目錄：

• ——/0000黑馬【年度鉆石會員】人工智能AI進階2022年/
  ├──0000黑馬【年度鉆石會員】人工智能AI進階
  ├──【 主學(xué)習(xí)路線】01、階段一 人工智能Python基礎(chǔ)
  | ├──1–第一章 計算機組成原理
  | | └──1–計算機原理
  | ├──10–第十章 公共方法
  | | ├──1–公共方法
  | | └──2–推導(dǎo)式
  | ├──11–第十一章 函數(shù)
  | | ├──1–函數(shù)介紹
  | | ├──10–函數(shù)參數(shù)二
  | | ├──11–拆包, 交換變量
  | | ├──12–引用
  | | ├──2–函數(shù)參數(shù)一
  | | ├──3–函數(shù)返回值一
  | | ├──4–函數(shù)文檔說明
  | | ├──5–函數(shù)嵌套
  | | ├──6–局部變量
  | | ├──7–全局變量
  | | ├──8–函數(shù)執(zhí)行流程
  | | └──9–函數(shù)返回值二
  | ├──12–第十二章 函數(shù)強化
  | | ├──1–函數(shù)應(yīng)用學(xué)員管理系統(tǒng)
  | | ├──2–課后練習(xí)(學(xué)員管理系統(tǒng))
  | | ├──3–遞歸函數(shù)
  | | ├──4–匿名函數(shù)
  | | └──5–高階函數(shù)
  | ├──13–第十三章 文件操作
  | | ├──1–文件操作介紹
  | | ├──2–文件讀寫操作
  | | ├──3–案例文件備份
  | | └──4–文件及文件夾的相關(guān)操作
  | ├──14–第十四章 面向?qū)ο?br>| | ├──1–面向?qū)ο蠼榻B
  | | ├──10–私有屬性和方法
  | | ├──11–多態(tài)
  | | ├──12–類屬性及相關(guān)方法
  | | ├──2–類和對象
  | | ├──3–對象屬性操作
  | | ├──4–魔法方法
  | | ├──5–案例烤地瓜
  | | ├──6–案例 搬家具
  | | ├──7–繼承
  | | ├──8–子類重寫父類屬性和方法
  | | └──9–super方法使用
  | ├──15–第十五章 異常
  | | ├──1–異常介紹
  | | ├──2–捕獲異常
  | | ├──3–異常傳遞
  | | └──4–自定義異常
  | ├──16–第十六章 模塊
  | | ├──1–模塊介紹
  | | ├──2–模塊制作
  | | └──3–python中的包
  | ├──17–第十七章 學(xué)生管理系統(tǒng)(面向?qū)ο蟀?
  | | └──1–學(xué)生管理系統(tǒng)(面向?qū)ο?
  | ├──2–第二章 python基礎(chǔ)語法
  | | ├──1–課程介紹
  | | ├──2–注釋
  | | ├──3–變量
  | | ├──4–bug認(rèn)識
  | | ├──5–數(shù)據(jù)類型
  | | ├──6–輸出
  | | ├──7–輸入
  | | ├──8–數(shù)據(jù)類型轉(zhuǎn)換
  | | └──9–運算符
  | ├──3–第三章 判斷語句
  | | ├──1–判斷語句介紹
  | | ├──2–if基本格式
  | | ├──3–if…elif…else格式
  | | ├──4–if嵌套
  | | └──5–案例猜拳游戲
  | ├──4–第四章 循環(huán)語句
  | | ├──1–循環(huán)語句介紹
  | | ├──2–while循環(huán)
  | | ├──3–循環(huán)應(yīng)用
  | | ├──4–break和continue
  | | ├──5–while循環(huán)嵌套及應(yīng)用
  | | ├──6–for循環(huán)
  | | └──7–循環(huán)else應(yīng)用
  | ├──5–第五章 字符串
  | | ├──1–字符串介紹
  | | ├──2–輸入輸出
  | | ├──3–切片
  | | └──4–字符串操作方法
  | ├──6–第六章 列表
  | | ├──1–列表相關(guān)操作
  | | ├──2–列表循環(huán)遍歷
  | | └──3–列表嵌套
  | ├──7–第七章 元組
  | | └──1–元組相關(guān)操作
  | ├──8–第八章 字典
  | | ├──1–字典介紹
  | | ├──2–字典的常見操作
  | | └──3–字典遍歷
  | └──9–第九章 集合
  | | └──1–集合的相關(guān)操作
  ├──【 主學(xué)習(xí)路線】02、階段二 人工智能Python高級
  | ├──1–第一章 Linux基礎(chǔ)命令
  | | ├──1–linux簡介
  | | └──2–linux相關(guān)命令
  | ├──10–第十章 MySqL數(shù)據(jù)庫高級使用
  | | ├──1–條件查詢
  | | ├──2–實戰(zhàn)操作
  | | ├──3–外鍵使用
  | | ├──4–視圖
  | | ├──5–事務(wù)
  | | ├──6–索引
  | | ├──7–設(shè)計范式
  | | └──8–PyMySQL的使用
  | ├──2–第二章 Linux高級命令
  | | ├──1–linux高級操作
  | | ├──2–遠程控制
  | | └──3–vim介紹
  | ├──3–第三章 多任務(wù)編程
  | | ├──1–多任務(wù)介紹
  | | ├──2–多進程介紹
  | | ├──3–多線程介紹
  | | ├──4–鎖的介紹
  | | └──5–進程和線程的對比
  | ├──4–第四章 網(wǎng)絡(luò)編程
  | | ├──1–ip和端口介紹
  | | ├──2–TCP介紹
  | | ├──3–TCP開發(fā)流程
  | | └──4–多任務(wù)案例
  | ├──5–第五章 HTTP協(xié)議和靜態(tài)服務(wù)器
  | | ├──1–HTTP協(xié)議
  | | └──2–靜態(tài)web服務(wù)器搭建
  | ├──6–第六章 閉包,裝飾器及python高級語法
