ?
|   |   ├──44:正则化的目的防止过拟合 .mp4  16.50M
" S7 [: s- A* ]2 L$ e|   |   ├──45:正则化通过损失函数加入惩罚项使得W越小越好 .mp4  19.21M: p9 e8 a) b0 _6 n0 ?3 X$ U% z
|   |   ├──46:常用的L1和L2正则项以及数学意义 .mp4  20.13M3 }9 z: t4 h9 L% G" i( f
|   |   ├──47:L1稀疏性和L2平滑性 .mp4  26.03M
! D$ w( T) l  G4 e' q|   |   ├──48:通过L1和L2的导函数理解区别的本质原因 .mp4  26.35M
3 X5 c) m! ^% r+ H5 I|   |   └──新建文本文档.txt  0.31kb
; e( X* H8 N  ^: P|   └──章节5:Lasso回归_Ridge回归_多项式回归  ; w5 A' P4 O5 t4 c: R! a4 V& t
|   |   ├──49:代码调用Ridge岭回归 .mp4  26.07M
( y8 [$ _2 N( J0 r) D: J|   |   ├──50:代码调用Lasso回归 .mp4  12.59M4 n9 N$ r  h" C" O; V# _
|   |   ├──51:代码调用ElasticNet回归 .mp4  18.07M
' F: ?7 a( Q# n& S7 _0 x; e|   |   ├──52:升维的意义_多项式回归 .mp4  22.22M
! ~# z+ f' U/ Q|   |   ├──53:多项式升维代码实战_传入不同超参数对比 .mp4  21.30M% Y6 l- g2 k7 U- Q3 V) i  w
|   |   ├──54:多项式升维代码实战_训练模型和评估 .mp4  15.88M2 f$ |0 l) c9 i% R. s1 e0 Q4 m
|   |   ├──55:实战保险花销预测_数据介绍和加载数据 .mp4  18.58M3 X! O& D. `% ]: m2 D
|   |   ├──56:实战保险花销预测_数据预处理 .mp4  19.64M
3 w3 y3 n8 q7 E# C|   |   ├──57:实战保险花销预测_模型训练和评估_选择非线性算法改进 .mp4  35.56M
9 K' w) [& h+ P$ S% m: E4 v|   |   ├──58:实战保险花销预测_特征选择思路 .mp4  16.51M
  W. i/ Z. X8 {% T0 G! a|   |   ├──59:实战保险花销预测_特征工程 .mp4  9.32M
7 t7 a! [/ ]# H! m|   |   ├──60:实战保险花销预测_模型训练和评估 .mp4  20.51M! A5 l: v- [/ N! J: l- |
|   |   ├──代码.rar  126.37kb
& ]5 ^& Z6 E8 G* Z. O  R|   |   └──新建文本文档.txt  0.28kb, a- a* c' R! j. p1 g- p% W: `
├──06、机器学习-线性分类  ) X' l( ^4 p0 c! B* y
|   ├──章节1:逻辑回归  
! t! z/ i5 r6 n$ Q|   |   ├──1.txt  1.29kb
2 K9 o. p2 P2 l/ K7 F- U" n|   |   ├──10:绘制逻辑回归损失函数_探索两个参数和损失函数变换关系 .mp4  17.81M$ h9 y, l) p* j9 V
|   |   ├──11:绘制逻辑回归损失函数_绘制3D的图形_分析X1X2两个维度的重要度 .mp4  16.90M- ?' o3 c/ q2 z$ O
|   |   ├──12:对逻辑回归函数进行求导_结论在后面会用到 .mp4  11.25M! q; F: n8 y) a) Z" |2 [1 M+ o: ^
|   |   ├──13:对逻辑回归的损失函数求导_推导出导函数的形式 .mp4  21.28M$ M3 C8 Z1 k8 P
|   |   ├──14:实战逻辑回归对鸢尾花数据集进行二分类 .mp4  17.78M" x% U: O  {! g1 L# y) y" j
|   |   ├──15:OneVsRest将多分类问题转化成多个二分类问题 .mp4  12.09M
: H1 h, ?) [$ q/ @: G1 q0 d|   |   ├──16:实战逻辑回归对鸢尾花数据集进行多分类 .mp4  18.20M
; M1 o% l; X0 D|   |   ├──1:逻辑回归_Sigmoid函数 .mp4  10.76M' i9 J! d9 X: e0 w7 U
|   |   ├──2:sigmoid函数作用 .mp4  21.37M6 i' [% L2 s% j* `* x
|   |   ├──3:逻辑回归为什么用sigmoid函数_预备知识 .mp4  18.66M
" I; Q- e- p; n4 {$ v|   |   ├──4:证明伯努利分布是指数族分布_推导出逻辑回归公式 .mp4  23.51M# x( P/ R' H$ g5 i. h
|   |   ├──5:回想多元线性回归公式其实也是从广义线性回归推导出来的 .mp4  4.31M
" v3 Z1 C5 c. a6 N8 c9 @7 I& U( V. n|   |   ├──6:推导逻辑回归损失函数_得到总似然的公式 .mp4  15.43M1 Y* \$ j0 X3 }: p
|   |   ├──7:推导逻辑回归损失函数_得到最终形式 .mp4  7.85M
& n4 h9 g' C) [, @# l! H|   |   ├──8:绘制逻辑回归损失函数_读入数据计算最优解模型_实现逻辑回归预测_实现逻辑回归损失函数 .mp4  25.03M
- j1 C% r; a0 g& H( G. o& m/ G|   |   ├──9:绘制逻辑回归损失函数_探索单个参数和损失的关系 .mp4  14.07M
9 D* R! m3 n9 _. M|   |   ├──代码.rar  1.77kb; x' G& q. R9 A9 O$ z1 @* l. y
|   |   └──第五阶段_线性分类算法_逻辑回归和Softmax回归.pdf  1.09M
; E% F; w" `3 M7 c" U|   ├──章节2:Softmax回归  / o% x7 q, h$ f4 v
|   |   ├──1.txt  0.80kb
6 \% s  W7 h" d! b% J( `|   |   ├──17:证明多项式分布属于指数族分布一种 .mp4  14.67M% _: c5 [9 D3 D* x; }; w, Q
|   |   ├──18:从广义线性回归的η推导出来Softmax的公式 .mp4  9.91M
: W: H+ x: F  F( n' \, R3 O  J|   |   ├──19:有了Softmax函数的公式就可以去计算loss_Softmax的Loss函数形式其实就是LR的泛化版本 .mp4  16.55M/ J9 I: U5 Z3 }. G! O. ~$ c" m
|   |   ├──20:再次证明Softmax损失函数当K=2时就是逻辑回归损失函数 .mp4  15.21M* `( O0 ?9 Z( D  P8 ^. m
|   |   ├──21:证明Softmax公式K=2的时候就是逻辑回归_平移不变性 .mp4  7.58M- D3 k1 }" l. d2 G+ w
|   |   ├──22:逻辑回归和Softmax回归在多分类任务模型参数上的区别_与算法在选择上的区别 .mp4  21.45M
" J9 y' z, w$ m|   |   ├──23:实战音乐分类器_讲解需求和读取数据 .mp4  14.06M+ d1 O% N! O' z! ?2 X% c8 c4 I
|   |   ├──24:实战音乐分类器_探索不同曲风音乐文件的时间频率图 .mp4  20.20M/ y# Z$ ^9 T8 U4 n
|   |   ├──25:实战音乐分类器_傅里叶变换可以帮助我们做什么 .mp4  12.88M
: E; {3 {/ S3 V8 H6 G' ]|   |   ├──26:实战音乐分类器_代码使用傅里叶变换将混音文件进行投影 .mp4  16.92M
" w* ?7 }& d0 q* I|   |   ├──27:实战音乐分类器_代码对单首歌曲进行傅里叶变换_代码对600首音乐文件进行傅里叶变换并保存结果 .mp4  21.18M
* p1 B1 }! ~3 x( U9 `: v( X, e% C|   |   ├──28:实战音乐分类器_代码读取600首傅里叶变换后的数据_构建训练集并训练模型 .mp4  17.08M
( H$ U' D. A. y3 u8 S3 o|   |   ├──29:实战音乐分类器_模型的测试和调优_解决双通道音乐文件的问题 .mp4  28.95M
, Z4 z  I) r# r0 O8 m& t8 @|   |   ├──代码.rar  47.89kb3 M; }7 s" X( U' G$ Z& N
|   |   └──数据.rar  2.27G
% z# S( Z' f3 N4 \1 K|   ├──章节3:SVM支持向量机算法  8 S8 r0 M& n3 V' Q7 x2 ]4 U! B% B
|   |   ├──1.txt  0.20kb0 a7 }5 t6 J/ Q# x) M8 v
|   |   ├──30:SVM与感知机关系_几何距离与函数距离 .mp4  77.74M
' L- T7 C8 X. r1 b" ~5 W5 a9 O( ~, p! O|   |   ├──31:SVM的思想 .mp4  35.91M
) q4 m* ]9 [/ C|   |   ├──32:几种SVM_SVM的损失函数 .mp4  47.92M
0 w2 a5 k7 l( a0 }|   |   ├──33:数学预备知识_拉格朗日函数 .mp4  72.17M
/ i$ s6 \+ H- x' Y|   |   ├──34:硬间隔SVM的两步优化 .mp4  64.89M
1 u# h& h& M' Y) d! u|   |   ├──35:总结硬间隔SVM .mp4  23.25M
7 m7 e' P5 h3 P* M3 Q! q' b, H# M|   |   ├──36:软间隔SVM和总结流程 .mp4  76.87M/ B1 E+ u! b: z( g) m
|   |   ├──37:非线性SVM .mp4  36.91M
! P! o2 Q3 r9 M% s|   |   ├──38:SVM在sklearn中的使用_超参数 .mp4  80.08M
( C1 C4 x% v7 M|   |   ├──SVM算法.pdf  2.52M( i+ a0 E4 e9 i' k8 G
|   |   └──代码.rar  1.05M, u' R" S) K& }# B
|   └──章节4:SMO优化算法  / R' U2 R( B9 C5 n  `6 i/ e
|   |   ├──1.txt  0.18kb
# q, g, k; z4 h; X, K# I; b|   |   ├──39:SVM算法流程总结 .mp4  31.71M& |* T- T& A+ H
|   |   ├──40:SMO算法求解思路_分解成很多个子二次规划问题分别求解 .mp4  35.51M
( y1 L- }0 b. [5 d3 _4 T/ b+ f|   |   ├──41:SMO将交给它的目标函数变成二元函数进一步变成一元函数 .mp4  32.63M
$ K+ R( [1 L1 E. J. t|   |   ├──42:对一元函数求极值点_推导出旧的α和新的α的关系 .mp4  26.41M
, W- i& H$ r6 c8 D  f|   |   ├──43:将公式467带入导函数进一步简化_对求解出的新的α2进行剪裁 .mp4  43.47M* ]; z1 I9 p% Y. k2 u( e( r- w+ i5 m
|   |   ├──44:再次说明α2如何进行剪裁的思路_根据α2求α1 .mp4  17.78M
; S3 b- x) f& Z' [1 r; J|   |   ├──45:启发式选择两个α .mp4  9.68M
3 d/ j5 p5 Y3 F3 t+ c5 X|   |   ├──46:如何计算阈值b .mp4  19.48M% d& |  Q% c* L) B* V
|   |   ├──47:SVM的SMO实现读取数据和计算fx与Ei .mp4  43.99M4 j7 D8 i8 ~) f0 f
|   |   ├──48:SVM的SMO实现判断违背条件的α1 .mp4  10.02M
- Q% ~2 w* N! H; p/ X: w$ ^|   |   ├──49:SVM的SMO实现应用公式计算alphas和b .mp4  12.37M
# v2 k4 @" P: @4 l1 }& ~1 a|   |   ├──50:SVM绘制已有数据点和超平面以及边界 .mp4  9.49M+ `  ?% k3 @+ n- ~2 w: s) c* P
|   |   ├──51:关于sklearn中的SVM封装的类和超参 .mp4  11.81M
6 i+ W3 i. v! |, {|   |   ├──52:概率化输出_SVM的合页损失函数_Tensorflow实现GD方式求解SVM .mp4  41.37M6 I1 K# S9 D/ w: _# k; a  {7 _
|   |   ├──53:OVR和OVO多分类_算法小结_对比逻辑回归 .mp4  23.17M
( y5 E6 }. w( O; x|   |   └──代码.rar  12.43kb+ ?/ d3 B6 n+ k0 t& H- M
├──07、机器学习-无监督学习  
$ r; \: q( }; U( M+ W. Q. }|   ├──章节1:聚类系列算法  , C7 u, O$ c' y
|   |   ├──1.txt  0.29kb
2 p4 K& b: J! f( V# c3 a|   |   ├──1:KMeans聚类流程_距离测度欧式距离和余弦距离_ev.mp4  91.94M9 n8 M, A. g; o; y: |( ?1 a
|   |   ├──2:距离测度欧式距离和余弦距离的场景_TFIDF_ev.mp4  78.44M
' d6 \" s% y% s! h" Z|   |   ├──3:KMeans的一些变形_KMeans的损失函数推导及假设_ev.mp4  86.57M7 @; ]2 C' F- `. c! e7 b' R5 s- E
|   |   ├──4:mini-batchKMeans_Canopy聚类_聚类评估指标_ev.mp4  117.54M
# @" o- T) o# R0 V. @1 n4 n|   |   ├──5:KMeans代码测试不同情况下的聚类效果_ev.mp4  97.13M
7 }# }- S% G6 g: r( p! t  R5 F|   |   ├──6:层次聚类_密度聚类_谱聚类_ev.mp4  156.59M, @4 V, @% T+ @, A
|   |   ├──代码.rar  4.86kb0 p  i. I5 o, A9 V+ h1 M$ r
|   |   └──聚类.pdf  2.74M
' R! ]7 d) u  m4 [2 b+ Z9 L/ m$ s|   ├──章节2:EM算法和GMM高斯混合模型  6 F  H  q4 p) k1 ~3 B7 O
|   |   ├──1.txt  0.32kb
! i0 r! X% P5 a5 O. |& J; P) K|   |   ├──10:Jensen不等式的应用_ev.mp4  89.00M: s* ^2 ~4 O: h- X  J* V# \& W
|   |   ├──11:将EM算法应用到GMM中并且推导出了μ和Σ的公式_ev.mp4  93.56M0 C! {3 q, x& x3 q
|   |   ├──12:将EM算法应用到GMM中并且推导出Π的公式_ev.mp4  26.95M
3 P. R# m5 Q. P" p/ L5 D|   |   ├──13:GMM前景背景分离_ev.mp4  13.41M
) w# R5 |3 z# p% c& N+ c  m|   |   ├──14:通过声音文件利用GMM算法识别性别_ev.mp4  110.81M) A) g9 [3 n" Y& l
|   |   ├──15:通过声音文件利用GMM算法识别是谁_ev.mp4  39.76M- L. `6 h9 m# i4 c) }, @
|   |   ├──7:单个高斯分布GM的参数估计_ev.mp4  72.12M! H: p* C7 C5 g% E3 f
|   |   ├──8:理解GMM高斯混合分布的对数似然函数_ev.mp4  59.30M9 u' h) ]# K& n  d. x( o0 M
|   |   ├──9:GMM参数估计Πμσ的流程_ev.mp4  63.98M
# [' |2 p3 P$ s" I. M. h1 \5 y|   |   ├──EM算法与GMM模型.pdf  725.20kb
5 X+ E% P0 C7 T& G: P9 h|   |   └──代码.rar  466.39M
9 ]$ Z" R, [+ O4 ]5 Z5 E) K|   └──章节3:PCA降维算法  ; O' J8 W6 V5 O" ?
|   |   ├──1.txt  0.34kb
$ a0 W' x5 s7 o3 G: U2 J! n2 D|   |   ├──16:特征选择与特征映射_ev.mp4  40.60M
2 V4 K) o8 g2 Q3 U5 V5 D|   |   ├──17:PCA的最大投影方差思路_ev.mp4  114.36M
. X) W8 D8 \4 Y; ]$ j" e; I|   |   ├──18:最大投影方差推导_最小投影距离思路_ev.mp4  93.96M
' p$ N1 B) y* H& w9 S, {|   |   ├──19:SVD其实就可以去实现PCA了_ev.mp4  78.14M4 V! |7 K; R" o' B+ W2 n2 G' i
|   |   ├──20:PCA的几种应用_ev.mp4  46.12M
: S$ f3 p: w' S- j|   |   └──PCA降维与SVD.pdf  864.92kb- z9 d- ^/ R6 b1 H8 e% P+ q
├──08、机器学习-决策树系列  
1 R& l$ q4 n6 c5 l|   ├──章节1:决策树  / Q6 r) ?) q8 M8 y- C. r7 Q: ?
|   |   ├──代码  
7 x% b  r* ^* p1 m1 I|   |   ├──文档  
" o; L$ W0 f3 p) X5 @1 t|   |   ├──10:绘制决策树模型_寻找最优树深度_ev.mp4  52.69M
: z+ {& o# G7 n: B- c) G|   |   ├──11:代码训练回归树拟合SineWave_ev.mp4  41.16M
1 O( A( s0 R& v! W" R0 }|   |   ├──12:后剪枝的意义_ev.mp4  28.32M3 P6 L# w6 x/ g' O, l$ i
|   |   ├──13:CCP代价复杂度后剪枝_ev.mp4  70.83M
# t& u3 ]. S) T& d4 @$ a|   |   ├──14:CCP代价复杂度剪枝_α超参数设定_ev.mp4  30.41M5 i" P8 o+ [" w" f
|   |   ├──1:决策树模型的特点_ev.mp4  35.90M% c+ `8 e9 i2 E3 S8 T0 S1 ]
|   |   ├──2:决策树的数学表达_ev.mp4  37.57M
% a, d* [( @8 D: b( M|   |   ├──3:如何构建一颗决策树_ev.mp4  33.05M
' q7 u& i0 O! h  Y* P& v; x1 s0 B|   |   ├──4:什么是更好的一次划分_ev.mp4  26.87M
& A( W' x& C% i8 I/ G' v# G( N$ r|   |   ├──5:Gini系数_ev.mp4  50.14M" M% y  \! Q0 i* d, Y# @
|   |   ├──6:信息增益_ev.mp4  35.48M+ k8 }0 W. A/ ~2 Z8 v$ i
|   |   ├──7:熵与Gini系数关系_信息增益率_ev.mp4  49.75M
* l% |1 H. _; D% q* J& @2 P# {|   |   ├──8:预剪枝以及相关超参数_ev.mp4  67.96M
, {2 |8 _' D! p" {|   |   ├──9:代码实战决策树对鸢尾花数据集分类_ev.mp4  40.61M& Z$ z9 A- t& A1 s+ A4 {
|   |   └──新建文本文档.txt  0.31kb
: O  @3 B6 I& o+ {" M1 ]: F5 U|   ├──章节2:集成学习和随机森林  ! t$ N9 r$ L3 ^) E& h
|   |   ├──代码  5 f5 P5 }1 a* h# i+ v# X4 t
|   |   ├──15:不同聚合方式_生成不同弱学习器方式_ev.mp4  43.72M3 l: G' R& _$ u. P) e
|   |   ├──16:Bagging_Boosting_Stacking_ev.mp4  32.58M
