林粒粒老师打造的“零基础玩转AI大模型开发:从入门到实战”课程,是专为小白精心设计的AI大模型开发实战课程。课程内容丰富全面,涵盖Python基础、OpenAI API使用、提示词工程、LangChain框架等核心知识。在课程中,通过视频脚本生成、小红书文案创作、AI聊天助手、PDF问答工具这4个实战项目,手把手带领学习者开发智能应用。从环境配置到项目部署,20节精华内容层层递进。例如在Python基础部分,从安装Python和PyCharm开始讲起,到函数、类、文件操作等知识,让零基础者也能快速上手。在AI大模型应用开发方面,详细介绍OpenAI API密钥创建、API用法示例等,还涉及到L…...

路飞Python人工智能AI工程师课程是一套致力于培养专业人工智能工程师的学习资源。
课程内容丰富全面,从Python快速入门开始,涵盖了Python数据科学必备工具包实战,如numpy、pandas、matplotlib、seaborn等工具包的使用,让学习者熟练掌握数据处理与可视化技能。
人工智能必备数学课程部分,讲解了函数、极限、微积分、概率统计等数学知识,为深入学习人工智能奠定坚实的数学基础。机器学习算法精讲及其案例应用模块,对线性回归、逻辑回归、KMEANS、决策树等多种算法进行了剖析,并通过大量实例让学习者掌握算法应用。此外,还有机器学习算法建模实战项目以及案例实战应用集锦,如气温预测、新闻文本分析、音乐推荐、股价预测等,提升学习者的实际项目操作能力。
其特色在于理论与实践紧密结合,不仅有系统的理论知识讲解,还有丰富的实战案例,帮助学习者更好地理解和应用所学知识。适合想要进入人工智能领域,掌握Python编程和机器学习算法的初学者,以及有一定基础想要进一步提升的工程师。
📢 以下文件由夸克网盘用户于2025-12-09分享(文件数量过多时仅展示部分文件)
路飞Python人工智能AI工程师91.78GB
第01模块:Python快速入门(新)2.09GB
1.1 开篇:讲师和课程内容介绍【耗时整理‖免费分享:】.mp416.56MB
1.2 开篇:授课模式须知.mp415.32MB
1.3 开篇:学习方法的建议【耗时整理‖免费分享:】.mp414.98MB
1.4 开篇:笔记和文档的编写【公众号:CunWorkNotes】.mp450.58MB
1.5 开篇:写在最后【耗时整理‖免费分享:】.mp43.52MB
2.1 今日概要.mp46.25MB
2.2 课堂笔记的创建【耗时整理‖】.mp46.61MB
2.3 常见计算机基本概念.mp439.74MB
2.4 编程语言.mp410.14MB
2.5 编译器和解释器【公众号:CunWorkNotes】.mp417.33MB
2.6 学习编程本质上的三件事【耗时整理‖】.mp46.05MB
2.7 编程语言的分类.mp414.69MB
2.8 Python介绍.mp415.24MB
2.9 Python解释器种类【公众号:CunWorkNotes】.mp418.5MB
2.10 CPython解释器版本.mp48.49MB
2.11 环境搭建说明【耗时整理‖免费分享:】.mp49.22MB
2.12 python解释器的安装(mac系统)【耗时整理‖】.mp454.36MB
2.13 python解释器的安装(win系统).mp465.47MB
2.14 Pycharm使用和破解(mac系统).mp432.03MB
2.15 Pycharm使用和破解(win系统).mp432.46MB
2.16 今日总结【耗时整理‖】.mp46.93MB
2.17 今日作业【耗时整理‖】.mp42.67MB
2.18 作业答案和讲解【公众号:CunWorkNotes】.mp49.04MB
3.1 今日概要【耗时整理‖免费分享:】.mp41.85MB
3.2 编码【耗时整理‖】.mp412.83MB
3.3 编程初体验.mp416.31MB
3.4 print输出及练习题【耗时整理‖】.mp415.47MB
3.5 输出练习题讲解【耗时整理‖免费分享:】.mp47.41MB
3.6 数据类型的引入【耗时整理‖免费分享:】.mp44.32MB
3.7 整形.mp48.87MB
3.8 字符串【公众号:CunWorkNotes】.mp418.56MB
3.9 布尔类型【公众号:CunWorkNotes】.mp414.29MB
3.10 类型转换和数据类型相关练习题.mp424.61MB
3.11 数据类型-练习题讲解【公众号:CunWorkNotes】.mp423.08MB
3.12 变量及其命名规范.mp423.79MB
3.13 变量的内存指向关系及其练习题.mp418.09MB
3.14 注释【耗时整理‖免费分享:】.mp48.3MB
3.15 输入.mp420.57MB
3.16 基本条件语句【耗时整理‖】.mp427.11MB
3.17 基本条件语句-练习题讲解【耗时整理‖】.mp411.59MB
3.18 多条件判断.mp48.35MB
3.19 条件嵌套【耗时整理‖】.mp413.82MB
3.20 今日总结和作业【耗时整理‖】.mp45.36MB
3.21 作业答案和讲解【公众号:CunWorkNotes】.mp417.58MB
4.1 今日概要new.mp42.47MB
4.2 while循环及案例讲解.mp425.54MB
4.3 综合小案例以及阶段练习题【耗时整理‖】.mp418.1MB
4.4 练习题讲解.mp429.07MB
4.5 break及示例讲解.mp412.9MB
4.6 continue及示例讲解.mp415.55MB
4.7 while_else语法.mp48.33MB
4.8 基于%字符串格式化.mp429.26MB
4.9 基于format字符串格式化及补充.mp415.87MB
4.10 基于f字符串格式化.mp421.19MB
4.11 运算符.mp421.15MB
4.12 运算符:优先级【公众号:CunWorkNotes】.mp46.04MB
4.13 运算符:面试题相关知识和练习题【耗时整理‖】.mp417.02MB
4.14 运算符:练习题讲解和面试题补充.mp425.24MB
4.15 总结和今日作业.mp49.08MB
4.16 作业题讲解【耗时整理‖】.mp427.44MB
5.1 今日概要.mp44.27MB
5.2 python代码的2种运行方式【耗时整理‖】.mp410.3MB
5.3 进制及相互之间的转换【公众号:CunWorkNotes】.mp427.36MB
5.4 计算机中的单位.mp417.81MB
5.5 单位相关练习题讲解.mp43.47MB
5.6 ascii编码.mp413.56MB
5.7 gbk编码.mp47.49MB
5.8 unicode.mp440.6MB
5.9 utf8编码.mp423.28MB
5.10 Python中的编码.mp412.81MB
5.11 今日总结.mp415.59MB
6.1 数据类型概要.mp417.23MB
6.2 整型【耗时整理‖】.mp429.03MB
6.3 布尔类型.mp412.49MB
6.4 字符串:独有功能(一).mp441.64MB
6.5 字符串:独有功能(三)【耗时整理‖】.mp435.1MB
6.6 字符串:独有功能(二).mp440.45MB
6.7 字符串:练习题和讲解.mp451.61MB
6.8 字符串:公共功能(一)【公众号:CunWorkNotes】.mp432.46MB
6.9 字符串:公共功能(二).mp449.45MB
6.10 字符串:类型转换.mp43.82MB
6.11 字符串:不允许被修改.mp44.46MB
6.12 今日总结和作业.mp49.36MB
6.13 今日作业讲解【公众号:CunWorkNotes】.mp4114.14MB
6.14 今日作业讲解.mp4102.42MB
7.1 今日概要【耗时整理‖免费分享:】.mp42.51MB
7.2 列表:定义【耗时整理‖免费分享:】.mp48.38MB
7.3 列表:独有功能(一).mp432.49MB
7.4 列表:独有功能(二)【耗时整理‖】.mp434.43MB
7.5 列表:独有功能(三)【耗时整理‖免费分享:】.mp442.49MB
7.6 列表:公共功能.mp458.21MB
7.7 列表:类型转换.mp47.58MB
7.8 列表:嵌套.mp421.38MB
7.9 列表:阶段作业题讲解.mp472.39MB
7.10 元组:定义.mp412.85MB
7.11 元组:公共功能.mp417.25MB
7.12 元组:转换和嵌套【耗时整理‖免费分享:】.mp444.39MB
7.13 元组:总结和作业.mp46.39MB
7.14 作业讲解.mp418.11MB
8.1 今日概要【耗时整理‖】.mp43.09MB
第02模块:Python数据科学必备工具包实战(新)4.95GB
1-numpy(新)693.51MB
1.1 Anaconda简介及安装.mp466.48MB
1.2 jupyter_notebook启动【公众号:CunWorkNotes】.mp429.98MB
1.3 jupyter_notebook单元格基本状态.mp421.57MB
1.4 单元格的常用操作.mp49.71MB
1.5 单元格运行与帮助文档【耗时整理‖免费分享:】.mp417.14MB
1.6 IPython魔法指令和输入输出历史.mp450.35MB
1.7 ndarray的属性及输出方法【公众号:CunWorkNotes】.mp417.55MB
1.8 ndarray的元素类型统一【耗时整理‖】.mp429.49MB
1.9 routines函数(一).mp419.22MB
1.10 routines函数(二)【耗时整理‖免费分享:】.mp420.34MB
1.11 routines函数(三).mp430.19MB
1.12 routines函数练习【公众号:CunWorkNotes】.mp419.35MB
1.13 ndarray的读写操作【公众号:CunWorkNotes】.mp445.73MB
1.14 ndarray读写练习.mp413.8MB
1.15 ndarray级联concatenate.mp435.42MB
1.16 ndarray的拆分.mp415.95MB
1.17 ndarray拆分练习.mp419.53MB
1.18 ndarray的基本运算.mp411.62MB
1.19 广播机制【公众号:CunWorkNotes】.mp428.93MB
1.20 ndarray运算练习.mp49.15MB
1.21 ndarray的聚合函数.mp434.13MB
1.22 ndarray综合练习.mp439.94MB
1.23 ndarray的append和insert【耗时整理‖免费分享:】.mp426.56MB
1.24 ndarray的delete、扁平处理、变形和翻转【耗时整理‖】.mp432.05MB
1.25 numpy的数学函数和算数函数.mp425.44MB
1.26 numpy查找和排序.mp423.88MB
2-pandas(新)1.2GB
2.1 pandas简介.mp49.49MB
2.2 Series对象的基本构造及注意事项.mp439.38MB
2.3 Series高级构造函数.mp413.7MB
2.4 Series的重要属性【公众号:CunWorkNotes】.mp412.98MB
2.5 Series的运算.mp421.04MB
2.6 DataFrame结构理解.mp418.59MB
2.7 DataFrame的基础构造方法.mp423.93MB
2.8 DataFrame的其他构造方法.mp417.75MB
2.9 DataFrame的重要属性【耗时整理‖】.mp49.22MB
2.10 DataFrame运算(一)【公众号:CunWorkNotes】.mp436.35MB
2.11 DataFrame运算(二)【公众号:CunWorkNotes】.mp424.02MB
2.12 pandas对象的显示访问和隐式访问.mp419.8MB
2.13 pandas对象的loc访问详解.mp439.25MB
2.14 pandas对象iloc访问详解.mp412.82MB
2.15 pandas对象访问的注意事项【耗时整理‖】.mp418.4MB
2.16 pandas高级查找.mp443.36MB
2.17 pandas聚合操作【耗时整理‖】.mp423.17MB
2.18 pandas对象习题讲解.mp444.82MB
2.19 pandas单层索引.mp429.97MB
2.20 pandas多层索引.mp437.38MB
2.21 多层索引的访问.mp433.11MB
2.22 stack和unstack操作【耗时整理‖】.mp415.44MB
2.23 pandas数据类型练习【耗时整理‖免费分享:】.mp440.25MB
2.24 csv文件和txt文件的读取【公众号:CunWorkNotes】.mp434.36MB
2.25 pandasIO操作【公众号:CunWorkNotes】.mp423.49MB
2.26 常用数据探索方法.mp420.5MB
2.27 python空类型和numy空类型【公众号:CunWorkNotes】.mp431.22MB
2.28 pandas空值查找【耗时整理‖免费分享:】.mp430.5MB
2.29 pandas空值批量填充【公众号:CunWorkNotes】.mp436.1MB
2.30 空值过滤【耗时整理‖免费分享:】.mp425.83MB
2.31 异常值处理.mp444.92MB
2.32 离群点检测和过滤【公众号:CunWorkNotes】.mp433.5MB
2.33 重复值处理.mp425.28MB
2.34 排序和随机抽样.mp412.42MB
2.35 pandas索引操作【公众号:CunWorkNotes】.mp414.55MB
2.36 rename操作【耗时整理‖免费分享:】.mp411.44MB
2.37 replace替换.mp434.55MB
2.38 map处理精确匹配模糊匹配.mp438.24MB
2.39 pandas级联.mp463.64MB
2.40 合并的基本逻辑和注意事项.mp411.24MB
2.41 合并参数left,right,how【耗时整理‖免费分享:】.mp463.91MB
2.42 -合并参数left_on,right_on,on.mp442.19MB
2.43 groupby分组【耗时整理‖免费分享:】.mp434.48MB
2.44 交叉表和透视表.mp414.76MB
3-matplotlib绘图 (新)824.31MB
71课时matplotlib绘图-图像组成.mp424.48MB
72课时matplotlib绘图-画板画布和就近原则.mp453.13MB
73课时matplotlib绘图-网格设置.mp416.82MB
74课时matplotlib绘图-刻度界限.mp423.98MB
75课时matplotlib绘图-刻度值和刻度标签【耗时整理‖免费分享:】.mp427.08MB
76课时matplotlib绘图-轴标题和画布标题.mp413.26MB
77课时matplotlib绘图-图例设置.mp462.48MB
78课时matplotlib绘图-图像保存.mp424.25MB
79课时matplotlib绘图-画板注释信息和画板标题【公众号:CunWorkNotes】.mp431.88MB
80课时matplotlib绘图-画板注释信息和箭头注释.mp431.38MB
81课时matplotlib绘图-颜色处理【耗时整理‖】.mp438.05MB
