夸克网盘
10积分
![某大学出版社1416册图书合辑 [PDF]](https://soukemao.com/wp-content/uploads/thumb/replace/2026/02/20/fill_w300_h200_g0_mark_7dfc55c5aa70d6677b68cefad3dbd3ae.webp)
![某大学出版社1416册图书合辑 [PDF]](https://soukemao.com/wp-content/uploads/thumb/replace/2026/02/20/fill_w240_h160_g0_mark_7dfc55c5aa70d6677b68cefad3dbd3ae.webp)
唐宇迪博士长期深耕于人工智能与计算机科学领域，其精心打造的37门视频课程合集备受瞩目。该课程覆盖「人工智能」「大数据」「计算机视觉」「编程开发」「数据科学」五大技术赛道，构建起“基础理论+实战项目+行业应用”的全链路知识体系。
课程由浅入深，从零基础入门逐步过渡到高阶进阶。底层技术基石方面，涵盖Python编程、机器学习算法等内容；前沿领域聚焦深度学习框架（PyTorch/TensorFlow）、计算机视觉（图像识别/目标检测）、自然语言处理（NLP模型优化）等；热门应用场景则延伸至大数据处理（Hadoop/Spark）、Web开发（前后端实战）、数据挖掘与分析等。
每门课程均以“理论讲解+代码演示+项目实战”为核心模式，通过智能安防、医疗影像分析、电商推荐系统等工业级案例，拆解技术难点。同时配套随堂代码与数据集，助力学员学完即可上手实践。
凭借唐宇迪老师深入浅出的授课风格，以及其丰富的科研与产业经验，无论你是学生、职场转型者，还是技术开发者，都能在这套课程中找到契合自身需求的学习路径，高效进阶为技术高手。
课时1课程介绍（主题与大纲.flv75.2MB课时2AI时代首选Python.flv19.98MB课时3Python我该怎么学.flv10.54MB课时4人工智能的核心-机器学习.flv21.82MB
课时5机器学习怎么学？.mp426.64MB课时6算法推导与案例.mp427.37MB课时7使用Anaconda安装python环境（Python新手先看这个）.flv102.85MB课时9科学计算库Numpy.mp448.7MB课时10Numpy基础结构.mp438.47MB课时11Numpy矩阵基础.mp424MB课时12Numpy常用函数.mp449.64MB课时13矩阵常用操作.mp436.97MB课时14不同复制操作对比.mp438.22MB课时15Pandas数据读取.mp472.81MB课时16Pandas索引与计算.mp456.46MB课时17Pandas数据预处理实例.mp458.04MB课时18Pandas常用预处理方法.mp443.95MB课时19Pandas自定义函数.mp441.13MB课时20Series结构.mp484.3MB课时21折线图绘制.mp443.41MB课时22子图操作.mp469.73MB课时23条形图与散点图.mp459.75MB课时24柱形图与盒图.mp449.23MB课时25细节设置.mp450.01MB课时26Seaborn简介.mp49.65MB课时27整体布局风格设置.mp447.78MB课时28风格细节设置.mp450.69MB课时29调色板.mp439.01MB课时30调色板颜色设置.mp437.5MB课时31单变量分析绘图.mp447.76MB课时32回归分析绘图.mp451.2MB课时33多变量分析绘图.mp446.52MB课时34分类属性绘图.mp450.96MB课时35Facetgrid使用方法.mp435.2MB课时36Facetgrid绘制多变量.mp454.56MB课时37热度图绘制.mp476.17MB课时38线性回归算法概述.mp439.71MB课时39误差项分析.mp434.42MB课时40似然函数求解.mp424.85MB课时41目标函数推导.mp425.79MB课时42线性回归求解.mp430.27MB课时43梯度下降原理.mp436.99MB课时44梯度下降方法对比.mp422.34MB课时45学习率对结果的影响.mp417.43MB课时46逻辑回归算法原理推导.mp431.26MB课时47逻辑回归求解.mp444.53MB课时48Python实现逻辑回归任务概述.mp433.22MB课时49完成梯度下降模块.mp456.34MB课时50停止策略与梯度下降案例.mp451.85MB课时51实验对比效果.mp466.61MB课时52案例背景和目标.mp438.79MB课时53样本不均衡解决方案.mp447.35MB课时54下采样策略.mp431.2MB课时55交叉验证.mp444.53MB课时56模型评估方法.mp441.93MB课时57正则化惩罚.mp426.86MB课时58逻辑回归模型.mp439.63MB课时59混淆矩阵.mp451.98MB课时60逻辑回归阈值对结果的影响.mp446.37MB课时61SMOTE样本生成策略.mp4103.95MB课时62决策树原理概述.mp434.93MB课时63衡量标准-熵.mp435.22MB课时64决策树构造实例.mp430.47MB课时65信息增益率.mp416.62MB课时66决策树剪枝策略.mp449.13MB课时67决策树复习.mp427.24MB课时68决策树涉及参数.mp480.14MB课时69树可视化与sklearn库简介.mp4164.33MB课时70sklearn参数选择.mp459.21MB课时71集成算法-随机森林.mp435.32MB课时72特征重要性衡量.mp434.57MB课时73提升模型.mp433.51MB课时74堆叠