├──01_1.距离精讲.mp4 190.87M
├──02_2.向量数据库基础.mp4 174.43M
├──03_3.Annoy原理和手写线性回归.mp4 218.48M
├──04_4.逻辑回归的分类间隔，线性不可分问题，FM模型.mp4 213.13M
├──05_5.特征选择和正则化.mp4 242.98M
├──06_6.Dropout技术，模型集成，多分类和多标签.mp4 181.47M
├──07_7.过拟合、欠拟合，树模型.mp4 191.00M
├──08_8.ID3，C4.5，Cart树.mp4 192.25M
├──09_9.集成学习，dropout，GBDT.mp4 189.43M
├──10_10.GBDT和XGboost.mp4 318.04M
├──11_11实战项目以图搜图-resnet.mp4 191.79M
├──12_12以图搜图.mp4 169.27M
├──13_13.GAN模型的原理和实战.mp4 195.68M
├──14_14.GAN模型背后的数学原理以及训练技巧.mp4 221.81M
├──15_15.推土机距离和WGan.mp4 167.92M
├──16_16.AIGC和扩散学习.mp4 299.80M
├──17_17.NLP系列1：NLP发展脉络和BERT模型.mp4 196.48M
├──18_18.NLP系列2：Bert的改良版本和T5模型.mp4 139.06M
├──19_19.NLP系列3：GPT系列模型.mp4 132.18M
├──20_20.项目实战：huggingface和文本分类.mp4 183.15M
├──21_21实战项目：文本纠错和Bart模型.mp4 210.74M
├──22_22零样本学习和小样本学习.mp4 229.59M
├──23_23.智能文本摘要和关键词提取.mp4 282.52M
├──24_24聊天机器人和chatgpt.mp4 232.86M
├──25_25，目标检测yolo和transformer.mp4 358.85M
├──26_乳腺癌识别项目1-图像识别的原理.mp4 183.60M
├──27_乳腺癌识别项目2-图像分类的代码实战.mp4 142.85M
├──28_乳腺癌识别项目3-图像识别新方法之迁移学习.mp4 103.19M
├──29_乳腺癌识别项目4-乳腺癌识别代码实战.mp4 150.02M
├──30_大模型训练为什么这么难.mp4 117.28M
├──31_ChatGPT的技术发展路径和带来的影响.mp4 177.64M
├──32_推荐系统1：推荐系统概述.mp4 168.37M
├──33_推荐系统2：召回环节.mp4 333.81M
├──34_推荐系统3：召回和AB测试[.mp4 357.39M
├──35_推荐系统4：排序（上）.mp4 380.52M
├──36_推荐系统5：排序（下）.mp4 130.68M
└──37_推荐系统6：内容分类和打标.mp4 282.29M