82课时matplotlib绘图-透明度和图像读取.mp432.2MB
83课时matplotlib绘图-线型和点型设置.mp433.99MB
84课时matplotlib绘图-其他设置方式补充.mp420.88MB
85课时2D图像绘制-线型图.mp439.72MB
86课时2D图像绘制-散点图【耗时整理‖】.mp464.85MB
87课时2D图像绘制-直方图【耗时整理‖】.mp446.84MB
88课时2D图像绘制-直方图bins的用法补充【耗时整理‖免费分享:】.mp414.28MB
89课时2D图像绘制-条形图.mp436.06MB
90课时2D图像绘制-极坐表条形图.mp432.14MB
91课时2D图像绘制-雷达图.mp444.92MB
92课时2D图像绘制-饼图【耗时整理‖】.mp422.06MB
93课时2D图像绘制-箱线图.mp458.51MB
94课时matplotlib全局设置【公众号:CunWorkNotes】.mp431.07MB
4-seaborn可视化(新)475.65MB
95课时seaborn默认风格设置.mp421.65MB
96课时seaborn画布风格设置.mp422.36MB
97课时seaborn边框配置【耗时整理‖免费分享:】.mp418.02MB
98课时seaborn文字线条设置.mp423.21MB
99课时matplotlib调色板作用及定制【公众号:CunWorkNotes】.mp436.46MB
100课时seaborn默认的配色方案【耗时整理‖】.mp415.63MB
101课时seaborn分类调色板.mp430.96MB
102课时调色板工具和自定义调色板.mp416.22MB
103课时连续调色板配色方案【耗时整理‖】.mp417.38MB
104课时对称调色板及配色方案总结.mp424MB
105课时seaborn玩具数据加载.mp411.85MB
106课时seaborn条形图绘制【耗时整理‖免费分享:】.mp434.28MB
107课时seaborn条形图多分组技巧【耗时整理‖免费分享:】.mp445.51MB
108课时scatterplot散点图.mp444.8MB
109课时离散字段和连续字段的可视化方案.mp419.87MB
110课时heatmap热力图【耗时整理‖】.mp432.72MB
111课时regplot和lmplot线性回归.mp410.88MB
112课时单变量分布图像和组合图像【耗时整理‖免费分享:】.mp428.17MB
113课时多分组可视化实现方案【耗时整理‖】.mp421.67MB
5-科学计算库-Numpy425.57MB
5.1 Numpy概述.mp419MB
5.2 Array数组.mp419.74MB
5.3 数组结构.mp440.51MB
5.4 数组类型.mp413.82MB
5.5 数值运算.mp428.57MB
5.6 排序操作.mp423.69MB
5.7 数组形状操作【耗时整理‖】.mp436.32MB
5.8 数组生成函数【耗时整理‖】.mp428.54MB
5.9 常用生成函数.mp416.51MB
5.10 四则运算【公众号:CunWorkNotes】.mp418.09MB
5.11 随机模块【耗时整理‖免费分享:】.mp431.22MB
5.12 文件读写.mp421.28MB
5.13 数组保存.mp428.75MB
5.14 练习题1【耗时整理‖免费分享:】.mp431.83MB
5.15 练习题2.mp428.46MB
5.16 练习题3.mp439.22MB
6-数据分析处理库-Pandas631.1MB
6.1 Pandas概述.mp436.04MB
6.2 Pandas基本操作【耗时整理‖】.mp445.31MB
6.3 Pandas索引【耗时整理‖免费分享:】.mp440.42MB
6.4 groupby操作.mp424.42MB
6.5 数值运算.mp432.55MB
6.6 对象操作【公众号:CunWorkNotes】.mp426.3MB
6.7 对象操作2.mp426.84MB
6.8 merge操作.mp429.37MB
6.9 显示设置.mp418.64MB
6.10 数据透视表.mp432.62MB
6.11 时间操作【公众号:CunWorkNotes】.mp426.12MB
6.12 时间序列操作.mp435.23MB
6.13 Pandas常用操作【耗时整理‖】.mp430.31MB
6.14 Pandas常用操作2.mp428.85MB
6.15 Groupby操作延伸.mp447.78MB
6.16 字符串操作【公众号:CunWorkNotes】.mp418.33MB
6.17 索引进阶.mp422.67MB
6.18 Pandas绘图操作.mp441.54MB
6.19 大数据处理技巧【公众号:CunWorkNotes】.mp467.77MB
7-可视化库-Matplotlib500.82MB
7.1 Matplotlib概述【公众号:CunWorkNotes】.mp428.47MB
7.2 子图与标注.mp451.92MB
7.3 风格设置【公众号:CunWorkNotes】.mp412.97MB
7.4 条形图.mp428.08MB
7.5 条形图细节【公众号:CunWorkNotes】.mp428.84MB
7.6 条形图外观.mp430.75MB
7.7 盒图绘制.mp418.24MB
7.8 盒图细节.mp432.97MB
7.9 绘图细节设置.mp430.02MB
7.10 绘图细节设置2【公众号:CunWorkNotes】.mp432.27MB
7.11 直方图与散点图.mp437.68MB
7.12 3D图绘制.mp452.92MB
7.13 pie图.mp432.03MB
7.14 子图布局.mp446.73MB
7.15 结合pandas与sklearn【耗时整理‖免费分享:】.mp436.93MB
8-可视化库-Seaborn285.6MB
8.1 课程简介【公众号:CunWorkNotes】.mp45.34MB
8.2 整体布局风格设置.mp423.99MB
8.3 风格细节设置【耗时整理‖】.mp424.86MB
8.4 调色板【耗时整理‖】.mp422.06MB
8.5 调色板颜色设置.mp419.86MB
8.6 单变量分析绘图【耗时整理‖】.mp424.78MB
8.7 回归分析绘图【耗时整理‖】.mp426.57MB
8.8 多变量分析绘图.mp424.87MB
8.9 分类属性绘图.mp426.86MB
8.10 Facetgrid使用方法【耗时整理‖免费分享:】.mp419.25MB
8.11 Facetgrid绘制多变量.mp426.92MB
8.12 热度图绘制.mp440.24MB
第03模块:人工智能-必备数学课程(新)2.08GB
1.1 课程简介.mp46.56MB
1.2 函数【耗时整理‖】.mp48.8MB
1.3 极限【公众号:CunWorkNotes】.mp411.64MB
1.4 无穷小与无穷大.mp410.9MB
1.5 连续性与导数【耗时整理‖免费分享:】.mp415.1MB
1.6 偏导数.mp411.69MB
1.7 方向导数.mp414.29MB
1.8 梯度【公众号:CunWorkNotes】.mp421.72MB
2.1 微积分基本想法.mp410.36MB
2.2 微积分的解释.mp413.37MB
2.3 定积分【公众号:CunWorkNotes】.mp414.16MB
2.4 定积分性质.mp48.83MB
2.5 牛顿.莱布尼茨公式.mp421.12MB
3.1 泰勒公式出发点【耗时整理‖免费分享:】.mp49.9MB
3.2 一点一世界【公众号:CunWorkNotes】.mp416.13MB
3.3 阶数的作用【耗时整理‖】.mp413.77MB
3.4 阶乘的作用.mp411.01MB
3.5 拉格朗日乘子法.mp418.84MB
3.6 求解拉格朗日乘子法【耗时整理‖免费分享:】.mp418.76MB
4.1 行列式概述.mp49.38MB
4.2 矩阵与数据的关系【耗时整理‖】.mp415.05MB
4.3 矩阵基本操作.mp419.97MB
4.4 矩阵的几种变换.mp49.09MB
4.5 矩阵的秩【耗时整理‖】.mp421.42MB
4.6 内积与正交【公众号:CunWorkNotes】.mp420.31MB
5.1 特征值与特征向量.mp411.97MB
5.2 特征空间与应用.mp47.62MB
5.3 SVD要解决的问题.mp411.55MB
5.4 特征值分解.mp49.22MB
5.5 SVD矩阵分解.mp421.96MB
6.1 离散型随机变量【耗时整理‖】.mp412.66MB
6.2 连续型随机变量【耗时整理‖免费分享:】.mp418MB
6.3 简单随机抽样【耗时整理‖】.mp43.84MB
6.4 似然函数.mp412.27MB
6.5 极大似然估计【耗时整理‖】.mp417.65MB
7.1 概率与频率.mp411.14MB
7.2 古典概型.mp411.13MB
7.3 条件概率.mp414.42MB
7.4 条件概率小例子【耗时整理‖】.mp410.43MB
7.5 独立性.mp413.15MB
7.6 二维离散型随机变量.mp414.13MB
7.7 二维连续型随机变量【耗时整理‖】.mp410.18MB
7.8 边缘分布【耗时整理‖免费分享:】.mp418.07MB
7.9 期望.mp47.8MB
7.10 期望求解.mp415.19MB
7.11 马尔科夫不等式.mp414.64MB
7.12 切比雪夫不等式【耗时整理‖】.mp421.07MB
7.13 后验概率估计【公众号:CunWorkNotes】.mp417.2MB
7.14 贝叶斯拼写纠错实例【耗时整理‖免费分享:】.mp418.35MB
7.15 垃圾邮件过滤实例.mp422.52MB
8.1 正太分布.mp460.64MB
8.2 二项式分布【耗时整理‖免费分享:】.mp438.1MB
8.3 泊松分布【耗时整理‖】.mp453.43MB
8.4 均匀分布【耗时整理‖免费分享:】.mp48.83MB
8.5 卡方分布.mp423.83MB
8.6 beta分布.mp446.3MB
9.1 核函数的目的【耗时整理‖免费分享:】.mp411.25MB
9.2 线性核函数【耗时整理‖】.mp48.88MB
9.3 多项式核函数.mp46.88MB
9.4 核函数实例.mp416.05MB
9.5 高斯核函数.mp414.78MB
9.6 参数的影响.mp415.69MB
10.1 熵的概念.mp47.74MB
10.2 熵的大小意味着什么.mp425.61MB
10.3 激活函数.mp410.48MB
10.4 激活函数的问题.mp416.52MB
11.1 回归分析概述.mp416.1MB
11.2 回归方程定义.mp412.1MB
11.3 误差项的定义【耗时整理‖】.mp421.13MB
11.4 最小二乘法推导与求解.mp426.93MB
11.5 回归方程求解小例子.mp417.71MB
11.6 回归直线拟合优度.mp431.32MB
11.7 多元与曲线回归问题【公众号:CunWorkNotes】.mp426.86MB
11.8 Python工具包介绍【耗时整理‖免费分享:】.mp431.71MB
11.9 statsmodels回归分析.mp426.24MB
11.10 高阶与分类变量实例.mp443.81MB
11.11 案例:汽车价格预测任务概述.mp430.21MB
11.12 案例:缺失值填充.mp469.46MB
11.13 案例:特征相关性【耗时整理‖】.mp474.02MB
11.14 案例:预处理问题.mp429.78MB
11.15 案例:回归求解.mp455.1MB
12.1 假设检验基本思想.mp425.42MB
12.2 左右侧检验与双侧检验【耗时整理‖】.mp434.18MB
12.3 Z检验基本原理.mp413.59MB
12.4 Z检验实例.mp443.03MB
12.5 T检验基本原理.mp439.37MB
12.6 T检验实例.mp417.69MB
12.7 T检验应用条件【耗时整理‖免费分享:】.mp419.7MB
12.8 卡方检验.mp437.5MB
12.9 假设检验中的两类错误.mp434.7MB
12.10 Python假设检验实例.mp442.48MB
12.11 Python卡方检验实例.mp419.38MB
13.1 相关分析概述.mp419.96MB
13.2 皮尔森相关系数【公众号:CunWorkNotes】.mp418.49MB
13.3 计算与检验【公众号:CunWorkNotes】.mp448.09MB
13.4 斯皮尔曼等级相关.mp443.2MB
13.5 肯德尔系数.mp421.44MB
13.6 质量相关分析【公众号:CunWorkNotes】.mp437.11MB
13.7 偏相关与复相关【耗时整理‖免费分享:】.mp428.71MB
14.1 方差分析概述.mp414.51MB
第04模块:机器学习算法精讲及其案例应用(新)2.35GB
1.1 课程简介.mp423.43MB
1.2 回归问题概述.mp413.75MB
1.3 误差项定义.mp418.86MB
1.4 独立同分布的意义【耗时整理‖】.mp416.26MB
1.5 似然函数的作用.mp420.95MB
1.6 参数求解.mp422.42MB
1.7 梯度下降通俗解释【耗时整理‖免费分享:】.mp415.14MB
1.8 参数更新方法.mp417.07MB
1.9 优化参数设置.mp418.32MB
1.10 线性回归整体模块概述.mp49.99MB
1.11 初始化步骤【公众号:CunWorkNotes】.mp416.26MB
1.12 实现梯度下降优化模块.mp425.34MB
1.13 损失与预测模块.mp431.11MB
1.14 数据与标签定义.mp427.93MB
1.15 训练线性回归模型【公众号:CunWorkNotes】.mp429.23MB
1.16 得到线性回归方程.mp422.34MB
1.17 整体流程debug解读.mp421.83MB
1.18 多特征回归模型【公众号:CunWorkNotes】.mp438.78MB
1.19 非线性回归.mp431.53MB
1.20 Sklearn工具包简介【公众号:CunWorkNotes】.mp422.8MB
1.21 数据集切分【耗时整理‖免费分享:】.mp419.97MB
1.22 交叉验证的作用.mp428.06MB
1.23 交叉验证实验分析.mp444.93MB
1.24 混淆矩阵.mp415.56MB
1.25 评估指标对比分析【耗时整理‖】.mp436.82MB
1.26 阈值对结果的影响【耗时整理‖免费分享:】.mp428.14MB
1.27 ROC曲线.mp422.61MB
1.28 实验目标分析.mp414.36MB
1.29 参数直接求解方法.mp418.03MB
1.30 预处理对结果的影响【耗时整理‖】.mp435.72MB
1.31 梯度下降模块.mp414.5MB
1.32 学习率对结果的影响【耗时整理‖免费分享:】.mp422.27MB
1.33 随机梯度下降得到的效果.mp431.75MB
1.34 MiniBatch方法【耗时整理‖】.mp421.68MB
1.35 不同策略效果对比.mp422.22MB
1.36 多项式回归.mp426.16MB
1.37 模型复杂度.mp445.42MB
1.38 样本数量对结果的影响.mp442.42MB
1.39 正则化的作用.mp422.49MB