模型.mp419.56MB课时75船员数据分析.mp448.06MB课时76数据预处理.mp452.54MB课时77使用回归算法进行预测.mp454.19MB课时78使用随机森林改进模型.mp462.91MB课时79随机森林特征重要性分析.mp471.36MB课时80贝叶斯算法概述.mp419.15MB课时81贝叶斯推导实例.mp420.65MB课时82贝叶斯拼写纠错实例.mp430.86MB课时83垃圾邮件过滤实例.mp438.85MB课时84贝叶斯实现拼写检查器.mp484.05MB课时85文本分析与关键词提取.mp432.99MB课时86相似度计算.mp434.53MB课时87新闻数据与任务简介.mp478.7MB课时88TF-IDF关键词提取.mp4117.57MB课时89LDA建模.mp469.6MB课时90基于贝叶斯算法进行新闻分类.mp4124.03MB课时91支持向量机要解决的问题.mp427.2MB课时92距离与数据的定义.mp428.16MB课时93目标函数.mp427MB课时94目标函数求解.mp429.93MB课时95SVM求解实例.mp438.09MB课时96支持向量的作用.mp432.91MB课时97软间隔问题.mp417.87MB课时98SVM核变换.mp462.89MB课时99sklearn求解支持向量机.mp462.76MB课时100SVM参数选择.mp486.65MB课时101KMEANS算法概述.mp432.29MB课时102KMEANS工作流程.mp425.3MB课时103KMEANS迭代可视化展示.mp454.5MB课时104使用Kmeans进行图像压缩.mp433.5MB课时105DBSCAN聚类算法.mp434.57MB课时106DBSCAN工作流程.mp451.28MB课时107DBSCAN可视化展示.mp454.3MB课时108多种聚类算法概述.mp411.88MB课时109聚类案例实战.mp4134.02MB课时110PCA降维概述.mp421.91MB课时111PCA要优化的目标.mp437.35MB课时112PCA求解.mp431.97MB课时113PCA实例.mp449.2MB课时114初识神经网络.mp443.76MB课时115计算机视觉所面临的挑战.mp431.05MB课时116K近邻尝试图像分类.mp429.09MB课时117超参数的作用.mp430.15MB课时118线性分类原理.mp423.09MB课时119神经网络-损失函数.mp425.81MB课时120神经网络-正则化惩罚项.mp418.94MB课时121神经网络-softmax分类器.mp434.64MB课时122神经网络-最优化形象解读.mp420.16MB课时123神经网络-梯度下降细节问题.mp430.45MB课时124神经网络-反向传播.mp440.67MB课时125神经网络架构.mp426.55MB课时126神经网络实例演示.mp4109.07MB课时127神经网络过拟合解决方案.mp442.99MB课时128感受神经网络的强大.mp448.43MB课时129集成算法思想.mp414.33MB课时130xgboost基本原理.mp427.73MB课时131xgboost目标函数推导.mp432.96MB课时132xgboost求解实例.mp436.56MB课时133xgboost安装.mp416.66MB课时134xgboost实战演示.mp477.96MB课时135Adaboost算法概述.mp439.18MB课时136自然语言处理与深度学习.mp432.62MB课时137语言模型.mp414.27MB课时138-N-gram模型.mp423.48MB课时139词向量.mp422.63MB课时140神经网络模型.mp427.48MB课时141Hierarchical Softmax-课时142CBOW模型实例.mp459.23MB课时143CBOW求解目标.mp415.6MB课时144梯度上升求解.mp427.9MB课时145负采样模型.mp417.54MB课时146使用Gensim库构造词向量.mp437.84MB课时147维基百科中文数据处理.mp486.86MB课时148Gensim构造word2vec模型.mp443.58MB课时149测试模型相似度结果.mp441.09MB课时150使用python库分析汽车油耗效率.mp460.27MB课时151使用scikit-learn库建立回归模型.mp450.13MB课时152使用逻辑回归改进模型效果.mp448.29MB课时153 模型效果衡量标准.mp474.23MB课时154ROC指标与测试集的价值.mp470.13MB课时155交叉验证.mp469.86MB课时156多类别问题.mp464.21MB课时157Kobe Bryan生涯数据读取与简介.mp439.63MB课时158特征数据可视化展示.mp464.22MB课时159数据预处理.mp457.64MB课时160使用Scikit-learn建立模型.mp453.12MB课时161章节简介.mp45.17MB课时162Pandas生成时间序列.mp462.49MB课时163Pandas数据重采样.mp442.44MB课时164Pandas滑动窗口.mp429.75MB课时165数据平稳性与差分法.mp440.29MB课时166ARIMA模型.mp427.52MB课时167相关函数评估方法.mp445.67MB课时168建立ARIMA模型.mp441.42MB课时169参数选择.mp472.48MB课时170股票预测案例.mp461.95MB课时171使用tsfresh库进行分类任务.mp4120.6MB课时172维基百科词条EDA.mp4111.43