【大课】黑马-人工智能AI进阶年度钻石会员-价值11980元-重磅首发(1)网盘资源免费观看百度云网盘链接提取码分享下载
- file:02-阶段4 （计算机视觉CV) 阶段6 （CV项目）.7z
- file:01-计算机视觉CV课程环境使用说明文档.pdf
- file:01-阶段1-3（python基础 、python高级、机器学习）.7z
- file:Iris数据集.7z
- file:03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.7z
- file: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
- file:02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用.mp4
- file: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
- file: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
- file: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
- file:02-文本预处理-文本预处理-文本数据增强代码实现.mp4
- file:14-Transformer—新增案例机器翻译模型-5数据批处理.mp4
- file: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
- file: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
- file: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
- file:26-虚拟机的使用.mp4
- file: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
- folder:【大课】黑马-人工智能AI进阶年度钻石会员-价值11980元-重磅首发(1)
- folder:【黑马程序员】年度钻石会员-人工智能AI进阶 - 带源码课件
- folder:【课件】
- folder:【课外拓展】01、阶段一HR面试技巧
- folder:【课外拓展】08、阶段八阶段四—深度学习基础补充视频
- folder:【主学习路线】07、阶段七人工智能面试强化（赠送）
- folder:【主学习路线】05、阶段五NLP自然语言处理
- folder:【课外拓展】06、阶段六阶段二Python高级（更新）
- folder:【课外拓展】10、阶段十CV基础+项目（更新）
- folder:第一章 1-HR面试技巧
- folder:第二章 2-求职篇
- folder:3--第三章生成对抗学习
- folder:5--第五章模型可解释
- folder:10--第十章贝叶斯方法实现及粒子滤波
- folder:2--第二章图像分割应用
- folder:12--第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0
- folder:1--第一章 Pytorch工具_v2.0
- folder:6--第六章 莎士比亚风格的文本生成任务-v2.0
- folder:7--第七章 Transformer背景介绍-v2.0
- folder:13--第十三章 HMM模型-v2.0
- folder:5--第五章 RNN经典案例-v2.0
- folder:9--第九章 fasttext工具的使用-v2.0
- folder:2--第二章 自然语言处理NLP介绍-v2.0
- folder:8--第八章线性回归V2.1
- folder:3--第三章matplotlibV2.1
- folder:17--第十七章集成学习进阶V2.1
- folder:7--第七章OpenCV简介_v2.0
- folder:10--第十章图像特征提取与描述_v2.0
- folder:2--第二章tensorflow入门_v2.0
- folder:第三章3-Python编程进阶
- folder:第一章1-Linux基础
- folder:16--第十六章模块
- folder:2--第二章python基础语法
- folder:17--第十七章学生管理系统(面向对象版)
- folder:1--第一章计算机组成原理
- folder:4--第四章 实时人脸识别检测项目
- folder:3--第三章 智能文本分类系统
- folder:5--第五章HTTP协议和静态服务器
- folder:9--第九章MySql数据库基本使用
- folder:2--第二章Linux高级命令
- folder:第二章2-机器学习算法进阶
- folder:无课程相关内容
- folder:第二章 2-深度学习核心模型与实战
- folder:第四章 4-02 - OpenCV
- folder:第一章 1-Pytorch与深度学习基础
- folder:0-1 面试篇
- folder:0-17PGN模型的搭建
- folder:0-6seq3seq架构
- folder:0-4TextRank算法实现模型
- folder:0-29TF-IDF算法原理和实现
- folder:0-36GPU优化原理和实现
- folder:0-20评估方法介绍
- folder:0-38Flask实现模型部署
- folder:0-16迭代器和类的实现
- folder:0-27Beam-search原理介绍
- folder:0-30单词替换法的类实现
- folder:0-32回译数据法实现和评估
- folder:0-21BLEU算法理论
- folder:0-23ROUGE算法实现
- folder:0-26coverage训练和预测
- folder:0-35模型转移实现
- folder:0-11词向量的单独训练
- folder:0-1文本摘要项项目背景介绍
- folder:0-2项目中的数据集初探
- folder:4--变分自动编码器
- folder:1--自动编码器历史与应用介绍
- folder:1--迁移学习介绍
- folder:3--DeepQ-Network
- folder:2--Q-learning算法
- folder:4--请详述BERT, GPT, ELMo模型的对比和各自的优缺点
- folder:2--认识GPT
