〖课程介绍〗:

HM人工智能AI进阶课程2022年(395.92G)

〖课程目录〗:
【 主学习路线】01、阶段一 人工智能Python基础
├──1–第一章 计算机组成原理
| └──1–计算机原理
├──10–第十章 公共方法
| ├──1–公共方法
| └──2–推导式
├──11–第十一章 函数
| ├──1–函数介绍
| ├──10–函数参数二
| ├──11–拆包, 交换变量
| ├──12–引用
| ├──2–函数参数一
| ├──3–函数返回值一
| ├──4–函数文档说明
| ├──5–函数嵌套
| ├──6–局部变量
| ├──7–全局变量
| ├──8–函数执行流程
| └──9–函数返回值二
├──12–第十二章 函数强化
| ├──1–函数应用学员管理系统
| ├──2–课后练习(学员管理系统)
| ├──3–递归函数
| ├──4–匿名函数
| └──5–高阶函数
├──13–第十三章 文件操作
| ├──1–文件操作介绍
| ├──2–文件读写操作
| ├──3–案例文件备份
| └──4–文件及文件夹的相关操作
├──14–第十四章 面向对象
| ├──1–面向对象介绍
| ├──10–私有属性和方法
| ├──11–多态
| ├──12–类属性及相关方法
| ├──2–类和对象
| ├──3–对象属性操作
| ├──4–魔法方法
| ├──5–案例烤地瓜
| ├──6–案例 搬家具
| ├──7–继承
| ├──8–子类重写父类属性和方法
| └──9–super方法使用
├──15–第十五章 异常
| ├──1–异常介绍
| ├──2–捕获异常
| ├──3–异常传递
| └──4–自定义异常
├──16–第十六章 模块
| ├──1–模块介绍
| ├──2–模块制作
| └──3–python中的包
├──17–第十七章 学生管理系统(面向对象版)
| └──1–学生管理系统(面向对象)
├──2–第二章 python基础语法
| ├──1–课程介绍
| ├──2–注释
| ├──3–变量
| ├──4–bug认识
| ├──5–数据类型
| ├──6–输出
| ├──7–输入
| ├──8–数据类型转换
| └──9–运算符
├──3–第三章 判断语句
| ├──1–判断语句介绍
| ├──2–if基本格式
| ├──3–if…elif…else格式
| ├──4–if嵌套
| └──5–案例猜拳游戏
├──4–第四章 循环语句
| ├──1–循环语句介绍
| ├──2–while循环
| ├──3–循环应用
| ├──4–break和continue
| ├──5–while循环嵌套及应用
| ├──6–for循环
| └──7–循环else应用
├──5–第五章 字符串
| ├──1–字符串介绍
| ├──2–输入输出
| ├──3–切片
| └──4–字符串操作方法
├──6–第六章 列表
| ├──1–列表相关操作
| ├──2–列表循环遍历
| └──3–列表嵌套
├──7–第七章 元组
| └──1–元组相关操作
├──8–第八章 字典
| ├──1–字典介绍
| ├──2–字典的常见操作
| └──3–字典遍历
└──9–第九章 集合
| └──1–集合的相关操作
【 主学习路线】02、阶段二 人工智能Python高级
├──1–第一章 Linux基础命令
| ├──1–linux简介
| └──2–linux相关命令
├──10–第十章 MySqL数据库高级使用
| ├──1–条件查询
| ├──2–实战操作
| ├──3–外键使用
| ├──4–视图
| ├──5–事务
| ├──6–索引
| ├──7–设计范式
| └──8–PyMySQL的使用
├──2–第二章 Linux高级命令
| ├──1–linux高级操作
| ├──2–远程控制
| └──3–vim介绍
├──3–第三章 多任务编程
| ├──1–多任务介绍
| ├──2–多进程介绍
| ├──3–多线程介绍
| ├──4–锁的介绍
| └──5–进程和线程的对比
├──4–第四章 网络编程
| ├──1–ip和端口介绍
| ├──2–TCP介绍
| ├──3–TCP开发流程
| └──4–多任务案例
├──5–第五章 HTTP协议和静态服务器
| ├──1–HTTP协议
| └──2–静态web服务器搭建
├──6–第六章 闭包,装饰器及python高级语法
| ├──1–闭包
| ├──2–装饰器