2 E; e2 u5 k! V+ V( l" S|   |   ├──17:随机森林_ev.mp4  46.30M
2 r6 z4 A- u  ?+ ~1 a' I|   |   ├──18:代码实战随机森林对鸢尾花数据集分类_ev.mp4  49.28M. V3 R7 L$ p+ k
|   |   ├──19:OOB袋外数据_ev.mp4  51.72M7 A; W: ~' B5 [) `
|   |   ├──20:Adaboost算法思路_ev.mp4  47.04M
. _. u7 f0 B$ F" |$ L" u|   |   ├──21:调整数据权重让权重正确率达到50%_ev.mp4  36.06M; `5 M- ~. V) [) K
|   |   ├──22:Adaboost如何调整样本权重和求基模型权重_ev.mp4  48.95M
0 E  ]" q) f3 u0 ~: [( C2 }3 c( e|   |   └──新建文本文档.txt  0.27kb
0 p3 E. X2 {# n* ^- w$ s' M|   ├──章节3:GBDT  0 y. w- ~: A. \) t$ M+ B- [
|   |   ├──代码  7 O0 ]+ `( c5 {& O
|   |   ├──23:GBDT试图使用有监督最优化算法梯度下降求解F(x)_ev.mp4  31.79M; q  u5 `6 E( e5 p
|   |   ├──24:GBDT令每个弱学习器f(x)去拟合负梯度_ev.mp4  48.21M
) S0 i/ A* |! ]|   |   ├──25:GBDT每棵树都是回归树_准备数据才能训练下一颗小树_ev.mp4  43.03M
% B: ]4 J/ |+ {( K5 `% i|   |   ├──26:GBDT应用于回归问题_ev.mp4  47.05M
7 c. D  n) Y$ q! l# H3 i+ B|   |   ├──27:GBDT回归举例_总结_ev.mp4  45.60M
% d& {. ]4 }( Y  K+ ^|   |   ├──28:GBDT应用于二分类问题_ev.mp4  38.77M6 f! i1 c7 y2 V7 D! C
|   |   ├──29:GBDT二分类拟合的负梯度依然是残差_ev.mp4  46.05M
' K/ }8 s& i) ~  X|   |   ├──30:GBDT中shrinkage学习率和最优树权重ρ可以共存_ev.mp4  34.44M
! C, k( i) g) _; R# k* r|   |   ├──31:GBDT应用于多分类任务_ev.mp4  34.17M
: v7 @. r) U+ }4 v! S& s) A3 g! `' S|   |   ├──32:GBDT多分类如何每轮给K颗小树准备要去拟合的负梯度_ev.mp4  32.69M
1 M/ k6 R" u5 s( D0 u4 w|   |   ├──33:GBDT多分类流程_ev.mp4  39.29M) m1 s- E, W0 p3 N( p: q
|   |   ├──34:对比GBDT回归、二分类、多分类相同点与不同点_ev.mp4  27.63M
2 g! u6 A; o% ]! p|   |   ├──35:GBDT二分类叶子节点分值计算推导_ev.mp4  40.64M5 s3 t! |' h) v# ]5 g
|   |   ├──36:GBDT多分类叶子节点分值计算_ev.mp4  29.43M# V& H, {: t8 h; D5 L* `$ e! N" o
|   |   ├──37:GBDT二分类举例详解_ev.mp4  39.43M
4 r" Z1 p6 h( q; T|   |   ├──38:GBDT多分类举例详解_ev.mp4  41.29M
; K: `0 Y9 _! E|   |   ├──39:计算特征重要度进行特征选择_ev.mp4  26.62M0 B% v- M9 V) c, c" c; K
|   |   ├──40:GBDT用于特征组合降维_ev.mp4  23.35M
) D( [  ?) I/ k$ i|   |   ├──41:特征组合降维在GBDT+LR架构应用_ev.mp4  28.63M/ \/ ]/ m, W0 Q/ l# ?" t/ z5 D6 ^5 p
|   |   ├──42:GBDT在sklearn中源码剖析_初始化F(x)_ev.mp4  43.20M+ |8 J( ]* `7 N+ v2 ~
|   |   ├──43:GBDT在sklearn中源码剖析_负梯度计算和叶子节点分值计算_ev.mp4  38.69M
) q$ a' m& V; T& N7 ?; E|   |   ├──44:GBDT+LR架构训练模型代码实现_ev.mp4  46.16M& M, Q, G0 K5 X& ]! T5 m5 {  F
|   |   ├──45:GBDT+LR架构预测评估代码实现_ev.mp4  33.95M4 R7 z  o1 Z0 F0 H5 u  x
|   |   └──新建文本文档.txt  0.35kb
- }. D! o! i1 M: r) M4 q8 k* j$ `7 L|   └──章节4:XGBoost  
6 ]3 q, d0 G, H0 ~9 m$ \: j|   |   ├──代码  , |- Y4 W* g9 J. _, _
|   |   ├──文档  * T( u! m" e; v+ ]
|   |   ├──46:回顾有监督机器学习三要素_ev.mp4  41.77M  ?- w+ @" \6 g$ e# Z' q
|   |   ├──47:Bias_Variance_Trade-off_ev.mp4  34.34M
0 R0 c/ R( f/ g( R|   |   ├──48:基于树集成学习4个优点_ev.mp4  40.85M
, _/ L' N$ Z6 U0 r|   |   ├──49:回顾基于树集成学习的模型和参数并举例说明_ev.mp4  41.64M
; d& `1 v7 c; J6 @) K* ]|   |   ├──50:通过目标函数Obj来达到准确率和复杂度平衡_ev.mp4  23.73M, z* d% v* ~' l1 C
|   |   ├──51:Objective_vs_Heuristic_ev.mp4  31.41M' N+ V. [" O' e* @. d
|   |   ├──52:得出XGBoost最开始的Obj目标函数_ev.mp4  41.54M
5 ?+ U) {2 p+ j9 M|   |   ├──53:推导XGBoost对Loss二阶泰勒展开之后的Obj_ev.mp4  25.78M7 v* @9 u/ y: i4 e2 L0 F, n
|   |   ├──54:Obj化简常数项_明确训练每颗回归树需要准备gi和hi_ev.mp4  34.30M3 T4 n# Q% _+ q" c" Q) v0 W2 T0 p
|   |   ├──55:重新定义树ft和树的复杂度Ω_ev.mp4  35.02M
5 i+ {! k, ?+ v3 V# P' D|   |   ├──56:由每个叶子节点重组目标函数Obj_ev.mp4  30.39M+ ]1 c0 K  a8 p
|   |   ├──57:推导XGBoost出Wj计算公式_推导评价树好坏的Obj_ev.mp4  31.89M$ S0 d* S: O; U2 X: m7 `- N
|   |   ├──58:根据Obj收益指导每一次分裂从而学习一棵树结构_ev.mp4  46.88M
5 e5 S" Y% e: Y" [|   |   ├──59:举例说明从连续型和离散型变量中寻找最佳分裂条件_ev.mp4  32.75M6 J; z2 F/ g- p+ V2 x4 o
|   |   ├──60:XGBoost中防止过拟合的前剪枝_后剪枝_学习率_ev.mp4  31.75M7 @0 C7 D: V4 d# _2 r; o3 Z
|   |   ├──61:样本权重对于模型学习的影响_ev.mp4  27.68M$ G) @6 Z% U+ b, @
|   |   ├──62:总结XGBoost的特性_包括缺失值的处理策略_ev.mp4  56.21M) L' L" X3 {7 Z
|   |   └──新建文本文档.txt  0.35kb
% H% @$ H( [1 \! m/ Y& q( R/ S├──09、机器学习-概率图模型  
+ I; u6 A' y( R+ [|   ├──章节1:贝叶斯分类  
4 v# l$ d3 Y; ~! p' U|   |   ├──1.txt  0.35kb
" _4 J. D+ A1 q( Z( J|   |   ├──1:朴素贝叶斯分类算法_ev.mp4  116.00M
1 d3 L! L7 d; J3 e' d! u|   |   ├──2:TF-IDF_ev.mp4  49.47M
, h0 c* G( ^3 T: D0 j3 ^$ U, {|   |   ├──3:NB代码实现解析_ev.mp4  99.87M
/ X: S: B0 w- L  B( _|   |   ├──4:sklearn中调用NB_顺便讲解了GridSearchCV_ev.mp4  101.38M
& c! i  K3 u- A|   |   ├──5:语言模型的设计目的_MLE的作用进行参数估计_ev.mp4  94.28M
7 T1 g. n' Y. A" u" {- N( W5 w7 H|   |   ├──6:贝叶斯网络_马尔可夫链_ev.mp4  31.65M, E2 w0 I3 I5 ?2 h1 h
|   |   ├──NB_HMM.pdf  826.78kb  t0 e# O; K) g, |- u0 t% ]
|   |   └──代码.rar  7.43kb
# ^2 _( N% U2 M* X* S) r9 x|   ├──章节2:HMM算法  ' y+ l4 [1 H& L* q7 w( C
|   |   ├──1.txt  0.44kb
& H" f8 f7 r% [+ k2 F+ Y% V|   |   ├──10:HMM预测问题使用维特比算法_ev.mp4  26.12M9 n; R/ d0 f$ y7 w
|   |   ├──11:HMM复习_明确概率计算问题要解决的目标_ev.mp4  64.56M
9 n& Y- A7 K2 ?" v8 ^& w|   |   ├──12:前向算法来解决概率计算问题_ev.mp4  27.36M* y7 N9 l8 d% [* ~, w1 J
|   |   ├──13:Viterbi算法案例详解_ev.mp4  71.72M
" H' N% M- Y% \1 i0 g|   |   ├──14:Viterbi算法代码实现_ev.mp4  32.88M  u1 q8 U$ b  ^. D
|   |   ├──7:HMM隐马的定义_ev.mp4  32.90M  ^5 C9 h; f0 B  D5 Q8 o: p
|   |   ├──8:HMM隐马的三组参数_三个基本问题_ev.mp4  56.02M
  f( C; ?$ v6 f4 t# s* Q9 N|   |   ├──9:HMM预测问题使用前向算法_ev.mp4  35.97M
* ?/ ?8 w, l6 U. Z; d|   |   ├──代码.rar  0.94kb. u4 I* M$ Q( K2 }
|   |   └──资料.rar  26.48kb
; [& D# C+ p3 c+ e/ [|   └──章节3:CRF算法  7 z2 T" k- j) P8 A$ D( V9 D
|   |   ├──1.txt  0.27kb& s3 t4 V- K  A( H
|   |   ├──15:NER与分词和POS的关系_NER的标注策略_NER的主要方法_ev.mp4  84.69M
! G0 c; F1 s/ E4 k" {' u% T9 T2 H% q4 B|   |   ├──16:讲解了一下常见的深度学习LSTM+CRF的网络拓扑_ev.mp4  40.02M
6 e7 x( R3 y! p: P$ H|   |   ├──17:了解CRF层添加的好处_ev.mp4  62.98M
+ Z. V" D% E0 }" Z  l|   |   ├──18:EmissionScore_TransitionScore_ev.mp4  51.66M: |  \" W& u* z4 F/ }- ?& n
|   |   ├──19:CRF的目标函数_ev.mp4  14.34M
/ A3 N9 |: ~% W; H6 C% n+ U|   |   ├──20:计算CRF真实路径的分数_ev.mp4  44.32M2 @- _! h4 N, K% e8 [6 _
|   |   ├──21:计算CRF所有可能路径的总分数_ev.mp4  86.34M
. S, `' m4 H% v0 a|   |   ├──22:通过模型来预测新的句子的序列标签_ev.mp4  50.15M9 T- c' I, G, t1 T! X
|   |   └──CRF_NER.pdf  1.17M
  X8 i1 ?0 z% B: S+ B, L- V├──10、机器学习与大数据-Kaggle竞赛实战  & v: J) V, z8 }, u) A
|   ├──章节1:药店销量预测案例  
# r! z. ?$ Q- r0 j3 B|   |   ├──1:Rossmann药店销量预测_kaggle的介绍_ev.mp4  12.98M; O! O3 @* i! j. Y" s" [
|   |   ├──2:对数据字段的介绍_导包_ev.mp4  8.63M1 G! {- Y& L7 a1 [4 @0 k
|   |   ├──3:自定义损失函数_ev.mp4  9.44M
; [8 Q4 Y! D* S3 R' l* }4 B( C: S|   |   ├──4:对数据里面的目标变量sales的一个分析_ev.mp4  16.91M5 @2 e# e; W: T$ I& g8 |
|   |   ├──5:数据的预处理_ev.mp4  44.16M) f% {0 z, ?3 R7 Y
|   |   ├──6:模型的训练_评估_ev.mp4  23.62M9 V1 w* {$ N8 l9 [- U- N1 \
|   |   ├──7:kaggle竞赛网站学习_ev.mp4  53.20M
8 z8 }5 N- e$ p, D|   |   ├──代码.rar  6.42M# F1 A+ l/ f9 z  ?" h3 b9 c3 t: J3 M
|   |   └──新建文本文档.txt  0.38kb; Y& q. J- b4 U
|   └──章节2:网页分类案例  9 k3 R5 i& X& T- g0 Z& v& h: T
|   |   ├──10:评估指标ROC和AUC_ev.mp4  20.69M; y; e0 s. E6 D5 N3 z; h
|   |   ├──11:竞赛其他相关提交成绩排行榜_ev.mp4  19.99M0 p: i7 P* h, E0 D
|   |   ├──12:数据导入_ev.mp4  23.63M: e* B, Z5 p4 z$ L2 J( H7 S
|   |   ├──13:MLlib对网页分类竞赛数据预处理_ev.mp4  38.72M. \& f. f& H# v6 S0 l# O
|   |   ├──14:MLlib对网页分类竞赛数据预处理_模型训练_ev.mp4  28.04M
  K' M6 K+ n! X. e8 X|   |   ├──15:MLlib对网页分类竞赛模型训练_模型训练评估_搜索最佳超参数_ev.mp4  25.53M# K6 Q/ r6 i6 s
|   |   ├──16:使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_01_ev.mp4  37.65M. x! T0 G0 P# ]2 p, S/ Z* r# W
|   |   ├──17:使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_02_ev.mp4  36.02M. d) e( k0 W# u: {6 u& M
|   |   ├──18:使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_03_ev.mp4  28.96M
3 _. L+ t  z0 V" N|   |   ├──19:使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_04_ev.mp4  30.51M
% Z# I, g5 M1 W4 M- m|   |   ├──8:Kaggle网页分类竞赛介绍_ev.mp4  11.17M6 L3 L4 {( u6 P4 g9 j! V* d
|   |   ├──9:评估指标ROC和AUC_ev.mp4  22.35M
3 e/ H" k* p. @|   |   ├──代码.rar  8.81M$ h9 y; ]9 Q% a2 n; \9 i9 _& ^
|   |   └──新建文本文档.txt  0.28kb
$ u( `* m6 t" K* L! Q├──11-机器学习与大数据-海量数据挖掘工具  ' o' j3 _7 c$ Q- }- W9 U
|   ├──章节1:Spark计算框架基础  
0 |$ P2 W+ }+ W& p/ |" t' S5 n|   |   ├──1.txt  0.31kb  E' ^1 Y% k- ~4 N
|   |   ├──10:分布式计算所需进程_ev.mp4  15.58M
$ N$ l* v: o; j7 M! U6 o' u|   |   ├──11:两种算子操作本质区别_ev.mp4  26.08M# Z) h5 `) H& h6 ^
|   |   ├──12:Spark算子操作实战讲解_代码实战WordCount_01_ev.mp4  31.67M  z1 A5 r2 ]) _$ z  i. U
|   |   ├──13:Spark算子操作实战讲解_代码实战WordCount_02_ev.mp4  25.90M
, }7 O6 M& H4 K- c# r|   |   ├──14:Spark算子操作实战讲解_代码实战WordCount_03_ev.mp4  20.19M
+ |2 _/ b% B3 R3 ]4 }|   |   ├──15:Spark算子操作实战讲解_代码实战WordCount_04_ev.mp4  17.85M8 a7 \! h- Y+ v9 W5 t
|   |   ├──1:Spark特性_01_ev.mp4  25.08M. W2 b0 `+ H! p1 C
|   |   ├──2:Spark特性_02_ev.mp4  17.40M- J# B1 f3 ^  p3 q
|   |   ├──3:Spark对比hadoop优势_ev.mp4  12.38M
) S- T$ d+ Z% l7 d; Z|   |   ├──4:回顾hadoop讲解shuffle_ev.mp4  19.97M- B! w) h0 H( u$ p$ ]5 i# b2 k
|   |   ├──5:分布式计算框架Shuffle的原理_01_ev.mp4  25.51M8 X- \" |" d. w( Q
|   |   ├──6:分布式计算框架Shuffle的原理_02_ev.mp4  25.73M4 Z# Z1 Q3 z2 F, ?" W
|   |   ├──7:分布式计算框架Shuffle的原理_03_ev.mp4  17.39M
5 k6 Q& {- [# }4 n- Q, ?4 o|   |   ├──8:Spark的RDD特性_01_ev.mp4  19.34M% ?+ s* ~2 Z" |4 }, S
|   |   ├──9:Spark的RDD特性_02_ev.mp4  21.87M
, z, t$ A8 l; f, k+ L* u2 F& ]3 I( ||   |   ├──代码.rar  383.20M
# [" D3 D$ w' M/ W- g2 i. Q0 _|   |   └──资料.rar  1.49M
3 X( M0 m: d5 K/ G|   ├──章节2:Spark计算框架深入  , k/ H/ N9 ]0 `7 h. W9 B8 R
|   |   ├──1.txt  0.37kb
1 P* k% j4 M8 E( N+ r9 t% K|   |   ├──16:Spark数据缓存机制_ev.mp4  29.16M
+ s+ C% P$ Z) N9 w|   |   ├──17:Spark宽依赖和窄依赖_01_ev.mp4  24.86M. F, A8 R+ g3 i- n4 ]2 T
|   |   ├──18:Spark宽依赖和窄依赖_02_ev.mp4  22.51M
; a" `7 I8 z. Q6 ^|   |   ├──19:Spark宽依赖和窄依赖_03_ev.mp4  15.81M& J4 [! c& G# a' I! x4 _$ ?* x
|   |   ├──20:Spark术语总结_ev.mp4  40.14M
( v* `3 V2 E6 b3 g|   |   ├──21:分布式文件系统Block块的大小配置_ev.mp4  44.18M" C& [" _% _2 A$ P% b- J
|   |   ├──22:Spark程序启动运行流程详解_01_ev.mp4  19.59M