MB课时173数据清洗过滤无用特征.mp493.11MB课时174数据预处理.mp485.51MB课时175获得最大利润的条件与做法.mp450.32MB课时176预测结果并解决样本不均衡问题.mp467.89MB课时177数据背景介绍.mp439.32MB课时178数据预处理.mp445.27MB课时179尝试多种分类器效果.mp433.25MB课时180结果衡量指标的意义.mp460.58MB课时181应用阈值得出结果.mp434.44MB课时182内容简介.mp49.56MB课时183数据背景介绍.mp461.63MB课时184数据读取与预处理.mp492.37MB课时185数据切分模块.mp485.53MB课时186缺失值可视化分析.mp4115MB课时187特征可视化展示.mp473.14MB课时188多特征之间关系分析.mp468.36MB课时189报表可视化分析.mp469.24MB课时190红牌和肤色的关系.mp4150.79MB课时191数据背景简介.mp475.52MB课时192数据切片分析.mp4121.54MB课时193单变量分析.mp4118.81MB课时194峰度与偏度.mp454.83MB课时195数据对数变换.mp446.26MB课时196数据分析维度.mp449.3MB课时197变量关系可视化展示.mp4105.19MB课时198建立特征工程.mp475.25MB课时199特征数据预处理.mp459.3MB课时200应用聚类算法得出异常ip点.mp470.46MB
1.wmv137.58MB2.wmv25.98MB3.wmv26.34MB4.wmv27.06MB5.wmv16.11MB6.wmv21.03MB7.wmv13.96MB8.wmv28.77MB9.wmv13.2MB10.wmv20.67MB11.wmv28.71MB1.wmv19.25MB2.wmv74.74MB3.wmv31.02MB1.wmv55.83MB2.wmv24.43MB3.wmv85.41MB4.wmv42.95MB5.wmv60.91MB6.wmv57.41MB7.wmv61.85MB
nn代码.rar661.41KB001、深度学习入门课程01 感受卷积神经网络的强大.mp431.02MB002、深度学习入门课程02 卷积层详解.mp413.7MB003、深度学习入门课程03 卷积计算流程.mp419.7MB004、深度学习入门课程04 卷积核参数分析.mp420.04MB005、深度学习入门课程05 卷积参数共享原则.mp411.46MB006、深度学习入门课程06 池化层（Pooling）原理.mp411.28MB007、深度学习入门课程07 卷积神经网络反向传播原理.mp421.05MB008、深度学习入门课程08 实现卷积层的前向传播与反向传播.mp427.09MB009、深度学习入门课程09 实现Pooling层的前向传播与反向传播.mp444.06MB010、深度学习入门课程10 经典卷及网络架构实例.mp451.26MB011、深度学习入门课程11 RNN网络结构.mp49.42MB012、RNN网络细节.mp49.98MB013、深度学习入门课程12 python实现RNN算法.mp4104.84MB014、深度学习入门课程13 LSTM网络结构简介.mp411.8MB015、深度学习入门课程14 分类与回归（Location）任务应用详解.mp442.53MB016、深度学习入门额课程15 物体检测实例.mp445.53MB017、深度学习入门课程16 如何巧妙设计网络结构.mp428.31MB018、深度学习入门课程17 训练技巧之数据增强.mp416.48MB019、深度学习入门课程18 训练技巧之Transfer Learning.mp413.7MB020、深度学习入门课程19 深度学习框架Caffe简介.mp443.33MB021、深度学习入门课程20 深度学习框架Caffe训练过程.mp4172.98MB022、深度学习入门课程21 深度学习框架Caffe接口使用实例.mp442.85MB
tensorflow.pptx792.83KB
tensorflow代码.zip2.09MB验证码识别.zip156.92MB001、Tensorflow案例实战视频课程01 课程简介.mp41.04MB002、Tensorflow案例实战视频课程02 Tensorflow安装.mp420.65MB003、Tensorflow案例实战视频课程03 基本计算单元-变量.mp417.79MB004、Tensorflow案例实战视频课程04 常用基本操作.mp438.1MB005、Tensorflow案例实战视频课程05 构造线性回归模型.mp438.87MB006、Tensorflow案例实战视频课程06 Mnist数据集简介.mp435.47MB007、Tensorflow案例实战视频课程07 逻辑回归框架.mp426.27MB008、Tensorflow案例实战视频课程08 迭代完成逻辑回归模型.mp464.14MB009、Tensorflow案例实战视频课程09 神经网络模型架构.mp414.64MB010、Tensorflow案例实战视频课程10 训练神经网络.mp446.08MB011、Tensorflow案例实战视频课程11 卷积神经网络模型架构.mp423.85MB012、Tensorflow案例实战视频课程12 卷积神经网络模型参数.mp491.28MB013、Tensorflow案例实战视频课程13 模型的保存和读取.mp493.05MB014、Tensorflow案例实战视频课程14 加载训练好的VGG网络模型.mp429.57MB015、Tensorflow案例实战视频课程15 