  | | ├──1–閉包
  | | ├──2–裝飾器
  | | ├──3–property語法
  | | ├──4–with語法
  | | └──5–python高級語法
  | ├──7–第七章 正則表達式
  | | └──1–正則表達式
  | ├──8–第八章 數(shù)據(jù)結(jié)構(gòu)與算法
  | | ├──1–算法概念
  | | ├──10–選擇排序
  | | ├──11–插入排序
  | | ├──12–快速排序
  | | ├──13–二分查找
  | | ├──14–二叉樹
  | | ├──15–二叉樹的遍歷
  | | ├──2–時間復(fù)雜度
  | | ├──3–空間復(fù)雜度
  | | ├──4–數(shù)據(jù)結(jié)構(gòu)
  | | ├──5–順序表
  | | ├──6–鏈表
  | | ├──7–棧
  | | ├──8–隊列
  | | └──9–冒泡排序
  | └──9–第九章 MySql數(shù)據(jù)庫基本使用
  | | ├──1–數(shù)據(jù)庫介紹
  | | ├──2–數(shù)據(jù)表的基本操作
  | | ├──3–where條件查詢
  | | └──4–排序
  ├──【 主學(xué)習(xí)路線】03、階段三 人工智能機器學(xué)習(xí)
  | ├──1–第一章 機器學(xué)習(xí)概述V2.1
  | | └──1–機器學(xué)習(xí)介紹
  | ├──10–第十章 決策樹V2.1
  | | ├──1–信息增益
  | | ├──2–特征提取
  | | ├──3–案例泰坦生存預(yù)測
  | | └──4–回歸決策樹
  | ├──11–第十一章 集成學(xué)習(xí)V2.1
  | | ├──1–集成介紹
  | | ├──2–隨機森林案例
  | | └──3–集成學(xué)習(xí)
  | ├──12–第十二章 聚類算法V2.1
  | | └──1–聚類算法
  | ├──13–第十三章 樸素貝葉斯V2.1
  | | └──1–樸素貝葉斯
  | ├──14–第十四章 SVM算法V2.1
  | | └──1–SVM算法
  | ├──15–第十五章 EM算法V2.1
  | | └──1–EM算法
  | ├──16–第十六章 HMM算法V2.1
  | | └──1–HMM算法
  | ├──17–第十七章 集成學(xué)習(xí)進階V2.1
  | | ├──1–XGBoost算法
  | | ├──2–otto案例
  | | ├──3–lightGBM算法
  | | └──4–絕地求生案例
  | ├──2–第二章 環(huán)境安裝和使用V2.1
  | | └──1–環(huán)境安裝及使用
  | ├──3–第三章 matplotlibV2.1
  | | └──1–matplotlib使用
  | ├──4–第四章 numpyV2.1
  | | └──1–numpy使用
  | ├──5–第五章 pandasV2.1
  | | ├──1–pandas數(shù)據(jù)結(jié)構(gòu)
  | | ├──2–pandas基礎(chǔ)使用
  | | ├──3–pandas高級使用
  | | └──4–電影案例分析
  | ├──6–第六章 seabornV2.1
  | | ├──1–繪制統(tǒng)計圖
  | | ├──2–分類數(shù)據(jù)繪圖
  | | ├──3–NBA案例
  | | └──4–北京租房數(shù)據(jù)統(tǒng)計分析
  | ├──7–第七章 K近鄰算法V2.1
  | | ├──1–k近鄰算法介紹
  | | ├──2–kd樹
  | | ├──3–數(shù)據(jù)集處理
  | | ├──4–特征工程
  | | ├──5–KNN總結(jié)
  | | ├──6–交叉驗證, 網(wǎng)格搜索
  | | └──7–案例 Facebook位置預(yù)測
  | ├──8–第八章 線性回歸V2.1
  | | ├──1–回歸介紹
  | | ├──2–損失優(yōu)化
  | | └──3–回歸相關(guān)知識
  | └──9–第九章 邏輯回歸V2.1
  | | └──1–邏輯回歸
  ├──【 主學(xué)習(xí)路線】04、階段四 計算機視覺與圖像處理
  | ├──1–第一章 課程簡介_v2.0
  | | ├──1–深度學(xué)習(xí)
  | | └──2–計算機視覺（CV）
  | ├──10–第十章 圖像特征提取與描述_v2.0
  | | ├──1–角點特征
  | | ├──2–Harris和Shi-Tomas算法
  | | ├──3–SIFT
  | | ├──4–Fast和ORB算法
  | | └──5–LBP和HOG特征算子
  | ├──11–第十一章 視頻操作_v2.0
  | | ├──1–視頻讀寫
  | | └──2–視頻追蹤
  | ├──12–第十二章 案例人臉案例_v2.0
  | | └──1–案例人臉案例
  | ├──2–第二章 tensorflow入門_v2.0
  | | ├──1–tensorflow和keras簡介
  | | └──2–快速入門模型
  | ├──3–第三章 深度神經(jīng)網(wǎng)絡(luò)_v2.0
  | | ├──1–神經(jīng)網(wǎng)絡(luò)簡介
  | | ├──2–常見的損失函數(shù)
  | | ├──3–深度學(xué)習(xí)的優(yōu)化方法
  | | ├──4–深度學(xué)習(xí)的正則化
  | | ├──5–神經(jīng)網(wǎng)絡(luò)案例
  | | └──6–卷積神經(jīng)網(wǎng)絡(luò)CNN
  | ├──4–第四章 圖像分類_v2.0
  | | ├──1–圖像分類簡介
  | | ├──2–AlexNet
  | | ├──3–VGG
  | | ├──4–GoogleNet
  | | ├──5–ResNet
  | | ├──6–圖像增強方法
  | | └──7–模型微調(diào)
  | ├──5–第五章 目標(biāo)檢測_v2.0
  | | ├──1–目標(biāo)檢測概述
  | | ├──2–R-CNN網(wǎng)絡(luò)基礎(chǔ)