# ^! D" W8 \, V- p. i) I! |+ @( x& S|   |   ├──23:Spark程序启动运行流程详解_02_ev.mp4  28.61M
- X! R9 [* I" N' S" J  g) S- d|   |   ├──24:Spark程序启动运行流程详解_03_ev.mp4  19.88M9 M0 q; h4 @3 _% p- ^2 P
|   |   ├──25:讲解构建稀疏和稠密向量_01_ev.mp4  33.93M1 A- E. P* n  ~0 g+ A( \
|   |   ├──26:讲解构建稀疏和稠密向量_01_ev.mp4  36.24M
6 s) {4 c- ~9 B6 y|   |   ├──27:构建LabeledPoint_ev.mp4  44.27M
. ?; p  f/ B& m; l. }# F|   |   └──28:介绍SparkMLlib模块中实现的算法和调用_ev.mp4  34.98M; u- y4 v4 \  G; `
|   └──章节3:Spark机器学习MLlib和ML模块  * r5 X) B0 O1 J5 O4 R5 ]" g
|   |   ├──1.txt  0.26kb, `' r$ ^1 J5 v
|   |   ├──29:SparkMLlib对于逻辑回归算法的调用_ev.mp4  49.29M8 U! C# |7 B2 J# T# v+ k% g1 d
|   |   ├──30:SparkMLlib调用逻辑回归_自定义阈值_1_ev.mp4  52.43M
6 [/ ?6 K4 K, o! a/ E' k: Z9 U, K3 t|   |   ├──31:SparkMLlib调用逻辑回归_自定义阈值_2_ev.mp4  47.11M
$ r& u& }  o/ D1 H|   |   ├──32:SparkMLlib调用逻辑回归_使用标准归一化_1_ev.mp4  38.63M
/ u4 G, t* N  L% n- B|   |   ├──33:SparkMLlib调用逻辑回归_使用标准归一化_2_ev.mp4  65.62M
- @8 a( W6 r7 p: P  f|   |   ├──34:SparkMLlib调用逻辑回归_使用标准归一化_3_ev.mp4  33.14M# S" z  z  s3 R4 e' d  {/ ?
|   |   ├──35:SparkMLlib调用逻辑回归_使用标准归一化_4_ev.mp4  43.60M2 H2 J# v4 G. s" @$ C
|   |   ├──36:SparkMLlib调用KMeans聚类_调用决策树(1)_1_ev.mp4  37.79M$ v1 a) F4 v( L0 e
|   |   ├──37:SparkMLlib调用KMeans聚类_调用决策树(1)_2_ev.mp4  47.15M
. ~; z% {# R7 ~8 Z0 c: V& _7 b|   |   ├──38:SparkMLlib调用KMeans聚类_调用决策树(1)_3_ev.mp4  40.95M
5 C6 u# v( }* j  V9 w7 P8 P|   |   ├──39:使用逻辑回归和随机森林对股票Stock预测案例实战_1_ev.mp4  43.42M% e% n, H9 a8 `1 h
|   |   ├──40:使用逻辑回归和随机森林对股票Stock预测案例实战_2_ev.mp4  34.88M" F* s: |' H& k7 E) X+ u
|   |   ├──41:使用逻辑回归和随机森林对股票Stock预测案例实战_3_ev.mp4  34.72M/ a7 i) O: e; q) x1 ~
|   |   ├──42:从数据转化到训练集的构建_ev.mp4  63.43M
* j% K% r; M, ]5 m|   |   ├──43:模型的训练以及评估和调超参_1_ev.mp4  35.13M
6 Y7 }- j7 h) ~! {) j; s|   |   ├──44:模型的训练以及评估和调超参_2_ev.mp4  32.20M  q; S8 r) v# @% ~4 I
|   |   ├──45:模型的训练以及评估和调超参_3_ev.mp4  43.15M
4 z1 A+ [' k2 \2 }* B% L|   |   ├──46:SparkML机器学习库概念讲解_1_ev.mp4  59.65M6 Y, F% }, h+ w- j. }
|   |   ├──47:SparkML机器学习库概念讲解_2_ev.mp4  53.66M0 u& ]( z4 s: I( h; d5 d3 t
|   |   ├──48:SparkML机器学习库代码实战讲解_1_ev.mp4  61.17M! _) y4 W3 Y& H4 c' `$ d
|   |   ├──49:SparkML机器学习库代码实战讲解_2_ev.mp4  63.52M
" e& Z( q) @) h+ Z9 g, F! F8 X- r|   |   ├──50:SparkML网页分类案例代码实战续(1)_1_ev.mp4  62.90M5 ^+ O* K* P+ l2 S1 E
|   |   ├──51:SparkML网页分类案例代码实战续(1)_2_ev.mp4  60.75M
- D2 Y/ _. X" }: S- L|   |   ├──52:SparkML网页分类案例代码实战续(2)_1_ev.mp4  57.53M) w# [1 S9 k0 V) c
|   |   ├──53:SparkML网页分类案例代码实战续(2)_2_ev.mp4  44.96M
' b1 ]% ]1 T9 l% O: U5 N+ v|   |   ├──54:SparkML网页分类案例代码实战续(3)_ev.mp4  3.98M
7 B, [  k9 N$ f: E! f8 A|   |   └──资料.rar  1.28M; \* [+ L5 f' e' T6 b
├──12-机器学习与大数据-推荐系统项目实战  3 Y" q, N' ~: T$ L) @* d
|   ├──章节1:推荐系统--流程与架构  
6 @1 b5 |) r/ j! @8 p|   |   ├──1.txt  0.33kb
0 R* ?/ [) O0 Q: {. O|   |   ├──10:推荐系统列表_关联特征权重_基本特征权重的计算_2_ev.mp4  43.64M
0 k$ N1 x# ~$ @, @|   |   ├──11:推荐系统列表_关联特征权重_基本特征权重的计算_3_ev.mp4  41.91M# J. h( t5 A! G8 b* u; F2 n0 \8 ]
|   |   ├──12:推荐系统_数据源_1_ev.mp4  33.87M3 l4 |1 V# X9 k+ {1 a" |' U6 J- t
|   |   ├──13:推荐系统_数据源_2_ev.mp4  31.31M
  K7 R4 p! M9 Q0 \# J|   |   ├──1:推荐系统_隐式用户反馈_1_ev.mp4  44.96M
9 o; E" c1 ~+ w5 I& D3 ~|   |   ├──2:推荐系统_隐式用户反馈_2_ev.mp4  49.06M6 l7 v1 T5 `2 Q9 l# k; K8 N# o
|   |   ├──3:推荐系统_协同过滤_1_ev.mp4  29.26M. N7 g) L! X* ^6 W, v6 `
|   |   ├──4:推荐系统_协同过滤_2_ev.mp4  28.44M% s+ K) ?) o2 S3 h
|   |   ├──5:推荐系统_协同过滤_3_ev.mp4  28.65M
! s) B- T/ }. [|   |   ├──6:推荐系统_协同过滤_4_ev.mp4  29.76M+ e% W! P- N, p: b# X; G
|   |   ├──7:推荐系统架构_实时_离线_1_ev.mp4  41.81M
) J2 P5 Y4 [$ q. }2 F|   |   ├──8:推荐系统架构_实时_离线_2_ev.mp4  41.79M
0 A- J- R6 ]+ a+ O6 }" y|   |   ├──9:推荐系统列表_关联特征权重_基本特征权重的计算_1_ev.mp4  37.58M
* N; Q9 G9 V0 ?  u  L$ e|   |   ├──数据.rar  759.94kb
' C# Q9 I/ A# n9 f5 e* I" v|   |   └──资料.rar  2.67M" E$ d1 V7 {  |. R$ d. I: g
|   ├──章节2:推荐系统--数据预处理和模型构建评估实战  
' i  x3 L. w! k" J1 a, E8 H|   |   ├──1.txt  0.38kb: D! _4 y- [( V6 \' R, L& U9 g3 [
|   |   ├──14:HQL语句_python脚本构建中间结果_1_ev.mp4  48.91M
9 s5 Q: a; U$ R! c4 A8 m* ~|   |   ├──15:HQL语句_python脚本构建中间结果_2_ev.mp4  46.79M
% ~" G1 x  s! ~+ n5 y3 Q' f; W|   |   ├──16:HQL语句_python脚本构建中间结果_3_ev.mp4  43.99M- f* h+ B" P" T" u2 d3 ~
|   |   ├──17:HQL语句_python脚本构建中间结果_4_ev.mp4  47.18M% i% \9 }; A" l7 |* E
|   |   ├──18:推荐系统_数据预处理_spark构建特征索引_标签列_1_ev.mp4  43.80M
9 U- o7 t  V  s1 |( t3 [0 X|   |   ├──19:spark构建特征索引_标签列_2_ev.mp4  43.31M
: e3 u- M, y$ w; a2 R4 Q- u|   |   ├──20:spark构建特征索引_标签列_3_ev.mp4  42.32M. O% P, O9 X: |0 r$ }, Z$ y
|   |   ├──21:spark构建特征索引_标签列_4_ev.mp4  39.89M
  J$ S4 b8 M, L- @|   |   ├──22:MLlib调用算法计算模型文件并存储_1_ev.mp4  40.21M) R0 |6 q+ f/ V6 k0 t  p
|   |   ├──23:MLlib调用算法计算模型文件并存储_2_ev.mp4  37.77M0 H0 X& @" v. @4 ]
|   |   ├──24:MLlib调用算法计算模型文件并存储_3_ev.mp4  43.55M$ f' C( O1 d6 R7 U; V5 J
|   |   ├──25:ACC准确率和AUC面积的计算以及意义_ev.mp4  93.24M+ z4 V) K. B3 M: r! y4 r4 e! {- K+ f
|   |   ├──代码.rar  6.12kb  N  y# H: ~5 q+ T0 h# D
|   |   ├──集群.rar  6.46G
( Q2 r; s: C8 v( p9 i) Q|   |   ├──软件.rar  665.46M+ D. W* }2 Z( t9 m
|   |   ├──数据.rar  2.90M
( a6 ]: _- d: u6 F! p8 G0 z% t|   |   └──资料.rar  468.42kb
1 d* P% A6 j; C7 U0 r|   └──章节3:推荐系统--模型使用和推荐服务  * J, Z6 S& K2 N% P; _/ W+ w
|   |   ├──1.txt  0.43kb
6 K- [" m5 R& A0 l|   |   ├──26:推荐模型文件使用思路_ev.mp4  25.82M9 d- W' s- D. T/ P% s! u
|   |   ├──27:Redis数据库安装及其使用_ev.mp4  16.62M
* a* }* z6 E3 L, F" ~|   |   ├──28:实时在线推荐列表计算逻辑代码讲解_1_ev.mp4  50.63M
& h: O  B5 M& ^- n$ Q0 d9 H|   |   ├──29:实时在线推荐列表计算逻辑代码讲解_2_ev.mp4  40.17M
& \8 m/ _$ D' g$ P" F|   |   ├──30:实时在线推荐列表计算逻辑代码讲解_3_ev.mp4  36.75M
9 N- e/ X0 k  V' |% L1 L|   |   ├──31:实时在线推荐列表计算逻辑代码讲解_4_ev.mp4  36.51M
, [( o- T; T. p, W+ m, ], v: T|   |   ├──32:使用Dubbo将推荐系统做成服务_1_ev.mp4  41.30M8 k7 n' j% ]" R/ k) n
|   |   ├──33:使用Dubbo将推荐系统做成服务_2_ev.mp4  41.40M
1 l+ s: M& q. p7 k" b7 h|   |   ├──34:使用Dubbo将推荐系统做成服务_3_ev.mp4  45.74M
! q. `! z5 V! J1 F# p0 q  M|   |   ├──35:Dubbo推荐服务演示_SparkMLlib介绍_1_ev.mp4  51.29M
  |& H3 m3 A! R0 _, s: _|   |   ├──36:Dubbo推荐服务演示_SparkMLlib介绍_2_ev.mp4  47.92M
+ v+ F) b+ E* a0 A2 |8 h8 q! {$ ~! [|   |   ├──37:Dubbo推荐服务演示_SparkMLlib介绍_3_ev.mp4  50.71M5 v8 o4 @/ m' v0 j$ b
|   |   └──代码.rar  42.15M8 z' z( p, {" \, R& h) n
├──13-深度学习-原理和进阶  " e1 u- O- T+ \  [; O
|   ├──章节1:神经网络算法  
. \! x: I6 E+ Q; K, [% Z* R|   |   ├──1.txt  0.36kb
. X+ [6 W3 [( I+ d% ^$ W5 @% N|   |   ├──1:神经网络是有监督的算法_生物神经元到人工神经元_ev.mp4  63.30M; Y9 e% E1 L: N, T7 Z! R
|   |   ├──2:三种常见的激活函数_网络拓扑介绍_优化算法_ev.mp4  33.55M
4 k+ O5 ~; M, y( i! }# g. f|   |   ├──3:单层神经网络正向传播计算过程_用神经网络理解逻辑回归做多分类_ev.mp4  45.44M7 I8 C# x) h+ E; |+ Y
|   |   ├──4:用神经网络理解Softmax回归_ev.mp4  44.38M
( e( p. V/ a4 p' a( `" C1 T|   |   ├──5:隐藏层的意义_隐藏层相当于去做预处理_升维降维_ev.mp4  69.11M
4 [2 h+ y+ A5 ]* T4 A" M|   |   ├──6:多节点网络输出_sklearn中NN模块的介绍_ev.mp4  53.02M# ^$ e( x$ K0 J, H( N
|   |   ├──7:sklearn中NN模型的代码使用_ev.mp4  69.28M6 D- r5 ?, w2 R6 A8 r. [) z
|   |   ├──8:隐藏层激活函数必须是非线性的_ev.mp4  13.69M
, ?+ h" p. ?0 S- O. U% Z% T8 E9 y|   |   ├──9:tensorflow概要_conda创建虚拟环境_CPU版本的tensorflow安装_ev.mp4  132.12M: M- g, ^! U/ e+ g: x
|   |   ├──神经网络.pdf  518.13kb$ ~; l7 ?3 u* H4 j7 o, h2 E
|   |   └──资料.rar  12.88M
  k- b$ d: J5 h! q/ `9 M5 v|   ├──章节2:TensorFlow深度学习工具  + ?4 J+ `$ Q' @4 P
|   |   ├──1.txt  0.28kb
! n" }9 j  r; B# [. D1 u: [|   |   ├──10:CUDA下载地址_CUDA显卡白名单地址_ev.mp4  57.91M
. N/ B' K* T$ e|   |   ├──11:CUDA安装_cudnn安装_环境变量配置_检验是否安装成功_ev.mp4  60.71M
- p: l6 r& m% ^|   |   ├──12:Tensorflow代码运行机制_TF基础的代码_ev.mp4  98.16M
' ^5 q2 m% C' e# p|   |   ├──13:TF实现线性回归解析解的方式_TF实现线性回归梯度下降的方式_ev.mp4  106.23M/ ~( `- q% h" n5 c. x
|   |   ├──14:TF实现线性回归BGD的方式_使用Optimizer_每轮打乱数据_ev.mp4  130.43M
  G' P; |. {8 p|   |   ├──15:TF实现Softmax回归来识别MNIST手写数字_ev.mp4  108.49M+ {" Q! R: |6 c9 z
|   |   ├──16:TF实现DNN来识别MNIST手写数字_ev.mp4  104.48M
  a" y- P* \; f/ R  A/ F" O|   |   ├──代码.rar  27.29kb! `$ O# i4 }  p. u/ I; e7 g
|   |   └──软件.rar  2.13G4 Z" S; I9 {9 d2 i
|   └──章节3:反向传播推导_Python代码实现神经网络  
* q: y0 E& Z2 D, v5 K|   |   ├──1.txt  0.31kb: O$ w9 `, I4 K
|   |   ├──17:反向传播_链式求导法则_ev.mp4  56.13M* V; V5 P3 I- T4 S0 V
|   |   ├──18:反向传播推导(一)_ev.mp4  91.08M" P# [5 b! Q* t$ w
|   |   ├──19:反向传播推导(二)从输出层到最后一个隐藏层_ev.mp4  78.81M9 l) {3 W3 G. G9 {/ E  q1 v
|   |   ├──20:反向传播推导(三)从输出层到最后一个隐藏层Softmax多分类为例_ev.mp4  65.08M0 {  z" H; t- o1 ^5 p& \
|   |   ├──21:反向传播推导(四)关于Δ和a还有梯度的更新事宜_ev.mp4  25.06M
, C7 S6 C  B) \$ m6 }0 a' E  P|   |   ├──22:python实现神经网络训练代码讲解(一)_ev.mp4  50.79M
0 p) J( L+ E6 k, n! p" p8 X|   |   ├──23:python实现神经网络正向反向传播训练_ev.mp4  65.01M
( V/ Q. w8 F! M; L|   |   ├──代码.rar  2.83kb. B3 s) \3 Z( j$ H1 F
|   |   └──资料.rar  180.60kb6 O: [- N4 R9 N# f  ~
├──14-深度学习-图像识别原理  : F# H9 @6 p7 b6 Q9 P( |  m
|   ├──章节1:卷积神经网络原理  
3 t* d6 Q, w: `* O; H8 e|   |   ├──1.txt  0.41kb% ]) W( T& `) p9 O9 c+ }9 l
|   |   ├──1:回顾深度神经网络_卷积层是局部连接_ev.mp4  81.89M
+ K. T+ H* Z3 [( M0 e2 f  g$ U|   |   ├──2:单通道卷积的计算_ev.mp4  65.27M4 P- ~! Z3 v, X2 W
|   |   ├──3:彩色图片卷积的计算_ev.mp4  36.33M, R) _, E5 ^& k- L/ p
|   |   ├──4:卷积层权值共享_ev.mp4  37.06M, a# d2 s/ z$ i! b0 Z; R, E
|   |   ├──5:卷积的补充与Padding填充模式_ev.mp4  56.33M& {% c: O- q9 e7 q. i0 ~
|   |   ├──6:卷积的计算TF中的API操作与参数_ev.mp4  76.76M( v7 N' V/ d( u+ k) {! O. k9 o
|   |   ├──7:池化的概念和TF中的API的操作与参数_ev.mp4  52.54M
, I3 O$ Q  Y0 q* \. B3 R& `|   |   ├──8:经典的CNN架构和LeNet5_ev.mp4  90.93M
* f0 b! O" _! I% G+ d) P& ^|   |   ├──代码.rar  1.60kb
1 B# R, J& G& u/ e0 X# [" V: I( h5 k|   |   └──资料.rar  3.08M& @4 [& ?- T0 H4 p7 Z
|   ├──章节2:卷积神经网络优化  
, k/ k0 R! X0 _" P+ D1 E|   |   ├──1.txt  0.81kb6 v! J" K. \4 K; l$ |4 D6 ]% d
|   |   ├──10:Dropout技术点思想和运用_ev.mp4  72.22M% @, S$ J- V2 z: p* _
|   |   ├──11:数据增强技术点_CNN对MNIST数据集分类_卷积池化代码_ev.mp4  62.59M: w9 |. }9 a5 }2 z3 Q( g6 j, k