1.40 岭回归与lasso.mp459.88MB
1.41 实验总结【耗时整理‖免费分享:】.mp440.28MB
1.42 逻辑回归算法原理【公众号:CunWorkNotes】.mp416.15MB
1.43 化简与求解.mp419.78MB
1.44 多分类逻辑回归整体思路【耗时整理‖】.mp414.61MB
1.45 训练模块功能.mp427.31MB
1.46 完成预测模块【耗时整理‖免费分享:】.mp423.85MB
1.47 优化目标定义.mp423.56MB
1.48 迭代优化参数.mp431.74MB
1.49 梯度计算【耗时整理‖】.mp429.39MB
1.50 得出最终结果.mp435.56MB
1.51 鸢尾花数据集多分类任务.mp417.98MB
1.52 训练多分类模型.mp430.2MB
1.53 准备测试数据【公众号:CunWorkNotes】.mp425.3MB
1.54 决策边界绘制.mp433.95MB
1.55 非线性决策边界.mp414.46MB
1.56 逻辑回归实验概述.mp440.11MB
1.57 概率结果随特征数值的变化【耗时整理‖免费分享:】.mp430.57MB
1.58 可视化展示.mp424.45MB
1.59 坐标棋盘制作.mp424.99MB
1.60 分类决策边界展示分析【公众号:CunWorkNotes】.mp441.51MB
1.61 多分类.softmax.mp440.69MB
1.62 KMEANS算法概述.mp418.57MB
1.63 KMEANS工作流程.mp414.6MB
1.64 KMEANS迭代可视化展示【耗时整理‖】.mp425.55MB
1.65 DBSCAN聚类算法.mp418.84MB
1.66 DBSCAN工作流程【耗时整理‖免费分享:】.mp427.68MB
1.67 DBSCAN可视化展示【耗时整理‖】.mp424.02MB
1.68 Kmeans算法模块概述.mp46.69MB
1.69 计算得到簇中心点【耗时整理‖】.mp416.57MB
1.70 样本点归属划分.mp417.08MB
1.71 算法迭代更新.mp417.3MB
1.72 鸢尾花数据集聚类任务.mp421.48MB
1.73 聚类效果展示.mp434.48MB
1.74 Kmenas算法常用操作【耗时整理‖免费分享:】.mp429.07MB
1.75 聚类结果展示.mp413.74MB
1.76 建模流程解读【公众号:CunWorkNotes】.mp434.21MB
1.77 不稳定结果.mp412.9MB
1.78 评估指标.Inertia【耗时整理‖】.mp432.28MB
1.79 如何找到合适的K值.mp423.61MB
1.80 轮廓系数的作用.mp429.7MB
1.81 Kmenas算法存在的问题.mp422.21MB
1.82 半监督学习.mp436.37MB
1.83 DBSCAN算法【公众号:CunWorkNotes】.mp435.76MB
1.84 决策树算法概述【公众号:CunWorkNotes】.mp416.89MB
1.85 熵的作用【公众号:CunWorkNotes】.mp414.4MB
1.86 信息增益原理.mp418.64MB
1.87 决策树构造实例.mp416.52MB
1.88 信息增益率与gini系数.mp412.49MB
1.89 预剪枝方法.mp416.64MB
1.90 后剪枝方法【公众号:CunWorkNotes】.mp415.52MB
1.91 回归问题解决.mp412.49MB
1.92 整体模块概述【耗时整理‖免费分享:】.mp47.6MB
1.93 递归生成树节点【耗时整理‖免费分享:】.mp418.81MB
1.94 整体框架逻辑【公众号:CunWorkNotes】.mp413.42MB
1.95 熵值计算【耗时整理‖】.mp425.64MB
1.96 数据集切分【耗时整理‖】.mp417.95MB
1.97 完成树模型构建.mp417.86MB
1.98 测试算法效果【公众号:CunWorkNotes】.mp415.5MB
1.99 树模型可视化展示.mp422.5MB
1.100 决策边界展示分析【耗时整理‖免费分享:】.mp430.54MB
第05模块:机器学习算法建模实战项目(新)1.84GB
1.1 任务目标解读.mp423.14MB
1.2 项目挑战与解决方案制定.mp431.31MB
1.3 数据标准化处理.mp433.46MB
1.4 下采样数据集制作.mp415.36MB
1.5 交叉验证.mp417.03MB
1.6 数据集切分【耗时整理‖】.mp416.01MB
1.7 模型评估方法与召回率.mp421.84MB
1.8 正则化惩罚项【耗时整理‖免费分享:】.mp423.36MB
1.9 训练逻辑回归模型.mp449.47MB
1.10 混淆矩阵评估分析【耗时整理‖免费分享:】.mp438.32MB
1.11 测试集遇到的问题.mp415.13MB
1.12 阈值对结果的影响.mp425.67MB
1.13 SMOTE样本生成策略.mp417.99MB
1.14 过采样效果与项目总结.mp427.63MB
2.1 基于随机森林的气温预测任务概述【耗时整理‖免费分享:】.mp430.59MB
2.2 基本随机森林模型建立【公众号:CunWorkNotes】.mp430.68MB
2.3 可视化展示与特征重要性【公众号:CunWorkNotes】.mp456.18MB
2.4 加入新的数据与特征【公众号:CunWorkNotes】.mp436.57MB
2.5 数据与特征对结果的影响【耗时整理‖】.mp431.37MB
2.6 效率对比分析【公众号:CunWorkNotes】.mp435.15MB
2.7 网格与随机参数选择.mp424.89MB
2.8 随机参数选择方法实践【耗时整理‖】.mp429.37MB
2.9 调参优化细节【公众号:CunWorkNotes】.mp434.61MB
3.1 新闻数据与任务概述.mp417.49MB
3.2 中文分词与停用词过滤【耗时整理‖】.mp424.59MB
3.3 文本关键词提取【公众号:CunWorkNotes】.mp448.51MB
3.4 词袋模型【耗时整理‖】.mp431.66MB
3.5 贝叶斯建模结果.mp432.95MB
3.6 TF_IDF特征分析对比【耗时整理‖】.mp431.46MB
4.1 音乐推荐任务概述.mp450.7MB
4.2 数据集整合.mp439.99MB
4.3 基于物品的协同过滤.mp443.73MB
4.4 物品相似度计算与推荐.mp446.67MB
4.5 SVD矩阵分解.mp444.91MB
4.6-基于矩阵分解的音乐推荐【公众号:CunWorkNotes】.mp455.79MB
5.1 fbprophet股价预测任务概述.mp453.99MB
5.2 时间序列分析.mp451.86MB
5.3 fbprophet时间序列预测实例【公众号:CunWorkNotes】.mp458.45MB
5.4 亚马逊股价趋势【耗时整理‖免费分享:】.mp441.18MB
5.5 突变点调参.mp462.88MB
6.1 项目与数据介绍【耗时整理‖免费分享:】.mp453.44MB
6.2 数据挖掘流程【耗时整理‖】.mp437.59MB
6.3 数据检查.mp432.05MB
6.4 构建用户特征表单.mp460.62MB
6.5 构建商品特征表单.mp446.69MB
6.6 数据探索概述.mp421.42MB
6.7 购买因素分析【耗时整理‖】.mp433.4MB
6.8 特征工程.mp431.64MB
6.9 基本特征构造【耗时整理‖免费分享:】.mp450.94MB
6.10 行为特征【耗时整理‖免费分享:】.mp433.26MB
6.11 累积行为特征【耗时整理‖】.mp454.94MB
6.12 Xgboost模型【公众号:CunWorkNotes】.mp427.23MB
第06模块:机器学习案例实战应用集锦(新)3.17GB
1.1 关联规则概述.mp415.68MB
1.2 支持度与置信度【耗时整理‖免费分享:】.mp421.89MB
1.3 提升度的作用.mp427.37MB
1.4 Python实战关联规则.mp425.98MB
1.5 数据集制作.mp425.66MB
1.6 电影数据集题材关联分析.mp440.92MB
2.1 数据与任务分析.mp437.61MB
2.2 提取月份信息进行统计分析.mp420.38MB
2.3 房价随星期变化的可视化展示【耗时整理‖】.mp435.65MB
2.4 房屋信息指标分析.mp459.63MB
2.5 提取房屋常见设施【公众号:CunWorkNotes】.mp449.51MB
2.6 房屋规格热度图分析【耗时整理‖】.mp440.81MB
2.7 预处理与建模准备.mp443.39MB
2.8 随机森林与LightGBM.mp433.41MB
2.9 训练与评估.mp452.91MB
3.1 数据与任务介绍【耗时整理‖免费分享:】.mp417.81MB
3.2 文本词频统计.mp424.94MB
3.3 ngram结果可视化展示【耗时整理‖免费分享:】.mp441.58MB
3.4 文本清洗.mp426.11MB
3.5 相似度计算.mp435.3MB
3.6 得出推荐结果.mp443.93MB
4.1 数据任务分析.mp446.83MB
4.2 特征工程制作【耗时整理‖免费分享:】.mp442.03MB
4.3 统计指标生成【耗时整理‖】.mp441.07MB
4.4 特征信息提取.mp462.81MB
4.5 标签变换.mp432.98MB
4.6 输入数据制作.mp421.71MB
4.7 Xgboost训练模型.mp421.4MB
4.8 生成输出结果【耗时整理‖免费分享:】.mp452.19MB
5.1 数据与任务简介【公众号:CunWorkNotes】.mp431.52MB
5.2 数据问题探索与解决方案.mp442.17MB
5.3 剔除开挂数据.mp430.38MB
5.4 类别变量处理.mp422MB
5.5 绘图统计分析【耗时整理‖免费分享:】.mp431.68MB
5.6 热度图展示【公众号:CunWorkNotes】.mp427.04MB
5.7 随机森林建模.mp425.45MB
5.8 特征重要性【耗时整理‖】.mp442.27MB
6.1 模型解释方法与实践【耗时整理‖免费分享:】.mp437.13MB
6.2 部分依赖图解释.mp416.94MB
6.3 双变量分析.mp420.77MB
6.4 ShapValues指标分析【耗时整理‖免费分享:】.mp447.04MB
6.5 疾病引起原因分析实战.mp444.37MB
7.1 Python字符串处理.mp431.86MB
7.2 正则常用符号.mp430.06MB
7.3 正则表达式基本语法.mp426.06MB
7.4 常用函数介绍【耗时整理‖】.mp430.82MB
7.5 NLTK工具包简介.mp424.16MB
7.6 停用词过滤.mp421.1MB
7.7 词性标注【公众号:CunWorkNotes】.mp428.52MB
7.8 数据清洗实例.mp435.3MB
7.9 Spacy工具包【耗时整理‖】.mp435.65MB
7.10 名字实体匹配.mp417.09MB
7.11 恐怖袭击分析.mp433.03MB
7.12 统计分析结果.mp437.32MB
7.13 结巴分词器.mp422.69MB
7.14 词云展示.mp471.31MB
8.1 词向量模型通俗解释.mp416.7MB
8.2 模型整体框架【公众号:CunWorkNotes】.mp423.06MB
8.3 训练数据构建.mp413.24MB
8.4 CBOW与Skip_gram模型.mp419.76MB
8.5 负采样方案.mp423.57MB
9.1 任务概述【耗时整理‖免费分享:】.mp429.88MB
9.2 词袋模型.mp422.75MB
9.3 词袋模型分析【耗时整理‖】.mp451.77MB
9.4 TFIDF模型.mp435.28MB
9.5 word2vec词向量模型【耗时整理‖免费分享:】.mp440.56MB
9.6 深度学习模型.mp430.81MB
10.1 数据与任务介绍.mp423.32MB
10.2 数据分析与可视化展示.mp424.18MB
10.3 连续值离散化与可视化细节.mp435.84MB
10.4 加载数据坐标到实际地图中进行分析【公众号:CunWorkNotes】.mp453.43MB
10.5 特征相关性分析【公众号:CunWorkNotes】.mp443.45MB
10.6 缺失值填充.mp415.94MB
10.7 sklearn工具包预处理模块【耗时整理‖免费分享:】.mp443.68MB
10.8 离散属性特征处理【公众号:CunWorkNotes】.mp426.19MB
10.9 构建合适的特征.mp437.88MB
10.10 序列化执行预处理操作.mp433.72MB
10.11 完成所有预处理操作.mp436.54MB
10.12 构建回归模型.mp445.49MB
11.1 数据任务介绍及缺失值处理.mp433.48MB
11.2 EDA数据探索分析.mp427.7MB
11.3 特征展示分析【耗时整理‖】.mp423.96MB
11.4 KDEPLOT展示.mp425.14MB
11.5 部分特征分析与可视化.mp436.34MB
11.6 数据检查与特征工程.mp447.37MB
11.7 多项式特征【公众号:CunWorkNotes】.mp432.41MB
11.8 自定义特征.mp419.82MB
11.9 逻辑回归模型.mp448.93MB
11.10 结果评估【耗时整理‖】.mp464.95MB
11.11 必杀神奇:lightgbm.mp466.84MB
12.1 数据与任务流程分析.mp428.42MB
12.2 图片数据导入.mp425.67MB
12.3 图像特征编码.mp425.78MB
12.4 数组保存与读取.mp419.85MB
12.5 得出聚类结果【耗时整理‖免费分享:】.mp426.51MB
12.6 聚类效果可视化展示【公众号:CunWorkNotes】.mp455.85MB
第06模块:深度学习框架-Tensorflow2版本实战(旧)2.23GB
1.1 课程简介【公众号:CunWorkNotes】.mp42.89MB
1.2 Tensorflow2版本简介与心得【公众号:CunWorkNotes】.mp422.85MB
1.3 Tensorflow2版本安装方法.mp434.18MB
1.4 tf基础操作.mp417.19MB
2.1 深度学习要解决的问题【公众号:CunWorkNotes】.mp414.41MB
2.2 深度学习应用领域【耗时整理‖】.mp436.04MB
2.3 计算机视觉任务.mp412.35MB
2.4 视觉任务中遇到的问题.mp421.66MB
2.5 得分函数【耗时整理‖】.mp413.06MB
2.6 损失函数的作用【公众号:CunWorkNotes】.mp420.94MB
2.7 前向传播整体流程.mp426.87MB
2.8 返向传播计算方法【公众号:CunWorkNotes】.mp417.68MB
2.9 神经网络整体架构【耗时整理‖】.mp420.67MB
2.10 神经网络架构细节.mp423.74MB
2.11 神经元个数对结果的影响【公众号:CunWorkNotes】.mp459.38MB
2.12 正则化与激活函数.mp419.79MB
2.13 神经网络过拟合解决方法.mp425.71MB