  | | ├──3–Faster-RCNN原理與實現(xiàn)
  | | ├──4–yolo系列算法
  | | ├──5–yoloV3案例
  | | └──6–SSD模型介紹
  | ├──6–第六章 圖像分割_v2.0
  | | ├──1–目標(biāo)分割介紹
  | | ├──2–語義分割：FCN與Unet
  | | ├──3–Unet-案例
  | | └──4–實例分割：MaskRCNN
  | ├──7–第七章 OpenCV簡介_v2.0
  | | ├──1–圖像處理簡介
  | | ├──2–OpenCV簡介及安裝方法
  | | └──3–OpenCV的模塊
  | ├──8–第八章 OpenCV基本操作_v.2.0
  | | ├──1–圖像的基礎(chǔ)操作
  | | └──2–算數(shù)操作
  | └──9–第九章 OpenCV圖像處理_v2.0
  | | ├──1–幾何變換
  | | ├──2–形態(tài)學(xué)操作
  | | ├──3–圖像平滑
  | | ├──4–直方圖
  | | ├──5–邊緣檢測
  | | ├──6–模版匹配和霍夫變換
  | | └──7–輪廓檢測
  ├──【 主學(xué)習(xí)路線】05、階段五 NLP自然語言處理
  | ├──1–第一章 Pytorch工具_v2.0
  | | ├──1–認(rèn)識pytorch
  | | ├──2– Pytorch中的autograd
  | | ├──3–使用Pytorch構(gòu)建一個神經(jīng)網(wǎng)絡(luò)
  | | └──4–使用Pytorch構(gòu)建一個分類器
  | ├──10–第十章 遷移學(xué)習(xí)-v2.0
  | | ├──1–遷移學(xué)習(xí)理論
  | | ├──2–NLP中的標(biāo)準(zhǔn)數(shù)據(jù)集
  | | ├──3–NLP中的常用預(yù)訓(xùn)練模型
  | | ├──4–加載和使用預(yù)訓(xùn)練模型
  | | └──5–遷移學(xué)習(xí)實踐
  | ├──11–第十一章 BERT,Transformer的模型架構(gòu)與詳解-v2.0
  | | ├──1–認(rèn)識BERT
  | | ├──10–BERT模型的優(yōu)點和缺點
  | | ├──11–BERT的MLM任務(wù)為什么采用80% 10% 10%的策略
  | | ├──12–長文本預(yù)測任務(wù)使用BERT如何構(gòu)造訓(xùn)練樣本
  | | ├──2–Transformer的結(jié)構(gòu)是什么樣的 各個子模塊各有什么作用
  | | ├──3–Transformer結(jié)構(gòu)中的Decoder端具體輸入
  | | ├──4–Transformer中的self-attention
  | | ├──5–采用Multi-head Attention的原因和計算規(guī)則
  | | ├──6–Transformer相比于RNN的優(yōu)勢和原因
  | | ├──7–Transformer可以代替seq2seq的原因
  | | ├──8–self-attention公式中添加scaled的原因
  | | └──9–Transformer架構(gòu)的并行化是如何進行的
  | ├──12–第十二章 ELMo, GPT等經(jīng)典模型的介紹與對比-v2.0
  | | ├──1–認(rèn)識ELMo
  | | ├──2–認(rèn)識GPT
  | | ├──3–認(rèn)識GPT2
  | | └──4–請詳述BERT, GPT, ELMo模型的對比和各自的優(yōu)缺點
  | ├──13–第十三章 HMM模型-v2.0
  | | ├──1–馬爾科夫鏈
  | | ├──2–HMM簡介
  | | ├──3–HMM模型基礎(chǔ)
  | | └──4–維特比算法解碼隱藏狀態(tài)序列
  | ├──14–第十四章 經(jīng)典的序列模型-v2.0
  | | └──1–認(rèn)識HMM與CRF模型
  | ├──2–第二章 自然語言處理NLP介紹-v2.0
  | | └──1–NLP簡介
  | ├──3–第三章 文本預(yù)處理-v2.0
  | | ├──1–認(rèn)識文本預(yù)處理
  | | ├──2–文本處理的基本方法
  | | ├──3–文本張量表示方法
  | | ├──4–文本的數(shù)據(jù)分析
  | | ├──5–文本的特征處理
  | | └──6–文本數(shù)據(jù)增強
  | ├──4–第四章 RNN架構(gòu)解析-v2.0
  | | ├──1–認(rèn)識RNN模型
  | | ├──2–傳統(tǒng)RNN模型
  | | ├──3–LSTM模型
  | | ├──4–GRU模型
  | | └──5–注意力機制
  | ├──5–第五章 RNN經(jīng)典案例-v2.0
  | | ├──1–使用RNN模型構(gòu)建人名分類器
  | | └──2–使用seq2seq模型架構(gòu)實現(xiàn)英譯法任務(wù)
  | ├──6–第六章 莎士比亞風(fēng)格的文本生成任務(wù)-v2.0
  | | └──1–莎士比亞風(fēng)格的文本生成任務(wù)
  | ├──7–第七章 Transformer背景介紹-v2.0
  | | └──1–Transformer背景介紹
  | ├──8–第八章 Transformer架構(gòu)解析-v2.0
  | | ├──1–認(rèn)識Transformer架構(gòu)
  | | ├──10–編碼器
  | | ├──11–解碼器層
  | | ├──12–解碼器
  | | ├──13–輸出部分實現(xiàn)
  | | ├──14–模型構(gòu)建
  | | ├──2–輸入部分實現(xiàn)
  | | ├──3–掩碼張量
  | | ├──4–注意力機制
  | | ├──5–多頭注意力機制
  | | ├──6–前饋全連接層
  | | ├──7–規(guī)范化層
  | | ├──8–子層連接結(jié)構(gòu)
  | | └──9–編碼器層
  | └──9–第九章 fasttext工具的使用-v2.0
  | | ├──1–認(rèn)識fasttext工具