|   |   ├──12:CNN对MNIST数据集分类_全连接层以及训练代码_ev.mp4  75.35M
8 b# T6 s9 f% ?. H; ||   |   ├──13:深度学习网络对应ACC准确率忽然下降的思考点_ev.mp4  63.34M
9 M1 I! D3 N5 N& H( [|   |   ├──14:减轻梯度消失问题中激活函数发挥的作用_ev.mp4  25.71M
2 y6 r5 |* S9 H( y. R& Y0 Q& X|   |   ├──15:减轻梯度消失问题中参数初始化发挥的作用_ev.mp4  54.56M
) r/ A1 E! |9 Z# P, m( U6 o|   |   ├──16:VGG网络结构_以及1乘1的卷积核的作用和好处_ev.mp4  76.57M
" V* D: V& b8 ?" b|   |   ├──17:Optimizer_SGD_Momentum_ev.mp4  59.32M6 P$ J+ P5 x! a1 S1 |7 s: x0 p
|   |   ├──18:Optimizer_Adagrad_Adadelta_RMSprop_ev.mp4  79.54M& w$ d% q7 \, y3 P
|   |   ├──19:Optimizer_Adam_ev.mp4  79.91M
& U! j% u& X7 [1 w$ N  T|   |   ├──9:AlexNet网络结构_连续使用小的卷积核好处_ev.mp4  60.49M
* \: l" p: ?; @, |, p|   |   ├──代码.rar  3.01kb- `! c" i& Y8 ~
|   |   └──资料.rar  25.89kb
, h4 q* v( \- L9 M# F) s7 A|   ├──章节3:经典卷积网络算法  
; p$ a# @" o9 P|   |   ├──1.txt  0.37kb
8 K# j3 I9 G- ?7 m$ l" t: [|   |   ├──20:Keras介绍_以及不同项目调用不同的python环境和CUDA环境_ev.mp4  78.00M( A9 p( \& D$ ]- e0 q8 ]
|   |   ├──21:VGG16_Fine-tuning_对MNIST做手写数字识别_ev.mp4  89.69M) _: ]8 d- Q5 T1 B
|   |   ├──22:InceptionV1_V2_ev.mp4  131.69M% ?) L# p6 j2 G  A/ e2 X+ r! `
|   |   ├──23:InceptionV3_以及InceptionV3对皮肤癌图片识别_ev.mp4  124.68M
0 X. _- ?9 L& }) d|   |   ├──24:ResNet残差单元_BottlenetBlocK_ev.mp4  72.33M
& o: h- w. z# P; y|   |   ├──25:DenseNet和Keras里面的实现_ev.mp4  116.93M7 K2 K# V: t6 A4 Y5 w
|   |   ├──26:DenseNet在Keras里面的代码实现_ev.mp4  52.49M+ P6 z! y$ @4 `! H# R! N
|   |   ├──27:BatchNormalization_ev.mp4  84.12M
! z, [+ `( ?  p$ F8 U: ]6 F0 d/ m|   |   ├──28:Mobilenet网络架构_ev.mp4  123.63M
' s% r3 C) ?( e) u+ ^( Y$ W|   |   ├──代码.rar  5.33kb
/ l0 T3 F, j! F4 a|   |   └──资料.rar  5.05M% B% V' N, J: v0 u& I, y
|   ├──章节4:古典目标检测  / C: P2 \, n, Y- ]
|   |   ├──1.txt  0.23kb, n7 S- B( t/ y2 ^, J( f/ q
|   |   ├──29:图像识别任务_古典目标检测_ev.mp4  121.49M) o: s" }. Z1 [8 F9 u' t. V
|   |   ├──30:使用OpenCV调用分类器找到目标框_ev.mp4  73.92M
4 u/ E0 y1 r* s: g- m! I|   |   ├──31:IOU以及python计算的代码_ev.mp4  18.51M
) t3 e% _5 S% t  u|   |   ├──32:R-CNN和SPP-net_ev.mp4  68.40M
' F% f9 {+ ?* f|   |   ├──33:从FastRCNN引入FasterRCNN_ev.mp4  93.80M7 G1 [  T* m8 ?" t$ t$ R
|   |   └──目标检测.pdf  2.36M
( R1 Q' t* z& B+ j( Y0 Y3 s& b|   └──章节5:现代目标检测之FasterRCNN  
7 W  m" t( ~; C2 S1 ]3 K9 i|   |   ├──1.txt  0.25kb
6 z+ i) k9 `# O1 ]; S& K|   |   ├──34:回顾RCNN_SPPnet_Fast-RCNN_ev.mp4  96.32M
) }6 F. d: _6 a|   |   ├──35:FasterRNN的核心RPN_正向传播的框过滤_NMS_ev.mp4  152.24M
7 U  ~  c) z/ w& `2 \$ N|   |   ├──36:NMS代码实现流程_mAP目标检测平均指标_ev.mp4  105.18M! D4 v" c5 ?' K, P
|   |   ├──37:FasterRCNN论文讲解_从介绍到RPN的loss_ev.mp4  198.76M$ g" R5 V# \; C! J: K
|   |   ├──38:FasterRCNN论文讲解_从RPN损失到评估指标对比_ev.mp4  250.49M
2 h" ^3 S6 ]0 Y|   |   └──Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf  6.49M
3 V1 p/ V7 d  d3 M; f$ |├──15-深度学习-图像识别项目实战  . u: a8 [& w1 d; t- H4 @& G
|   ├──章节1:车牌识别  1 J' F6 d' n" I7 M3 _/ f2 S
|   |   ├──1:基于CascadeClassifier来提取目标框做车牌识别代码详解_01_ev.mp4  31.79M9 P6 u1 j" V: Z4 F( O5 y( z) a& i
|   |   ├──2:基于CascadeClassifier来提取目标框做车牌识别代码详解_02_ev.mp4  33.64M
, F4 k7 f, O( l* K& `; M/ B|   |   ├──3:基于CascadeClassifier来提取目标框做车牌识别代码详解_03_ev.mp4  18.45M; N) Y  Q( c. j& q: J! a+ l1 S) P
|   |   ├──4:基于CascadeClassifier来提取目标框做车牌识别代码详解_04_ev.mp4  28.08M0 U' m% W5 h+ E0 d* s
|   |   ├──5:车牌识别项目关于目标检测的问题_ev.mp4  17.44M
" [1 d- e7 L! T& v; u7 X|   |   └──car_license.rar  177.04M/ }; u$ ~4 ~# U. B1 d% |
|   ├──章节2:自然场景下的目标检测及源码分析  
* ?9 Q9 `4 H3 R1 ~|   |   ├──10:FasterRCNN项目代码_模型的训练_ev.mp4  17.61M
: Y: s! V5 B+ n+ X0 l5 A1 a|   |   ├──11:回归整体训练流程_详解读取数据blob_01_ev.mp4  33.04M7 @5 K. }8 ~) ~0 l# l
|   |   ├──12:回归整体训练流程_详解读取数据blob_02_ev.mp4  31.64M
8 y! u0 a: s! b% h. s1 p|   |   ├──13:回归整体训练流程_详解读取数据blob_03_ev.mp4  18.48M. a: D0 e; E6 P" `
|   |   ├──14:回归整体训练流程_详解读取数据blob_04_ev.mp4  27.24M
  B( g/ b, H+ P; o: b( t( _|   |   ├──15:FasterRCNN代码_构建head_ev.mp4  25.91M3 N# x3 S* H- g% `' R! m
|   |   ├──16:FasterRCNN代码_构建RPN网络_01_ev.mp4  49.33M3 q, o1 T7 w- t! |6 \* a; }7 t
|   |   ├──17:FasterRCNN代码_构建RPN网络_02_ev.mp4  39.32M" ?  Y4 z4 M+ }( {, T
|   |   ├──18:FasterRCNN代码_根据RPN网络得到校正后的预测的框_01_ev.mp4  37.69M
2 [% c* i2 p9 a9 V|   |   ├──19:FasterRCNN代码_根据RPN网络得到校正后的预测的框_02_ev.mp4  48.00M
, K8 [2 J. o, q  h8 z+ l|   |   ├──20:FasterRCNN代码_bbox剪裁_NMS非极大值抑制_ev.mp4  46.08M* v' s0 e/ s# {
|   |   ├──21:FasterRCNN代码_给RPN准备正负例样本_01_ev.mp4  40.86M2 h* B8 ]/ @' R% D& h
|   |   ├──22:FasterRCNN代码_给RPN准备正负例样本_02_ev.mp4  62.30M& Y. I9 Q8 d6 e+ z
|   |   ├──23:FasterRCNN代码_给RPN准备正负例样本_03_ev.mp4  22.05M
- h6 o0 O, ^; C$ j( ^|   |   ├──24:FasterRCNN代码_给RPN准备正负例样本_04_ev.mp4  19.13M
6 M0 G& t& l, E6 X|   |   ├──25:FasterRCNN代码_给RPN准备正负例样本_05_ev.mp4  29.94M% T) p0 B5 Q+ j: `& }! B, s
|   |   ├──26:FasterRCNN代码_给RPN准备正负例样本_06_ev.mp4  42.60M
* W9 {2 ^8 E* y+ O7 W|   |   ├──27:FasterRCNN代码_给RPN准备正负例样本_07_ev.mp4  37.95M
+ w2 d5 F: K% r8 I& w|   |   ├──28:FasterRCNN代码_给RPN准备正负例样本_08_ev.mp4  21.93M
* D* l- w, B) |$ R* K2 g( l|   |   ├──29:FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_01_ev.mp4  26.51M
) ^- Y2 o! A  u|   |   ├──30:FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02_ev.mp4  25.42M+ r, }1 V! M/ g. F1 M) `
|   |   ├──31:FasterRCNN代码_添加Loss损失_smoothL1loss_ev.mp4  26.83M
. L, Q% f+ L/ s% j; R! Y|   |   ├──6:FasterRCNN项目代码_环境说明_数据集详解_项目结构说明_ev.mp4  46.53M
& r3 p7 O& m9 o6 H2 q|   |   ├──7:FasterRCNN项目代码_数据加载_ev.mp4  39.94M6 u. K3 ~4 k- b0 q9 \
|   |   ├──8:FasterRCNN项目代码_数据增强_ev.mp4  31.37M
% y3 \6 w# m( x8 d8 i|   |   ├──9:FasterRCNN项目代码_数据初始化_ev.mp4  30.31M# o5 e& H: ?6 j4 k9 v1 }* M
|   |   ├──Faster-RCNN-TensorFlow-Python3.5-master.rar  3.06G
" p5 B( ~: K$ B: O|   |   └──资料.rar  26.61kb9 ]7 n1 H5 B8 L* t& W/ u! K
|   └──章节3:图像风格迁移  
9 Q7 |5 p9 g& v7 H|   |   ├──1.txt  0.25kb; O4 _. \2 {5 B3 T; r
|   |   ├──32:图片风格融合项目_架构_代码实现要点_1_ev.mp4  30.54M
+ ]# N9 v" H; {, C5 P, d|   |   ├──33:图片风格融合项目_架构_代码实现要点_2_ev.mp4  35.38M# P: C5 l/ [: k5 X
|   |   ├──34:图片风格融合项目_架构_代码实现要点_3_ev.mp4  34.81M
  H8 h3 m: A; A* E! g( O' P4 f|   |   ├──35:图片风格融合项目_架构_代码实现要点_4_ev.mp4  37.08M  Y8 W0 L6 |! P5 W; w0 B
|   |   └──style_transfer.rar  512.68M
3 k' F" F0 I. E, T  W+ m├──16-深度学习-目标检测YOLO(V1-V4全版本)实战  9 Z/ M+ i( O! e' |  m1 p
|   ├──章节1:YOLOv1详解  
* |/ \$ T; F; q, g1 L/ I|   |   ├──1:YOLOv1论文详解_算法特点介绍_ev.mp4  143.16M" {1 B2 [7 o/ ]; p# H+ e/ w1 x" Z
|   |   ├──2:YOLOv1论文详解_网络架构_思想_ev.mp4  163.33M
6 O, @4 w1 D( l8 S; z' e|   |   ├──3:YOLOv1论文详解_训练中的技巧_Loss损失函数_ev.mp4  192.72M
1 a0 |' x' [2 X# C& D3 m|   |   └──4:YOLOv1论文详解_NMS_局限性_ev.mp4  62.47M
+ V7 |9 @/ F* _! U5 s. g|   ├──章节2:YOLOv2详解  0 u+ X- `* U$ D5 _6 |: m
|   |   ├──5:YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes_ev.mp4  138.74M
6 o- S4 z- s' Z; s- O! D|   |   ├──6:YOLOv2论文详解_mAP更better的一些点_ev.mp4  212.94M
* e( _9 D8 P2 Y) q, @! J|   |   ├──7:YOLOv2论文详解_Darknet19_分类数据和检测数据集融合_多标签_ev.mp4  120.92M- |+ r; b! F& _" H
|   |   └──8:YOLOv2论文详解_层级分类_层级分类用于目标检测_ev.mp4  146.75M7 R" B) x1 T( F. a* Y
|   ├──章节3:YOLOv3详解  
0 A$ e5 \' [9 Q|   |   ├──10:YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53_ev.mp4  109.35M1 Q; @2 W  T  [" U% t, }- P
|   |   ├──11:YOLOv3论文详解_总结_FocalLoss_ev.mp4  100.58M! A# s8 k% h7 U9 w7 V
|   |   ├──12:YOLOv4论文概述_介绍_ev.mp4  96.28M7 Y1 {" D2 @5 Q# T& S
|   |   ├──13:YOLOv4论文概述_BOS_BOF_ev.mp4  253.06M
5 C9 k1 ]! F) D; D|   |   └──9:YOLOv3论文详解_每个框都要预测多个类别概率_ev.mp4  64.54M
; T9 M' y2 z! ~% n% R* O+ Q6 V0 t|   ├──章节4:YOLOv3代码实战  5 @, p$ b) E5 m$ P! Q; T0 i5 s
|   |   ├──14:YOLOv3代码剖析_项目介绍_ev.mp4  95.01M! h0 ?& \5 `; S
|   |   ├──15:YOLOv3代码剖析_聚类anchors_构建backbone主干网络_ev.mp4  144.47M  M- y: I/ o8 `; b# \
|   |   ├──16:YOLOv3代码剖析_model输出之后的预测框的计算_ev.mp4  138.41M- l1 n* }# x9 Y; g% X- j+ }$ K1 X
|   |   ├──17:YOLOv3代码剖析_使用model预测的其余代码_ev.mp4  54.57M
" D5 N: q0 i+ d! z/ e) r|   |   ├──18:YOLOv3代码剖析_weights到h5模型的转换_ev.mp4  83.70M
% t. P& @: \  x5 n, f|   |   └──19:YOLOv3代码剖析_模型的训练部分详解_ev.mp4  189.72M
7 d, r/ S  S& j. D5 S4 l: v+ h7 A* ]|   ├──章节5:YOLOv4详解  ' \. u" a  }* P2 m
|   |   ├──20:YOLOv4_BOF_DropBlock_FocalLoss_ev.mp4  159.22M
. V4 c8 M: z  J1 F|   |   ├──21:YOLOv4_BOF_GIoU_DIoU_CIoU_ev.mp4  72.25M
' h% a! b9 r4 |( p  ?|   |   ├──22:YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish_ev.mp4  163.21M
4 b. W" u  M$ Z5 a|   |   └──23:YOLOv4_BOS_SAM_PAN_CSP_CmBN_ev.mp4  174.03M
5 `. e0 _1 d% _$ W2 m3 D/ m# V|   ├──keras-yolo3-master.rar  443.97M
# F8 I  w2 |$ \" u6 i5 R|   └──资料.rar  25.37M
' w: {+ q& ^4 J/ R- Y5 W9 f4 V! ?├──17-深度学习-语义分割原理和实战  
) F+ @, [+ S; O* q|   ├──章节1:上采样_双线性插值_转置卷积  8 Y% k* X/ a7 X: [
|   |   ├──1.txt  0.29kb% H7 U9 T  ?$ `8 ]/ P6 \2 p( S: P
|   |   ├──1:前言_ev.mp4  14.47M
# u) k# O0 \1 O|   |   ├──2:上采样_repeat_ev.mp4  16.98M9 l$ @: w7 C6 L  F$ d6 b$ \. |; f+ z6 D
|   |   ├──3:线性插值_ev.mp4  23.87M
# @6 {0 }7 G" d|   |   ├──4:双线性插值_ev.mp4  66.03M: k/ e  t3 m! _: j
|   |   ├──5:转置卷积_以及TF的API_ev.mp4  62.74M
& k) S. h8 \& c, i2 _* W& B|   |   ├──6:双线性插值作为转置卷积核的初始参数_ev.mp4  83.64M  }& F$ A( i  h  \; R. E
|   |   ├──7:ROIAlign_ev.mp4  47.15M3 Z* y5 h4 H) b, X' Y& Z
|   |   ├──8:FPN思想与网络结构_ev.mp4  48.20M4 D. O& a% f4 q, z2 Y  e
|   |   ├──9:FPN应用于FasterRCNN_ResNetFPN_ev.mp4  101.57M
$ J# J& {: W4 {  o5 S- c|   |   ├──代码.rar  3.31kb
7 O+ p" n* y; I: r7 Y) n& I|   |   └──资料.rar  4.43M- V3 _/ J) w$ D5 G. J; m
|   ├──章节2:医疗图像UNet语义分割  ( X6 q$ M/ _( `% u+ p) C+ S% c: ]
|   |   ├──1.txt  0.19kb" Z. C9 N( l$ P5 M" ?6 {
|   |   ├──10:语义分割的基本概念_ev.mp4  14.13M
( {! C5 W8 j8 B! m' W|   |   ├──11:FCN全卷积网络做语义分割_ev.mp4  28.30M
% _' n1 L$ d" w% i0 m5 K" Z|   |   ├──12:UNet网络结构_ev.mp4  17.90M! i1 o2 m( @9 v. b- [