3.1 任务目标与数据集简介.mp424.37MB
3.2 建模流程与API文档【耗时整理‖免费分享:】.mp419.87MB
3.3 网络模型训练.mp421.53MB
3.4 模型超参数调节与预测结果展示.mp438.06MB
3.5 分类模型构建【耗时整理‖】.mp439.39MB
3.6 tf.data模块解读【耗时整理‖】.mp422.38MB
3.7 模型保存与读取实例【耗时整理‖】.mp449.55MB
4.1 卷积神经网络应用领域【耗时整理‖免费分享:】.mp414.81MB
4.2 卷积的作用.mp416.74MB
4.3 卷积特征值计算方法.mp415.21MB
4.4 得到特征图表示【公众号:CunWorkNotes】.mp413.38MB
4.5 步长与卷积核大小对结果的影响.mp414.67MB
4.6 边缘填充方法.mp412.57MB
4.7 特征图尺寸计算与参数共享.mp414.79MB
4.8 池化层的作用.mp48.73MB
4.9 整体网络架构【耗时整理‖免费分享:】.mp411.84MB
4.10 VGG网络架构【公众号:CunWorkNotes】.mp412.82MB
4.11 残差网络Resnet.mp413.26MB
4.12 感受野的作用.mp411.31MB
5.1 猫狗识别任务与数据简介【耗时整理‖免费分享:】.mp415.16MB
5.2 卷积网络涉及参数解读.mp420.07MB
5.3 网络架构配置【耗时整理‖】.mp419.89MB
5.4 卷积模型训练与识别效果展示.mp432.15MB
6.1 数据增强概述.mp432.84MB
6.2 图像数据变换.mp472.08MB
6.3 猫狗识别任务数据增强实例【耗时整理‖免费分享:】.mp422.45MB
7.1 迁移学习的目标【公众号:CunWorkNotes】.mp49.06MB
7.2 迁移学习策略.mp411.64MB
7.3 Resnet原理【耗时整理‖免费分享:】.mp480.66MB
7.4 加载训练好的经典网络模型【耗时整理‖免费分享:】.mp424.92MB
7.5 Callback模块与迁移学习实例.mp437.59MB
7.6 tfrecords数据源制作方法【耗时整理‖免费分享:】.mp426.99MB
7.7 图像数据处理实例.mp431.5MB
8.1 RNN网络架构解读.mp417.64MB
8.2 词向量模型通俗解释.mp415.37MB
8.3 模型整体框架.mp421.24MB
8.4 训练数据构建【耗时整理‖】.mp412.2MB
8.5 CBOW与Skip.gram模型【耗时整理‖免费分享:】.mp418.4MB
8.6 负采样方案.mp422.01MB
9.1 任务流程解读【耗时整理‖】.mp412.08MB
9.2 模型定义参数设置.mp411.77MB
9.3 文本词预处理操作【耗时整理‖免费分享:】.mp413.08MB
9.4 训练batch数据制作【耗时整理‖】.mp429.46MB
9.5 损失函数定义与训练结果展示【耗时整理‖】.mp429.46MB
10.1 任务目标与数据介绍【公众号:CunWorkNotes】.mp421.14MB
10.2 RNN模型输入数据维度解读【耗时整理‖免费分享:】.mp412.5MB
10.3 数据映射表制作.mp429.87MB
10.4 embedding层向量制作.mp442.45MB
10.5 数据生成器构造【耗时整理‖免费分享:】.mp427.56MB
10.6 双向RNN模型定义.mp414.72MB
10.7 自定义网络模型架构【公众号:CunWorkNotes】.mp437.8MB
10.8 训练策略指定.mp420.68MB
10.9 训练文本分类模型【耗时整理‖免费分享:】.mp423.87MB
11.1 CNN应用于文本任务原理解析.mp417.31MB
11.2 整体流程解读.mp415.61MB
11.3 网络架构设计与训练【耗时整理‖免费分享:】.mp430.63MB
12.1 任务目标与数据源.mp412.63MB
12.2 构建时间序列数据【耗时整理‖免费分享:】.mp419.27MB
12.3 训练时间序列数据预测结果.mp426.45MB
12.4 多特征预测结果.mp421.39MB
12.5 序列结果预测【耗时整理‖】.mp415.62MB
13.1 BERT课程简介.mp417.88MB
13.2 BERT任务目标概述【耗时整理‖】.mp48.52MB
13.3 传统解决方案遇到的问题【耗时整理‖】.mp417.46MB
13.4 注意力机制的作用.mp411.15MB
13.5 self.attention计算方法.mp418.2MB
13.6 特征分配与softmax机制【耗时整理‖免费分享:】.mp415.73MB
13.7 Multi.head的作用.mp414.75MB
13.8 位置编码与多层堆叠.mp412.1MB
13.9 transformer整体架构梳理【耗时整理‖】.mp417.22MB
13.10 BERT模型训练方法.mp415.25MB
13.11 训练实例.mp416.84MB
14.1 BERT开源项目简介.mp429.19MB
14.2 项目参数配置.mp462.23MB
14.3 数据读取模块【耗时整理‖】.mp433.04MB
14.4 数据预处理模块【耗时整理‖免费分享:】.mp425.36MB
14.5 tfrecord制作.mp432.49MB
14.6 Embedding层的作用.mp419.34MB
14.7 加入额外编码特征【耗时整理‖免费分享:】.mp427.04MB
14.8 加入位置编码特征【耗时整理‖免费分享:】.mp414.72MB
14.9 mask机制.mp422.44MB
14.10 构建QKV矩阵.mp432.78MB
14.11 完成Transformer模块构建【公众号:CunWorkNotes】.mp426.12MB
第07模块:机器学习竞赛优胜解决方案实战(新)2.68GB
1.1 课程简介【耗时整理‖】.mp416.25MB
1.2 任务目标与数据分析.【耗时整理‖免费分享:】.mp422.71MB
1.3 整体模型架构.mp412.46MB
1.4 构建用户特征序列.mp426.88MB
1.5 序列特征提取方法【耗时整理‖】.mp422.4MB
1.6 生成特征汇总表【公众号:CunWorkNotes】.mp426.83MB
1.7 标签制作.mp415.99MB
1.8 网络训练模块.mp429.88MB
1.9 得出最终模型结果.mp424.08MB
2.1 数据任务概述.mp419.42MB
2.2 数据异常检查【耗时整理‖】.mp443.36MB
2.3 时间特征提取【公众号:CunWorkNotes】.mp440.51MB
2.4 各道工序特征构建.mp447.57MB
2.5 准备训练数据.mp431.79MB
2.6 训练xgboost模型【耗时整理‖免费分享:】.mp437.94MB
3.1 数据与任务目标分析【耗时整理‖免费分享:】.mp419.53MB
3.2 数据清洗与标签转换.mp419.02MB
3.3 道路通行时间序列数据生成.mp426.86MB
3.4 序列缺失补全方法【耗时整理‖免费分享:】.mp425.52MB
3.5 基于回归与插值完成序列特征【耗时整理‖】.mp436.27MB
3.6 基于回归与插值进行序列补全【耗时整理‖】.mp422.85MB
3.7 特征汇总【公众号:CunWorkNotes】.mp434.32MB
3.8 建立回归模型进行预测.mp432.7MB
4.1 竞赛与目标分析.mp420.27MB
4.2 模型解释方法与实践.mp434.19MB
4.3 特征对比分析方法【耗时整理‖】.mp436.26MB
4.4 部分依赖图解释.mp416.07MB
4.5 结果对比分析【耗时整理‖】.mp440.04MB
4.6 双变量分析【耗时整理‖免费分享:】.mp419.99MB
4.7 ShapValues指标分析.mp444.47MB
4.8 疾病引起原因分析实战【耗时整理‖免费分享:】.mp441.69MB
5.1 数据与任务介绍.mp415.43MB
5.2 整体模型架构.mp410.82MB
5.3 数据、标签、语料库处理.mp425.75MB
5.4 输入样本填充补齐【公众号:CunWorkNotes】.mp424.18MB
5.5 训练网络模型【耗时整理‖】.mp426.9MB
5.6 医疗数据集(糖尿病)实体识别.mp462.7MB
6.1 竞赛任务目标.mp415.97MB
6.2 图模型信息提取.mp420.59MB
6.3 节点权重特征提取(PageRank)【耗时整理‖】.mp424.46MB
6.4 deepwalk构建图顶点特征【耗时整理‖免费分享:】.mp435.83MB
6.5 各项统计特征【耗时整理‖免费分享:】.mp435.15MB
6.6 app安装特征.mp428.38MB
6.7 图中联系人特征.mp447.83MB
7.1 任务目标与数据集介绍.mp433.42MB
7.2 数据清洗与预处理【公众号:CunWorkNotes】.mp437.47MB
7.3 基本特征抽取【公众号:CunWorkNotes】.mp441.98MB
7.4 文章与词向量分析.mp448.48MB
7.5 权重划分.mp430.51MB
7.6 候选词统计特征【耗时整理‖】.mp422.08MB
7.7 textrank特征提取.mp419.87MB
7.8 候选词相似度特征【耗时整理‖】.mp412.89MB
7.9 特征工程汇总.mp447.25MB
8.1 基本数值特征.mp438.87MB
8.2 常用特征构造手段.mp441.74MB
8.3 时间特征处理【公众号:CunWorkNotes】.mp444.88MB
8.4 文本特征处理【耗时整理‖】.mp482.64MB
8.5 构造文本向量.mp439.47MB
8.6 词向量特征.mp455.23MB
8.7 计算机眼中的图像【耗时整理‖免费分享:】.mp418.59MB
9.1 任务与解决框架概述【耗时整理‖免费分享:】.mp439.28MB
9.2 特征工程分析与特征提取【耗时整理‖】.mp465.76MB
9.3 离散数据处理.mp448.86MB
9.4 统计与文本特征.mp443.49MB
9.5 文本特征构建【公众号:CunWorkNotes】.mp454.04MB
9.6 构建低敏用户模型【耗时整理‖】.mp450.23MB
9.7 高敏模型概述.mp441MB
10.1 任务概述【耗时整理‖】.mp48.72MB
10.2 处理流程与数据简介【耗时整理‖免费分享:】.mp439.36MB
10.3 数据处理【耗时整理‖免费分享:】.mp433.8MB
10.4 单变量绘图分析.mp417.86MB
10.5 离群点剔除.mp429.72MB
10.6 变量与结果的关系.mp429.39MB
10.7 多变量展示【公众号:CunWorkNotes】.mp444.46MB
10.8 特征工程.mp444.2MB
11.1 dataleakage问题.mp444.18MB
11.2 基础模型对比.mp445.69MB
11.3 选择参数【耗时整理‖】.mp449.48MB
11.4 测试模型.mp436.34MB
11.5 模型解释【耗时整理‖免费分享:】.mp431.38MB
11.6 模型分析.mp464.5MB
第07模块:深度学习框架-PyTorch项目实战(旧)1.97GB
1.1 PyTorch实战课程简介.mp415.77MB
1.2 PyTorch框架发展趋势简介【公众号:CunWorkNotes】.mp416.95MB
1.3 框架安装方法(CPU与GPU版本)【公众号:CunWorkNotes】.mp412.61MB
1.4 PyTorch基本操作简介.mp419.34MB
1.5 自动求导机制【公众号:CunWorkNotes】.mp425.88MB
1.6 线性回归DEMO.数据与参数配置【耗时整理‖】.mp417.01MB
1.7 线性回归DEMO.训练回归模型.mp428.21MB
1.8 常见tensor格式.mp415.06MB
1.9 Hub模块简介【耗时整理‖】.mp440.59MB
2.1 气温数据集与任务介绍【耗时整理‖免费分享:】.mp421.47MB
2.2 按建模顺序构建完成网络架构.mp427.47MB
2.3 简化代码训练网络模型【公众号:CunWorkNotes】.mp432.3MB
2.4 分类任务概述【公众号:CunWorkNotes】.mp410.66MB
2.5 构建分类网络模型.mp425.78MB
2.6 DataSet模块介绍与应用方法.mp434.06MB
3.1 卷积神经网络应用领域.mp414.81MB
3.2 卷积的作用.mp416.77MB
3.3 卷积特征值计算方法【耗时整理‖免费分享:】.mp415.27MB
3.4 得到特征图表示.mp413.25MB
3.5 步长与卷积核大小对结果的影响【公众号:CunWorkNotes】.mp414.67MB
3.6 边缘填充方法.mp412.71MB
3.7 特征图尺寸计算与参数共享.mp414.79MB
3.8 池化层的作用.mp48.87MB
3.9 整体网络架构【公众号:CunWorkNotes】.mp411.78MB
3.10 VGG网络架构.mp412.84MB
3.11 残差网络Resnet【耗时整理‖】.mp413.33MB
3.12 感受野的作用【公众号:CunWorkNotes】.mp411.31MB
4.1 卷积网络参数定义.mp417.47MB
4.2 网络流程解读.mp424.45MB
4.3 Vision模块功能解读【耗时整理‖】.mp416.32MB
4.4 分类任务数据集定义与配置【耗时整理‖免费分享:】.mp418.97MB
4.5 图像增强的作用.mp411.04MB
4.6 数据预处理与数据增强模块.mp423.45MB
4.7 Batch数据制作.mp429.73MB
5.1 迁移学习的目标.mp49.01MB
5.2 迁移学习策略【耗时整理‖免费分享:】.mp411.64MB
5.3 加载训练好的网络模型.mp433.48MB
5.4 优化器模块配置【耗时整理‖免费分享:】.mp417.32MB
5.5 实现训练模块.mp422.08MB
5.6 训练结果与模型保存【耗时整理‖】.mp428.79MB
5.7 加载模型对测试数据进行预测.mp437.54MB
5.8 额外补充.Resnet论文解读【耗时整理‖免费分享:】.mp470.3MB
5.9 额外补充.Resnet网络架构解读【耗时整理‖免费分享:】.mp413.92MB
6.1 RNN网络架构解读.mp417.73MB
6.2 词向量模型通俗解释.mp415.48MB
6.3 模型整体框架.mp421.22MB
6.4 训练数据构建【耗时整理‖免费分享:】.mp412.24MB
6.5 CBOW与Skipgram模型.mp418.33MB
6.6 负采样方案【耗时整理‖】.mp422.04MB
7.1 任务目标与数据简介.mp420.36MB
7.2 RNN模型所需输入格式解析.mp413.65MB
7.3 项目配置参数设置.mp425.09MB
7.4 新闻数据读取与预处理方法【公众号:CunWorkNotes】.mp421.98MB
7.5 训练LSTM文本分类模型.mp424.53MB
7.6 Tensorboardx可视化展示模块搭建.mp430.94MB
7.7 CNN应用于文本任务原理解析【耗时整理‖】.mp417.31MB