  | | ├──2–進行文本分類
  | | ├──3–訓(xùn)練詞向量
  | | └──4–詞向量遷移
  ├──【 主學(xué)習(xí)路線】06、階段六 人工智能項目實戰(zhàn)
  | ├──1–第一章 智慧交通
  | | ├──1–項目簡介
  | | ├──10–車流量統(tǒng)計
  | | ├──11–相機校正
  | | ├──12–相機校正和圖像去畸變
  | | ├──13–車道線提取
  | | ├──14–透視變換
  | | ├──15–車道線定位與擬合
  | | ├──16–車道曲率與車輛偏離中心線距離
  | | ├──17–在視頻中進行車道線檢測
  | | ├──18–SIamese網(wǎng)絡(luò)系列（選學(xué)）
  | | ├──19–跟蹤效果（選學(xué)）
  | | ├──2–算法原理
  | | ├──20–數(shù)據(jù)集處理（選學(xué)）
  | | ├──21–網(wǎng)絡(luò)模型搭建（選學(xué)）
  | | ├──22–網(wǎng)絡(luò)模型訓(xùn)練（選學(xué)）
  | | ├──23–網(wǎng)絡(luò)模型測試（選學(xué)）
  | | ├──24–網(wǎng)絡(luò)模型應(yīng)用（選學(xué)）
  | | ├──3–多目標(biāo)跟蹤
  | | ├──4–輔助功能
  | | ├──5–卡爾曼濾波
  | | ├──6–匈牙利算法
  | | ├──7–數(shù)據(jù)關(guān)聯(lián)
  | | ├──8–SORT
  | | └──9–目標(biāo)檢測
  | ├──2–第二章 在線醫(yī)生
  | | ├──1–背景介紹
  | | ├──10–結(jié)構(gòu)化數(shù)據(jù)流水線
  | | ├──11–非結(jié)構(gòu)化數(shù)據(jù)流水線
  | | ├──12–任務(wù)介紹與模型選用
  | | ├──13–訓(xùn)練數(shù)據(jù)集
  | | ├──14–BERT中文預(yù)訓(xùn)練模型
  | | ├──15–構(gòu)建RNN模型
  | | ├──16–進行模型訓(xùn)練
  | | ├──17–NE模型使用
  | | ├──18–命名實體識別介紹
  | | ├──19–BiLSTM介紹
  | | ├──2–Unit對話API使用
  | | ├──20–CRF介紹
  | | ├──21–BiLSTM+CRF模型
  | | ├──22–模型訓(xùn)練
  | | ├──23–模型使用
  | | ├──24–在線部分簡要分析
  | | ├──25–werobot服務(wù)構(gòu)建
  | | ├──26–主要邏輯服務(wù)
  | | ├──27–任務(wù)介紹與模型選用及訓(xùn)練數(shù)據(jù)集
  | | ├──28–BERT中文預(yù)訓(xùn)練模型1
  | | ├──29–微調(diào)模型
  | | ├──3–在線醫(yī)生的總體架構(gòu)
  | | ├──30–進行模型訓(xùn)練1
  | | ├──31–模型部署
  | | ├──32–系統(tǒng)聯(lián)調(diào)與測試
  | | ├──4–總體架構(gòu)中的工具介紹
  | | ├──5–neo4j簡介
  | | ├──6–neo4j圖數(shù)據(jù)庫的安裝
  | | ├──7–Cypher介紹與使用
  | | ├──8–在Python中使用neo4j
  | | └──9–離線部分簡要分析
  | ├──3–第三章 智能文本分類系統(tǒng)
  | | ├──1–整體系統(tǒng)搭建
  | | ├──2–構(gòu)建標(biāo)簽詞匯圖譜
  | | ├──3–特征工程和fasttext模型訓(xùn)練
  | | ├──4–多模型訓(xùn)練和預(yù)測
  | | ├──5–系統(tǒng)聯(lián)調(diào)和測試
  | | ├──6–泛娛樂推薦介紹
  | | ├──7–召回模塊
  | | └──8–排序模塊
  | └──4–第四章 實時人臉識別檢測項目
  | | ├──1–人臉識別
  | | ├──2–口罩檢測
  | | ├──3–Dlib模型訓(xùn)練
  | | ├──4–活體檢測
  | | └──5–屬性識別
  ├──【 主學(xué)習(xí)路線】07、階段七 人工智能面試強化（贈送）
  | ├──1–第一章 自動編碼器
  | | ├──1–自動編碼器歷史與應(yīng)用介紹
  | | ├──2–構(gòu)建自動編碼器
  | | ├──3–自動編碼器改進技巧
  | | └──4–變分自動編碼器
  | ├──10–第十章 貝葉斯方法實現(xiàn)及粒子濾波
  | | └──1–貝葉斯方法實現(xiàn)及粒子濾波
  | ├──11–第十一章 深度強化學(xué)習(xí)
  | | ├──1–強化學(xué)習(xí)
  | | ├──2–Q-learning算法
  | | └──3–Deep Q-Network
  | ├──2–第二章 圖像分割應(yīng)用
  | | └──1–圖像分割應(yīng)用介紹
  | ├──3–第三章 生成對抗學(xué)習(xí)
  | | └──1–生成對抗學(xué)習(xí)
  | ├──4–第四章 算法進階遷移學(xué)習(xí)
  | | └──1–遷移學(xué)習(xí)介紹
  | ├──5–第五章 模型可解釋
  | | └──1–模型可解釋
  | ├──6–第六章 模型壓縮
  | | └──1–模型壓縮
  | ├──7–第七章 終生學(xué)習(xí)
  | | └──1–終生學(xué)習(xí)
  | ├──8–第八章 算法進階進化學(xué)習(xí)
  | | └──1–進化學(xué)習(xí)
  | └──9–第九章 貝葉斯方法
  | | └──1–貝葉斯方法
  ├──【課外拓展】01、階段一 HR面試技巧
  | ├──第二章 2-求職篇
  | | └──0-1 求職篇
  | ├──第三章 3-面試篇
  | | └──0-1 面試篇
  | ├──第四章 4-試用期篇
  | | └──0-1 試用期
  | └──第一章 1-HR面試技巧