使用VGG模型进行测试.mp467.69MB016、Tensorflow案例实战视频课程16 使用RNN处理Mnist数据集.mp415.52MB017、Tensorflow案例实战视频课程17 RNN网络模型.mp443.96MB018、Tensorflow案例实战视频课程18 训练RNN网络.mp491.96MB019、Tensorflow案例实战视频课程19 验证码数据生成.mp434.07MB020、Tensorflow案例实战视频课程20 构造网络的输入数据和标签.mp430.14MB021、Tensorflow案例实战视频课程21 卷积网络模型定义.mp460.05MB022、Tensorflow案例实战视频课程22 迭代及测试网络效果.mp448.76MB01深度学习框架caffe简介[瑞客论坛 ].mp427.85MB03网络配置-数据层详解[瑞客论坛 ].mp460.25MB04网络配置-各计算层详解[瑞客论坛 ].mp482.2MB05solver超参数配置文件[瑞客论坛 ].mp471.12MB06制作LMDB数据源训练分类网络[瑞客论坛 ].mp4130.05MB07多label问题之HDF5数据源[瑞客论坛 ].mp488.9MB08使用命令行训练网络1[瑞客论坛 ].mp465.22MB09使用python定义自己的层[瑞客论坛 ].mp486.7MB10绘制网络结构图[瑞客论坛 ].mp446.29MB11生成网络配置文件[瑞客论坛 ].mp448.16MB12对训练的网络模型绘制LOSS曲线[瑞客论坛 ].mp447.53MB13对训练结果进行分类任务[瑞客论坛 ].mp488.3MB
caffe案例资料-昕昕网络教程[瑞客论坛 ].txt92B
alexnet_iter_50000_full_conv.caffemodel216.97MBalexnet_trainval.prototxt5.37KBtotxt 暂时无用4.74KBdeploy_full_conv.prototxt4.63KBface-lmdb.sh1.56KBface_detect.ipynb205.49KBface_rect.txt1.05MBfaceTrain.zip3.09GBrun_face_detect_batch.py7.8KBtotxt493BtestTrain.zip796.56MB
tmp9055.jpg185.54KBtotxt5.74KBtrain.sh218Btrain.txt1022.74KBtrain.zip647.19MB01-人脸检测项目概述.mp46.24MB02-课程数据，代码下载链接.txt31B03-数据收集.mp450.41MB04-正负样本裁剪策略.mp447.4MB05-Caffe数据源准.mp450.71MB06-LMDB脚本文件.mp430.15MB07-制作LMDB数据源.mp442.88MB08-网络模型配置文件.mp446.21MB09-选择合适的参数并训练网络模型.mp453.83MB10-检测算法框架原理.mp453.05MB11-实现多尺度人脸检测算法.mp469.21MB12-坐标映射变换.mp457.62MB13-完成检测代码.mp438.74MB14-检测效果及改进.mp444.94MB15-优化策略分析.mp456.2MB16-模型准确率影响因素分析.mp427.15MB17-项目总结.mp459.01MB
人脸检测-昕昕网络教程.docx491.26KBcode.zip21.35KBdeep_landmark.zip586.03MB001、深度学习项目实战01 人脸关键点检测算法框架.mp418.79MB002、深度学习项目实战02 多标签数据源制作以及标签坐标转换.mp4105.36MB003、深度学习项目实战03 对原始数据进行数据增强.mp437.15MB004、深度学习项目实战04 完成第一阶段HDF5数据源制作.mp468.85MB005、深度学习项目实战05 第一阶段网络训练.mp440.15MB006、深度学习项目实战06 第二三阶段网络数据源制作.mp4120.61MB007、深度学习项目实战07 第二三阶段网络模型训练.mp446.76MB008、深度学习项目实战08 网络模型参数初始化.mp448.8MB009、深度学习项目实战09 完成全部测试结果.mp453.81MB010、深度学习项目实战10 人脸关键点检测效果.mp446.82MB011、深度学习项目实战11 项目总结分析.mp430.32MB012、深度学习项目实战12 算法框架分析.mp435.68MB课时01.课程简介.flv26.86MB
课时02.课程数据，代码下载.swf111.26KB课时03.使用Anaconda搭建python环境.flv67.95MB课时04.Kobe.Bryan生涯数据读取与简介.flv32.2MB课时05.特征数据可视化展示.flv66.46MB课时06.数据预处理.flv52.21MB课时07.使用scikit-learn建立分类模型.flv47.91MB课时08.数据简介及面临的挑战.flv48.33MB课时09.数据不平衡问题解决方案.flv47.8MB课时10.逻辑回归进行分类预测.flv71.55MB课时11.使用阈值来衡量预测标准.flv90.82MB课时12.使用数据生成策略.flv82.62MB课时13.数据简介与特征课时化展示.flv62.3MB课时14.不同特征的分布规则.flv26.8MB课时15.决策树模型参数详解.flv43.23MB课时16.决策树中参数的选择.flv46.69MB课时17.将建立好决策树可视化展示出来.flv54.79MB课时18.