| ├──3–property语法
| ├──4–with语法
| └──5–python高级语法
├──7–第七章 正则表达式
| └──1–正则表达式
├──8–第八章 数据结构与算法
| ├──1–算法概念
| ├──10–选择排序
| ├──11–插入排序
| ├──12–快速排序
| ├──13–二分查找
| ├──14–二叉树
| ├──15–二叉树的遍历
| ├──2–时间复杂度
| ├──3–空间复杂度
| ├──4–数据结构
| ├──5–顺序表
| ├──6–链表
| ├──7–栈
| ├──8–队列
| └──9–冒泡排序
└──9–第九章 MySql数据库基本使用
| ├──1–数据库介绍
| ├──2–数据表的基本操作
| ├──3–where条件查询
| └──4–排序
【 主学习路线】03、阶段三 人工智能机器学习
├──1–第一章 机器学习概述V2.1
| └──1–机器学习介绍
├──10–第十章 决策树V2.1
| ├──1–信息增益
| ├──2–特征提取
| ├──3–案例泰坦生存预测
| └──4–回归决策树
├──11–第十一章 集成学习V2.1
| ├──1–集成介绍
| ├──2–随机森林案例
| └──3–集成学习
├──12–第十二章 聚类算法V2.1
| └──1–聚类算法
├──13–第十三章 朴素贝叶斯V2.1
| └──1–朴素贝叶斯
├──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 集成学习进阶V2.1
| ├──1–XGBoost算法
| ├──2–otto案例
| ├──3–lightGBM算法
| └──4–绝地求生案例
├──2–第二章 环境安装和使用V2.1
| └──1–环境安装及使用
├──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数据结构
| ├──2–pandas基础使用
| ├──3–pandas高级使用
| └──4–电影案例分析
├──6–第六章 seabornV2.1
| ├──1–绘制统计图
| ├──2–分类数据绘图
| ├──3–NBA案例
| └──4–北京租房数据统计分析
├──666JAVA下载必看
| ├──解压密码：666java.com
| ├──高薪学习it网.url 0.05kb
| ├──海量优质it资源.url 0.05kb
| ├──看看我.zip 14.66M
| ├──课程总结.mp4 14.73M
| ├──面试合集.txt 0.18kb
| ├──软件下载.txt 0.15kb
| ├──下载必看.txt 0.16kb
| └──资料2.zip 14.66M
├──7–第七章 K近邻算法V2.1
| ├──1–k近邻算法介绍
| ├──2–kd树
| ├──3–数据集处理
| ├──4–特征工程
| ├──5–KNN总结
| ├──6–交叉验证, 网格搜索
| └──7–案例 Facebook位置预测
├──8–第八章 线性回归V2.1
| ├──1–回归介绍
| ├──2–损失优化
| └──3–回归相关知识
└──9–第九章 逻辑回归V2.1
| ├──1–逻辑回归
| ├──解压密码：666java.com
| ├──高薪学习it网.url 0.05kb
| ├──海量优质it资源.url 0.05kb
| ├──看看我.zip 14.66M
| ├──课程总结.mp4 14.73M
| ├──面试合集.txt 0.18kb
| ├──软件下载.txt 0.15kb
| ├──下载必看.txt 0.16kb
| └──资料2.zip 14.66M
【 主学习路线】04、阶段四 计算机视觉与图像处理
├──1–第一章 课程简介_v2.0
| ├──1–深度学习
| └──2–计算机视觉（CV）
├──10–第十章 图像特征提取与描述_v2.0
| ├──1–角点特征
| ├──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 视频操作_v2.0
| ├──1–视频读写
| └──2–视频追踪
├──12–第十二章 案例人脸案例_v2.0
| └──1–案例人脸案例
├──2–第二章 tensorflow入门_v2.0
| ├──1–tensorflow和keras简介
| └──2–快速入门模型