  | | ├──1-眾里尋他千百度，你的簡歷在何處.mp4 170.16M
  | | ├──10-應(yīng)聘企業(yè)早知道.mp4 40.64M
  | | ├──11-談錢怎么不傷感情.mp4 55.63M
  | | ├──12-工作中的困難，你是如何處理的？.mp4 53.16M
  | | ├──13-描述你的個性.mp4 53.88M
  | | ├──14-你的應(yīng)聘優(yōu)勢是什么.mp4 48.98M
  | | ├──15-應(yīng)聘企業(yè)早知道.mp4 43.40M
  | | ├──16-生活中的那些愛好，挑一個盤他.mp4 50.93M
  | | ├──17-選擇機會重因素，個人心中要有數(shù).mp4 69.24M
  | | ├──18-加班，你怎么看？.mp4 64.57M
  | | ├──19-處于下風(fēng)？不存在的，幾招教你定乾坤！.mp4 77.22M
  | | ├──2-面試前的那些“坑”.mp4 140.79M
  | | ├──20-提問的含金量，你知道嗎？.mp4 83.59M
  | | ├──3-了解應(yīng)聘流程，做個有條不紊的人.mp4 80.36M
  | | ├──4-自我介紹，你行嗎？.mp4 129.29M
  | | ├──5-你的規(guī)劃你做主!.mp4 145.04M
  | | ├──6-如何正視你的小缺點.mp4 85.29M
  | | ├──7-談?wù)勌勰切┦?mp4 53.47M
  | | ├──8-與領(lǐng)導(dǎo)意見分歧，你是怎么做的？.mp4 54.19M
  | | └──9-世界那么大，趨勢知多少？.mp4 37.09M
  ├──【課外拓展】02、階段二 贈送-人臉支付
  | └──第一章 1-人臉支付
  | | ├──0-1 項目背景介紹
  | | ├──0-2 人臉檢測子任務(wù)
  | | ├──0-3 人臉姿態(tài)估計
  | | ├──0-4 人臉多任務(wù)
  | | ├──0-5 人臉識別
  | | └──0-6 項目集成
  ├──【課外拓展】03、階段三 贈送-文本摘要項目
  | └──第一章 1-文本摘要項目
  | | ├──0-1 文本摘要項項目背景介紹
  | | ├──0-10 模型的預(yù)測
  | | ├──0-11 詞向量的單獨訓(xùn)練
  | | ├──0-12 模型的優(yōu)化
  | | ├──0-13 PGN架構(gòu)
  | | ├──0-14 數(shù)據(jù)預(yù)處理
  | | ├──0-15 PGN數(shù)據(jù)特殊性分析
  | | ├──0-16 迭代器和類的實現(xiàn)
  | | ├──0-17 PGN模型的搭建
  | | ├──0-18 PGN模型訓(xùn)練
  | | ├──0-19 PGN模型預(yù)測
  | | ├──0-2 項目中的數(shù)據(jù)集初探
  | | ├──0-20 評估方法介紹
  | | ├──0-21 BLEU算法理論
  | | ├──0-22 ROUGE算法理論
  | | ├──0-23 ROUGE算法實現(xiàn)
  | | ├──0-24 coverage機制原理
  | | ├──0-25 coverage模型類實現(xiàn)
  | | ├──0-26 coverage訓(xùn)練和預(yù)測
  | | ├──0-27 Beam-search原理介紹
  | | ├──0-28 Beam-search模型類實現(xiàn)
  | | ├──0-29 TF-IDF算法原理和實現(xiàn)
  | | ├──0-3 TextRank算法理論基礎(chǔ)
  | | ├──0-30 單詞替換法的類實現(xiàn)
  | | ├──0-31 單詞替換法的訓(xùn)練和評估
  | | ├──0-32 回譯數(shù)據(jù)法實現(xiàn)和評估
  | | ├──0-33 半監(jiān)督學(xué)習(xí)法原理和實現(xiàn)
  | | ├──0-34 訓(xùn)練策略原理和實現(xiàn)
  | | ├──0-35 模型轉(zhuǎn)移實現(xiàn)
  | | ├──0-36 GPU優(yōu)化原理和實現(xiàn)
  | | ├──0-37 CPU優(yōu)化原理和實現(xiàn)
  | | ├──0-38 Flask實現(xiàn)模型部署
  | | ├──0-4 TextRank算法實現(xiàn)模型
  | | ├──0-5 seq2seq架構(gòu)
  | | ├──0-6 seq3seq架構(gòu)
  | | ├──0-7 工具函數(shù)的實現(xiàn)
  | | ├──0-8 模型類的搭建
  | | └──0-9 模型的訓(xùn)練
  ├──【課外拓展】04、階段四 入學(xué)第一課
  | └──無課程相關(guān)內(nèi)容
  ├──【課外拓展】05、階段五 階段一 python基礎(chǔ)（更新）
  | ├──第二章 2-python面向?qū)ο?br>| | ├──0-1 類定義及類屬性使用
  | | ├──0-2 魔法方法
  | | ├──0-3 案例-面向?qū)ο?br>| | ├──0-4 面向?qū)ο蠓庋b與繼承
  | | ├──0-5 面向?qū)ο蠖鄳B(tài)
  | | └──0-6 類屬性方法
  | └──第一章 1-python基礎(chǔ)編程
  | | ├──0-1 python開發(fā)環(huán)境搭建
  | | ├──0-10 循環(huán)else
  | | ├──0-11 字符串定義切片
  | | ├──0-12 字符串查找，替換，合并
  | | ├──0-13 列表定義及使用
  | | ├──0-14 元祖定義及使用
  | | ├──0-15 字典定義及使用
  | | ├──0-16 案例-學(xué)生管理系統(tǒng)（一）
  | | ├──0-17 集合定義及使用
  | | ├──0-18 公共方法與推導(dǎo)式
  | | ├──0-19 函數(shù)基本使用
  | | ├──0-2 Python注釋與變量
  | | ├──0-20 函數(shù)基本使用替代視頻（04,05,06）
  | | ├──0-21 函數(shù)作用域