船员数据分析.flv19.71MB课时19.数据预处理.flv50.04MB课时20.使用回归算法进行预测.flv66.51MB课时21.使用随机森林改进模型.flv61.34MB课时22.随机森林特征重要性分析.flv53.33MB课时23.级联模型原理.flv13.49MB课时24.数据预处理与热度图.flv51.49MB课时25.二阶段输入特征制作.flv16.32MB课时26.使用级联模型进行预测.flv100.08MB课时27.数据简介与特征预处理.flv63.14MB课时28.员工不同属性指标对结果的影响.flv67.8MB课时29.数据预处理.flv45.57MB课时30.构建预测模型.flv33.99MB课时31.基于聚类模型的分析.flv29.93MB课时32.tensorflow框架的安装.flv18.43MB课时33.神经网络模型概述.flv28.49MB课时34.使用tensorflow设定基本参数.flv34.88MB课时35.卷积神经网络模型.flv29.04MB课时36.构建完整的神经网络模型.flv51.09MB课时37.训练神经网络模型.flv81.23MB课时38.PCA原理简介.flv9.37MB课时39.数据预处理.flv31.18MB课时40.协方差分析.flv38.82MB课时41.使用PCA进行降维.flv32.64MB课时42.数据简介与故事背景.flv27.89MB课时43.基于词频的特征提取.flv52.7MB课时44.改进特征选择方法.flv64.62MB课时45.数据清洗.flv60.83MB课时46.数据预处理.flv69.77MB课时47.盈利方法和模型评估.flv42.48MB课时48.预测结果.flv60.14MBbird.zip125.74MB
强化学习.pdf2.17MBValueIteration.py2.42KB1-1.强化学习简介.mp472.15MB1-2.强化学习基本概念.mp448.35MB1-3.马尔科夫决策过程.mp438.43MB1-4.Bellman方程.mp458.54MB1-5.值迭代求解.mp458.57MB1-6.代码实战求解过程.mp478.8MB1-7.Q-Learning基本原理.mp438.21MB1-8.Q-Learning迭代计算实例.mp443.73MB1-9.Q-Learning迭代效果.mp441.65MB1-10.求解流程详解.mp4101.21MB2-1.Deep-Q-Network原理.mp434.93MB2-2.Deep-Q-Learning网络细节.mp453.81MB2-3,Deep Q-Learning网络参数配置.mp455.55MB2-4.搭建Deep Q-Learning网络模型.mp481.46MB2-5.Deep Q Learning卷积操作定义.mp474.78MB2-6.数据预处理.mp484.46MB2-7.实现阶段数据存储.mp459.47MB2-8.实现训练模块.mp476MB2-9.Debug解读训练代码.mp453.37MB2-10.完整代码流程分析.mp4123.15MB2-11.Deep Q-Learning效果演示.mp445.06MB数据-代码.zip174B1.wmv6.36MB2.wmv9.55MB3.wmv16.27MB4.wmv28.63MB5.wmv61.24MB6.wmv52.58MB7.wmv56.41MB8.wmv52.22MB9.wmv52.92MB10.wmv66.02MB11.wmv58.92MB12.wmv66.96MB13.wmv64.49MB14.wmv35.89MB15.wmv50.71MB1.wmv3.45MB2.wmv22.78MB3.wmv18.94MB4.wmv18.4MB1.wmv40.13MB2.wmv49.95MB3.wmv62.05MB1.wmv34.92MB2.wmv41.94MB3.wmv64.44MB4.wmv53.31MB5.wmv26.4MB6.wmv55.72MB7.wmv17.16MB8.wmv40.19MBpoem.zip96.97MBRNN与LSTM.pptx1.09MBtensorflow-RNN.pptx792.83KB1.wmv7.36MB2.wmv14.41MB3.wmv14.01MB4.wmv24.74MB5.wmv26.5MB1.wmv50.1MB2.wmv48.3MB3.wmv50.95MB4.wmv76.73MB1.wmv27.84MB2.wmv39.25MB3.wmv47.96MB4.wmv51.69MB5.wmv48.24MBSeq2Seq网络.rar658.07KB83f2b0137888ff19f7d3236cfac42ffbee5685.pdf4.64MB4166643538787b5802a551e0f477a5ee0a76aa.pdf5.1MB61991ea3586e3039a1f35302945da0e62ed276.pdf800.18KBc2da8f6984015ae113e2401190107a348be42c.pdf2.9MBd9a9027182bae247583555443e5015383b2c29.pdf6.49MB第十一集.wmv62.85MB