7.8 网络模型架构与效果展示【耗时整理‖】.mp428.72MB
8.1 对抗生成网络通俗解释.mp414.22MB
8.2 GAN网络组成.mp48.32MB
8.3 损失函数解释说明.mp426.3MB
8.4 数据读取模块【耗时整理‖免费分享:】.mp419.02MB
8.5 生成与判别网络定义.mp426.58MB
9.1 CycleGan网络所需数据.mp420.97MB
9.2 CycleGan整体网络架构.mp416.1MB
9.3 PatchGan判别网络原理【耗时整理‖】.mp48.24MB
9.4 Cycle开源项目简介.mp432.8MB
9.5 数据读取与预处理操作.mp434.97MB
9.6 生成网络模块构造【耗时整理‖】.mp431.48MB
9.7 判别网络模块构造【耗时整理‖】.mp412.79MB
9.8 损失函数:identity loss计算方法【公众号:CunWorkNotes】.mp423.65MB
9.9 生成与判别损失函数指定.mp435.15MB
9.10 额外补充:VISDOM可视化配置【耗时整理‖免费分享:】.mp422.37MB
10.1 OCR文字识别要完成的任务.mp413.74MB
10.2 CTPN文字检测网络概述.mp412.96MB
10.3 序列网络的作用.mp415.42MB
10.4 输出结果含义解析【耗时整理‖】.mp411.72MB
10.5 CTPN细节概述【耗时整理‖】.mp415.4MB
10.6 CRNN识别网络架构【公众号:CunWorkNotes】.mp410.58MB
10.7 CTC模块的作用.mp47.25MB
11.1 OCR文字检测识别项目效果展示【耗时整理‖】.mp411.09MB
11.2 训练数据准备与环境配置.mp419.55MB
11.3 检测模块候选框生成【公众号:CunWorkNotes】.mp420.64MB
11.4 候选框标签制作.mp420.74MB
11.5 整体网络所需模块【公众号:CunWorkNotes】.mp413.45MB
11.6 网络架构各模块完成的任务解读.mp419.67MB
11.7 CRNN识别模块所需数据与标签.mp412.64MB
11.8 识别模块网络架构解读.mp426.57MB
12.1 3D卷积原理解读【耗时整理‖免费分享:】.mp415.03MB
12.2 UCF101动作识别数据集简介.mp431.45MB
12.3 测试效果与项目配置【耗时整理‖免费分享:】.mp435.8MB
12.4 视频数据预处理方法.mp419.94MB
12.5 数据Batch制作方法【公众号:CunWorkNotes】.mp430.32MB
12.6 3D卷积网络所涉及模块【公众号:CunWorkNotes】.mp424.11MB
12.7 训练网络模型.mp426.14MB
13.1 BERT课程简介【耗时整理‖】.mp417.8MB
13.2 BERT任务目标概述【耗时整理‖】.mp48.47MB
13.3 传统解决方案遇到的问题.mp417.28MB
13.4 注意力机制的作用.mp411.23MB
13.5 selfattention计算方法【耗时整理‖免费分享:】.mp418.19MB
13.6 特征分配与softmax机制.mp415.73MB
第08模块:深度学习入门视频课程(新)599.05MB
1.1 深度学习要解决的问题【耗时整理‖】.mp414.51MB
1.2 深度学习应用领域.mp435.95MB
1.3 计算机视觉任务.mp412.31MB
1.4 视觉任务中遇到的问题【耗时整理‖免费分享:】.mp421.82MB
1.5 得分函数.mp413.12MB
1.6 损失函数的作用.mp420.97MB
1.7 前向传播整体流程.mp427.09MB
2.1 返向传播计算方法【耗时整理‖免费分享:】.mp417.83MB
2.2 神经网络整体架构.mp420.82MB
2.3 神经网络架构细节.mp423.94MB
2.4 神经元个数对结果的影响.mp459.97MB
2.5 正则化与激活函数【公众号:CunWorkNotes】.mp419.79MB
2.6 神经网络过拟合解决方法.mp426.42MB
3.1 卷积神经网络应用领域.mp415.31MB
3.2 卷积的作用【公众号:CunWorkNotes】.mp417.56MB
3.3 卷积特征值计算方法.mp416.04MB
3.4 得到特征图表示.mp413.81MB
3.5 步长与卷积核大小对结果的影响.mp415.45MB
3.6 边缘填充方法【耗时整理‖】.mp413.29MB
3.7 特征图尺寸计算与参数共享.mp415.29MB
3.8 池化层的作用【耗时整理‖免费分享:】.mp49.21MB
3.9 整体网络架构【耗时整理‖免费分享:】.mp412.46MB
3.10 VGG网络架构.mp413.31MB
3.11 残差网络Resnet.mp413.98MB
3.12 感受野的作用【耗时整理‖免费分享:】.mp411.86MB
4.1 RNN网络架构解读.mp417.98MB
4.2 词向量模型通俗解释.mp417.4MB
4.3 模型整体框架【公众号:CunWorkNotes】.mp423.69MB
4.4 训练数据构建.mp413.53MB
4.5 CBOW与Skipgram模型.mp420.35MB
4.6 负采样方案.mp424.01MB
第09模块:深度学习必备框架实战(PyTorch+Tensorflow)(新)2.3GB
1.1 课程简介【耗时整理‖】.mp43.05MB
1.2 Tensorflow2版本简介与心得【公众号:CunWorkNotes】.mp422.7MB
1.3 Tensorflow2版本安装方法.mp434.2MB
1.4 tf基础操作【公众号:CunWorkNotes】.mp417.17MB
2.1 深度学习要解决的问题.mp414.51MB
2.2 深度学习应用领域.mp435.95MB
2.3 计算机视觉任务【耗时整理‖】.mp412.31MB
2.4 视觉任务中遇到的问题【耗时整理‖】.mp421.82MB
2.5 得分函数【耗时整理‖免费分享:】.mp413.12MB
2.6 损失函数的作用.mp420.97MB
2.7 前向传播整体流程【耗时整理‖】.mp427.09MB
2.8 返向传播计算方法【耗时整理‖】.mp417.83MB
2.9 神经网络整体架构【耗时整理‖】.mp420.82MB
2.10 神经网络架构细节.mp423.94MB
2.11 神经元个数对结果的影响【耗时整理‖】.mp459.97MB
2.12 正则化与激活函数.mp419.79MB
2.13 神经网络过拟合解决方法【耗时整理‖免费分享:】.mp426.42MB
3.1 任务目标与数据集简介【公众号:CunWorkNotes】.mp425.9MB
3.2 建模流程与API文档.mp421.18MB
3.3 网络模型训练.mp423.13MB
3.4 模型超参数调节与预测结果展示【耗时整理‖免费分享:】.mp440.15MB
3.5 分类模型构建.mp441.61MB
3.6 tf.data模块解读【耗时整理‖免费分享:】.mp422.26MB
3.7 模型保存与读取实例.mp449.51MB
4.1 猫狗识别任务与数据简介.mp414MB
4.2 卷积网络涉及参数解读【公众号:CunWorkNotes】.mp421.36MB
4.3 网络架构配置【耗时整理‖免费分享:】.mp420.5MB
4.4 卷积模型训练与识别效果展示.mp433.2MB
5.1 数据增强概述.mp433.55MB
5.2 图像数据变换【耗时整理‖】.mp467.69MB
5.3 猫狗识别任务数据增强实例.mp423.42MB
6.1 迁移学习的目标.mp49.15MB
6.2 迁移学习策略.mp411.93MB
6.3 Resnet原理【耗时整理‖】.mp480.93MB
6.4 加载训练好的经典网络模型【耗时整理‖免费分享:】.mp426.43MB
6.5 Callback模块与迁移学习实例【耗时整理‖】.mp439.92MB
6.6 tfrecords数据源制作方法【公众号:CunWorkNotes】.mp426.99MB
6.7 图像数据处理实例【公众号:CunWorkNotes】.mp433.71MB
7.1 任务流程解读.mp411.99MB
7.2 模型定义参数设置.mp411.86MB
7.3 文本词预处理操作【耗时整理‖】.mp413.04MB
7.4 训练batch数据制作.mp429.47MB
7.5 损失函数定义与训练结果展示.mp429.45MB
8.1 任务目标与数据介绍【耗时整理‖】.mp418.52MB
8.2 RNN模型输入数据维度解读.mp414.05MB
8.3 数据映射表制作.mp431.81MB
8.4 embedding层向量制作.mp444.43MB
8.5 数据生成器构造【耗时整理‖】.mp429.64MB
8.6 双向RNN模型定义.mp416.16MB
8.7 自定义网络模型架构.mp440.28MB
8.8 训练策略指定【公众号:CunWorkNotes】.mp422.01MB
8.9 训练文本分类模型.mp425.56MB
9.1 CNN应用于文本任务原理解析【耗时整理‖】.mp417.67MB
9.2 整体流程解读.mp415.64MB
9.3 网络架构设计与训练【公众号:CunWorkNotes】.mp430.22MB
10.1 任务目标与数据源.mp411.59MB
10.2 构建时间序列数据【耗时整理‖免费分享:】.mp419.6MB
10.3 训练时间序列数据预测结果.mp423.89MB
10.4 多特征预测结果.mp421.5MB
10.5 序列结果预测.mp415.48MB
11.1 额外补充.Resnet论文解读.mp470.52MB
11.2 额外补充.Resnet网络架构解读.mp414.26MB
11.3 项目结构概述.mp414.56MB
11.4 数据集处理方法.mp418.32MB
11.5 训练数据构建.mp417.68MB
11.6 网络架构层次解读【耗时整理‖】.mp422.61MB
11.7 前向传播配置【公众号:CunWorkNotes】.mp424MB
11.8 训练resnet模型.mp420.38MB
12.1 PyTorch实战课程简介【耗时整理‖】.mp416.07MB
12.2 PyTorch框架发展趋势简介.mp418.27MB
12.3 框架安装方法(CPU与GPU版本).mp411.45MB
12.4 PyTorch基本操作简介.mp420.73MB
12.5 自动求导机制.mp425.84MB
12.6 线性回归DEMO.数据与参数配置【耗时整理‖】.mp417MB
12.7 线性回归DEMO.训练回归模型【公众号:CunWorkNotes】.mp428.13MB
12.8 常见tensor格式【耗时整理‖】.mp415.11MB
12.9 Hub模块简介.mp440.8MB
13.1 气温数据集与任务介绍.mp421.39MB
13.2 按建模顺序构建完成网络架构.mp427.37MB
13.3 简化代码训练网络模型.mp432.4MB
13.4 分类任务概述.mp410.54MB
13.5 构建分类网络模型【耗时整理‖免费分享:】.mp420.5MB
13.6 DataSet模块介绍与应用方法.mp434.05MB
14.1 卷积神经网络应用领域【耗时整理‖】.mp415.31MB
14.2 卷积的作用.mp417.56MB
14.3 卷积特征值计算方法【耗时整理‖】.mp416.04MB
14.4 得到特征图表示【公众号:CunWorkNotes】.mp413.81MB
14.5 步长与卷积核大小对结果的影响.mp415.45MB
14.6 边缘填充方法【耗时整理‖】.mp413.29MB
14.7 特征图尺寸计算与参数共享【耗时整理‖】.mp415.29MB
14.8 池化层的作用.mp49.21MB
14.9 整体网络架构【耗时整理‖免费分享:】.mp412.46MB
14.10 VGG网络架构.mp413.31MB
14.11 残差网络Resnet.mp413.98MB
14.12 感受野的作用【耗时整理‖】.mp411.86MB
15.1 卷积网络参数定义【公众号:CunWorkNotes】.mp419.19MB
15.2 网络流程解读【耗时整理‖】.mp426.06MB
15.3 Vision模块功能解读.mp417.44MB
15.4 分类任务数据集定义与配置【公众号:CunWorkNotes】.mp419.82MB
15.5 图像增强的作用.mp411.35MB
第10模块:opencv计算机视觉实战(新)2.26GB
1.1 课程简介.mp43.87MB
1.2 Python与Opencv配置安装.mp426.8MB
1.3 Notebook与IDE环境.mp458.12MB
2.1 计算机眼中的图像.mp424.21MB
2.2 视频的读取与处理.mp435.94MB
2.3 ROI区域.mp411.74MB
2.4 边界填充【公众号:CunWorkNotes】.mp417.73MB
2.5 数值计算.mp430.91MB
3.1 图像阈值.mp423.58MB
3.2 图像平滑处理【耗时整理‖免费分享:】.mp418.05MB
3.3 高斯与中值滤波.mp415.18MB
4.1 腐蚀操作.mp413.57MB
4.2 膨胀操作【公众号:CunWorkNotes】.mp48.96MB
4.3 开运算与闭运算【耗时整理‖】.mp46.94MB
4.4 梯度计算.mp45.47MB
4.5 礼帽与黑帽.mp412.41MB
5.1 Sobel算子【耗时整理‖】.mp419.25MB
5.2 梯度计算方法【耗时整理‖】.mp421.32MB
5.3 scharr与lapkacian算子【耗时整理‖】.mp419.04MB
6.1 Canny边缘检测流程【耗时整理‖】.mp412.85MB
6.2 非极大值抑制【公众号:CunWorkNotes】.mp412.85MB
6.3 边缘检测效果【公众号:CunWorkNotes】.mp423.17MB
7.1 图像金字塔定义.mp414.66MB
7.2 金字塔制作方法【耗时整理‖】.mp418.46MB
7.3 轮廓检测方法.mp413.31MB
7.4 轮廓检测结果.mp422.06MB
7.5 轮廓特征与近似.mp426.87MB
7.6 模板匹配方法.mp434.96MB
7.7 匹配效果展示.mp415.84MB
8.1 直方图定义.mp417.39MB
8.2 均衡化原理.mp423.47MB
8.3 均衡化效果.mp420.06MB
8.4 傅里叶概述.mp428.68MB
8.5 频域变换结果【耗时整理‖】.mp420.67MB
8.6 低通与高通滤波.mp422.71MB
9.1 总体流程与方法讲解.mp416.46MB
9.2 环境配置与预处理.mp423.21MB
9.3 模板处理方法.mp416.34MB
9.4 输入数据处理方法【公众号:CunWorkNotes】.mp419.95MB
9.5 模板匹配得出识别结果.mp431.84MB
10.1 整体流程演示.mp414.07MB
10.2 文档轮廓提取.mp420.09MB
10.3 原始与变换坐标计算【耗时整理‖】.mp418.13MB
10.4 透视变换结果【公众号:CunWorkNotes】.mp421.79MB
10.5 tesseract-ocr安装配置【耗时整理‖免费分享:】.mp426.4MB