|   |   ├──13:UNet网络医疗图像的语义分割_ev.mp4  59.40M
. \+ n8 D, q/ ]|   |   ├──U-Net.zip  102.75M# h5 K5 ]0 D" R( m" _
|   |   └──资料.rar  3.41M
9 u7 M: O9 x# \& z2 ]" [|   └──章节3:蒙版弹幕MaskRCNN语义分割  
: V1 G9 Z* C% M/ F  B" C# U# x|   |   ├──1.txt  0.35kb
$ V4 t/ ~3 v% y5 r  [7 R  k6 c# E$ z|   |   ├──14:MaskRCNN网络结构_ev.mp4  54.01M3 [: k. C9 T9 y0 d& Y4 m$ b
|   |   ├──15:MaskRCNN的项目展示_ev.mp4  117.07M3 h% @4 N8 h6 V
|   |   ├──16:MaskRCNN网络架构回顾_ev.mp4  74.84M
  v4 o, i4 ^1 v0 Z# e|   |   ├──17:MaskRCNN根据文档和论文总结重要的知识点_ev.mp4  191.29M
4 x. n: e# T4 @$ G" L4 O$ a! w|   |   ├──18:MaskRCNN项目关于运行代码环境的说明_ev.mp4  34.35M
( S2 f0 x. n1 O|   |   ├──19:MaskRCNN源码config和model_ev.mp4  190.09M6 ?: c0 |9 ?" H" L0 W1 ]
|   |   ├──代码.rar  798.38M
% {* v  c) U4 X: V' [/ T# U8 }; W|   |   └──资料.rar  6.77M- O6 s, a1 k- m5 ]
├──18-深度学习-人脸识别项目实战  
/ c, `7 y1 f5 N' j& {0 A! R|   ├──章节1:人脸识别  5 z* G+ i) p6 F+ x9 ]( y
|   |   ├──10:人脸识别项目代码_加载MTCNN模型_ev.mp4  53.20M% a$ r) D* c( m" B* G
|   |   ├──11:人脸识别项目代码_读取图片带入MTCNN网络给出人脸候选框_ev.mp4  48.88M/ l7 m6 c$ }! N3 t9 e% I
|   |   ├──12:FaceNet论文_摘要和前情介绍_ev.mp4  58.45M7 M5 a# y: t) `# W
|   |   ├──13:FaceNet论文_相关的介绍_ev.mp4  42.19M# \" W: @: A; [' x7 G, |2 a
|   |   ├──14:FaceNet论文_TripleLoss思路来源和目标_ev.mp4  48.45M! e) e- U( n" b' W% I; @
|   |   ├──15:FaceNet论文_TripleLoss损失函数_ev.mp4  53.82M
2 m. f, t- U8 Z, T|   |   ├──16:FaceNet论文_TripleSelection很至关重要_ev.mp4  62.93M* F) e* a9 p! }% H& o
|   |   ├──17:FaceNet论文_ZF和Inception对比_总结_ev.mp4  57.56M7 L! \0 z0 w7 L
|   |   ├──18:人脸识别项目代码_FaceNet模型加载和使用_ev.mp4  35.74M, [. y& A: l9 s1 e' S
|   |   ├──19:人脸识别项目代码_人脸匹配以及最后的绘图展示_ev.mp4  30.32M
: |- x$ w% w& ?% i+ |, C6 l8 ?8 b( A|   |   ├──1:人脸识别任务种类_具体做法思路_ev.mp4  26.65M, s, V& n3 B7 ]8 r9 U# B
|   |   ├──2:开源的FaceNet项目介绍_ev.mp4  29.12M( G+ \) T3 }) K% B
|   |   ├──3:人脸识别项目代码整体结构_ev.mp4  23.36M, @5 o7 ?& C/ _" O+ s: {& `$ e
|   |   ├──4:MTCNN论文_摘要和介绍_ev.mp4  62.24M( G/ g' I  O7 ]( J9 [" M
|   |   ├──5:MTCNN论文_网络整体架构_ev.mp4  66.92M* Q# `' s/ j3 T3 s( ]
|   |   ├──6:PRelu_每阶段输出多分支意义_ev.mp4  35.08M
4 a& s5 Q! @, M% P" @) P|   |   ├──7:每一个阶段每个分支的Loss损失_整合每个分支的Loss_ev.mp4  57.33M
8 h0 ]2 z5 j! n4 B4 N3 W1 _|   |   ├──8:训练数据的准备_每一阶段训练的流程_ev.mp4  53.05M2 _) u9 F% c3 F' x1 i, w
|   |   └──9:总结MTCNN_缩放因子_注意3阶段网络里面的全连接_ev.mp4  51.73M* S( Y7 z, H0 ]. t
|   ├──1.txt  0.50kb
0 ~, k: c$ @1 A) y( ~|   ├──facenet-master.zip  823.10M: n/ G! Y, n1 J/ W. x
|   ├──模型.rar  186.42M
" D9 G( l3 T7 T* J& Y|   └──资料.rar  7.47M
! f( Z, p: c0 i% `├──19-深度学习-NLP自然语言处理原理和进阶  
; m4 V% x# z9 f|   ├──章节1:词向量与词嵌入  
& T: ~; S7 t8 @9 Z* ~|   |   ├──1.txt  0.31kb, C3 P' l; s" s$ R( ]( J$ [
|   |   ├──1:N-gram语言模型_ev.mp4  100.90M0 s) F' [- G, o4 R1 r. g  c
|   |   ├──2:NPLM神经网络语言模型_ev.mp4  91.13M0 ]" r4 o' s! `5 T! U
|   |   ├──3:词向量的作用_ev.mp4  36.29M4 Q7 O9 ^3 h3 D
|   |   ├──4:CBOW模型思想和计算过程_ev.mp4  100.15M$ ~* }1 R- ?5 E
|   |   ├──5:Skip-gram模型思想和计算过程_ev.mp4  33.20M
& p$ D. m0 j6 }! A1 r! D" L|   |   ├──6:Huffman树_分层Softmax的思想_ev.mp4  66.23M
7 s' R9 d0 b1 h  g. u|   |   ├──7:分层Softmax应用到CBOW模型上_ev.mp4  51.31M
, Z- }& b% |7 k1 N! ~* R9 L|   |   ├──8:负采样和负采样应用到CBOW模型上_ev.mp4  59.08M% d# Q  U9 n4 |) ^& _1 o
|   |   ├──Word2Vec.pdf  1.89M
. E5 w( y( N7 n- C' w' ?+ x7 v$ }|   |   └──资料.rar  266.85kb  {5 S/ h' o6 Y1 _, \: [' `1 ?; F
|   ├──章节2:循环神经网络原理与优化  
+ w% }) L; e$ l|   |   ├──1.txt  0.41kb3 F+ f  V- w% y4 v( B
|   |   ├──10:理解RNN循环神经网络计算流程_ev.mp4  29.87M" i" R* L0 Y& a( p+ t  B. d
|   |   ├──11:利用RNN循环神经网络对MNIST手写数字识别_ev.mp4  96.49M
! m9 n8 H% y! w1 n|   |   ├──12:理解LSTM长短时记忆_记住Topo和公式_ev.mp4  104.73M6 r" ?  m8 ^* I1 N( x0 `
|   |   ├──13:VanillaRNN的回顾复习_ev.mp4  72.40M* ]' d5 o, o5 B
|   |   ├──14:补充讲一下为什么RNN中链越长越容易梯度消失_ev.mp4  27.92M( L; R, X, o+ e) m6 m
|   |   ├──15:LSTM的回顾复习_LSTM手写数字识别_ev.mp4  26.32M
/ [8 y1 o/ G7 r$ D5 D4 h. q|   |   ├──16:双向RNN_LSTM_ev.mp4  30.09M
1 ^2 {6 p/ `; I! G! D: c|   |   ├──17:RNN里面应用的Topology结构_ev.mp4  15.64M- q( l* C( G/ m3 g* M/ |  W
|   |   ├──9:理解RNN循环神经网络拓扑结构_ev.mp4  74.59M
4 ]5 T1 S( v) ^/ R|   |   ├──RNN_Attention机制.pdf  2.83M7 x+ B, u' I$ w2 ~, S7 J' U/ \8 Q
|   |   ├──代码.rar  1.69kb
8 K% \3 h( I+ U& X|   |   └──资料.rar  1.59M! N7 R8 }" U4 [4 K  c
|   ├──章节3:从Attention机制到Transformer  
% z' a2 W  T: o7 V9 U, i  l* {|   |   ├──1.txt  0.60kb
  c4 [, {1 d1 O* s+ n  Y) W5 G|   |   ├──18:Seq2Seq中Attention注意力机制_ev.mp4  39.99M
- Z4 N2 w+ [% P" ^+ g, B|   |   ├──19:Transformer_Self-Attention_Multi-head_ev.mp4  79.26M& P3 z$ K! `8 q2 k& x
|   |   ├──20:Transformer_Positional_使用逻辑_网络结构总结_ev.mp4  55.10M1 d2 W% i$ w! o% _
|   |   ├──RNN_Attention机制.pdf  5.16M! [( k: ?, c; K* K% @/ Q, t( P
|   |   └──资料.rar  792.99kb  y" g# ]0 ^( p, x/ Q. ^, P
|   └──章节4:ELMO_BERT_GPT  3 w8 g: M  K# y0 ]- Y1 B
|   |   ├──1.txt  0.60kb6 X+ A, B, ~- _' Y
|   |   ├──21:ELMO_ev.mp4  33.25M
8 I2 g9 E& N. {* J- d|   |   ├──22:BERT理论_ev.mp4  52.58M
0 e: |( V  }. t8 K5 t' o5 Y|   |   ├──23:ERNIE_GPT_ev.mp4  43.47M( ~9 L$ i3 b) K8 C2 s% n
|   |   └──RNN_Attention机制.pdf  5.16M
2 ?$ r9 X$ I4 _! N├──20-深度学习-NLP自然语言处理项目实战  , t. @- o3 z+ i4 c1 R% a- R. T
|   ├──章节1:词向量  3 P" B: n% c: J) T
|   |   ├──1:回顾了词向量里面训练的Topology_ev.mp4  91.34M
2 F- o" ]* o6 s. b|   |   ├──2:Word2Vec项目代码_加载数据_构建字典_ev.mp4  75.49M
7 u9 l" x& J5 E; c' ]& P|   |   ├──3:Word2Vec项目代码_构建一个个批次数据_ev.mp4  65.40M1 m& v! ~0 a4 q2 ~. |
|   |   ├──4:Word2Vec项目代码_正向传播的Graph构建_NCE损失的计算本质_ev.mp4  80.94M
# r9 [+ E. e  m* O* Q. x|   |   ├──5:Word2Vec项目代码_评估比较相似度_最后的训练绘图_ev.mp4  68.29M4 h7 w* t9 v5 f$ T" R
|   |   ├──6:Word2Vec项目代码_总结串讲_ev.mp4  18.31M
: N# L* b- @1 K) _  a9 h# B: V|   |   └──word_2_vector.rar  56.80M, o3 [7 W  h" q# F7 P( t) ?. I
|   ├──章节2:自然语言处理--情感分析  " b& G+ W, [+ U; H
|   |   ├──10:代码讲解_01_ev.mp4  24.56M* K& w: G$ M: O
|   |   ├──11:代码讲解_02_ev.mp4  27.78M
# t3 z1 s$ [- a9 F9 G: e|   |   ├──12:代码讲解_03_ev.mp4  24.50M+ `- B; c1 M: t9 L2 O$ R% l
|   |   ├──13:代码讲解_04_ev.mp4  26.34M# h4 r7 `" _5 R6 R& x3 N' }
|   |   ├──14:代码讲解_05_ev.mp4  19.33M% W, t! m3 X( K" R
|   |   ├──7:Keras实战RNN以及词嵌入来做情感分析_ev.mp4  28.82M
' x# ^' h" t8 x- U6 s|   |   ├──8:数据预处理_01_ev.mp4  33.19M
, i7 }7 T  [! m0 k|   |   ├──9:数据预处理_02_ev.mp4  24.32M
+ v" H0 ?4 }: S$ L|   |   └──代码.rar  4.64kb) l$ w. b% N+ P- s9 Z' l" c
|   ├──章节3:AI写唐诗  
; \5 L4 p' T0 S" C|   |   ├──15:AI写唐诗_数据的读取_字典的构建_文本的索引化_ev.mp4  89.26M: m7 R) h$ ]3 e
|   |   ├──16:AI写唐诗_训练数据的构建_ev.mp4  44.78M1 V1 T( @8 t0 l4 m/ h7 |1 p
|   |   ├──17:MultiRNNCell单元_ev.mp4  22.27M' t& E+ z. z  v! P& s: k3 j
|   |   ├──18:AI写唐诗_从词嵌入到构建RNN再到输出层概率输出_ev.mp4  52.61M8 P, T, t5 s% p! f+ s0 i# J
|   |   ├──19:AI写唐诗_损失的计算_梯度的求解截断和更新_最终的训练代码_ev.mp4  48.59M
) K- p& ~  n  }5 o5 X4 h|   |   ├──20:AI写唐诗_模型的使用_增加随机性_ev.mp4  72.51M! y% I- u9 B1 ]0 ^, M6 X
|   |   └──代码 .rar  22.31M
" l! H; q3 I& o" J$ x  I|   ├──章节4:Seq2Seq聊天机器人  6 v: F, Z- T1 f% ]; n9 f
|   |   ├──21:从AI写唐诗到Seq2Seq再到Encoder-Decoder_ev.mp4  69.51M8 J+ f/ v. m" ]9 s8 Z
|   |   ├──22:Seq2Seq版Chatbot的数据预处理_ev.mp4  75.20M( B7 o7 i. ]! R
|   |   ├──23:Seq2Seq版Chatbot训练和模型使用_ev.mp4  69.86M/ m+ g; i1 x  o& a
|   |   └──代码.rar  37.30kb
7 X$ S/ T! M& C6 K|   ├──章节5:实战NER命名实体识别项目  
& l( E1 j3 Z! P|   |   ├──24:回顾了一下CRF训练和使用过程_ev.mp4  56.68M
- Y9 d# W) L7 B+ p" V, {9 k|   |   ├──25:介绍了代码目录结构_ev.mp4  19.69M
  z, G5 Z3 y" T) z7 S|   |   ├──26:NER代码读取数据和预处理_ev.mp4  85.89M% u- U0 N' k( C2 C
|   |   ├──27:feature进入BiLSTM进行正向传播的过程_ev.mp4  68.89M. r) K, Y4 _- q5 S
|   |   ├──28:通过CRF层来计算Loss损失以及训练_ev.mp4  66.03M
+ x) ?0 z# E0 U' \|   |   ├──29:BiLSTM-CRF模型的预测代码_ev.mp4  60.45M
% \- W& X- D8 @5 W" L|   |   ├──30:CRF中的特征函数们_ev.mp4  87.83M
* s! W2 k; I7 l% Y0 j|   |   ├──31:对比逻辑回归_相比HMM优势_ev.mp4  83.05M
) C. [* {8 I- }8 I( ^  X1 `, n: U|   |   ├──32:补充标注偏置问题_HMM做分词代码结构_ev.mp4  58.18M0 p4 F* ?# }5 |+ v" I0 R! A! H6 ]
|   |   └──代码.rar  14.28M
5 N9 [/ |* t3 m+ j|   ├──章节6:BERT新浪新闻10分类项目  . x  e" m, h& }+ f$ Y
|   |   ├──33:BERT新浪新闻10分类项目_ev.mp4  90.17M
/ U5 i" n( H1 ^4 b: d|   |   └──bert.zip  66.49M( u2 Z; A( P# O& E$ k
|   └──章节7:GPT2聊天机器人  
& W3 Y& W3 ~! `7 Y6 t  G1 x|   |   ├──34:GPT2闲聊机器人_ev.mp4  37.61M
' Z6 Z2 j1 W4 n: Y4 k|   |   ├──GPT2-Chinese-master.zip  13.39M& W- r6 A- P& q4 d6 I/ w' G
|   |   └──gpt2_chatbot-master.zip  86.58kb
+ r* f- A& `  P' \├──21-深度学习-OCR文本识别  9 y" \/ h7 b6 Y( u9 v, \
|   ├──章节1:深度学习-OCR文本识别  
& u2 f* u  C2 U( T|   |   ├──10:CRNN项目代码剖析_ev.mp4  127.07M) o+ ]+ u% W8 c4 m
|   |   ├──1:传统OCR识别_深度学习OCR识别_ev.mp4  130.34M( X9 ]* Y; r2 g/ x& i4 Z4 j, O' I
|   |   ├──2:OCR识别本质就是文字检测和文字识别_ev.mp4  80.13M
0 R/ X- x2 ^' ]/ p9 `1 k& F|   |   ├──3:OCR识别的CTC损失思想_ev.mp4  95.96M
# e3 e$ T1 D' H! p; Z# Z|   |   ├──4:总结理解深度学习文字识别架构_ev.mp4  34.81M* t: y9 @( s7 s( V4 U% ]; ?
|   |   ├──5:CTC损失函数的理解_ev.mp4  130.26M
) p( l: w2 }& \  G1 e|   |   ├──6:CTC损失函数前向后向算法推导_梯度求导公式推导_ev.mp4  85.53M
$ ~4 f9 ]* w( N' d* C- S/ _* y% [+ P|   |   ├──7:CTC前向后向算法代码_ev.mp4  86.60M, R* `& j$ G0 L
|   |   ├──8:GreedySearch和BeamSearch解码的方式与代码逻辑_ev.mp4  116.48M/ e5 U. I9 G$ e! w" ^, K' x6 p
|   |   └──9:CPTN项目代码剖析_ev.mp4  173.24M
3 {! w# S' ~0 I/ @7 n( y|   └──资料.rar  478.63kb
- T) ]! o3 N4 l├──22-深度学习-语音识别【2021新增 未更新。。。持续更新】  
8 K9 H  M/ i! m! C6 ~, P|   └──官方未更新。。。持续更新  
) X' I  J/ B' _5 q├──23-深度学习-知识图谱【2021新增 未更新。。。持续更新】  2 b. P3 v  X( s' m% L1 J
|   └──官方未更新。。。持续更新  / E) B) T% F: b- R* g
├──24-【加课】Pytorch项目实战  5 a0 g7 a! _9 Q& @" V' V) a0 g
|   ├──章节1:PyTorch运行环境安装_运行环境测试  3 z1 [9 p! e/ u
|   |   ├──1:PyTorch概述_ev.mp4  26.67M: [# W5 W" F3 |" ?% j' ?8 c
|   |   ├──2:PyTorch的安装_ev.mp4  45.81M$ t6 Z9 Q' _; c4 S/ `7 C
