【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:01-计算机视觉CV课程环境使用说明文档.pdf
- file:03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.7z
- file:02-阶段4 （计算机视觉CV) 阶段6 （CV项目）.7z
- file:01-阶段1-3（python基础 、python高级、机器学习）.7z
- file:Iris数据集.7z
- file: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
- file: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
- 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: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: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
- file:05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念.mp4
- file: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
- file:12-Transformer—新增案例机器翻译模型-3模型构建.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:26-虚拟机的使用.mp4
- file:24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传.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:【主学习路线】04、阶段四计算机视觉与图像处理
- folder:【课外拓展】10、阶段十CV基础+项目（更新）
- folder:【主学习路线】03、阶段三人工智能机器学习
- folder:【课外拓展】03、阶段三赠送-文本摘要项目
- folder:【课件】
- folder:【课外拓展】05、阶段五阶段一python基础（更新）
- folder:7--第七章OpenCV简介_v2.0
- folder:11--第十一章视频操作_v2.0
- folder:2--第二章tensorflow入门_v2.0
- folder:第五章 5-03 - 人脸支付
- folder:第二章 2-深度学习核心模型与实战
- folder:第一章 1-Pytorch与深度学习基础
- folder:8--第八章线性回归V2.1
- folder:17--第十七章集成学习进阶V2.1
- folder:3--第三章matplotlibV2.1
- folder:第一章1-文本摘要项目
- folder:9--第九章MySql数据库基本使用
- folder:5--第五章HTTP协议和静态服务器
- folder:7--第七章正则表达式
- folder:1--第一章Linux基础命令
- folder:6--第六章闭包,装饰器及python高级语法
- folder:第一章1-python基础编程
- 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:第二章2-机器学习算法进阶
- folder:12--第十二章函数强化
- folder:1--第一章计算机组成原理
- folder:17--第十七章学生管理系统(面向对象版)
- folder:2--第二章图像分割应用
- folder:3--第三章生成对抗学习
- folder:10--第十章贝叶斯方法实现及粒子滤波
- folder:第二章2-SQL基础
- folder:第三章 3-面试篇
- folder:无课程相关内容
- folder:3--第三章 文本预处理-v2.0
- folder:9--第九章 fasttext工具的使用-v2.0
- folder:8--第八章 Transformer架构解析-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:12--第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0
- folder:1--图像处理简介
- folder:3--OpenCV的模块
- folder:2--计算机视觉（CV）
- folder:3--Unet-案例
- folder:2--语义分割：FCN与Unet
- folder:4--实例分割：MaskRCNN
- folder:2--视频追踪
- folder:5--LBP和HOG特征算子
- folder:2--Harris和Shi-Tomas算法
- folder:4--Fast和ORB算法
- folder:1--tensorflow和keras简介
- folder:5--ResNet
- folder:6--模版匹配和霍夫变换
- folder:3--深度学习的优化方法
- folder:2--常见的损失函数
- folder:6--卷积神经网络CNN
- folder:2--R-CNN网络基础
- folder:6--SSD模型介绍
- folder:4--yolo系列算法
- folder:3--Faster-RCNN原理与实现
- folder:0-5 人脸识别
- folder:0-1 项目背景介绍
- folder:0-1 opencv简介
- folder:0-7 yolo v5案例
- folder:0-15 车道线曲率计算
- folder:0-11 图像去畸变
- folder:0-4 循环神经网络案例
- folder:0-4 Pytorch案例实战
- folder:0-5 深度学习基础理论
- folder:3--回归相关知识