10.6 文档扫描识别效果.mp419.46MB
11.1 角点检测基本原理.mp411.77MB
11.2 基本数学原理.mp421.17MB
11.3 求解化简【耗时整理‖】.mp421.55MB
11.4 特征归属划分.mp430.83MB
11.5 opencv角点检测效果.mp422.55MB
12.1 尺度空间定义.mp414.48MB
12.2 高斯差分金字塔.mp416.06MB
12.3 特征关键点定位.mp433.71MB
12.4 生成特征描述【耗时整理‖】.mp416.95MB
12.5 特征向量生成.mp433.83MB
12.6 opencv中sift函数使用.mp421.34MB
13.1 特征匹配方法【耗时整理‖】.mp419.82MB
13.2 图像拼接方法.mp429.87MB
13.3 RANSAC算法.mp425.27MB
13.4 流程解读【耗时整理‖免费分享:】.mp414.96MB
14.1 任务整体流程【耗时整理‖免费分享:】.mp434.47MB
14.2 所需数据介绍【公众号:CunWorkNotes】.mp421MB
14.3 图像数据预处理【耗时整理‖】.mp432.82MB
14.4 车位直线检测.mp437.01MB
14.5 按列划分区域【耗时整理‖】.mp433.65MB
14.6 车位区域划分【公众号:CunWorkNotes】.mp435.7MB
14.7 识别模型构建.mp427.17MB
14.8 基于视频的车位检测【耗时整理‖免费分享:】.mp465.1MB
15.1 整体流程与效果概述.mp417.82MB
15.2 预处理操作.mp416.55MB
15.3 填涂轮廓检测.mp417.61MB
15.4 选项判断识别.mp433.06MB
16.1 背景消除.帧差法【耗时整理‖免费分享:】.mp414.63MB
16.2 混合高斯模型.mp418.84MB
16.3 学习步骤.mp420.87MB
16.4 背景建模实战.mp435.5MB
17.1 基本概念.mp414.3MB
17.2 Lucas-Kanade算法【耗时整理‖】.mp414.5MB
17.3 推导求解.mp418.84MB
17.4 光流估计实战【耗时整理‖免费分享:】.mp446.02MB
18.1 dnn模块【耗时整理‖免费分享:】.mp419.22MB
18.2 模型加载结果输出.mp427.28MB
19.1 目标追踪概述【耗时整理‖免费分享:】.mp433.94MB
19.2 多目标追踪实战.mp423.64MB
19.3 深度学习检测框架加载【耗时整理‖免费分享:】.mp428.17MB
19.4 基于dlib与ssd的追踪.mp449.36MB
19.5 多进程目标追踪.mp419.65MB
19.6 多进程效率提升对比.mp444.39MB
20.1 卷积神经网络的应用【耗时整理‖免费分享:】.mp430.86MB
20.2 卷积层解释.mp420.08MB
20.3 卷积计算过程【耗时整理‖免费分享:】.mp423.94MB
20.4 pading与stride.mp423.15MB
20.5 卷积参数共享.mp415.22MB
20.6 池化层原理【公众号:CunWorkNotes】.mp414.4MB
20.7 卷积效果演示【耗时整理‖】.mp417.19MB
20.8 卷积操作流程【耗时整理‖】.mp429.31MB
21.1 关键点定位概述【公众号:CunWorkNotes】.mp420MB
21.2 获取人脸关键点.mp425.7MB
21.3 定位效果演示.mp431.86MB
第11模块:计算机视觉核心大项目实战(新)2.74GB
1.1 检测任务中阶段的意义.mp411.45MB
1.2 不同阶段算法优缺点分析【公众号:CunWorkNotes】.mp48.19MB
1.3 IOU指标计算.mp48.8MB
1.4 评估所需参数计算【公众号:CunWorkNotes】.mp418.76MB
1.5 map指标计算【公众号:CunWorkNotes】.mp415.75MB
2.1 YOLO算法整体思路解读.mp411.57MB
2.2 检测算法要得到的结果【耗时整理‖免费分享:】.mp410.51MB
2.3 整体网络架构解读【公众号:CunWorkNotes】.mp422.29MB
2.4 位置损失计算.mp414.32MB
2.5 置信度误差与优缺点分析【耗时整理‖】.mp420.85MB
3.1 V2版本细节升级概述【耗时整理‖免费分享:】.mp49.84MB
3.2 网络结构特点【耗时整理‖免费分享:】.mp411.48MB
3.3 架构细节解读.mp413.42MB
3.4 基于聚类来选择先验框尺寸【耗时整理‖免费分享:】.mp417.92MB
3.5 偏移量计算方法【耗时整理‖免费分享:】.mp419.67MB
3.6 坐标映射与还原.mp47MB
3.7 感受野的作用.mp420.32MB
3.8 特征融合改进.mp414.5MB
4.1 V3版本改进概述【耗时整理‖】.mp413.65MB
4.2 多scale方法改进与特征融合.mp413.04MB
4.3 经典变换方法对比分析.mp48.31MB
4.4 残差连接方法解读.mp413.8MB
4.5 整体网络模型架构分析.mp49.11MB
4.6 先验框设计改进.mp49.62MB
4.7 sotfmax层改进【耗时整理‖免费分享:】.mp47.97MB
5.1 数据与环境配置【公众号:CunWorkNotes】.mp439.73MB
5.2 训练参数设置.mp414.87MB
5.3 数据与标签读取.mp426.46MB
5.4 标签文件读取与处理【公众号:CunWorkNotes】.mp416.92MB
5.5 debug模式介绍.mp416.77MB
5.6 基于配置文件构建网络模型【耗时整理‖免费分享:】.mp425.63MB
5.7 路由层与shortcut层的作用.mp421.76MB
5.8 YOLO层定义解析.mp439.57MB
5.9 预测结果计算.mp428.47MB
5.10 网格偏移计算.mp421.26MB
5.11 模型要计算的损失概述.mp415.53MB
5.12 标签值格式修改【耗时整理‖免费分享:】.mp418.12MB
5.14 完成所有损失函数所需计算指标.mp423.21MB
5.15 模型训练与总结.mp448.99MB
5.16 预测效果展示.mp422.61MB
6.1 Labelme工具安装.mp411.53MB
6.2 数据信息标注.mp420.69MB
6.3 完成标签制作【公众号:CunWorkNotes】.mp421.1MB
6.4 生成模型所需配置文件.mp425.15MB
6.5 json格式转换成yolo.v3所需输入【公众号:CunWorkNotes】.mp414.29MB
6.6 完成输入数据准备工作.mp426.38MB
6.7 训练代码与参数配置更改.mp430.53MB
6.8 训练模型并测试效果.mp424.22MB
7.1 迁移学习的目标.mp49.15MB
7.2 迁移学习策略【公众号:CunWorkNotes】.mp411.94MB
7.3 Resnet原理.mp481.02MB
7.4 Resnet网络细节【耗时整理‖】.mp428.49MB
7.5 Resnet基本处理操作.mp420.61MB
7.6 shortcut模块【耗时整理‖免费分享:】.mp427.07MB
7.7 加载训练好的权重.mp424.06MB
7.8 迁移学习效果对比.mp435.34MB
8.1 物体检测概述【耗时整理‖】.mp425.91MB
8.2 深度学习经典检测方法.mp429.23MB
8.3 faster-rcnn概述【耗时整理‖免费分享:】.mp421.46MB
8.4 论文整体概述【公众号:CunWorkNotes】.mp477.33MB
8.5 RPN网络结构【耗时整理‖】.mp475.69MB
8.6 损失函数定义【耗时整理‖免费分享:】.mp4134.58MB
8.7 网络细节.mp4158.52MB
9.1 课程简介.mp412.36MB
9.2 Mask-Rcnn开源项目简介【公众号:CunWorkNotes】.mp475.28MB
9.3 开源项目数据集.mp433.4MB
9.4 参数配置【耗时整理‖免费分享:】.mp466.75MB
10.1 FPN层特征提取原理解读.mp431.15MB
10.2 FPN网络架构实现解读【耗时整理‖】.mp441.22MB
10.3 生成框比例设置【耗时整理‖】.mp420.83MB
10.4 基于不同尺度特征图生成所有框.mp424.75MB
10.5 RPN层的作用与实现解读.mp423.91MB
10.6 候选框过滤方法【公众号:CunWorkNotes】.mp411.96MB
10.7 Proposal层实现方法.mp425.35MB
10.8 DetectionTarget层的作用【耗时整理‖】.mp419.17MB
10.9 正负样本选择与标签定义【耗时整理‖】.mp420.59MB
10.10 RoiPooling层的作用与目的.mp424.75MB
10.11 RorAlign操作的效果.mp419.32MB
10.12 整体框架回顾【耗时整理‖免费分享:】.mp422.65MB
11.1 Labelme工具安装.mp412.72MB
11.2 使用labelme进行数据与标签标注.mp420.64MB
11.3 完成训练数据准备工作.mp420.58MB
11.4 maskrcnn源码修改方法.mp448.65MB
11.5 基于标注数据训练所需任务.mp433.51MB
11.6 测试与展示模块.mp427.58MB
12.1 COCO数据集与人体姿态识别简介【耗时整理‖】.mp438.59MB
12.2 网络架构概述.mp422.47MB
12.3 流程与结果演示【耗时整理‖】.mp434.2MB
13.1 迁移学习的目标【耗时整理‖】.mp49.86MB
13.2 迁移学习策略.mp412.91MB
13.3 Resnet原理【耗时整理‖免费分享:】.mp487.51MB
13.4 Resnet网络细节.mp430.47MB
13.5 Resnet基本处理操作.mp422.12MB
13.6 shortcut模块.mp429.06MB
13.7 加载训练好的权重.mp426.03MB
13.8 迁移学习效果对比.mp437.52MB
14.1 物体检测概述.mp428.16MB
14.2 深度学习经典检测方法.mp431.43MB
14.3 faster-rcnn概述【公众号:CunWorkNotes】.mp423.01MB
14.4 论文整体概述.mp487.94MB
第12模块:对抗生成网络大项目实战(新)2.84GB
1.1 对抗生成网络通俗解释【耗时整理‖】.mp414.35MB
1.2 GAN网络组成.mp48.46MB
1.3 损失函数解释说明.mp426.85MB
1.4 数据读取模块.mp419.51MB
1.5 生成与判别网络定义.mp427.13MB
2.1 CycleGan网络所需数据【耗时整理‖免费分享:】.mp421.11MB
2.2 CycleGan整体网络架构.mp416.43MB
2.3 PatchGan判别网络原理【公众号:CunWorkNotes】.mp48.4MB
2.4 Cycle开源项目简介【耗时整理‖免费分享:】.mp433.84MB
2.5 数据读取与预处理操作.mp435.49MB
2.6 生成网络模块构造【公众号:CunWorkNotes】.mp432.02MB
2.7 判别网络模块构造.mp413.07MB
2.8 损失函数:identity loss计算方法【耗时整理‖】.mp423.99MB
2.9 生成与判别损失函数指定【耗时整理‖免费分享:】.mp435.74MB
2.10 额外补充:VISDOM可视化配置.mp422.93MB
3.1 stargan效果演示分析.mp422.55MB
3.2 网络架构整体思路解读.mp421.95MB
3.3 建模流程分析.mp430.43MB
3.4 V1版本存在的问题及后续改进思路【公众号:CunWorkNotes】.mp439.76MB
3.5 V2版本在整体网络架构.mp443.47MB
3.6 编码器训练方法【耗时整理‖免费分享:】.mp444.02MB
3.7 损失函数公式解析.mp434.32MB
3.8 训练过程分析.mp470.11MB
4.1 项目配置与数据源下载【耗时整理‖】.mp415.43MB
4.2 测试效果演示.mp430.33MB
4.3 项目参数解析.mp420.06MB
4.4 生成器模块源码解读【耗时整理‖免费分享:】.mp434.03MB
4.5 所有网络模块构建实例【公众号:CunWorkNotes】.mp433.5MB
4.6 数据读取模块分析.mp439.98MB
4.7 判别器损失计算.mp422.73MB
4.8 损失计算详细过程【耗时整理‖】.mp433.4MB
4.9 生成模块损失计算.mp448.74MB
4.10 测试模块效果与实验分析【耗时整理‖免费分享:】.mp423.97MB
5.1 论文整体思路与架构解读.mp427.6MB
5.2 VCC2016输入数据.mp415.73MB
5.3 语音特征提取.mp423.77MB
5.4 生成器模型架构分析.mp411.62MB
5.5 InstanceNorm的作用解读.mp414.53MB
5.6 AdaIn的目的与效果.mp410.17MB
5.7 判别器模块分析.mp485.51MB
6.1 数据与项目文件解读【公众号:CunWorkNotes】.mp416.5MB
6.2 环境配置与工具包安装.mp429.06MB
6.3 数据预处理与声音特征提取.mp460.67MB
6.4 生成器构造模块解读【耗时整理‖】.mp429.56MB
6.5 下采样与上采样操作【耗时整理‖免费分享:】.mp424.8MB
6.6 starganvc2版本标签输入分析【耗时整理‖免费分享:】.mp436.61MB
6.7 生成器前向传播维度变化.mp419.47MB
6.8 判别器模块解读.mp424.46MB
6.9 论文损失函数【公众号:CunWorkNotes】.mp484.1MB
6.10 源码损失计算流程.mp427.66MB
6.11 测试模块生成转换语音【耗时整理‖】.mp434.99MB
7.1 论文概述【耗时整理‖免费分享:】.mp441.62MB
7.2 网络架构【耗时整理‖】.mp469.8MB
7.3 数据与环境配置.mp421.22MB
7.4 数据加载与配置.mp428.93MB
7.5 生成模块.mp435.66MB
7.6 判别模块.mp431.92MB
7.7 VGG特征提取网络【公众号:CunWorkNotes】.mp426.79MB
7.8 损失函数与训练.mp465.77MB
7.9 测试模块【耗时整理‖免费分享:】.mp460.95MB
8.1 论文概述【公众号:CunWorkNotes】.mp470.1MB
8.2 网络架构.mp423.33MB
8.3 细节设计.mp467.04MB
8.4 论文总结【耗时整理‖】.mp496.88MB
8.5 数据与项目概述.mp437.31MB
8.6 参数基本设计.mp452.77MB
8.7 网络结构配置【公众号:CunWorkNotes】.mp449.48MB
8.8 网络迭代训练.mp469.21MB
8.9 测试模块【公众号:CunWorkNotes】.mp434.46MB
9.1 卷积网络参数定义【耗时整理‖】.mp419.19MB