|   |   ├──3:Pycharm关联PyTorch运行环境_ev.mp4  24.03M
; d2 ?5 ~" J6 P' P|   |   └──4:Jupyter关联PyTorch运行环境_ev.mp4  27.99M" g$ w( x! @" O4 N
|   ├──章节2:PyTorch基础_Tensor张量运算  * ]. ~; I# z& c, q) ^& g
|   |   ├──5:Tensor的创建_ev.mp4  42.45M- Y, M4 n" h3 q& g: r/ P9 w& `2 t" V$ n
|   |   ├──6:修改Tensor的形状_索引操作_ev.mp4  56.59M8 T2 e! y- G3 T2 g
|   |   ├──7:广播机制_逐元素操作_ev.mp4  33.45M/ E) }& H, M: m8 F& M% j
|   |   └──8:归并操作_比较操作_矩阵操作_ev.mp4  44.67M) N5 f3 S! T( ?2 H3 H6 r% ~" u0 A
|   ├──章节3:PyTorch卷积神经网络_实战CIFAR10  " N- w) i* L& x: d8 E- ?
|   |   ├──10:PyTorch实战CIFAR10_构建网络_打印网络层次_ev.mp4  38.92M, \- X: V) u& S# G; w
|   |   ├──11:PyTorch实战CIFAR10_训练模型_测试模型_ev.mp4  33.50M
/ I7 i5 O9 t/ W0 T0 g0 t|   |   ├──12:PyTorch实战CIFAR10_分类别打印模型准确率_ev.mp4  19.94M
" N; F+ R" t+ I3 y4 p|   |   ├──13:使用全局平均池化_使用LeNet模型_ev.mp4  26.73M
; k% M1 {9 f9 y) m1 V5 y# S; P6 p|   |   ├──14:使用集成学习思想训练识别模型_ev.mp4  53.92M3 C% \( a( D" ?3 [1 [' F$ i
|   |   ├──15:使用VGG16模型提供准确率_ev.mp4  33.35M1 H* B9 Y" D! J* v2 Y" M
|   |   ├──16:torchvision里面的预训练模型_ev.mp4  20.28M
+ H3 j. A, |6 T3 {% ?. P/ z4 u|   |   ├──17:迁移学习_PyTorch代码实战冻结预训练模型参数_ev.mp4  38.81M
4 z, o1 p7 _5 C* Y3 {2 d- c4 g|   |   ├──18:PyTorch代码实战加入数据增强_ev.mp4  23.49M+ X% _. o3 Q  L& A% e* s) V
|   |   └──9:PyTorch实战CIFAR10数据_读取和展示_ev.mp4  58.48M
6 \8 o$ z2 B1 B9 Y" m: D6 ||   ├──章节4:PyTorch循环神经网络_词性标注  
# l! [/ ]1 g8 s: Y|   |   ├──19:PyTorch词性标注_构建数据和词索引号_ev.mp4  16.72M
$ G1 E4 T6 ]/ @7 `/ }. Z. N|   |   ├──20:PyTorch词性标注_构建词嵌入层LSTM层和词性输出层_ev.mp4  26.98M, K8 u3 ~; m3 h0 l: x3 C6 C- K$ t8 V/ L
|   |   ├──21:PyTorch词性标注_构建数据索引化和训练模型代码_ev.mp4  27.12M
8 f- U- J# z8 r' q|   |   └──22:PyTorch词性标注_测试模型效果_ev.mp4  7.78M( l# V5 N8 ~9 m# Q6 p3 X! o1 _
|   ├──章节5:PyTorch编码器解码器_机器翻译  0 t# H0 e# i7 V4 o( s7 n
|   |   ├──23:PyTorch中英文翻译_规范化语料库_构建中英文词典索引_ev.mp4  31.67M
" f1 L+ P& U3 a3 e* L3 q' d|   |   ├──24:PyTorch中英文翻译_数据预处理_ev.mp4  24.46M& C, I  f# p% e
|   |   ├──25:PyTorch中英文翻译_索引化数据_转化成Tensor张量_构建Encoder编码器_ev.mp4  31.36M
) V8 j! T' Q0 e# m% {( h|   |   ├──26:PyTorch中英文翻译_构建训练函数之Encoder计算_ev.mp4  32.85M
( [$ d' `/ e/ v, E. n# A|   |   ├──27:PyTorch中英文翻译_构建带Attention注意力机制的Decoder解码器_ev.mp4  43.18M
1 X' m- m. C: h|   |   ├──28:PyTorch中英文翻译_构建训练函数之Decoder计算_ev.mp4  38.50M! u2 h6 V* [' V# r/ Z
|   |   ├──29:PyTorch中英文翻译_评估模型函数_ev.mp4  34.22M
" w& e2 \# j" A# B4 p) P( Y, r- @, j|   |   └──30:PyTorch中英文翻译_绘制Attentions注意力权重_ev.mp4  20.88M6 r' l; u! i( `8 q  ?! D- i
|   ├──代码.rar  307.66M
2 @% f3 M2 f+ d3 s( s|   └──资料.rar  1.77M
& l6 `) n7 X" Q* o2 q  G  y├──25、【加课】百度飞桨PaddlePaddle实战【新增】  
7 o0 `4 X7 R. F) ^( u) b' C$ d|   ├──章节1:PaddlePaddle框架安装_波士顿房价预测  
6 I: R* ^* C' Y8 s! y( w1 \/ @! ^|   |   ├──代码  ) P3 R  l* ?3 [- [' Q4 k
|   |   ├──数据  
; y8 U+ }2 A# M* Y, U# @. D|   |   ├──1:安装PaddlePaddle_ev.mp4  36.77M. r0 }' }- Q; N* d& j% i, e
|   |   ├──2:Pycharm运行出现mkl-service或DLL找不到的问题_ev.mp4  28.19M
9 e0 l. J4 J$ T0 D' w|   |   ├──3:PaddlePaddle求解线性模型_ev.mp4  35.67M
/ W9 ?$ w- \# N0 {9 N|   |   ├──4:预测波士顿房价_数据读取_正向传播_ev.mp4  38.00M# c! `8 p+ }6 y# S: k; W9 ~
|   |   └──5:预测波士顿房价_反向传播_模型保存_模型测试_ev.mp4  29.68M
2 T1 e% O2 i) V4 \|   ├──章节2:PaddlePaddle卷积网络_病理性近视识别  
3 h/ Q2 t5 ]) O; p4 W|   |   ├──代码  * T4 k; p% E; N% I: v! p
|   |   ├──数据  3 F6 }- @& y2 m$ R) N% R; ?9 Q+ J7 x
|   |   ├──6:预测病理性近视_图片数据读取_ev.mp4  45.49M8 t. v) ~) ~7 G& H3 ^
|   |   ├──7:预测病理性近视_模型训练_ev.mp4  40.78M3 x. d& T# }" N6 {6 c
|   |   ├──8:预测病理性近视_定义模型结构_评估模型_ev.mp4  40.92M0 v$ {4 Q% P' }2 g
|   |   └──9:预测病理性近视_调用经典卷积神经网络_ev.mp4  66.29M
  Y4 b2 [9 L3 S5 }1 M|   ├──章节3:PaddleDetection工具_PCB电路板缺陷检测  ( l7 }( o" n% R2 D' p8 a
|   |   ├──代码  
2 I2 C# t$ G8 g1 r8 M|   |   ├──数据  
' y; n0 c1 F5 C|   |   ├──10:PaddleDetection_项目配置_ev.mp4  42.14M
; D; L% I& l$ Q" `7 @- f5 V|   |   ├──11:安装配置VisualStudio_解决安装模块pycocotools或cython_bbox编译报错问题_ev.mp4  31.05M
: Y; |- y4 s, P' f|   |   ├──12:PCB电路板缺陷检测_Images和Annotations_ev.mp4  29.76M7 d9 W$ t3 Z+ F
|   |   ├──13:PCB电路板缺陷检测_前期数据的分析_ev.mp4  55.99M" M6 r7 K' d/ |1 c1 a, ]% y
|   |   ├──14:PCB电路板缺陷检测_项目配置文件_ev.mp4  27.18M( }0 j  a, Q2 K* F' H! _( j
|   |   ├──15:PCB电路板缺陷检测_模型训练_ev.mp4  43.74M+ `) ~2 t( e" _% M4 E6 G
|   |   └──16:PCB电路板缺陷检测_模型预测_ev.mp4  40.76M8 {- u7 I$ h3 ~' T8 ?/ ~
|   ├──章节4:PaddleOCR工具_车牌识别(目标检测+CRNN+CTCLoss)  & o% \1 i$ S% T3 Q/ D/ K
|   |   ├──代码  
- P* g: E# d% l( V|   |   ├──数据  
0 H7 d# v+ b7 L|   |   ├──17:PaddleOCR_项目配置_CCPD数据集介绍_ev.mp4  47.40M
  m3 ^% {( ~. G! c. W( D1 h/ S|   |   ├──18:车牌识别项目_详解数据准备阶段代码_ev.mp4  28.73M
3 X9 U5 T5 N. X( j9 K|   |   ├──19:车牌识别项目_运行保存标签和剪切出的车牌图片_ev.mp4  37.23M  \0 m" F& W/ [$ A
|   |   ├──20:车牌识别项目_车牌目标框检测模型训练_ev.mp4  44.20M( ~2 L& \  b8 ]5 G; c2 `$ G7 x1 }2 w
|   |   ├──21:车牌识别项目_车牌字符识别模型训练_ev.mp4  45.18M) t& x0 ]( Z+ N9 k
|   |   └──22:车牌识别项目_车牌识别模型导出及预测_ev.mp4  54.75M
1 O1 J8 P& `3 e+ _|   ├──章节5:PaddleNLP模块_物流信息提取(BiGRU+CRF)  
2 ]! x4 Z& X* m& L|   |   ├──代码  1 J0 ~! a5 l" P( A" q4 i
|   |   ├──数据  
$ q5 a3 C! P6 n|   |   ├──23:PaddleNLP_项目配置_ev.mp4  30.94M$ P& f& q% x1 _; {
|   |   ├──24:PaddleNLP_物流信息提取项目介绍_ev.mp4  32.51M
$ \" }$ ?! U$ k9 b|   |   ├──25:物流信息提取项目_解决导包显示找不到nul问题_ev.mp4  42.22M4 Q8 d( q" S+ U1 \; x
|   |   ├──26:PaddleNLP_物流信息提取项目_加载数据构建DataSet_ev.mp4  38.36M
) r! Y+ G+ R8 }  M6 D|   |   ├──27:PaddleNLP_物流信息提取项目_进一步通过DataSet构建出DataLoader_ev.mp4  37.31M
  j  t. ]' M/ u) {5 B|   |   ├──28:PaddleNLP_物流信息提取项目_构建网络模型_ev.mp4  32.75M* Q3 S$ b* L5 p2 O
|   |   ├──29:PaddleNLP_物流信息提取项目_模型训练_ev.mp4  35.53M
' Z* f8 k6 S0 m& h, ~% G|   |   └──30:PaddleNLP_物流信息提取项目_合并结果并展示_使用预训练的词向量提升效果_ev.mp4  52.25M
) q9 E: u0 K& u% R|   └──章节6:PaddleNLP模块_物流信息提取(ERNIE版)  3 P5 B7 {0 T4 o6 R3 ~# L* y
|   |   ├──代码  
* h3 t* K# d2 Z" u6 @. E* ^2 m|   |   ├──数据  3 x$ h% Y% G4 p6 t* E) G$ s
|   |   ├──31:PaddleNLP_物流信息提取项目_ERNIE实战_加载数据集构建Dataset_ev.mp4  34.05M. f) s4 d+ x& y  x& U3 h
|   |   ├──32:PaddleNLP_物流信息提取项目_ERNIE实战_详解Tokenizer作用_ev.mp4  39.05M
  a9 V; p( S" C, e2 i% \6 @5 \|   |   ├──33:PaddleNLP_物流信息提取项目_ERNIE实战_讲解模型训练和评估代码_ev.mp4  34.16M
9 U. I0 U( _- u% P5 s) \! ]1 F|   |   └──34:PaddleNLP_物流信息提取项目_ERNIE实战_讲解ChunkEvaluator和输出预测结果_ev.mp4  37.51M2 U' U9 r0 T8 b0 X
├──26-【加课】Linux环境编程基础  
0 i+ K# g& f, G/ Q|   ├──章节1:Linux  
6 }2 z, p* ]: D. l) Z! {$ Y|   |   ├──10:Linux_常用命令_clear、touch、cat命令_ev.mp4  6.87M
9 G4 y6 |2 ?  _/ S" t|   |   ├──11:Linux_常用命令more、head、tail命令_ev.mp4  11.70M% C3 l5 r1 g- F  `( c  c
|   |   ├──12:Linux_常用命令_mkdir命令_ev.mp4  7.43M% O; G) C1 ^" P; O2 D
|   |   ├──13:Linux_常用命令_cp命令_ev.mp4  10.70M
9 V4 I0 P+ m- j1 N7 k5 D! v# g. A|   |   ├──14:Linux_常用命令_rm、mv命令_ev.mp4  19.97M
1 n0 `3 G( _& o$ U|   |   ├──15:Linux_常用命令_vi、vim_ev.mp4  22.86M
. e5 O0 U1 ^  p% l# L- O' ~|   |   ├──16:Linux_常用命令_reboot、halt_ev.mp4  4.00M
. _8 w: q6 B' ]1 c( L|   |   ├──17:Linux_常用配置_设置时区_ev.mp4  18.87M  P' w! r* K$ x6 c$ k0 E
|   |   ├──18:Linux_常用配置_启动网络_ev.mp4  11.22M9 v% r3 B" s0 ?% v& N0 z
|   |   ├──19:Linux_常用配置_修改网段_ev.mp4  8.25M
5 [" Q+ a& o- a3 B* \) c|   |   ├──1:Linux_课程介绍_ev.mp4  2.93M2 I/ X3 ?9 c' n0 R
|   |   ├──20:Linux_常用配置_设置网络类型_ev.mp4  18.89M
" T) [, @2 O, _1 a# y( ]6 x, S|   |   ├──21:Linux_常用配置_快照与克隆_ev.mp4  10.70M
% o2 s' s$ c( x" d|   |   ├──22:Linux_Xshell的安装与使用_ev.mp4  14.02M$ ]) \7 T4 @0 }; k% ^" F+ s
|   |   ├──23:Linux_上传与下载_Xftp的使用_ev.mp4  12.71M
: S! m: }! R6 `|   |   ├──24:Linux_上传与下载_lrzsz工具_ev.mp4  29.88M3 r  [/ [$ U. f
|   |   ├──25:Linux_文件的压缩与解压缩处理_ev.mp4  28.41M. c1 r8 K7 ]7 F- L; e5 K  d
|   |   ├──26:Linux_安装MySQL_ev.mp4  50.87M
& }. {' s3 B; |+ ~7 \/ {|   |   ├──2:Linux_Linux简介_ev.mp4  13.00M
0 |9 |) v. d! _) g  g5 N/ b- Q8 d9 n|   |   ├──3:Linux_VMWare安装及使用_ev.mp4  13.59M
) r! w! p: W9 T- v|   |   ├──4:Linux_安装Linux_ev.mp4  25.92M
5 o. f. {8 S8 p$ Y- S|   |   ├──5:Linux_目录介绍_ev.mp4  13.24M: D( I) o: w9 P! O
|   |   ├──6:Linux_Linux中的路径_ev.mp4  13.00M) `3 G0 e! v" z
|   |   ├──7:Linux_常用命令_pwd命令_ev.mp4  4.74M
/ a8 [7 D9 e( U$ l8 o) e|   |   ├──8:Linux_常用命令_cd命令_ev.mp4  6.05M: }3 J( m) o1 t& b6 C
|   |   └──9:Linux_常用命令_ls与ll命令_ev.mp4  22.63M
8 q: D) f% q4 \  ?0 e. X|   ├──软件.rar  2.18G
" t4 @2 m" b- t0 @1 N3 s|   ├──软件2.rar  6.33G
/ \% ~4 Z& m" _' S2 k$ l1 m|   └──文档.rar  2.78M0 x$ m- u! }5 N/ D' g
├──27-【加课】算法与数据结构  
1 Z6 S# \) ?+ z1 v/ w) S5 W|   ├──章节1:算法与数据结构  8 h9 \! B3 R4 D) q- p4 ?5 }% \0 j
|   |   ├──10:哈希表的基本结构_ev.mp4  26.05M$ a% j! M3 s& C' G4 ]
|   |   ├──11:哈希表冲突问题_ev.mp4  36.72M: W# D0 E% X; c
|   |   ├──12:哈希表冲突问题2_ev.mp4  29.16M
; H7 v# {9 W) I2 `7 N7 y; H, @|   |   ├──13:哈希扩容_ev.mp4  42.00M
- s( s8 h  A% L- D|   |   ├──14:递归与栈_ev.mp4  23.20M, o! G  w/ ]' w4 I
|   |   ├──15:线性查找_ev.mp4  27.16M/ |4 H& J& G4 B$ Y, D) [
|   |   ├──16:二分查找_ev.mp4  25.22M
* w, `7 d. L# v% |) P|   |   ├──17:冒泡排序_ev.mp4  26.39M
5 _8 D% y( I+ G& U' r6 w|   |   ├──18:选择排序_ev.mp4  22.71M+ y9 S) h- l6 K5 {
|   |   ├──19:插入排序_ev.mp4  15.87M
; {* v$ g+ N9 P' M2 u$ B, L, W9 ?|   |   ├──1:数据结构与算法简介_ev.mp4  17.12M, Y" }3 C5 s% x
|   |   ├──20:归并排序_ev.mp4  40.51M
* y0 `: z/ s! ]& C( ~' u|   |   ├──21:快速排序_ev.mp4  18.97M
  p" u5 f3 X1 X1 z; g! `  e: `|   |   ├──22:树结构_ev.mp4  42.81M
2 E9 {" k( [" r1 `3 ]|   |   ├──23:树结构的遍历_ev.mp4  27.72M  }9 C& `! W7 h6 @8 l) I5 }  k
|   |   ├──24:最大堆的增加操作_ev.mp4  36.15M
: ~6 \3 `8 c1 X7 ^|   |   ├──25:最大堆的删除操作_ev.mp4  35.13M3 w# U) W& v, {/ Y  B- s) O
|   |   ├──26:二叉树的查找_ev.mp4  41.76M
& P5 N6 C" @9 Z1 U; T|   |   ├──27:二叉树获取最小值_ev.mp4  11.16M
+ V5 T# ]0 y6 r+ g|   |   ├──28:二叉树的添加_ev.mp4  30.56M0 Z: W& v* G# s' Q7 N
|   |   ├──29:二叉树的删除_ev.mp4  55.15M1 J, `% V" V' H
|   |   ├──2:大O表示法_ev.mp4  11.28M; k: ^  a7 y# ^