- folder:2-- Pytorch中的autograd
- folder:4--使用Pytorch构建一个分类器
- folder:1--认识pytorch
- folder:4--维特比算法解码隐藏状态序列
- folder:2--使用seq2seq模型架构实现英译法任务
- folder:2--Transformer的结构是什么样的 各个子模块各有什么作用
- folder:5--采用Multi-head Attention的原因和计算规则
- folder:3--Transformer结构中的Decoder端具体输入
- folder:11--BERT的MLM任务为什么采用80% 10% 10%的策略
- folder:12--长文本预测任务使用BERT如何构造训练样本
- folder:4--Transformer中的self-attention
- folder:7--Transformer可以代替seq2seq的原因
- folder:10--BERT模型的优点和缺点
- folder:9--Transformer架构的并行化是如何进行的
- folder:8--self-attention公式中添加scaled的原因
- folder:1--认识HMM与CRF模型
- folder:1--认识fasttext工具
- folder:3--训练词向量
- folder:5--注意力机制
- folder:2--传统RNN模型
- folder:3--文本张量表示方法
- folder:14--模型构建
- folder:13--输出部分实现
- folder:7--规范化层
- folder:8--子层连接结构
- folder:4--加载和使用预训练模型
- folder:2--NLP中的标准数据集
- folder:6--交叉验证,网格搜索
- folder:7--案例Facebook位置预测
- folder:4--电影案例分析
- folder:1--pandas数据结构
- folder:4--北京租房数据统计分析
- folder:1--环境安装及使用
- folder:3--案例泰坦生存预测
- folder:3--lightGBM算法
- folder:1--XGBoost算法
- folder:3--OpenCV的模块
- folder:4--GoogleNet
- folder:2--计算机视觉（CV）
- folder:6--模版匹配和霍夫变换
- folder:4--实例分割：MaskRCNN
- folder:3--Unet-案例
- folder:2--语义分割：FCN与Unet
- folder:2--常见的损失函数
- folder:6--卷积神经网络CNN
- folder:3--Faster-RCNN原理与实现
- folder:2--Harris和Shi-Tomas算法
- folder:4--Fast和ORB算法
- folder:5--LBP和HOG特征算子
- folder:1--tensorflow和keras简介
- folder:1--图像的基础操作
- folder:0-19Python爬虫
- folder:0-3PyMySQL
- folder:0-13With上下文管理器
- folder:0-8静态Weeb服务器
- folder:0-6Socket网络编程
- folder:0-5CSS基础
- folder:0-17正则表达式扩展
- folder:0-18FastAPI搭建Web服务器
- folder:0-12进程线程对比
- folder:0-7TCP服务器开发
- folder:0-2Linux终端基本使用
- folder:0-5SQL多表查询
- folder:1--函数应用学员管理系统
- folder:9--super方法使用
- folder:10--私有属性和方法
- folder:4--文件及文件夹的相关操作
- folder:3--if...elif...else格式
- folder:6--for循环
- folder:4--break和continue
- folder:5--while循环嵌套及应用
- folder:11--拆包,交换变量
- folder:9--函数返回值二
- folder:16--车道曲率与车辆偏离中心线距离
- folder:23--网络模型测试（选学）
- folder:15--车道线定位与拟合
- folder:18--SIamese网络系列（选学）
- folder:17--在视频中进行车道线检测
- folder:12--相机校正和图像去畸变
- folder:3--Dlib模型训练
- folder:5--系统联调和测试
- folder:2--构建标签词汇图谱
- folder:5--neo4j简介
- folder:26--主要逻辑服务
- folder:12--任务介绍与模型选用
- folder:3--在线医生的总体架构
- folder:8--在Python中使用neo4j
- folder:11--非结构化数据流水线
- folder:4--总体架构中的工具介绍
- folder:2--Unit对话API使用
- folder:25--werobot服务构建
- folder:3--property语法
- folder:3--where条件查询
- folder:15--二叉树的遍历
- folder:0-4人脸多任务
- folder:0-4面向对象封装与继承
- folder:0-1类定义及类属性使用
- folder:0-3案例-面向对象
- folder:0-22不定长参数与组包拆包
- folder:0-28lambda表达式
- folder:0-18公共方法与推导式
- folder:0-12字符串查找，替换，合并
- folder:0-20函数基本使用替代视频（04,05,06）
- folder:0-23案例-学生管理系统（二）
- folder:0-24基础加强练习
- folder:0-11字符串定义切片
- folder:0-25可变类型及非可变类型
- folder:0-10循环else
- folder:0-30文件操作案例
- folder:0-6机器学习算法回顾总结（有需要的同学可以看看）
- folder:0-3 循环神经网络基础
- folder:0-1 opencv简介
- folder:0-5 yolo v4算法介绍
- folder:0-2 Pytorch张量操作
- folder:0-6 深度学习优化理论
- folder:0-15 车道线曲率计算
- folder:SURF算法
- folder:DeepSort
扫码获取资源