├──3–第三章 深度神经网络_v2.0
| ├──1–神经网络简介
| ├──2–常见的损失函数
| ├──3–深度学习的优化方法
| ├──4–深度学习的正则化
| ├──5–神经网络案例
| └──6–卷积神经网络CNN
├──4–第四章 图像分类_v2.0
| ├──1–图像分类简介
| ├──2–AlexNet
| ├──3–VGG
| ├──4–GoogleNet
| ├──5–ResNet
| ├──6–图像增强方法
| └──7–模型微调
├──5–第五章 目标检测_v2.0
| ├──1–目标检测概述
| ├──2–R-CNN网络基础
| ├──3–Faster-RCNN原理与实现
| ├──4–yolo系列算法
| ├──5–yoloV3案例
| └──6–SSD模型介绍
├──6–第六章 图像分割_v2.0
| ├──1–目标分割介绍
| ├──2–语义分割：FCN与Unet
| ├──3–Unet-案例
| └──4–实例分割：MaskRCNN
├──7–第七章 OpenCV简介_v2.0
| ├──1–图像处理简介
| ├──2–OpenCV简介及安装方法
| └──3–OpenCV的模块
├──8–第八章 OpenCV基本操作_v.2.0
| ├──1–图像的基础操作
| └──2–算数操作
└──9–第九章 OpenCV图像处理_v2.0
| ├──1–几何变换
| ├──2–形态学操作
| ├──3–图像平滑
| ├──4–直方图
| ├──5–边缘检测
| ├──6–模版匹配和霍夫变换
| └──7–轮廓检测
【 主学习路线】05、阶段五 NLP自然语言处理
└──【 主学习路线】05、阶段五 NLP自然语言处理
| ├──1–第一章 Pytorch工具_v2.0
| ├──10–第十章 迁移学习-v2.0
| ├──11–第十一章 BERT,Transformer的模型架构与详解-v2.0
| ├──12–第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0
| ├──13–第十三章 HMM模型-v2.0
| ├──14–第十四章 经典的序列模型-v2.0
| ├──2–第二章 自然语言处理NLP介绍-v2.0
| ├──3–第三章 文本预处理-v2.0
| ├──4–第四章 RNN架构解析-v2.0
| ├──5–第五章 RNN经典案例-v2.0
| ├──6–第六章 莎士比亚风格的文本生成任务-v2.0
| ├──7–第七章 Transformer背景介绍-v2.0
| ├──8–第八章 Transformer架构解析-v2.0
| └──9–第九章 fasttext工具的使用-v2.0
【 主学习路线】06、阶段六 人工智能项目实战
├──1–第一章 智慧交通
| ├──1–项目简介
| ├──10–车流量统计
| ├──11–相机校正
| ├──12–相机校正和图像去畸变
| ├──13–车道线提取
| ├──14–透视变换
| ├──15–车道线定位与拟合
| ├──16–车道曲率与车辆偏离中心线距离
| ├──17–在视频中进行车道线检测
| ├──18–SIamese网络系列（选学）
| ├──19–跟踪效果（选学）
| ├──2–算法原理
| ├──20–数据集处理（选学）
| ├──21–网络模型搭建（选学）
| ├──22–网络模型训练（选学）
| ├──23–网络模型测试（选学）
| ├──24–网络模型应用（选学）
| ├──3–多目标跟踪
| ├──4–辅助功能
| ├──5–卡尔曼滤波
| ├──6–匈牙利算法
| ├──7–数据关联
| ├──8–SORT
| └──9–目标检测
├──2–第二章 在线医生
| ├──1–背景介绍
| ├──10–结构化数据流水线
| ├──11–非结构化数据流水线
| ├──12–任务介绍与模型选用
| ├──13–训练数据集
| ├──14–BERT中文预训练模型
| ├──15–构建RNN模型
| ├──16–进行模型训练
| ├──17–NE模型使用
| ├──18–命名实体识别介绍
| ├──19–BiLSTM介绍
| ├──2–Unit对话API使用
| ├──20–CRF介绍
| ├──21–BiLSTM+CRF模型
| ├──22–模型训练
| ├──23–模型使用
| ├──24–在线部分简要分析
| ├──25–werobot服务构建
| ├──26–主要逻辑服务