  | | ├──0-22 不定長參數(shù)與組包拆包
  | | ├──0-23 案例-學(xué)生管理系統(tǒng)（二）
  | | ├──0-24 基礎(chǔ)加強練習(xí)
  | | ├──0-25 可變類型及非可變類型
  | | ├──0-26 遞推
  | | ├──0-27 遞歸
  | | ├──0-28 lambda表達式
  | | ├──0-29 文件基本操作
  | | ├──0-3 Python數(shù)據(jù)類型
  | | ├──0-30 文件操作案例
  | | ├──0-31 案例-學(xué)生管理系統(tǒng)（三）
  | | ├──0-32 python異常處理
  | | ├──0-33 python模塊與包
  | | ├──0-34 案例-飛機大戰(zhàn)
  | | ├──0-4 Python格式化輸出
  | | ├──0-5 Python運算符
  | | ├──0-6 Python分支語句
  | | ├──0-7 while循環(huán)
  | | ├──0-8 while循環(huán)案例
  | | └──0-9 for循環(huán)及案例
  ├──【課外拓展】06、階段六 階段二 Python高級（更新）
  | ├──第二章 2-SQL基礎(chǔ)
  | | ├──0-1 數(shù)據(jù)庫基礎(chǔ)
  | | ├──0-2 SQL語言基礎(chǔ)
  | | ├──0-3 SQL約束
  | | ├──0-4 SQL聚合
  | | ├──0-5 SQL多表查詢
  | | └──0-6 SQL高階特性
  | ├──第三章 3-Python編程進階
  | | ├──0-1 函數(shù)的閉包
  | | ├──0-10 進程
  | | ├──0-11 線程
  | | ├──0-12 進程線程對比
  | | ├──0-13 With上下文管理器
  | | ├──0-14 Python生成器
  | | ├──0-15 Python中深淺拷貝
  | | ├──0-16 Python中正則表達式
  | | ├──0-17 正則表達式擴展
  | | ├──0-18 FastAPI搭建Web服務(wù)器
  | | ├──0-19 Python爬蟲
  | | ├──0-2 裝飾器
  | | ├──0-3 PyMySQL
  | | ├──0-4 HTML基礎(chǔ)
  | | ├──0-5 CSS基礎(chǔ)
  | | ├──0-6 Socket網(wǎng)絡(luò)編程
  | | ├──0-7 TCP服務(wù)器開發(fā)
  | | ├──0-8 靜態(tài)Weeb服務(wù)器
  | | └──0-9 FastAPI
  | └──第一章 1-Linux基礎(chǔ)
  | | ├──0-1 Linux基礎(chǔ)
  | | ├──0-2 Linux終端基本使用
  | | ├──0-3 Linux常用命令(1)
  | | └──0-4 Linux常用命令(2)
  ├──【課外拓展】07、階段七 階段三 機器學(xué)習(xí)（更新）
  | ├──第二章 2-機器學(xué)習(xí)算法進階
  | | ├──0-1 決策樹算法
  | | ├──0-2 樸素貝葉斯算法
  | | ├──0-3 SVM算法
  | | ├──0-4 聚類算法
  | | ├──0-5 集成學(xué)習(xí)算法
  | | └──0-6 機器學(xué)習(xí)算法回顧總結(jié)（有需要的同學(xué)可以看看）
  | └──第一章 1-機器學(xué)習(xí)基礎(chǔ)算法
  | | ├──0-1 人工智能原理基礎(chǔ)
  | | ├──0-2 KNN算法
  | | ├──0-3 線性回歸
  | | └──0-4 邏輯回歸
  ├──【課外拓展】08、階段八 階段四—深度學(xué)習(xí)基礎(chǔ)補充視頻
  | ├──01-深度學(xué)習(xí)基礎(chǔ)-TensorFlow和keras入門-張量計算增補-軸axis的意義.mp4 100.88M
  | ├──02-深度學(xué)習(xí)基礎(chǔ)-TensorFlow和keras入門-張量計算增補-軸axis的應(yīng)用(1).mp4 134.81M
  | ├──02-深度學(xué)習(xí)基礎(chǔ)-TensorFlow和keras入門-張量計算增補-軸axis的應(yīng)用.mp4 134.81M
  | ├──03-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-神經(jīng)網(wǎng)絡(luò)介紹-網(wǎng)絡(luò)是如何工作的-參數(shù)初始化增補-初始化方式的對比.mp4 132.24M
  | ├──04-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法-反向傳播算法增補-數(shù)據(jù)傳輸過程(1).mp4 43.91M
  | ├──04-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法-反向傳播算法增補-數(shù)據(jù)傳輸過程.mp4 43.91M
  | ├──05-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法-反向傳播算法增補-前向傳播過程（輸入層到隱藏層）(1).mp4 38.46M
  | ├──05-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法-反向傳播算法增補-前向傳播過程（輸入層到隱藏層）.mp4 38.46M
  | ├──06-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法-反向傳播算法增補-前向傳輸過程（隱藏層到輸出層）(1).mp4 19.99M
  | ├──06-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法-反向傳播算法增補-前向傳輸過程（隱藏層到輸出層）.mp4 19.99M
  | ├──07-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法-反向傳播算法增補-損失函數(shù)的計算.mp4 49.95M