9.2 网络流程解读.mp426.06MB
9.3 Vision模块功能解读.mp417.44MB
9.4 分类任务数据集定义与配置【耗时整理‖】.mp419.82MB
9.5 图像增强的作用【耗时整理‖】.mp411.12MB
9.6 数据预处理与数据增强模块.mp425.38MB
9.7 Batch数据制作.mp431.31MB
9.8 迁移学习的目标.mp49.15MB
9.9 迁移学习策略【耗时整理‖】.mp411.93MB
9.10 加载训练好的网络模型.mp435.83MB
9.11 优化器模块配置【公众号:CunWorkNotes】.mp418.4MB
9.12 实现训练模块.mp425.13MB
9.13 训练结果与模型保存【耗时整理‖】.mp430.62MB
9.14 加载模型对测试数据进行预测.mp439.3MB
9.15 额外补充.Resnet论文解读【公众号:CunWorkNotes】.mp470.52MB
9.16 额外补充.Resnet网络架构解读.mp414.26MB
10.1 猫狗识别任务与数据简介.mp416.07MB
10.2 卷积网络涉及参数解读.mp421.36MB
10.3 网络架构配置【公众号:CunWorkNotes】.mp421.57MB
10.4 卷积模型训练与识别效果展示.mp434.68MB
第12模块:姿态估计与目标追踪实战系列(新)2.29GB
1-姿态估计OpenPose系列算法解读209.51MB
1课时姿态估计要解决的问题分析.mp433.03MB
2课时姿态估计应用领域概述【公众号:CunWorkNotes】.mp413.6MB
3课时传统topdown方法的问题【耗时整理‖】.mp421.16MB
4课时要解决的两个问题分析.mp47.25MB
5课时基于高斯分布预测关键点位置【耗时整理‖免费分享:】.mp417.63MB
6课时各模块输出特征图解读.mp411.44MB
7课时PAF向量登场.mp49.27MB
8课时PAF标签设计方法【耗时整理‖】.mp416.9MB
9课时预测时PAF积分计算方法【耗时整理‖】.mp422.67MB
10课时匹配方法解读.mp414.53MB
11课时CPM模型特点.mp415.91MB
12课时算法流程与总结.mp426.11MB
2-OpenPose算法源码分析235.36MB
13课时数据集与路径配置解读.mp421.84MB
14课时读取图像与标注信息.mp431.99MB
15课时关键点与躯干特征图初始化【公众号:CunWorkNotes】.mp420.94MB
16课时根据关键点位置设计关键点标签.mp433.25MB
17课时准备构建PAF躯干标签.mp418.4MB
18课时各位置点归属判断【耗时整理‖免费分享:】.mp417.49MB
19课时特征图各点累加向量计算【公众号:CunWorkNotes】.mp420.65MB
20课时完成PAF特征图制作.mp421.13MB
21课时网络模型一阶段输出.mp418.26MB
22课时多阶段输出与预测【公众号:CunWorkNotes】.mp431.41MB
3-deepsort算法知识点解读184.09MB
23课时卡尔曼滤波通俗解释.mp419.65MB
24课时卡尔曼滤波要完成的任务【耗时整理‖免费分享:】.mp411.27MB
25课时任务本质分析.mp413.65MB
26课时基于观测值进行最优估计【公众号:CunWorkNotes】.mp412.97MB
27课时预测与更新操作.mp416.77MB
28课时追踪中的状态量.mp411.47MB
29课时匈牙利匹配算法概述.mp412.79MB
30课时匹配小例子分析.mp414.59MB
31课时REID特征的作用【耗时整理‖免费分享:】.mp413.57MB
32课时sort与deepsort建模流程分析.mp418.35MB
33课时预测与匹配流程解读.mp418.43MB
34课时追踪任务流程拆解.mp420.59MB
4-deepsort源码解读286.2MB
35课时项目环境配置【耗时整理‖免费分享:】.mp425.89MB
36课时参数与DEMO演示.mp426.27MB
37课时针对检测结果初始化track.mp430.27MB
38课时对track执行预测操作.mp424.1MB
39课时状态量预测结果.mp423.05MB
40课时IOU代价矩阵计算.mp420.01MB
41课时参数更新操作.mp432.94MB
42课时级联匹配模块.mp425.8MB
43课时ReID特征代价矩阵计算.mp428.16MB
44课时匹配结果与总结.mp449.72MB
5-YOLO-V4版本算法解读131.7MB
45课时V4版本整体概述.mp410.47MB
46课时V4版本贡献解读【公众号:CunWorkNotes】.mp47.1MB
47课时数据增强策略分析.mp416.32MB
48课时DropBlock与标签平滑方法【公众号:CunWorkNotes】.mp413.89MB
49课时损失函数遇到的问题.mp410.45MB
50课时CIOU损失函数定义【公众号:CunWorkNotes】.mp47.75MB
51课时NMS细节改进.mp411.07MB
52课时SPP与CSP网络结构【耗时整理‖免费分享:】.mp410.73MB
53课时SAM注意力机制模块.mp415.42MB
54课时PAN模块解读【耗时整理‖免费分享:】.mp414.63MB
55课时激活函数与整体架构总结.mp413.87MB
6-V5版本项目配置127.82MB
56课时整体项目概述.mp426.6MB
57课时训练自己的数据集方法.mp429.79MB
58课时训练数据参数配置【公众号:CunWorkNotes】.mp434.86MB
59课时测试DEMO演示.mp436.58MB
7-V5项目工程源码解读481.65MB
60课时数据源DEBUG流程解读.mp425.14MB
61课时图像数据源配置【耗时整理‖】.mp421.54MB
62课时加载标签数据.mp417.08MB
63课时Mosaic数据增强方法.mp417.61MB
64课时数据四合一方法与流程演示【公众号:CunWorkNotes】.mp425.74MB
65课时getItem构建batch【公众号:CunWorkNotes】.mp421.6MB
66课时网络架构图可视化工具安装.mp423.61MB
67课时V5网络配置文件解读.mp425.66MB
68课时Focus模块流程分析【耗时整理‖免费分享:】.mp414.83MB
69课时完成配置文件解析任务.mp438.15MB
70课时前向传播计算.mp420.62MB
71课时BottleneckCSP层计算方法.mp422.76MB
72课时SPP层计算细节分析.mp419.51MB
73课时Head层流程解读.mp419MB
74课时上采样与拼接操作【耗时整理‖免费分享:】.mp414.27MB
75课时输出结果分析.mp424.9MB
76课时超参数解读【耗时整理‖免费分享:】.mp422.85MB
77课时命令行参数介绍.mp427.39MB
78课时训练流程解读.mp430.83MB
79课时各种训练策略概述.mp424.1MB
80课时模型迭代过程.mp424.46MB
8-基础补充-Resnet模型及其应用实例192.87MB
81课时医学疾病数据集介绍【公众号:CunWorkNotes】.mp414.04MB
82课时Resnet网络架构原理分析.mp417.48MB
83课时dataloader加载数据集【耗时整理‖】.mp442.68MB
84课时Resnet网络前向传播【耗时整理‖免费分享:】.mp423.48MB
85课时残差网络的shortcut操作.mp430.98MB
86课时特征图升维与降采样操作【耗时整理‖免费分享:】.mp417.13MB
87课时网络整体流程与训练演示.mp447.09MB
9-基础补充-PyTorch框架基本处理操作179.92MB
88课时PyTorch框架发展趋势简介【耗时整理‖免费分享:】.mp418.02MB
89课时框架安装方法(CPU与GPU版本).mp413.54MB
90课时PyTorch基本操作简介【公众号:CunWorkNotes】.mp421.36MB
91课时自动求导机制.mp425.73MB
92课时线性回归DEMO_数据与参数配置.mp416.48MB
93课时线性回归DEMO_训练回归模型.mp428.13MB
94课时常见tensor格式.mp414.56MB
95课时Hub模块简介【耗时整理‖】.mp442.1MB
10-基础补充-PyTorch框架必备核心模块解读318.09MB
96课时卷积网络参数定义【耗时整理‖】.mp419MB
97课时网络流程解读.mp426.27MB
98课时Vision模块功能解读【耗时整理‖】.mp417.29MB
99课时分类任务数据集定义与配置.mp420.11MB
100课时图像增强的作用.mp410.92MB
101课时数据预处理与数据增强模块.mp424.9MB
102课时Batch数据制作.mp430.94MB
103课时迁移学习的目标.mp48.56MB
104课时迁移学习策略【公众号:CunWorkNotes】.mp411.2MB
105课时加载训练好的网络模型.mp436.16MB
106课时优化器模块配置.mp418.58MB
107课时实现训练模块【耗时整理‖免费分享:】.mp425.31MB
108课时训练结果与模型保存.mp431.14MB
109课时加载模型对测试数据进行预测.mp437.7MB
第13模块:行人重识别系列项目(新)1.5GB
1.1 行人重识别要解决的问题.mp413.18MB
1.2 挑战与困难分析.mp427.51MB
1.3 评估标准rank1指标.mp410.15MB
1.4 map值计算方法.mp412.06MB
1.5 triplet损失计算实例【耗时整理‖】.mp419.7MB
1.6 Hard.Negative方法应用【公众号:CunWorkNotes】.mp420.75MB
2.1 论文整体思想及注意力机制的作用解读.mp439.56MB
2.2 空间权重值计算流程分析【公众号:CunWorkNotes】.mp422.9MB
2.3 融合空间注意力所需特征.mp420.02MB
2.4 基于特征图的注意力计算【公众号:CunWorkNotes】.mp447.22MB
3.1 项目环境与数据集配置.mp438.74MB
3.2 参数配置与整体架构分析.mp447.64MB
3.3 进入debug模式解读网络计算流程.mp421.42MB
3.4 获得空间位置点之间的关系【公众号:CunWorkNotes】.mp430.4MB
3.5 组合关系特征图.mp428.84MB
3.6 计算得到位置权重值【耗时整理‖】.mp426.98MB
3.7 基于特征图的权重计算【公众号:CunWorkNotes】.mp418.09MB
3.8 损失函数计算实例解读【公众号:CunWorkNotes】.mp442.91MB
3.9 训练与测试模块演示.mp453.26MB
4.1 论文整体框架概述.mp412.93MB
4.2 局部特征与全局关系计算方法.mp412.01MB
4.3 特征分组方法【公众号:CunWorkNotes】.mp411.59MB
4.4 GCP模块特征融合方法【公众号:CunWorkNotes】.mp421.47MB
4.5 oneVsReset方法实例【公众号:CunWorkNotes】.mp411.79MB
4.6 损失函数应用位置【公众号:CunWorkNotes】.mp412.52MB
5.1 项目配置与数据集介绍【耗时整理‖免费分享:】.mp446.62MB
5.2 数据源构建方法分析【耗时整理‖免费分享:】.mp430.09MB
5.3 dataloader加载顺序解读【耗时整理‖免费分享:】.mp419.39MB
5.4 debug模式解读.mp445.92MB
5.5 网络计算整体流程演示【耗时整理‖】.mp421.17MB
5.6 特征序列构建.mp428.45MB
5.7 GCP全局特征提取.mp426.19MB
5.8 局部特征提取实例【公众号:CunWorkNotes】.mp437.3MB
5.9 特征组合汇总.mp432.53MB
5.10 得到所有分组特征结果.mp435.88MB
5.11 损失函数与训练过程演示.mp429.64MB
5.12 测试与验证模块【公众号:CunWorkNotes】.mp435.85MB
6.1 关键点位置特征构建.mp415.78MB
6.2 图卷积与匹配的作用.mp417.41MB
6.3 局部特征热度图计算.mp418.31MB
6.4 基于图卷积构建人体拓扑关系【耗时整理‖免费分享:】.mp422.04MB
6.5 图卷积模块实现方法.mp419.93MB
6.6 图匹配在行人重识别中的作用【耗时整理‖免费分享:】.mp413.45MB
6.7 整体算法框架分析.mp417.63MB
7.1 数据集与环境配置概述.mp434.46MB
7.2 局部特征准备方法.mp437.82MB
7.3 得到一阶段热度图结果【耗时整理‖】.mp428.79MB
7.4 阶段监督训练.mp457.8MB
7.5 初始化图卷积模型【耗时整理‖】.mp427.33MB
7.6 mask矩阵的作用.mp431.13MB
7.7 邻接矩阵学习与更新【耗时整理‖】.mp437.02MB
7.8 基于拓扑结构组合关键点特征【耗时整理‖免费分享:】.mp444.63MB
7.9 图匹配模块计算流程.mp446.33MB
7.10 整体项目总结.mp455MB
第14模块:自然语言处理实战案例(新)2.43GB
1.1 Python字符串处理【耗时整理‖】.mp432.05MB
1.2 正则常用符号【耗时整理‖免费分享:】.mp429.88MB
1.3 正则表达式基本语法【耗时整理‖免费分享:】.mp426.12MB
1.4 常用函数介绍.mp430.8MB
1.5 NLTK工具包简介.mp424.09MB
1.6 停用词过滤.mp421.43MB
1.7 词性标注.mp428.41MB
1.8 数据清洗实例【耗时整理‖免费分享:】.mp435.5MB
1.9 Spacy工具包.mp436.22MB
1.10 名字实体匹配.mp417.24MB
1.11 恐怖袭击分析.mp432.99MB
1.12 统计分析结果【公众号:CunWorkNotes】.mp437.05MB
1.13 结巴分词器.mp422.61MB
1.14 词云展示【耗时整理‖】.mp471.63MB
2.1 任务概述.mp426.4MB
2.2 商品类别划分.mp429.09MB
2.3 商品类别可视化展示【公众号:CunWorkNotes】.mp432.49MB
2.4 描述长度对价格的影响.mp426.96MB
2.5 词云展示.mp444.11MB
2.6 tf.idf结果.mp427.28MB
2.7 降维可视化展示.mp430.35MB
2.8 聚类与主题模型【公众号:CunWorkNotes】.mp447.47MB
3.1 贝叶斯算法概述【耗时整理‖免费分享:】.mp410.05MB
3.2 贝叶斯推导实例【耗时整理‖】.mp410.95MB
3.3 贝叶斯拼写纠错实例.mp416.78MB
3.4 垃圾邮件过滤实例【耗时整理‖免费分享:】.mp420.43MB
3.5 贝叶斯实现拼写检查器.mp433.01MB
4.1 文本分析与关键词提取.mp417.42MB
4.2 相似度计算.mp417.35MB