| ├──27–任务介绍与模型选用及训练数据集
| ├──28–BERT中文预训练模型1
| ├──29–微调模型
| ├──3–在线医生的总体架构
| ├──30–进行模型训练1
| ├──31–模型部署
| ├──32–系统联调与测试
| ├──4–总体架构中的工具介绍
| ├──5–neo4j简介
| ├──6–neo4j图数据库的安装
| ├──7–Cypher介绍与使用
| ├──8–在Python中使用neo4j
| └──9–离线部分简要分析
├──3–第三章 智能文本分类系统
| ├──1–整体系统搭建
| ├──2–构建标签词汇图谱
| ├──3–特征工程和fasttext模型训练
| ├──4–多模型训练和预测
| ├──5–系统联调和测试
| ├──6–泛娱乐推荐介绍
| ├──7–召回模块
| └──8–排序模块
└──4–第四章 实时人脸识别检测项目
| ├──1–人脸识别
| ├──2–口罩检测
| ├──3–Dlib模型训练
| ├──4–活体检测
| └──5–属性识别
【 主学习路线】07、阶段七 人工智能面试强化（赠送）
├──1–第一章 自动编码器
| ├──1–自动编码器历史与应用介绍
| ├──2–构建自动编码器
| ├──3–自动编码器改进技巧
| └──4–变分自动编码器
├──10–第十章 贝叶斯方法实现及粒子滤波
| └──1–贝叶斯方法实现及粒子滤波
├──11–第十一章 深度强化学习
| ├──1–强化学习
| ├──2–Q-learning算法
| └──3–Deep Q-Network
├──2–第二章 图像分割应用
| └──1–图像分割应用介绍
├──3–第三章 生成对抗学习
| └──1–生成对抗学习
├──4–第四章 算法进阶迁移学习
| └──1–迁移学习介绍
├──5–第五章 模型可解释
| └──1–模型可解释
├──6–第六章 模型压缩
| └──1–模型压缩
├──7–第七章 终生学习
| └──1–终生学习
├──8–第八章 算法进阶进化学习
| └──1–进化学习
└──9–第九章 贝叶斯方法
| └──1–贝叶斯方法
【课外拓展】01、阶段一 HR面试技巧
└──【课外拓展】01、阶段一 HR面试技巧.zip 1.94G
【课外拓展】02、阶段二 赠送-人脸支付
└──第一章 1-人脸支付
| ├──0-1 项目背景介绍
| ├──0-2 人脸检测子任务
| ├──0-3 人脸姿态估计
| ├──0-4 人脸多任务
| ├──0-5 人脸识别
| └──0-6 项目集成
【课外拓展】03、阶段三 赠送-文本摘要项目
└──第一章 1-文本摘要项目
| ├──0-1 文本摘要项项目背景介绍
| ├──0-10 模型的预测
| ├──0-11 词向量的单独训练
| ├──0-12 模型的优化
| ├──0-13 PGN架构
| ├──0-14 数据预处理
| ├──0-15 PGN数据特殊性分析
| ├──0-16 迭代器和类的实现
| ├──0-17 PGN模型的搭建
| ├──0-18 PGN模型训练
| ├──0-19 PGN模型预测
| ├──0-2 项目中的数据集初探
| ├──0-20 评估方法介绍
| ├──0-21 BLEU算法理论
| ├──0-22 ROUGE算法理论
| ├──0-23 ROUGE算法实现
| ├──0-24 coverage机制原理
| ├──0-25 coverage模型类实现
| ├──0-26 coverage训练和预测
| ├──0-27 Beam-search原理介绍
| ├──0-28 Beam-search模型类实现
| ├──0-29 TF-IDF算法原理和实现
| ├──0-3 TextRank算法理论基础
| ├──0-30 单词替换法的类实现
| ├──0-31 单词替换法的训练和评估
| ├──0-32 回译数据法实现和评估
| ├──0-33 半监督学习法原理和实现
| ├──0-34 训练策略原理和实现
| ├──0-35 模型转移实现
| ├──0-36 GPU优化原理和实现
| ├──0-37 CPU优化原理和实现
| ├──0-38 Flask实现模型部署
| ├──0-4 TextRank算法实现模型
| ├──0-5 seq2seq架构
| ├──0-6 seq3seq架构
| ├──0-7 工具函数的实现
| ├──0-8 模型类的搭建
| └──0-9 模型的训练