|   |   ├──3:线性结构_ev.mp4  24.15M% b7 C8 @) h% S0 f1 w: ^
|   |   ├──4:单线链表1_ev.mp4  27.68M
: X! g8 {) v% e  V. }4 k|   |   ├──5:单链表2_ev.mp4  58.44M
7 f! X& a6 _; {. p6 H6 l9 F|   |   ├──6:双链表_ev.mp4  46.43M$ G1 @, t* c. u+ K/ p! H  `! v
|   |   ├──7:队列(链式)_ev.mp4  33.77M
/ ~8 l: O/ |4 A& F+ ^|   |   ├──8:队列(线式)_ev.mp4  17.69M7 i) `7 ~4 Z* t  l( m
|   |   └──9:栈与双端队列_ev.mp4  13.03M6 D/ P: C; f; W5 o2 Z  S$ {
|   └──资料.zip  4.80M: C2 P: b* @/ ~8 t, \' q6 q" p
├──29-【加课】计算机图形学机器视觉实战【2021新增 未更新。。。持续更新】  
! y* \) W/ s: F: p, e4 ^2 I9 o5 l( p|   └──官方未更新。。。持续更新  
) U* S0 D7 M, ^9 f" Y├──30-【加课】 ROS智能机器人操作系统【2021新增 未更新。。。持续更新】  
% L9 X4 B' P. X) G|   └──未更新。。。持续更新  : k; |) E1 c% h6 {) w" \. n
├──31、【加课】 强化学习【新增】  ! i/ [3 A$ K' B$ N4 a' t
|   ├──章节1:Q-Learning与SARSA算法  
: h/ w: h. G, z& p% c/ h7 ^|   |   ├──代码  - B- W* l( r- b" |
|   |   ├──资料  7 {# V" ?9 K; \6 q( F, k/ t: G6 I
|   |   ├──10:代码实战Q-Learning智能体训练模型_ev.mp4  35.49M9 }# G* d3 ^/ D% l) ~, F
|   |   ├──11:代码实战Sarsa_Agent和Env整体交互_ev.mp4  26.78M
9 @! h) u( v0 G% z. z|   |   ├──12:代码实战Sarsa_Agent选择行为和训练模型_ev.mp4  37.68M. ^% A* m6 G: `( C' k6 ~( |, [
|   |   ├──13:代码实战SarsaLambda_训练模型_ev.mp4  36.83M' T9 W5 Q. W1 e. [# [5 Y2 k6 g
|   |   ├──1:强化学习通过智能体与环境交互进行学习_ev.mp4  44.67M8 t, s) m1 c/ o# h1 g
|   |   ├──2:引入马尔科夫链和价值评估的Q值与V值_ev.mp4  35.03M- t) m- q) I. k1 x, E9 r" S
|   |   ├──3:详解Q值和V值以及它们之间关系_ev.mp4  48.04M
" U( r$ i. U; V5 B|   |   ├──4:蒙特卡洛采样回溯计算V值_ev.mp4  41.14M
# r+ s, ?6 Y. k; _|   |   ├──5:蒙特卡洛和时序差分估算状态V值_ev.mp4  44.02M4 u8 c6 W0 B, G# ~! J/ Z& Z
|   |   ├──6:SARSA算法和Q-learning算法_ev.mp4  39.56M1 ?1 V4 c6 T: x2 j2 y* A/ K8 _/ n4 e3 i
|   |   ├──7:理解Q-table_创建maze交互环境_ev.mp4  40.23M
/ o1 m4 o2 B/ \|   |   ├──8:代码实战Q-Learning_Agent和Env整体交互_ev.mp4  30.03M
) [5 o# W7 r( \( A|   |   └──9:代码实战Q-Learning智能体选择行为_ev.mp4  33.94M. e/ M/ [2 ~1 Q: I; v
|   ├──章节2:Deep Q-Learning Network  
8 z% T4 l% C5 V9 e|   |   ├──代码  
9 Y% b, ~2 g: R$ R3 U|   |   ├──14:DQN算法思想_ev.mp4  35.24M
. E' W" p7 n5 _( Q+ E1 N|   |   ├──15:DQN算法具体流程_ev.mp4  31.71M& d% {. I8 O0 r9 D- h5 @- }
|   |   ├──16:ε-greedy_ReplayBuffer_FixedQ-targets_ev.mp4  54.99M
. p' P3 ]0 }7 M/ F8 t|   |   ├──17:代码实战DQN_Agent和Env整体交互_ev.mp4  46.11M. E( G7 K& P. o7 T3 B
|   |   ├──18:代码实战DQN_构建Q网络_ev.mp4  41.08M. _6 t" y- \, {, h6 V6 Y
|   |   ├──19:代码实战DQN_定义损失函数_构建Target网络更新逻辑_ev.mp4  50.96M
" _! E& X& B( y- e) Y4 C- X3 V|   |   ├──20:代码实战DQN_训练阶段得到Q网络的预测值和真实值_ev.mp4  47.86M
" y0 S( O! s- p|   |   ├──21:代码实战DQN_训练阶段最小化损失_记录loss方便展示_随着learn的越多选择action随机性减小_ev.mp4  52.26M
! F* k$ m! n- X8 l6 y|   |   ├──22:DQN会over-estimate的本质原因_ev.mp4  40.26M. _+ {, f& ]% z' c: o
|   |   ├──23:DoubleDQN缓解over-estimate_ev.mp4  39.29M& Y6 ^2 P9 n- H) q6 v
|   |   ├──24:DoubleDQN代码实战_ev.mp4  39.68M
0 w+ h; U: N) {) U1 w" b  E. ^|   |   ├──25:DuelingDQN_ev.mp4  47.48M2 F3 L. S# O8 g5 q
|   |   ├──26:困难样本挖掘_Multi-step_NoiseyNet系统的探索_ev.mp4  49.05M3 ~+ A7 E' i& E  P) s* f) Q! y
|   |   ├──27:计算Action的方差避免风险_ev.mp4  28.80M
" c# Z! C- o/ {6 V: ~|   |   └──28:Rainbow_DQN如何计算连续型的Actions_ev.mp4  34.36M% N) I' U; e+ o- E
|   ├──章节3:Policy Gradient 策略梯度  
& Y) e( }2 q; ?! E: z|   |   ├──代码  ! p. E7 p' J7 ~- ^  o8 x! L
|   |   ├──29:策略梯度PG_对比基于值和基于策略网络的区别_ev.mp4  36.10M* c7 D: ^) ~, h. R* k
|   |   ├──30:策略梯度PG_明确目标函数和导函数_ev.mp4  33.85M0 D* `% d# a! v3 Z/ e' O+ q( Y# `( u
|   |   ├──31:策略梯度PG_简化导函数的公式推导_ev.mp4  33.34M! y, d% k$ W1 G/ _5 F
|   |   ├──32:策略梯度PG_总结整体流程_对比交叉熵损失函数求导_ev.mp4  30.01M: j! G9 s2 N& g: H2 n+ b* H
|   |   ├──33:策略梯度PG_讲解CartPole环境_ev.mp4  31.95M
. Y8 O8 \0 o* h4 r8 k|   |   ├──34:代码实战_策略梯度PG和CartPole交互_ev.mp4  44.45M
4 _; P, q5 c& Q9 _|   |   ├──35:代码实战_策略梯度PG网络构建_ev.mp4  28.63M
9 F! p( l0 F! v& {( r7 n|   |   ├──36:代码实战_策略梯度PG选择行为和参数训练_ev.mp4  32.87M
4 w) o" `+ g+ J% s|   |   ├──37:策略梯度PG_对TotalReward进行均值归一化_ev.mp4  29.71M
  }# t! X" k7 ]" w! }|   |   └──38:策略梯度PG_同一个回合中不同的action回溯不同的TotalReward_代码实战_ev.mp4  30.66M
. g; U6 k6 r, O* z5 {# T|   ├──章节4:Actor Critic (A3C)  * h) {6 h5 h# v% M5 {2 L: ^" r
|   |   ├──代码  / k- f9 r8 w4 \7 O- |; `4 _6 l
|   |   ├──39:ActorCritic原理_把PG和QLearning结合起来_ev.mp4  50.02M
5 ~4 {5 v& }" x# F|   |   ├──40:AdvantageActorCritic_共享参数和修改reward技巧_ev.mp4  44.69M
" K. B) C' W( m# v, s|   |   ├──41:代码实战_ActorCritic与环境交互_ev.mp4  48.29M0 }; q# R6 F2 o0 ~2 v# v
|   |   ├──42:代码实战_Actor网络构建及训练_ev.mp4  33.46M
0 {: j  ?& I9 }2 T& y8 E|   |   ├──43:代码实战_详解Critic网络构建及训练_ev.mp4  50.74M
: A. }0 B$ O+ S( \- c|   |   ├──44:A3C架构和训练流程_ev.mp4  37.52M7 s7 u# W- N; G# x/ |$ x  Y+ _' a
|   |   ├──45:Pendulum环境_根据网络预测的μ和σ得到连续型的action值_ev.mp4  44.49M
9 ?6 s! D5 Y; g& G: x( G% P|   |   ├──46:代码实战_A3C_讲解Coordinator调度多线程运算_ev.mp4  27.84M
8 _, H7 ^, s% V) V|   |   ├──47:代码实战_A3C_定义Worker计算loss的逻辑_针对连续型的action提高actor探索性_ev.mp4  32.62M
8 F' B% C6 [" P- x|   |   ├──48:代码实战_A3C_增加actor探索性用到熵_定义worker正太分布抽样和求梯度的逻辑_ev.mp4  32.10M
7 d; E3 q, D4 L! }* O* j|   |   ├──49:代码实战_A3C_定义AC网络结构_定义worker拉取参数和更新全局网络参数的逻辑_ev.mp4  35.52M* L: \( k  G" O: L
|   |   ├──50:代码实战_A3C_结合流程图分三点总结前面讲的代码_ev.mp4  35.80M
5 y6 i* q9 F3 t6 @# I; I4 C2 A  t% l|   |   ├──51:代码实战_A3C_讲解线程中worker和环境交互_ev.mp4  45.16M
$ c! ], m6 M. f( I$ ~5 K|   |   └──52:代码实战_A3C_讲解线程中worker和GlobalNet交互_代码运行效果展示_ev.mp4  41.57M$ P# Y1 N& t1 V) m, _
|   └──章节5:DDPG、PPO、DPPO算法  / f( u6 r; Q5 u/ B. @- B
|   |   ├──代码  
9 g& |  w2 X+ R8 [; ||   |   ├──53:DDPG解决DQN不能输出连续型动作的问题_DDPG如何训练Actor和Critic_ev.mp4  43.40M
) M4 ^; k: H/ M* U" a( X: K/ H|   |   ├──54:代码实战_DDPG_构建Actor和Critic四个网络_定义Critic求loss和求梯度的逻辑_ev.mp4  45.45M$ h3 n, Q, L+ E7 o  F$ I2 j/ \
|   |   ├──55:代码实战_DDPG_Critic网络构建_Actor网络链式求导_ev.mp4  50.11M
& Z* V' t5 O- K1 y) O- V5 l" a|   |   ├──56:代码实战_DDPG_与环境之间的互动_AC训练调整参数_效果展示_ev.mp4  38.76M
+ Z) E1 X8 N+ Y6 ]  d& Z|   |   ├──57:TD3_使用DoubleNetwork优化DDPG_ev.mp4  57.07M
: P$ K7 Z, U% L) [1 e; `8 v0 ?|   |   ├──58:PPO_强调AC如何输出连续型动作_区分On-Policy与Off-Policy_ev.mp4  34.69M
7 q9 M" i1 \9 u1 p$ V|   |   ├──59:PPO_通过重要性采样使得PPO可以做Off-Policy学习_ev.mp4  32.08M
' ~2 Q- E7 u: A|   |   ├──60:PPO_重要性采样的问题_期望矫正但是方差还是不同带来的问题_ev.mp4  34.49M
7 q, s, c' p. v5 o8 p! D|   |   ├──61:PPO_PPO1、TRPO、PPO2三种不同的方式解决两个分布不同的问题_ev.mp4  32.50M
* W4 q8 k' l- E: Z/ w$ w|   |   ├──62:代码实战_PPO与环境整体交互_Actor与Critic网络构建_ev.mp4  28.52M+ Y2 C/ R8 m0 M; x  `
|   |   ├──63:代码实战_定义PPO1和PPO2不同版本Actor的Loss计算逻辑_ev.mp4  36.15M
5 Y3 w; s( S3 n- v7 v' l( H: `|   |   ├──64:代码实战_剖析PPO代码中如何体现Off-Policy的学习方式_效果展示_ev.mp4  34.44M- J  {- u6 |0 L" L) c
|   |   ├──65:DPPO分布式PPO_ev.mp4  36.43M
  Q. A4 ~1 k5 O8 ]|   |   ├──66:代码实战_DPPO_创建一个PPO和多个Worker_创建多线程_ev.mp4  33.08M
' @+ f% c8 T* x: ?- R; g! _# A# V0 W|   |   └──67:代码实战_DPPO_GlobalPPO和Workers交替执行_ev.mp4  48.49M- @5 R/ ?( ]/ I& }
├──32-【加课】 图神经网络【2021新增 未更新。。。持续更新】  
1 g$ R+ t0 b8 Y7 b! x) @|   └──未更新。。。持续更新  
* R. H/ {. r; r/ U├──【加课】Linux环境编程基础  
/ i* l! q9 t+ v' D$ V|   └──章节1:Linux  ) J8 h8 K$ H8 `- k! i2 [' [! r
|   |   ├──10:Linux_常用命令_clear、touch、cat命令_ev.mp4  6.89M! U6 Y& P' }( J6 A/ N% z$ T$ e! Y: ?
|   |   ├──11:Linux_常用命令more、head、tail命令_ev.mp4  11.70M
8 G1 v% x! n6 @  r3 a4 F/ O|   |   ├──14:Linux_常用命令_rm、mv命令_ev.mp4  19.93M; Y/ _( |. N) W
|   |   ├──15:Linux_常用命令_vi、vim_ev.mp4  22.76M1 @& a) W  S) N3 x2 J6 @  R$ X
|   |   ├──16:Linux_常用命令_reboot、halt_ev.mp4  4.00M
. x* V$ q$ D3 ^. j6 d. w|   |   ├──18:Linux_常用配置_启动网络_ev.mp4  11.23M
: v. r9 n6 W9 S' e|   |   ├──1:Linux_课程介绍_ev.mp4  2.92M
4 @0 }8 u+ r' i, d+ ^; x) U/ C# L|   |   ├──20:Linux_常用配置_设置网络类型_ev.mp4  18.98M& H# y6 J7 k8 z0 h$ h
|   |   ├──25:Linux_文件的压缩与解压缩处理_ev.mp4  28.49M
' B. T( ^& X% T|   |   ├──26:Linux_安装MySQL_ev.mp4  50.60M8 X) {' C, g4 M" h, G( I4 G
|   |   ├──3:Linux_VMWare安装及使用_ev.mp4  13.50M
: R% c* @) U. k( n7 U|   |   ├──5:Linux_目录介绍_ev.mp4  13.21M
# M& q4 G' O- Z2 F0 Y|   |   └──8:Linux_常用命令_cd命令_ev.mp4  6.00M* w1 u2 p4 b7 A
└──【加课】算法与数据结构  7 x) g0 B+ C6 D
|   └──章节1:算法与数据结构  5 ?3 I4 H+ A: }0 M4 d3 q# r
|   |   ├──10:哈希表的基本结构_ev.mp4  26.13M' L7 d" _# w( g- n
|   |   ├──11:哈希表冲突问题_ev.mp4  36.27M
* {( I1 `$ }2 |# s, L|   |   ├──12:哈希表冲突问题2_ev.mp4  29.22M
  o1 S; O: K  D1 c# Q|   |   ├──13:哈希扩容_ev.mp4  41.81M& Q) S: R0 Q$ z" w: ~5 `: C
|   |   ├──14:递归与栈_ev.mp4  23.30M
4 x7 g3 F2 f; v8 i3 U|   |   ├──16:二分查找_ev.mp4  25.38M
) x1 r% v6 e: o' F; J- S; J  P  e|   |   ├──17:冒泡排序_ev.mp4  26.31M* K% N# @1 ]4 N7 N
|   |   ├──18:选择排序_ev.mp4  22.56M
7 H- p& T4 p( r, @|   |   ├──19:插入排序_ev.mp4  15.88M
% h* u5 K7 ]& N& y- H|   |   ├──1:数据结构与算法简介_ev.mp4  17.10M
7 B! x, k- ]1 i! X& I7 w|   |   ├──20:归并排序_ev.mp4  40.45M/ B4 c  N4 w, ]7 c3 `& w7 x+ `
|   |   ├──21:快速排序_ev.mp4  19.04M" K, [2 @/ W/ O; z+ Q1 c
|   |   ├──22:树结构_ev.mp4  42.63M; Q1 t: J9 W( Z+ p2 C6 O
|   |   ├──23:树结构的遍历_ev.mp4  27.49M
; W- E7 @+ |1 l# q$ M3 u& ]5 A|   |   ├──24:最大堆的增加操作_ev.mp4  35.82M
$ @  Z& R' [: G7 k8 E|   |   ├──26:二叉树的查找_ev.mp4  41.35M
1 W  W7 T% L0 `7 e  A|   |   ├──27:二叉树获取最小值_ev.mp4  11.17M( h/ u& o& s0 C" ]1 U5 z
|   |   ├──28:二叉树的添加_ev.mp4  30.58M, [8 u. D9 j+ b) F8 I6 g, ~
|   |   ├──29:二叉树的删除_ev.mp4  54.96M
' T1 K6 F) F" ?9 r8 ~|   |   ├──2:大O表示法_ev.mp4  11.34M2 t# P  W. u( b" _1 A* O, D5 @. B
|   |   ├──3:线性结构_ev.mp4  24.14M
: ~, L7 ?2 a2 X1 b|   |   ├──4:单线链表1_ev.mp4  27.60M0 ]1 B' |% q- w- l
|   |   ├──5:单链表2_ev.mp4  58.34M% c* H% t' Z* j! S1 x
|   |   ├──6:双链表_ev.mp4  46.56M& V+ F5 F( X9 v
|   |   ├──7:队列(链式)_ev.mp4  33.40M
9 F; s/ T( y# {3 H  Y! z|   |   ├──8:队列(线式)_ev.mp4  17.80M
, c% R( D% l/ j0 r  R. p; O  Q5 ||   |   └──9:栈与双端队列_ev.mp4  13.03M
1 C+ z4 F- Z8 o' l6 \9 @8 h
' h/ K; F. y6 {2 U3 i  S
, d. m+ {7 `# q% M* l* O  W5 L$ c  U/ Z" p; s