第十四.avi221.7MB第八课.wmv22.54MB第二课.wmv205.63MB第九课.wmv26.67MB第六课.wmv82.95MB第七课.wmv48.38MB第十二课.mp445.26MB第十课.wmv33.07MB第三课.wmv130.41MB第四课.wmv64.27MB第十六课.avi222.78MB第十三课.avi235.04MB第十五课.wmv173.88MB第五课.wmv50.4MB第一课.课程简介.txt74B1-昕昕网络教程.wmv35.16MB2-昕昕网络教程.wmv72.2MB3-昕昕网络教程.wmv40.24MB4-昕昕网络教程.wmv37.33MB1-昕昕网络教程.wmv15.13MB2-昕昕网络教程.wmv45.95MB3-昕昕网络教程.wmv38.54MB4-昕昕网络教程.wmv33.46MB5-昕昕网络教程.wmv44.05MB6-昕昕网络教程.wmv44.83MB7-昕昕网络教程.wmv42.82MB1-昕昕网络教程.wmv14.63MB2-昕昕网络教程.wmv26.6MB3-昕昕网络教程.wmv10.91MB4-昕昕网络教程.wmv20.49MB5-昕昕网络教程.wmv16.37MB6-昕昕网络教程.wmv24.12MB7-昕昕网络教程.wmv20.39MB8-昕昕网络教程.wmv28.46MB9-昕昕网络教程.wmv13.17MB10-昕昕网络教程.wmv22.27MB11-昕昕网络教程.wmv13.97MB数据下载地址[瑞客论坛 ].txt229Bstyle-transfer代码[瑞客论坛 ].zip84.03MB
文件放哪[瑞客论坛 ].png12.82KB001、课程简介[瑞客论坛 ].mp421.06MB002、Tensorflow安装[瑞客论坛 ].mp410.64MB003、style-transfer基本原理[瑞客论坛 ].mp424MB004、风格生成网络结构原理[瑞客论坛 ].mp413.91MB005、风格生成网络细节[瑞客论坛 ].mp421.55MB006、风格转换效果展示[瑞客论坛 ].mp427.84MB007、风格转换参数配置[瑞客论坛 ].mp456.89MB008、数据读取操作[瑞客论坛 ].mp437.44MB009、VGG体征提取网络结构[瑞客论坛 ].mp442.28MB010、内容与风格特征提取[瑞客论坛 ].mp437.95MB011、生成网络结构定义[瑞客论坛 ].mp49.62MB012、生成网络计算操作[瑞客论坛 ].mp444.17MB013、参数初始化[瑞客论坛 ].mp437.05MB014、Content损失计算[瑞客论坛 ].mp417.47MB015、Style损失计算[瑞客论坛 ].mp432.2MB016、完成训练模块[瑞客论坛 ].mp438.38MB017、模型保存与打印结果[瑞客论坛 ].mp432.48MB018、完成测试代码[瑞客论坛 ].mp456.79MBDCGAN.zip284.63MBGAN.pptx2.13MB人脸数据.zip647.33MB1.课程简介.mp457.22MB2.对抗生成网络形象解释.mp444.33MB3.对抗生成网络工作原理.mp443.29MB4.案例实战对抗生成网络：环境配置.mp449.5MB5.案例实战对抗生成网络：构造判别网络模型.mp459.75MB6.案例实战对抗生成网络：构造生成网络模型.mp452.73MB7.案例实战对抗生成网络：构造损失函数.mp444.07MB8.案例实战对抗生成网络：训练对抗生成网络.mp462.69MB9.DCGAN基本原理.mp461.99MB10.DCGAN的网络模型架构.mp485.36MB11.DCGAN项目实战：DIY你要生成的数据.mp485.58MB12.DCGAN项目实战：配置参数.mp478.43MB13.DCGAN项目实战：基于卷积的生成网络架构.mp487.34MB14.DCGAN项目实战：基于卷积的判别网络.mp447.4MB15.DCGAN项目实战：训练DCGAN网络.mp445.5MBDCGAN.zip284.63MB人脸数据.zip647.33MB01系列课程概述.mp47.9MB02推荐系统应用.mp432.65MB03数据,代码下载（点击参考资料下载）.zip182B04推荐系统要完成的任务.mp417.39MB05相似度计算.mp427.84MB06基于用户的协同过滤.mp424.03MB07基于物品的协同过滤.mp436.44MB08隐语义模型.mp419.86MB09隐语义模型求解.mp426.84MB10模型评估标准.mp417.48MB11Surprise库与数据简介.mp434.18MB12Surprise库使用方法.mp443.31MB13得出推荐商品结果.mp463.28MB14使用Tensorflow构建隐语义模型.mp446.65MB15模型架构.mp451.27MB16损失函数定义.mp451.75MB17训练网络.mp474.73MBsrdata.zip3.97GBsrgan超分辨率重构.zip532.56MB高阶API.zip35.09MBglcic图像补全.zip178.82MB图像补全人脸数据.zip1.31GBTensorflow-图像处理视频课程01.mp4244.82MBTensorflow-图像处理视频课程02.mp4143.81MBTensorflow-图像处理视频课程03.mp4184.72MBTensorflow-图像处理视频课程04.mp4159.74MBTensorflow-图像处理视频课程05.mp498.94MBTensorflow-自然语言处理.rar776.99MBFaster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf6.49MBfaster-rcnn.pptx3.23MBFasterRcnn.zip2.74GBiccv15_tutorial_training_rbg.pdf17.36MBFaster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf6.49MBfaster-rcnn.pptx3.23MBFasterRcnn.zip2.74GBiccv15_tutorial_training_rbg.pdf17.36MB第一章 