【课外拓展】04、阶段四 入学第一课
└──无课程相关内容
【课外拓展】05、阶段五 阶段一 python基础（更新）
├──第二章 2-python面向对象
| ├──0-1 类定义及类属性使用
| ├──0-2 魔法方法
| ├──0-3 案例-面向对象
| ├──0-4 面向对象封装与继承
| ├──0-5 面向对象多态
| └──0-6 类属性方法
└──第一章 1-python基础编程
| ├──0-1 python开发环境搭建
| ├──0-10 循环else
| ├──0-11 字符串定义切片
| ├──0-12 字符串查找，替换，合并
| ├──0-13 列表定义及使用
| ├──0-14 元祖定义及使用
| ├──0-15 字典定义及使用
| ├──0-16 案例-学生管理系统（一）
| ├──0-17 集合定义及使用
| ├──0-18 公共方法与推导式
| ├──0-19 函数基本使用
| ├──0-2 Python注释与变量
| ├──0-20 函数基本使用替代视频（04,05,06）
| ├──0-21 函数作用域
| ├──0-22 不定长参数与组包拆包
| ├──0-23 案例-学生管理系统（二）
| ├──0-24 基础加强练习
| ├──0-25 可变类型及非可变类型
| ├──0-26 递推
| ├──0-27 递归
| ├──0-28 lambda表达式
| ├──0-29 文件基本操作
| ├──0-3 Python数据类型
| ├──0-30 文件操作案例
| ├──0-31 案例-学生管理系统（三）
| ├──0-32 python异常处理
| ├──0-33 python模块与包
| ├──0-34 案例-飞机大战
| ├──0-4 Python格式化输出
| ├──0-5 Python运算符
| ├──0-6 Python分支语句
| ├──0-7 while循环
| ├──0-8 while循环案例
| └──0-9 for循环及案例
【课外拓展】06、阶段六 阶段二 Python高级（更新）
├──第二章 2-SQL基础
| ├──0-1 数据库基础
| ├──0-2 SQL语言基础
| ├──0-3 SQL约束
| ├──0-4 SQL聚合
| ├──0-5 SQL多表查询
| └──0-6 SQL高阶特性
├──第三章 3-Python编程进阶
| ├──0-1 函数的闭包
| ├──0-10 进程
| ├──0-11 线程
| ├──0-12 进程线程对比
| ├──0-13 With上下文管理器
| ├──0-14 Python生成器
| ├──0-15 Python中深浅拷贝
| ├──0-16 Python中正则表达式
| ├──0-17 正则表达式扩展
| ├──0-18 FastAPI搭建Web服务器
| ├──0-19 Python爬虫
| ├──0-2 装饰器
| ├──0-3 PyMySQL
| ├──0-4 HTML基础
| ├──0-5 CSS基础
| ├──0-6 Socket网络编程
| ├──0-7 TCP服务器开发
| ├──0-8 静态Weeb服务器
| └──0-9 FastAPI
└──第一章 1-Linux基础
| ├──0-1 Linux基础
| ├──0-2 Linux终端基本使用
| ├──0-3 Linux常用命令(1)
| └──0-4 Linux常用命令(2)
【课外拓展】07、阶段七 阶段三 机器学习（更新）
├──第二章 2-机器学习算法进阶
| ├──0-1 决策树算法
| ├──0-2 朴素贝叶斯算法
| ├──0-3 SVM算法
| ├──0-4 聚类算法
| ├──0-5 集成学习算法
| └──0-6 机器学习算法回顾总结（有需要的同学可以看看）
└──第一章 1-机器学习基础算法
| ├──0-1 人工智能原理基础
| ├──0-2 KNN算法
| ├──0-3 线性回归
| └──0-4 逻辑回归
【课外拓展】08、阶段八 阶段四—深度学习基础补充视频
└──【课外拓展】08、阶段八 阶段四—深度学习基础补充视频
| ├──01-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的意义.mp4 100.88M
| ├──02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用(1).mp4 134.81M