9 Z. h& u0 _; e5 a资源下载地址和密码(百度云盘):
游客,如果您要查看本帖隐藏内容请回复
[/hide] 百度网盘信息回帖可见5 t& t( R; W( B- I0 @

3 M/ t2 u6 c( p3 b4 y8 U
- u) q9 S) c) |9 {* M+ e% ?5 L! h* h- U0 b" H) L9 C- u+ o# H* L
本资源由Java自学网收集整理【www.javazx.com
回复

使用道具 举报

该用户从未签到

5

主题

179

帖子

363

积分

普通会员

Rank: 2

积分
363
发表于 2022-8-6 09:42:02 | 显示全部楼层
感恩无私的分享与奉献
回复 支持 反对

使用道具 举报

该用户从未签到

5

主题

160

帖子

319

积分

普通会员

Rank: 2

积分
319
发表于 2022-8-6 09:48:47 | 显示全部楼层
强烈支持楼主ing……
回复 支持 反对

使用道具 举报

该用户从未签到

5

主题

179

帖子

361

积分

普通会员

Rank: 2

积分
361
发表于 2022-8-6 09:54:41 | 显示全部楼层
真是被感动的痛哭流涕……
回复 支持 反对

使用道具 举报

该用户从未签到

7

主题

154

帖子

315

积分

普通会员

Rank: 2

积分
315
发表于 2022-8-6 10:02:28 | 显示全部楼层
感恩无私的分享与奉献
回复 支持 反对

使用道具 举报

该用户从未签到

3

主题

152

帖子

301

积分

普通会员

Rank: 2

积分
301
发表于 2022-8-6 10:04:48 | 显示全部楼层
淡定,淡定,淡定……
回复 支持 反对

使用道具 举报

该用户从未签到

7

主题

170

帖子

343

积分

普通会员

Rank: 2

积分
343
发表于 2022-8-6 10:11:37 | 显示全部楼层
真是被感动的痛哭流涕……
回复 支持 反对

使用道具 举报

该用户从未签到

6

主题

137

帖子

278

积分

普通会员

Rank: 2

积分
278
发表于 2022-8-6 10:28:51 | 显示全部楼层
强烈支持楼主ing……
回复 支持 反对

使用道具 举报

该用户从未签到

4

主题

172

帖子

336

积分

普通会员

Rank: 2

积分
336
发表于 2022-8-6 10:33:31 | 显示全部楼层
楼主加油,我们都看好你哦。
回复 支持 反对

使用道具 举报

  • TA的每日心情
    难过
    2020-11-24 23:08
  • 签到天数: 30 天

    [LV.5]渐入佳境

    0

    主题

    101

    帖子

    30万

    积分

    终身VIP

    Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60Rank: 60

    积分
    300890
    发表于 2022-8-6 15:22:08 | 显示全部楼层
    看看那看看看看看
    回复 支持 反对

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则

    QQ|Archiver|手机版|小黑屋|Java自学网

    GMT+8, 2025-2-19 07:08 , Processed in 0.162786 second(s), 28 queries .

    Powered by Javazx

    Copyright © 2012-2022, Javazx Cloud.

    快速回复 返回顶部 返回列表