成为一名 AI 算法工程师，你需要具备哪些能力？

一、编程

就像大多数软件应用程序的开发一样，开发人员也在使用多种语言来编写人工智能项目，但是现在还没有任何一种完美的编程语言是可以完全速配人工智能项目的。编程语言的选择往往取决于对人工智能应用程序的期望功能。

由于其语法，简单性和多功能性，Python成为开发人员最喜欢的人工智能开发编程语言。Python最打动人心的地方之一就是便携性，它可以在Linux、Windows、Mac OS和UNIX等平台上使用。允许用户创建交互式的、解释的、模块化的、动态的、可移植的和高级的代码。

另外，Python是一种多范式编程语言，支持面向对象，过程式和功能式编程风格。由于其简单的函数库和理想的结构，Python支持神经网络和NLP解决方案的开发。

成为一个合格的AI算法工程师需要熟练掌握python基础语法、 python语句和表达句、python中的函数与模块、python面向对象以及python文本操作。掌握面向对象数据编程技术，也是为后期的AI学习打下扎实的编程能力。

二、数学

要学习人工智能，最基本的高数、线代、概率论必须掌握，至少也得会高斯函数、矩阵求导，明白梯度下降是怎么回事，否则对于模型的基本原理完全不能理解，模型调参与训练也就无从谈起了。

高等数学

高等数学需要掌握的相关内容包括函数、数列、极限、倒数、极值与最值、泰勒指数和梯度。

线性代数

线性代数的内容包括行列式、矩阵、最小二乘法、向量的线性相关性、矩阵的初等变换和秩、线性方程组的解和矩阵特征值

概率统计

概率统计里的事件、概率、贝叶斯定理、概率分布、期望与方差与参数估计

理解数学知识体系在深度学习中的应用，可以读懂深度学习中常用的数学函数公式，能够用python编程实现常用的数学算法。

三、深度学习

深度学习部分包括MLP模型、CNN卷积神经网络、RNN循环神经网络、GAN生成式对抗神经网络等。

MLP模型

需要具备理解多层感知机的运行过程和原理，并能够搭建多层感知机模型。

CNN卷积神经网络

掌握如何使用CNN网络处理空间问题，如图片、视频等数据。理解卷积、池化，以及反卷积、反池化的过程和原理。并且能够搭建相关的卷积网络模型。

RNN循环神经网络

掌握如何使用RNN处理时间序列问题，如智能应答、智能翻译等。理解循环神经网络RNN和 LSTM、GRU的运行过程和原理。能够搭建相关的循环神经网络模型训练与优化。

GAN生成式对抗神经网络

让神经网络具备创造能力，理解生成式对抗神经网络和其变种网络的原理，并能够搭建变分自编码的网络模型训练和优化，可实现图像生成、语音生成等。

四、项目实战

进行一些项目实战对于你的项目经验积累是十分有益的。

人工智能图像/视觉领域算法工程师所应具备的项目实战经验：YOLOV3多物体追踪/CenterLoss图像识别/Mask-RCNN图像分割。

能解决多目标追踪，图像识别、图像分隔、图像比对等应用场景项目。并且通过项目能学到很多工程技巧，实际项目中训练模型的方法和调参的经验。

网盘在线看，无需下载和解压（内容过多，下面为部分截图）

├──1--人工智能基础-快速入门

|   ├──1--人工智能就业、薪资、各行业应用

|   |   ├──1-人工智能就业前景与薪资 .mp4  52.07M

|   |   ├──2-人工智能适合人群与必备技能 .mp4  44.57M

|   |   ├──3-人工智能时代是发展的必然 .mp4  23.22M

|   |   └──4-人工智能在各领域的应用 .mp4  57.73M

|   └──2--机器学习和深度学习、有监督和无监督

|   |   ├──1-人工智能常见流程 .mp4  89.62M

|   |   ├──2-机器学习不同的学习方式 .mp4  83.51M

|   |   ├──3-深度学习比传统机器学习有优势 .mp4  84.81M

|   |   ├──4-有监督机器学习任务与本质 .mp4  37.50M

|   |   └──5-无监督机器学习任务与本质 .mp4  50.15M

├──10--机器学习与大数据-Kaggle竞赛实战

|   ├──1--药店销量预测案例

|   |   ├──1-Rossmann药店销量预测_kaggle的介绍 .mp4  36.33M

|   |   ├──2-对数据字段的介绍_导包 .mp4  19.90M

|   |   ├──3-自定义损失函数 .mp4  21.12M

|   |   ├──4-对数据里面的目标变量sales的一个分析 .mp4  44.88M

|   |   ├──5-数据的预处理 .mp4  111.81M

|   |   ├──6-模型的训练_评估 .mp4  66.64M

|   |   └──7-kaggle竞赛网站学习 .mp4  172.16M

|   └──2--网页分类案例

|   |   ├──1-Kaggle网页分类竞赛介绍 .mp4  25.08M

|   |   ├──10-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_02 .mp4  85.63M