| ├──02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用.mp4 134.81M
| ├──03-深度学习基础-深度神经网络-神经网络介绍-网络是如何工作的-参数初始化增补-初始化方式的对比.mp4 132.24M
| ├──04-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-数据传输过程(1).mp4 43.91M
| ├──04-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-数据传输过程.mp4 43.91M
| ├──05-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传播过程（输入层到隐藏层）(1).mp4 38.46M
| ├──05-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传播过程（输入层到隐藏层）.mp4 38.46M
| ├──06-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传输过程（隐藏层到输出层）(1).mp4 19.99M
| ├──06-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传输过程（隐藏层到输出层）.mp4 19.99M
| ├──07-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-损失函数的计算.mp4 49.95M
| ├──08-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-输出层权值的更新.mp4 65.37M
| ├──09-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-隐藏层权值的更新.mp4 63.39M
| ├──10-深度学习基础-深度神经网络-卷积神经网络CNN增补-网络参数量的计算.mp4 155.78M
| ├──11-深度学习基础-图像分类-图像分类案例补充(1)-任务介绍.mp4 51.45M
| ├──12-深度学习基础-图像分类-图像分类案例补充(2)-数据接获取与可视化.mp4 149.87M
| ├──13-深度学习基础-图像分类-图像分类案例补充(3)-图像增强.mp4 27.15M
| ├──14-深度学习基础-图像分类-图像分类案例补充(4)-Xception模型介绍.mp4 107.98M
| ├──15-深度学习基础-图像分类-图像分类案例补充(5)-项目网络介绍.mp4 131.99M
| ├──16-深度学习基础-图像分类-图像分类案例补充(6)-网络构建（输入流）.mp4 28.44M
| ├──17-深度学习基础-图像分类-图像分类案例补充(7)-网络构建（中间流）.mp4 29.77M
| ├──18-深度学习基础-图像分类-图像分类案例补充(8)-网络构建（输出流）.mp4 41.05M
| ├──19-深度学习基础-图像分类-图像分类案例补充(9)-模型训练.mp4 121.96M
| ├──20-深度学习基础-图像分类-图像分类案例补充(10)-模型训练的实现.mp4 22.20M
| └──21-深度学习基础-图像分类-图像分类案例补充(11)-模型预测.mp4 143.40M
【课外拓展】09、阶段九 阶段五—NLP基础补充视频
├──01-文本预处理-文本预处理-文本数据增强讲解 .mp4 14.12M
├──02-文本预处理-文本预处理-文本数据增强代码实现 .mp4 14.17M
├──03-文本预处理- 新闻主题分类任务-数据加载方式的增补代码解读 .mp4 9.12M
├──04-文本预处理-新闻主题分类任务-数据加载方式的增补文件补齐 .mp4 5.40M
├──05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念 .mp4 9.78M
├──06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理 .mp4 20.46M