  | ├──08-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法-反向傳播算法增補-輸出層權(quán)值的更新.mp4 65.37M
  | ├──09-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法-反向傳播算法增補-隱藏層權(quán)值的更新.mp4 63.39M
  | ├──10-深度學(xué)習(xí)基礎(chǔ)-深度神經(jīng)網(wǎng)絡(luò)-卷積神經(jīng)網(wǎng)絡(luò)CNN增補-網(wǎng)絡(luò)參數(shù)量的計算.mp4 155.78M
  | ├──11-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(1)-任務(wù)介紹.mp4 51.45M
  | ├──12-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(2)-數(shù)據(jù)接獲取與可視化.mp4 149.87M
  | ├──13-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(3)-圖像增強.mp4 27.15M
  | ├──14-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(4)-Xception模型介紹.mp4 107.98M
  | ├──15-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(5)-項目網(wǎng)絡(luò)介紹.mp4 131.99M
  | ├──16-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(6)-網(wǎng)絡(luò)構(gòu)建（輸入流）.mp4 28.44M
  | ├──17-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(7)-網(wǎng)絡(luò)構(gòu)建（中間流）.mp4 29.77M
  | ├──18-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(8)-網(wǎng)絡(luò)構(gòu)建（輸出流）.mp4 41.05M
  | ├──19-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(9)-模型訓(xùn)練.mp4 121.96M
  | ├──20-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(10)-模型訓(xùn)練的實現(xiàn).mp4 22.20M
  | └──21-深度學(xué)習(xí)基礎(chǔ)-圖像分類-圖像分類案例補充(11)-模型預(yù)測.mp4 143.40M
  ├──【課外拓展】09、階段九 階段五—NLP基礎(chǔ)補充視頻
  | ├──第一章 1-階段五—NLP基礎(chǔ)補充視頻
  | | ├──0-1 文本預(yù)處理階段補充
  | | ├──0-2 RNN及其變體階段補充
  | | ├──0-3 Transformer階段補充
  | | ├──0-4 遷移學(xué)習(xí)階段補充
  | | └──0-5 虛擬機的使用
  | ├──01-文本預(yù)處理-文本預(yù)處理-文本數(shù)據(jù)增強講解.mp4 14.12M
  | ├──02-文本預(yù)處理-文本預(yù)處理-文本數(shù)據(jù)增強代碼實現(xiàn).mp4 14.17M
  | ├──03-文本預(yù)處理- 新聞主題分類任務(wù)-數(shù)據(jù)加載方式的增補代碼解讀.mp4 9.12M
  | ├──04-文本預(yù)處理-新聞主題分類任務(wù)-數(shù)據(jù)加載方式的增補文件補齊.mp4 5.40M
  | ├──05-RNN及其變體-RNN架構(gòu)解析-注意力機制的增補內(nèi)容概念.mp4 9.78M
  | ├──06-RNN及其變體-RNN架構(gòu)解析-注意力機制的增補流程梳理.mp4 20.46M
  | ├──07-RNN及其變體-RNN架構(gòu)解析-注意力機制的增補attention機制模型.mp4 34.58M
  | ├──08-RNN及其變體-RNN架構(gòu)解析-注意力機制的增補attention公式講解.mp4 21.86M
  | ├──09-RNN及其變體-RNN架構(gòu)解析-注意力機制的增補attention應(yīng)用場景.mp4 14.74M
  | ├──10-Transformer—新增案例機器翻譯模型-1模型的介紹.mp4 57.15M
  | ├──11-Transformer—新增案例機器翻譯模型-數(shù)據(jù)的下載和vocab構(gòu)建.mp4 24.13M
  | ├──12-Transformer—新增案例機器翻譯模型-3模型構(gòu)建.mp4 31.48M
  | ├──13-Transformer—新增案例機器翻譯模型-4掩碼的構(gòu)建.mp4 15.05M
  | ├──14-Transformer—新增案例機器翻譯模型-5數(shù)據(jù)批處理.mp4 13.79M
  | ├──15-Transformer—新增案例機器翻譯模型-6構(gòu)建訓(xùn)練函數(shù)和評估函數(shù).mp4 32.81M
  | ├──16-Transformer—新增案例機器翻譯模型-7訓(xùn)練模型和定義解碼函數(shù).mp4 22.58M
  | ├──17-Transformer—新增案例機器翻譯模型-8翻譯函數(shù)的定義和9模型保存.mp4 13.30M
  | ├──18-遷移學(xué)習(xí)—遷移理論—加載和使用預(yù)訓(xùn)練模型全小節(jié)增補-1tokenizer加載.mp4 22.91M
  | ├──19-遷移學(xué)習(xí)—遷移理論—加載和使用預(yù)訓(xùn)練模型全小節(jié)增補-2加載帶頭和不帶頭的預(yù)訓(xùn)練模型.mp4 39.74M