|   |   ├──11-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_03 .mp4  68.80M

|   |   ├──12-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_04 .mp4  74.74M

|   |   ├──2-评估指标ROC和AUC .mp4  56.19M

|   |   ├──3-评估指标ROC和AUC .mp4  49.03M

|   |   ├──4-竞赛其他相关提交成绩排行榜 .mp4  40.19M

|   |   ├──5-数据导入 .mp4  68.41M

|   |   ├──6-MLlib对网页分类竞赛数据预处理 .mp4  102.96M

|   |   ├──7-MLlib对网页分类竞赛数据预处理_模型训练 .mp4  71.27M

|   |   ├──8-MLlib对网页分类竞赛模型训练_模型训练评估_搜索最佳超参数 .mp4  62.48M

|   |   └──9-使用SparkML对网页分类竞赛数据预处理_模型训练_交叉验证调参_01 .mp4  87.47M

├──11--机器学习与大数据-海量数据挖掘工具

|   ├──1--Spark计算框架基础

|   |   ├──1-Spark特性_01 .mp4  41.68M

|   |   ├──10-分布式计算所需进程 .mp4  26.30M

|   |   ├──11-两种算子操作本质区别 .mp4  56.31M

|   |   ├──12-Spark算子操作实战讲解_代码实战WordCount_01 .mp4  69.39M

|   |   ├──13-Spark算子操作实战讲解_代码实战WordCount_02 .mp4  56.06M

|   |   ├──14-Spark算子操作实战讲解_代码实战WordCount_03 .mp4  44.12M

|   |   ├──15-Spark算子操作实战讲解_代码实战WordCount_04 .mp4  41.91M

|   |   ├──2-Spark特性_02 .mp4  35.15M

|   |   ├──3-Spark对比hadoop优势 .mp4  19.34M

|   |   ├──4-回顾hadoop讲解shuffle .mp4  35.80M

|   |   ├──5-分布式计算框架Shuffle的原理_01 .mp4  46.22M

|   |   ├──6-分布式计算框架Shuffle的原理_02 .mp4  44.94M

|   |   ├──7-分布式计算框架Shuffle的原理_03 .mp4  29.26M

|   |   ├──8-Spark的RDD特性_01 .mp4  33.08M

|   |   └──9-Spark的RDD特性_02 .mp4  33.41M

|   ├──2--Spark计算框架深入

|   |   ├──1-Spark数据缓存机制 .mp4  54.43M

|   |   ├──10-讲解构建稀疏和稠密向量_01 .mp4  80.62M

|   |   ├──11-讲解构建稀疏和稠密向量_01 .mp4  101.76M

|   |   ├──12-构建LabeledPoint .mp4  111.08M

|   |   ├──13-介绍SparkMLlib模块中实现的算法和调用 .mp4  91.18M

|   |   ├──2-Spark宽依赖和窄依赖_01 .mp4  39.74M

|   |   ├──3-Spark宽依赖和窄依赖_02 .mp4  38.86M

|   |   ├──4-Spark宽依赖和窄依赖_03 .mp4  28.03M

|   |   ├──5-Spark术语总结 .mp4  89.66M

|   |   ├──6-分布式文件系统Block块的大小配置 .mp4  114.54M

|   |   ├──7-Spark程序启动运行流程详解_01 .mp4  49.37M

|   |   ├──8-Spark程序启动运行流程详解_02 .mp4  71.40M

|   |   └──9-Spark程序启动运行流程详解_03 .mp4  47.28M

|   └──3--Spark机器学习MLlib和ML模块

|   |   ├──1-SparkMLlib对于逻辑回归算法的调用 .mp4  170.37M

|   |   ├──10-SparkMLlib调用KMeans聚类_调用决策树(1)_3 .mp4  104.55M

|   |   ├──11-使用逻辑回归和随机森林对股票Stock预测案例实战_1 .mp4  89.72M

|   |   ├──12-使用逻辑回归和随机森林对股票Stock预测案例实战_2 .mp4  92.22M

|   |   ├──13-使用逻辑回归和随机森林对股票Stock预测案例实战_3 .mp4  84.20M

|   |   ├──14-从数据转化到训练集的构建 .mp4  146.40M

|   |   ├──15-模型的训练以及评估和调超参_1 .mp4  84.62M

|   |   ├──16-模型的训练以及评估和调超参_2 .mp4  88.90M

|   |   ├──17-模型的训练以及评估和调超参_3 .mp4  161.69M

|   |   ├──18-SparkML机器学习库概念讲解_1 .mp4  146.78M