├──07-RNN及其变体-RNN架构解析-注意力机制的增补attention机制模型 .mp4 34.58M
├──08-RNN及其变体-RNN架构解析-注意力机制的增补attention公式讲解 .mp4 21.86M
├──09-RNN及其变体-RNN架构解析-注意力机制的增补attention应用场景 .mp4 14.74M
├──10-Transformer—新增案例机器翻译模型-1模型的介绍 .mp4 57.15M
├──11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建 .mp4 24.13M
├──12-Transformer—新增案例机器翻译模型-3模型构建 .mp4 31.48M
├──13-Transformer—新增案例机器翻译模型-4掩码的构建 .mp4 15.05M
├──14-Transformer—新增案例机器翻译模型-5数据批处理 .mp4 13.79M
├──15-Transformer—新增案例机器翻译模型-6构建训练函数和评估函数 .mp4 32.81M
├──16-Transformer—新增案例机器翻译模型-7训练模型和定义解码函数 .mp4 22.58M
├──17-Transformer—新增案例机器翻译模型-8翻译函数的定义和9模型保存 .mp4 13.30M
├──18-迁移学习—迁移理论—加载和使用预训练模型全小节增补-1tokenizer加载 .mp4 22.91M
├──19-迁移学习—迁移理论—加载和使用预训练模型全小节增补-2加载带头和不带头的预训练模型 .mp4 39.74M
├──20-迁移学习—迁移理论—加载和使用预训练模型全小节增补-3加载不带头的模型输出结果 .mp4 27.98M
├──21-迁移学习—迁移理论—加载和使用预训练模型全小节增补-4加载语言模型头结果输出 .mp4 25.83M
├──22-迁移学习—迁移理论—加载和使用预训练模型全小节增补-5加载分类模型头结果输出 .mp4 21.14M
├──23-迁移学习—迁移理论—加载和使用预训练模型全小节增补-6加载问答模型头结果输出 .mp4 45.77M
├──24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传 .mp4 52.62M
├──25-迁移学习—迁移理论—迁移学习实践增补内容-模型上传后加载使用 .mp4 29.35M
└──26-虚拟机的使用 .mp4 14.09M
【课外拓展】10、阶段十 CV基础+项目（更新）
└──【课外拓展】10、阶段十 CV基础+项目（更新）
| ├──第二章 2-深度学习核心模型与实战
| ├──第六章 6-04 – 智慧交通
| ├──第三章 3-01 – 目标检测
| ├──第四章 4-02 – OpenCV
| ├──第五章 5-03 – 人脸支付
| └──第一章 1-Pytorch与深度学习基础
人工智能课件
├──01-阶段1-3（python基础 、python高级、机器学习）
| ├──02-虚拟机环境
| ├──01-Python+机器学习课程环境使用说明(1).pdf 3.78M
| ├──01-阶段1-3（python基础 、python高级、机器学习）.zip 2.22G
| ├──AI虚拟机使用常见问题汇总(1).pdf 646.33kb
| └──Azure机器学习模型搭建实验(1).doc 1.70M
├──02-阶段4 （计算机视觉CV) 阶段6 （CV项目）
| ├──02-虚拟机环境
| └──02-阶段4 （计算机视觉CV) 阶段6 （CV项目）.zip 439.07M
├──03-阶段5（自然语言处理NLP）、阶段6（NLP项目）
| ├──02-NLP虚拟机环境
| └──03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.zip 10.50G
├──阶段测试题
| ├──阶段1—测试
| ├──阶段2—测试
| ├──阶段3—测试
| ├──阶段4—测试
| ├──阶段5—测试
| └──.DS_Store 6.00kb
├──Iris数据集
| ├──iris.csv 4.86kb
| └──iris.txt 4.85kb
├──01-计算机视觉CV课程环境使用说明文档.pdf 3.59M
| └──机器学习梳理总结xmind.zip 8.61M