4.3 新闻数据与任务简介【公众号:CunWorkNotes】.mp430.17MB
4.4 TF.IDF关键词提取【耗时整理‖免费分享:】.mp443.51MB
4.5 LDA建模.mp425.96MB
4.6 基于贝叶斯算法进行新闻分类【耗时整理‖免费分享:】.mp446.12MB
5.1 马尔科夫模型.mp414.21MB
5.2 隐马尔科夫模型基本出发点【公众号:CunWorkNotes】.mp414.95MB
5.3 组成与要解决的问题.mp411.77MB
5.4 暴力求解方法【耗时整理‖】.mp420.71MB
5.5 复杂度计算【耗时整理‖免费分享:】.mp412.1MB
5.6 前向算法【耗时整理‖】.mp428.03MB
5.7 前向算法求解实例.mp426.96MB
5.8 Baum.Welch算法【耗时整理‖免费分享:】.mp420.48MB
5.9 参数求解.mp413.46MB
5.10 维特比算法【公众号:CunWorkNotes】.mp434.1MB
6.1 hmmlearn工具包.mp415.91MB
6.2 工具包使用方法【耗时整理‖免费分享:】.mp447.5MB
6.3 中文分词任务【公众号:CunWorkNotes】.mp410.95MB
6.4 实现中文分词.mp427.51MB
7.1 开篇.mp47.55MB
7.2 语言模型.mp48.22MB
7.3 N.gram模型.mp412.39MB
7.4 词向量.mp412.62MB
7.5 神经网络模型.mp414.68MB
7.6 Hierarchical Softmax.mp414.06MB
7.7 CBOW模型实例【耗时整理‖免费分享:】.mp416.78MB
7.8 CBOW求解目标.mp48.04MB
7.9 锑度上升求解.mp414.64MB
7.10 负采样模型【耗时整理‖免费分享:】.mp49.87MB
8.1 使用Gensim库构造词向量【耗时整理‖】.mp414.8MB
8.2 维基百科中文数据处理.mp433.84MB
8.3 Gensim构造word2vec模型.mp419.31MB
8.4 测试模型相似度结果.mp417.61MB
9.1 影评情感分类【耗时整理‖免费分享:】.mp443.16MB
9.2 基于词袋模型训练分类器.mp426.38MB
9.3 准备word2vec输入数据.mp423.13MB
9.4 使用gensim构建word2vec词向量(新).mp452.16MB
10.1 任务概述【公众号:CunWorkNotes】.mp432.11MB
10.2 词袋模型【耗时整理‖免费分享:】.mp424.07MB
10.3 词袋模型分析【耗时整理‖】.mp454.24MB
10.4 TFIDF模型.mp436.95MB
10.5 word2vec词向量模型.mp442.69MB
10.6 深度学习模型【耗时整理‖免费分享:】.mp431.73MB
11.1 任务概述【公众号:CunWorkNotes】.mp410.43MB
11.2 数据展示.mp416.74MB
11.3 正负样本制作.mp427.78MB
11.4 网络模型定义.mp439.1MB
11.5 基于字符的训练【耗时整理‖】.mp440.35MB
11.6 基于句子的相似度训练.mp428.58MB
12.1 RNN网络架构【耗时整理‖免费分享:】.mp417.94MB
12.2 LSTM网络架构.mp416.6MB
12.3 案例:使用LSTM进行情感分类.mp428.45MB
12.4 情感数据集处理.mp431.82MB
12.5 基于word2vec的LSTM模型.mp446.74MB
13.1 任务概述与环境配置.mp411.12MB
13.2 参数配置【公众号:CunWorkNotes】.mp420.32MB
13.3 数据预处理模块.mp431.59MB
13.4 batch数据制作【公众号:CunWorkNotes】.mp425.48MB
13.5 RNN模型定义【耗时整理‖】.mp416.44MB
13.6 完成训练模块【耗时整理‖】.mp425.47MB
13.7 训练唐诗生成模型.mp410.32MB
13.8 测试唐诗生成效果【公众号:CunWorkNotes】.mp419.64MB
14.1 效果演示.mp422.63MB
14.2 参数配置与数据加载【耗时整理‖】.mp437.07MB
14.3 数据处理【耗时整理‖】.mp430.92MB
14.4 词向量与投影【公众号:CunWorkNotes】.mp428.27MB
14.5 seq网络.mp422.97MB
14.6 网络训练.mp428.13MB
第15模块:NLP通用框架BERT项目实战(新)2.41GB
1.1 BERT课程简介【公众号:CunWorkNotes】.mp418.42MB
1.2 BERT任务目标概述.mp48.6MB
1.3 传统解决方案遇到的问题.mp417.88MB
1.4 注意力机制的作用.mp411.36MB
1.5 self-attention计算方法.mp418.74MB
1.6 特征分配与softmax机制.mp416.18MB
1.7 Multi-head的作用.mp415.27MB
1.8 位置编码与多层堆叠.mp412.75MB
1.9 transformer整体架构梳理.mp417.81MB
1.10 BERT模型训练方法.mp415.47MB
1.11 训练实例.mp417.01MB
2.1 BERT开源项目简介.mp430.13MB
2.2 项目参数配置.mp462.82MB
2.3 数据读取模块.mp433.17MB
2.4 数据预处理模块【公众号:CunWorkNotes】.mp425.93MB
2.5 tfrecord制作.mp433.09MB
2.6 Embedding层的作用【耗时整理‖】.mp419.79MB
2.7 加入额外编码特征【耗时整理‖免费分享:】.mp427.58MB
2.8 加入位置编码特征.mp415.03MB
2.9 mask机制.mp422.99MB
2.10 构建QKV矩阵【公众号:CunWorkNotes】.mp433.57MB
2.11 完成Transformer模块构建.mp426.63MB
2.12 训练BERT模型【耗时整理‖免费分享:】.mp434.83MB
3.1 中文分类数据与任务概述【耗时整理‖免费分享:】.mp440.72MB
3.2 读取处理自己的数据集【公众号:CunWorkNotes】.mp435.15MB
3.3 训练BERT中文分类模型【公众号:CunWorkNotes】.mp442.91MB
4.1 命名实体识别数据分析与任务目标.mp422.96MB
4.2 NER标注数据处理与读取【公众号:CunWorkNotes】.mp444.78MB
4.3 构建BERT与CRF模型【耗时整理‖】.mp441.87MB
5.1 词向量模型通俗解释.mp417.42MB
5.2 模型整体框架.mp423.72MB
5.3 训练数据构建.mp413.52MB
5.4 CBOW与Skip-gram模型【耗时整理‖免费分享:】.mp420.39MB
5.5 负采样方案.mp424.03MB
6.1 数据与任务流程.mp432.4MB
6.2 数据清洗.mp419.78MB
6.3 batch数据制作【耗时整理‖】.mp435.01MB
6.4 网络训练【耗时整理‖免费分享:】.mp434.53MB
6.5 可视化展示【耗时整理‖】.mp429.21MB
7.1 RNN网络模型解读【耗时整理‖免费分享:】.mp418.86MB
7.2 NLP应用领域与任务简介【公众号:CunWorkNotes】.mp425.05MB
7.3 项目流程解读【公众号:CunWorkNotes】.mp430.67MB
7.4 加载词向量特征.mp423.41MB
7.5 正负样本数据读取.mp427.97MB
7.6 构建LSTM网络模型【耗时整理‖】.mp433.12MB
7.7 训练与测试效果.mp461.91MB
8.1 数据与任务介绍【耗时整理‖】.mp416.51MB
8.2 整体模型架构.mp411.92MB
8.3 数据-标签-语料库处理【耗时整理‖免费分享:】.mp426.36MB
8.4 输入样本填充补齐.mp424.83MB
8.5 训练网络模型.mp427.37MB
8.6 医疗数据集(糖尿病)实体识别.mp464.87MB
9.1 课时中文商城评价数据处理方法.mp449.36MB
9.2 课时模型训练与测试结果.mp471.02MB
9.3 课时文本摘要数据标注方法.mp445.39MB
9.4 课时训练自己标注的数据并测试.mp420.67MB
9.5 课时Huggingface工具使用.mp4480MB
9.6 课时BERT系列与NER实例.mp4393.13MB
第16模块:语音识别核心项目实战(新)1.82GB
1.1 序列网络模型概述分析.mp414.96MB
1.2 工作原理概述【耗时整理‖免费分享:】.mp47.2MB
1.3 注意力机制的作用.mp411.96MB
1.4 加入attention的序列模型整体架构【公众号:CunWorkNotes】.mp417.14MB
1.5 TeacherForcing的作用与训练策略.mp413.47MB
1.6 额外补充.RNN网络模型解读.mp420.2MB
2.1 数据源与环境配置.mp423.85MB
2.2 语料表制作方法.mp418.22MB
2.3 制作json标注数据.mp428.93MB
2.4 声音数据处理模块解读.mp442.17MB
2.5 Pack与Pad操作解析.mp426.01MB
2.6 编码器模块整体流程.mp422.24MB
2.7 加入注意力机制.mp423.83MB
2.8 计算得到每个输出的attention得分.mp426.55MB
2.9 解码器与训练过程演示.mp431.12MB
3.1 论文整体思路与架构解读【公众号:CunWorkNotes】.mp427.6MB
3.2 VCC2016输入数据.mp415.73MB
3.3 语音特征提取.mp423.77MB
3.4 生成器模型架构分析.mp411.62MB
3.5 InstanceNorm的作用解读.mp414.53MB
3.6 AdaIn的目的与效果.mp410.17MB
3.7 判别器模块分析.mp485.51MB
4.1 数据与项目文件解读.mp416.5MB
4.2 环境配置与工具包安装.mp429.06MB
4.3 数据预处理与声音特征提取【公众号:CunWorkNotes】.mp460.67MB
4.4 生成器构造模块解读.mp429.56MB
4.5 下采样与上采样操作【耗时整理‖免费分享:】.mp424.8MB
4.6 starganvc2版本标签输入分析【耗时整理‖免费分享:】.mp425.38MB
4.7 生成器前向传播维度变化.mp419.47MB
4.8 判别器模块解读.mp424.46MB
4.9 论文损失函数.mp484.1MB
4.10 源码损失计算流程.mp427.66MB
4.11 测试模块生成转换语音.mp434.99MB
5.1 语音分离任务分析.mp47.07MB
5.2 经典语音分离模型概述.mp414.03MB
5.3 DeepClustering论文解读.mp412.45MB
5.4 TasNet编码器结构分析【耗时整理‖免费分享:】.mp430.89MB
5.5 DW卷积的作用与效果.mp48.33MB
5.6 基于Mask得到分离结果.mp413.82MB
6.1 数据准备与环境配置.mp456.78MB
6.2 训练任务所需参数介绍-1698817367【耗时整理‖】.mp420.86MB
6.2 训练任务所需参数介绍.mp420.86MB
6.3 DataLoader定义-1698817371.mp425.28MB
6.3 DataLoader定义.mp425.28MB
6.4 采样数据特征编码-1698817375.mp427.92MB
6.4 采样数据特征编码【耗时整理‖】.mp427.92MB
6.5 编码器特征提取-1698817381.mp439.83MB
6.5 编码器特征提取.mp439.83MB
6.6 构建更大的感受区域-1698817387【耗时整理‖】.mp437.22MB
6.6 构建更大的感受区域.mp437.22MB
6.7 解码得到分离后的语音-1698817392.mp435.07MB
6.7 解码得到分离后的语音【公众号:CunWorkNotes】.mp435.07MB
6.8 测试模块所需参数.mp432MB
7.1 语音合成项目所需环境配置.mp433.78MB
7.2 所需数据集介绍【公众号:CunWorkNotes】.mp432.17MB
7.3 路径配置与整体流程解读.mp444.73MB
7.4 Dataloader构建数据与标签【公众号:CunWorkNotes】.mp452.49MB
7.5 编码层要完成的任务.mp432.77MB
7.6 得到编码特征向量.mp420.39MB
7.7 解码器输入准备【耗时整理‖】.mp424.83MB
7.8 解码器流程梳理【公众号:CunWorkNotes】.mp430.17MB
7.9 注意力机制应用方法.mp436.81MB
7.10 得到加权的编码向量.mp437.95MB
7.11 模型输出结果【耗时整理‖免费分享:】.mp439.85MB
7.12 损失函数与预测.mp434.14MB
课件资料47.25GB
第7模块:数据挖掘竞赛-优胜解决方案4.91GB
1-8章.exe3.99GB
第九章:用电敏感客户分类.exe937.43MB
第十章:机器学习项目实战模板.exe13.19MB
第9模块:TF与Torch8.66GB
PyTorch框架实战5.11GB
1-11章.exe2.53GB
12-16.exe2.58GB
Tensorflow2版本.exe3.56GB
第11模块:CV项目5.38GB
MASK-RCNN4.93GB
2-5章.exe2.17GB
6章.exe2.76GB
YOLO-V3-PyTorch【耗时整理‖】.exe464.4MB
第12模块:深度学习-对抗生成网络-实战系列9.33GB
第七章:图像超分辨率重构实战4.49GB
srdata.exe3.97GB
srgan超分辨率重构.exe532.86MB
1-6章.exe2.97GB
8-10章【耗时整理‖】.exe1.88GB
第13模块:行人重识别5.37GB
1-5章.exe3.39GB
6-10章.exe1.98GB
第15模块:自然语言处理(Python版)7.08GB
2-16章【公众号:CunWorkNotes】.exe2.46GB
第17-27章:基于Tensorflow的项目实战.exe3.91GB
第28-32章:基于Keras的项目实战.exe720.44MB
第1,2模块:Python数据科学必备库(4个)【公众号:CunWorkNotes】.exe32.44MB
第4模块:机器学习实训营(原理+复现+实验).exe1.03GB
第5模块:机器学习算法建模实战.exe1.1GB
第6模块:Python数据分析与机器学习实战集锦【耗时整理‖免费分享:】.exe487.12MB
第8模块:深度学习入门.exe112.58MB
第10模块:opencv计算机视觉实战【公众号:CunWorkNotes】.exe549.87MB
第14模块:自然语言处理BERT模型实战【耗时整理‖免费分享:】.exe1.84GB
第16模块:深度学习-语音识别实战【耗时整理‖】.exe1.38GB
共1732个文件,合计:91.78GB