  | ├──20-遷移學(xué)習(xí)—遷移理論—加載和使用預(yù)訓(xùn)練模型全小節(jié)增補-3加載不帶頭的模型輸出結(jié)果.mp4 27.98M
  | ├──21-遷移學(xué)習(xí)—遷移理論—加載和使用預(yù)訓(xùn)練模型全小節(jié)增補-4加載語言模型頭結(jié)果輸出.mp4 25.83M
  | ├──22-遷移學(xué)習(xí)—遷移理論—加載和使用預(yù)訓(xùn)練模型全小節(jié)增補-5加載分類模型頭結(jié)果輸出.mp4 21.14M
  | ├──23-遷移學(xué)習(xí)—遷移理論—加載和使用預(yù)訓(xùn)練模型全小節(jié)增補-6加載問答模型頭結(jié)果輸出.mp4 45.77M
  | ├──24-遷移學(xué)習(xí)—遷移理論—遷移學(xué)習(xí)實踐增補內(nèi)容-模型上傳.mp4 52.62M
  | ├──25-遷移學(xué)習(xí)—遷移理論—遷移學(xué)習(xí)實踐增補內(nèi)容-模型上傳后加載使用.mp4 29.35M
  | └──26-虛擬機的使用.mp4 14.09M
  ├──【課外拓展】10、階段十 CV基礎(chǔ)+項目（更新）
  | ├──第二章 2-深度學(xué)習(xí)核心模型與實戰(zhàn)
  | | ├──0-1 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
  | | ├──0-2 卷積神經(jīng)網(wǎng)絡(luò)案例
  | | ├──0-3 循環(huán)神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
  | | └──0-4 循環(huán)神經(jīng)網(wǎng)絡(luò)案例
  | ├──第六章 6-04 – 智慧交通
  | | ├──0-1 項目簡介
  | | ├──0-10 相機標(biāo)定
  | | ├──0-11 圖像去畸變
  | | ├──0-12 車道線提取
  | | ├──0-13 透視變換
  | | ├──0-14 車道線定位與擬合
  | | ├──0-15 車道線曲率計算
  | | ├──0-2 算法原理
  | | ├──0-3 多目標(biāo)跟蹤
  | | ├──0-4 卡爾曼濾波
  | | ├──0-5 匈牙利算法
  | | ├──0-6 sort
  | | ├──0-7 yolo目標(biāo)檢測
  | | ├──0-8 車流量統(tǒng)計
  | | └──0-9 車道線檢測
  | ├──第三章 3-01 – 目標(biāo)檢測
  | | ├──0-1 目標(biāo)檢測概述
  | | ├──0-2 FasterRCNN原理與實現(xiàn)
  | | ├──0-3 FasterRCNN案例
  | | ├──0-4 yolo v1-v3算法介紹
  | | ├──0-5 yolo v4算法介紹
  | | ├──0-6 yolo v5算法介紹
  | | └──0-7 yolo v5案例
  | ├──第四章 4-02 – OpenCV
  | | ├──0-1 opencv簡介
  | | ├──0-2 幾何變換
  | | ├──0-3 形態(tài)學(xué)操作
  | | ├──0-4 圖形平滑
  | | ├──0-5 直方圖
  | | ├──0-6 邊緣檢測
  | | ├──0-7 視頻讀寫
  | | └──0-8 視頻追蹤
  | ├──第五章 5-03 – 人臉支付
  | | ├──0-1 項目背景介紹
  | | ├──0-2 人臉檢測子任務(wù)
  | | ├──0-3 人臉姿態(tài)任務(wù)
  | | ├──0-4 人臉多任務(wù)
  | | ├──0-5 人臉識別
  | | └──0-6 項目集成
  | └──第一章 1-Pytorch與深度學(xué)習(xí)基礎(chǔ)
  | | ├──0-1 Pytorch基礎(chǔ)
  | | ├──0-2 Pytorch張量操作
  | | ├──0-3 Pytorch高階操作
  | | ├──0-4 Pytorch案例實戰(zhàn)
  | | ├──0-5 深度學(xué)習(xí)基礎(chǔ)理論
  | | ├──0-6 深度學(xué)習(xí)優(yōu)化理論
  | | └──0-7 BP神經(jīng)網(wǎng)絡(luò)案例
  ├──人工智能課件
  | ├──01-階段1-3（python基礎(chǔ) 、python高級、機器學(xué)習(xí)）
  | | ├──02-虛擬機環(huán)境
  | | ├──01-Python+機器學(xué)習(xí)課程環(huán)境使用說明(1).pdf 3.78M
  | | ├──01-階段1-3（python基礎(chǔ) 、python高級、機器學(xué)習(xí)）.zip 2.22G
  | | ├──AI虛擬機使用常見問題匯總(1).pdf 646.33kb
  | | └──Azure機器學(xué)習(xí)模型搭建實驗(1).doc 1.70M
  | ├──02-階段4 （計算機視覺CV) 階段6 （CV項目）
  | | ├──02-虛擬機環(huán)境
  | | └──02-階段4 （計算機視覺CV) 階段6 （CV項目）.zip 439.07M
  | ├──03-階段5（自然語言處理NLP）、階段6（NLP項目）
  | | ├──02-NLP虛擬機環(huán)境
  | | └──03-階段5（自然語言處理NLP）、階段6（NLP項目）.zip 10.50G
  | ├──階段測試題
  | | ├──階段1—測試
  | | ├──階段2—測試
  | | ├──階段3—測試
  | | ├──階段4—測試
  | | ├──階段5—測試
  | | └──.DS_Store 6.00kb
  | ├──Iris數(shù)據(jù)集
  | | ├──iris.csv 4.86kb
  | | └──iris.txt 4.85kb
  | ├──01-計算機視覺CV課程環(huán)境使用說明文檔.pdf 3.59M
  | └──機器學(xué)習(xí)梳理總結(jié)xmind.zip 8.61M