三代物体检测算法概述.mp4146.62MB第一章 三代物体检测算法概述.rar89.51MB第二章 faster-rcnn论文解读.mp4745.22MB第三章 tensorflow版本实现解读.rar631.08MBTensorflow-物体检测-Faster-Rcnn解读.zip216B高等数学.pdf1.12MB概率分布与概率密度.pdf640.21KB概率论.pdf2.33MB核函数.pdf477.72KB后验概率估计.pdf230.81KB激活函数.pdf264.4KB矩阵.pdf1.32MB拉格朗日乘子法.pdf599.32KB熵.pdf267.74KB似然函数.pdf384.36KBSVD.pdf396.61KB梯度.pdf702.08KB泰勒公式.pdf777.52KB特征值与特征向量.pdf386.91KB微积分.pdf960.85KB01-第一章.mp4125.85MB02-第二章至第七章.mp4893.42MB03-第八章.mp4367.23MB04-第九章至第十章.mp4231.08MB05-第十章补充.mp431.45MB06-第十一章至第十二章.mp41.17GB07-第十三章.mp4411.18MB08-第十四至第十五.mp4429.35MB09-第十六章.mp4453.04MB文本相似度.zip115.77MB1-1课程概述与环境配置[瑞客 论 坛 ].mp480.82MB1-2深度学习与人工智能概述[瑞客 论 坛 ].mp472.66MB1-3机器学习常规套路[瑞客 论 坛 ].mp449.99MB1-4K近邻与交叉验证[瑞客 论 坛 ].mp441.28MB1-5得分函数[瑞客 论 坛 ].mp435.35MB1-6损失函数[瑞客 论 坛 ].mp426.97MB1-7softmax分类器[瑞客 论 坛 ].mp425.26MB1-8课后讨论与答疑[瑞客 论 坛 ].mp4189.88MB神经网络（上课）[瑞客 论 坛 ].pdf11.7MB2-1梯度下降原理-2-2学习率的作用-2-3反向传播-2-4神经网络基础架构-2-5神经网络实例演示-2-6正则化与激活函数[瑞客 论 坛 ].mp4320.73MB2-7drop-out[瑞客 论 坛 ].mp439.05MB2-8课后讨论[瑞客 论 坛 ].mp459.21MB3-1tensorflow安装[瑞客 论 坛 ].mp441.07MB3-2tensorflow基本套路[瑞客 论 坛 ].mp455.01MB3-3tensorflow常用操作[瑞客 论 坛 ].mp440.72MB3-4tensorflow实现线性回归[瑞客 论 坛 ].mp497.75MB3-5tensorflow实现手写字体[瑞客 论 坛 ].mp465.61MB3-6参数初始化[瑞客 论 坛 ].mp447.73MB3-7迭代完成训练[瑞客 论 坛 ].mp472.59MB3-8课后讨论[瑞客 论 坛 ].mp4155.83MBmnist[瑞客 论 坛 ].zip11.06MB4-1卷积体征提取[瑞客 论 坛 ].mp443.21MB4-2卷积计算流程[瑞客 论 坛 ].mp444.05MB4-3卷积层计算参数[瑞客 论 坛 ].mp474.67MB4-4池化层操作[瑞客 论 坛 ].mp453.52MB4-5卷积网络整体架构[瑞客 论 坛 ].mp436.69MB4-6经典网络架构[瑞客 论 坛 ].mp465.41MB5-1卷积网络复习（验证码数据代码下载--）[瑞客 论 坛 ].mp428.1MB5-2使用CNN训练mnist数[瑞客 论 坛 ].mp459.93MB5-3卷积与池化操作[瑞客 论 坛 ].mp438.01MB5-4定义卷积网络计算流程[瑞客 论 坛 ].mp468.19MB5-5完成迭代训练[瑞客 论 坛 ].mp484.62MB5-6验证码识别概述[瑞客 论 坛 ].mp450.72MB5-7验证码识别流程[瑞客 论 坛 ].mp4122.88MB验证码案例[瑞客 论 坛 ].zip76.05MB6-1自然语言处理与深度学[瑞客 论 坛 ].mp436.52MB6-2语言模型[瑞客 论 坛 ].mp439.07MB6-3神经网络模型[瑞客 论 坛 ].mp430.43MB6-4CBOW模型[瑞客 论 坛 ].mp439.41MB6-5参数更新[瑞客 论 坛 ].mp445.15MB6-6负采样模型[瑞客 论 坛 ].mp420.02MB6-7案例：影评情感分类(数据[瑞客 论 坛 ].mp4124.33MB7-1基于词袋模型训练分类器[瑞客 论 坛 ].mp478.72MB7-2准备word2vec输入数据[瑞客 论 坛 ].mp464.7MB7-3使用gensim构建word2[瑞客 论 坛 ].mp4121.14MB7-4tfidf原理[瑞客 论 坛 ].mp4136.7MB7-5对抗生成网络原理概述(GAN数据代码下载---)[瑞客 论 坛 ].mp445.07MB7-6GAN网络结构定义[瑞客 论 坛 ].mp453.74MB7-7 Gan迭代生成[瑞客 论 坛 ].mp4107.14MB7-8DCGAN网络特性（DCGAN数据代码下载---）[瑞客 论 坛 ].mp443.23MB7-9DCGAN网络细节[瑞客 论 坛 ].mp480.44MB8-1 RNN网络架构[瑞客 论 坛 ].mp441.61MB8-2LSTM网络架构[瑞客 论 坛 ].mp433.59MB8-3案例：使用LSTM进行情[瑞客 论 坛 ].mp478.74MB8-4情感数据集处理[瑞客 