- folder:3--lightGBM算法
- folder:6--交叉验证,网格搜索
- folder:7--案例Facebook位置预测
- folder:1--环境安装及使用
- folder:4--北京租房数据统计分析
- folder:3--案例泰坦生存预测
- folder:3--pandas高级使用
- folder:4--电影案例分析
- folder:0-17PGN模型的搭建
- folder:0-2项目中的数据集初探
- folder:0-38Flask实现模型部署
- folder:0-32回译数据法实现和评估
- folder:0-11词向量的单独训练
- folder:0-22ROUGE算法理论
- folder:0-33半监督学习法原理和实现
- folder:0-28Beam-search模型类实现
- folder:0-14数据预处理
- folder:0-35模型转移实现
- folder:0-4TextRank算法实现模型
- folder:0-5seq2seq架构
- folder:0-24coverage机制原理
- folder:0-30单词替换法的类实现
- folder:0-16迭代器和类的实现
- folder:0-2人脸检测子任务
- folder:3--where条件查询
- folder:2--静态web服务器搭建
- folder:3--TCP开发流程
- folder:3--property语法
- folder:13--二分查找
- folder:5--进程和线程的对比
- folder:8--PyMySQL的使用
- folder:0-26递推
- folder:0-33python模块与包
- folder:0-7while循环
- 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:0-24基础加强练习
- folder:0-23案例-学生管理系统（二）
- folder:0-25可变类型及非可变类型
- folder:0-34案例-飞机大战
- folder:0-30文件操作案例
- folder:0-18公共方法与推导式
- folder:0-22不定长参数与组包拆包
- folder:0-28lambda表达式
- folder:0-10循环else
- folder:0-6类属性方法
- folder:0-4面向对象封装与继承
- folder:17--在视频中进行车道线检测
- folder:20--数据集处理（选学）
- folder:15--车道线定位与拟合
- folder:18--SIamese网络系列（选学）
- folder:16--车道曲率与车辆偏离中心线距离
- folder:3--特征工程和fasttext模型训练
- folder:2--构建标签词汇图谱
- folder:5--系统联调和测试
- folder:21--BiLSTM+CRF模型
- folder:30--进行模型训练1
- folder:6--neo4j图数据库的安装
- folder:8--在Python中使用neo4j
- folder:10--结构化数据流水线
- folder:28--BERT中文预训练模型1
- folder:7--Cypher介绍与使用
- folder:27--任务介绍与模型选用及训练数据集
- folder:3--在线医生的总体架构
- folder:2--Unit对话API使用
- folder:26--主要逻辑服务
- folder:4--总体架构中的工具介绍
- folder:18--命名实体识别介绍
- folder:25--werobot服务构建
- folder:0-2朴素贝叶斯算法
- folder:0-6机器学习算法回顾总结（有需要的同学可以看看）
- folder:8--数据类型转换
- folder:9--函数返回值二
- folder:11--拆包,交换变量
- folder:2--课后练习(学员管理系统)
- folder:4--文件及文件夹的相关操作
- folder:3--if...elif...else格式
- folder:4--break和continue
- folder:6--for循环
- folder:3--DeepQ-Network
- folder:2--Q-learning算法
- folder:1--自动编码器历史与应用介绍
- folder:4--变分自动编码器
- folder:0-6SQL高阶特性
- folder:0-2Linux终端基本使用
- folder:0-4HTML基础
- folder:0-13With上下文管理器
- folder:0-18FastAPI搭建Web服务器
- folder:0-6Socket网络编程
- folder:5--文本的特征处理
- folder:3--NLP中的常用预训练模型
- folder:4--维特比算法解码隐藏状态序列
- folder:5--多头注意力机制
- folder:8--self-attention公式中添加scaled的原因
- 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:7--Transformer可以代替seq2seq的原因
- folder:9--Transformer架构的并行化是如何进行的
- 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:10--BERT模型的优点和缺点
- folder:3--Transformer结构中的Decoder端具体输入
- folder:2-- Pytorch中的autograd
- folder:3--使用Pytorch构建一个神经网络
- folder:1--认识pytorch
- folder:4--请详述BERT, GPT, ELMo模型的对比和各自的优缺点
- folder:2--使用seq2seq模型架构实现英译法任务
- folder:1--使用RNN模型构建人名分类器
- folder:SURF算法
- folder:deepsort算法
扫码获取资源