论 坛 ].mp491.95MB8-5基于word2vec的LSTM模型[瑞客 论 坛 ].mp4143.34MB8-6趣味网络串讲（数据代[瑞客 论 坛 ].mp455.34MB8-7课后讨论版[瑞客 论 坛 ].mp427.42MBimagenet-vgg-verydeep-19[瑞客 论 坛 ].mat549.36MBtensorflow[瑞客 论 坛 ].pptx792.83KBtensorflow代码[瑞客 论 坛 ].zip2.09MB数值特征.ipynb217.17KB图像特征.ipynb259.5KB特征预处理.ipynb11.68KB文本特征.ipynb44.49KBGBDT.pdf763.79KBGBDT.zip51.6MBGBDT.zip51.6MB1.png186.7KB2.png62.65KB3.png698.34KB机器学习数据分析模板.ipynb4.18MB9-LDA与PCA算法.pdf1.04MB降维算法.zip443.73KB贝叶斯优化：Hyperopt.zip17.38MB贝叶斯优化：Hyperopt.zip17.38MB10-EM算法.pdf811.45KBHMM.pdf1.02MBdata.py318Bget_hmm_param.py2.64KBhmm_start.py823Bdata2.csv130.67KBhmm实践.ipynb5.78KB时间序列.ipynb188.97KB推荐系统.pdf2.13MB1.png45.33KB2.png30.4KB3.png42.96KB4.png12KB5.png3.61KB6.png60.31KB7.png77.29KB8.png68.76KB老版.ipynb344.85KBrecommendation_engines.py13.66KBRecommenders.py9.23KBsong_playcount_df.csv8.47MB推荐系统.ipynb363.54KBtrack_metadata.db711.61MBtrack_metadata_df_sub.csv5.94MBtrain_triplets.txt2.8GBtriplet_dataset_sub_song.csv648.3MBuser_playcount_df.csv44.14MB电影推荐.zip10.05MB1.png52.1KB2.png35.99KB3.png56.09KB4.png24.93KB5.png45.07KB6.png93.13KB7.png75.27KB8.png58.42KB9.png5.22KB10.png39.9KB11.png67.5KB
Folds5x2_pp.xlsx1.94MB学习曲线（Bias和Variance）.ipynb137.08KBclean_data.csv1.08MBGoogleNews-vectors-negative300.bin3.39GBsocialmedia_relevant_cols.csv1.21MBsocialmedia_relevant_cols_clean.csv1.23MBsocialmedia_relevant_cols_clean2.csv1.23MB自然语言处理方法对比.ipynb1.04MBword2vec.zip84.58MBword2vec.zip32.6MB工具.ipynb395.96KB2016_nyc_benchmarking_data_disclosure_definitions.pdf99.01KBBuilding Data Report.pdf769.6KBhw_assignment.docx13.93KBhw_assignment.pdf12.42KB机器学习项目实战-1-数据预处理.ipynb1.17MB机器学习项目实战-2-建模.ipynb318.22KB机器学习项目实战-3-分析.ipynb3.58MB1 数据特征.mp4236.06MB2 GBDT提升算法.mp462.15MB3 xgboost-gbdt-lightgbm提.mp472.56MB4 使用lightgbm进行饭店流.mp4104.96MB5 人口普查数据集项目实战.mp4221.09MB6 降维算法-线性判别分析.mp482.51MB7 贝叶斯优化及其工具包使用.mp4125.89MB8 贝叶斯优化实战.mp493.82MB10 HMM隐马尔科夫模型.mp4117.2MB11 HMM案例实战.mp466.6MB12 推荐系统.mp471.6MB13 音乐推荐系统实战.mp4208.37MB14 基于统计分析的电影推荐.mp4233.17MB15 学习曲线.mp474.22MB16 NLP-文本特征方法对比.mp4140.91MB17 使用word2vec分类任务.mp4156.21MB18 和 19 章.mp4180.62MB20 机器学习项目实战-数据处.mp4195.64MB21 机器学习项目实战-建模与.mp4154.56MB20181129_155828.mp4105.7MBKaggle 第一次课 1[瑞客 论坛 ].mp440.78MBKaggle 第一次课2 [瑞客 论坛 ].mp4278.13MBKaggle第1课：机器学习算法、工具与流程概述[瑞客 论坛 ].pdf5.94MB第2课 经济金融领域的应用[瑞客 论坛 ].pdf5.66MBKaggle 第二次课[瑞客 论坛 ].mp4210.6MB5-2[瑞客 论坛 ].mp4310.46MBkaggle第三课[瑞客 论坛 ].mp4357.86MBNew3[瑞客 论坛 ].mp4411.91MBKaggle4_2[瑞客 论坛 ].mp4260.82MBKaggle第四课第一部分[瑞客 论坛 ].mp488.64MB