|   |   ├──19-SparkML机器学习库概念讲解_2 .mp4  121.35M

|   |   ├──2-SparkMLlib调用逻辑回归_自定义阈值_1 .mp4  120.62M

|   |   ├──20-SparkML机器学习库代码实战讲解_1 .mp4  146.48M

|   |   ├──21-SparkML机器学习库代码实战讲解_2 .mp4  169.53M

|   |   ├──22-SparkML网页分类案例代码实战续(1)_1 .mp4  143.99M

|   |   ├──23-SparkML网页分类案例代码实战续(1)_2 .mp4  143.95M

|   |   ├──24-SparkML网页分类案例代码实战续(2)_1 .mp4  177.12M

|   |   ├──25-SparkML网页分类案例代码实战续(2)_2 .mp4  99.25M

|   |   ├──26-SparkML网页分类案例代码实战续(3) .mp4  9.82M

|   |   ├──3-SparkMLlib调用逻辑回归_自定义阈值_2 .mp4  109.35M

|   |   ├──4-SparkMLlib调用逻辑回归_使用标准归一化_1 .mp4  105.05M

|   |   ├──5-SparkMLlib调用逻辑回归_使用标准归一化_2 .mp4  255.32M

|   |   ├──6-SparkMLlib调用逻辑回归_使用标准归一化_3 .mp4  63.11M

|   |   ├──7-SparkMLlib调用逻辑回归_使用标准归一化_4 .mp4  140.87M

|   |   ├──8-SparkMLlib调用KMeans聚类_调用决策树(1)_1 .mp4  80.22M

|   |   └──9-SparkMLlib调用KMeans聚类_调用决策树(1)_2 .mp4  145.67M

├──12--机器学习与大数据-推荐系统项目实战

|   ├──1--推荐系统--流程与架构

|   |   ├──1-推荐系统_隐式用户反馈_1 .mp4  88.31M

|   |   ├──10-推荐系统列表_关联特征权重_基本特征权重的计算_2 .mp4  112.85M

|   |   ├──11-推荐系统列表_关联特征权重_基本特征权重的计算_3 .mp4  103.28M

|   |   ├──12-推荐系统_数据源_1 .mp4  79.07M

|   |   ├──13-推荐系统_数据源_2 .mp4  82.90M

|   |   ├──2-推荐系统_隐式用户反馈_2 .mp4  119.78M

|   |   ├──3-推荐系统_协同过滤_1 .mp4  60.31M

|   |   ├──4-推荐系统_协同过滤_2 .mp4  61.36M

|   |   ├──5-推荐系统_协同过滤_3 .mp4  60.51M

|   |   ├──6-推荐系统_协同过滤_4 .mp4  56.16M

|   |   ├──7-推荐系统架构_实时_离线_1 .mp4  100.65M

|   |   ├──8-推荐系统架构_实时_离线_2 .mp4  104.74M

|   |   └──9-推荐系统列表_关联特征权重_基本特征权重的计算_1 .mp4  77.80M

|   ├──2--推荐系统--数据预处理和模型构建评估实战

|   |   ├──1-HQL语句_python脚本构建中间结果_1 .mp4  155.76M

|   |   ├──10-MLlib调用算法计算模型文件并存储_2 .mp4  93.65M

|   |   ├──11-MLlib调用算法计算模型文件并存储_3 .mp4  107.32M

|   |   ├──12-ACC准确率和AUC面积的计算以及意义 .mp4  214.40M

|   |   ├──2-HQL语句_python脚本构建中间结果_2 .mp4  122.28M

|   |   ├──3-HQL语句_python脚本构建中间结果_3 .mp4  123.74M

|   |   ├──4-HQL语句_python脚本构建中间结果_4 .mp4  111.87M

|   |   ├──5-推荐系统_数据预处理_spark构建特征索引_标签列_1 .mp4  116.88M

|   |   ├──6-spark构建特征索引_标签列_2 .mp4  91.86M

|   |   ├──7-spark构建特征索引_标签列_3 .mp4  97.86M

|   |   ├──8-spark构建特征索引_标签列_4 .mp4  98.61M

|   |   └──9-MLlib调用算法计算模型文件并存储_1 .mp4  99.64M

|   └──3--推荐系统--模型使用和推荐服务

|   |   ├──1-推荐模型文件使用思路 .mp4  61.89M

|   |   ├──10-Dubbo推荐服务演示_SparkMLlib介绍_1 .mp4  110.16M

|   |   ├──11-Dubbo推荐服务演示_SparkMLlib介绍_2 .mp4  140.10M

|   |   ├──12-Dubbo推荐服务演示_SparkMLlib介绍_3 .mp4  157.45M

|   |   ├──2-Redis数据库安装及其使用 .mp4  47.93M

|   |   ├──3-实时在线推荐列表计算逻辑代码讲解_1 .mp4  165.06M

|   |   ├──4-实时在线推荐列表计算逻辑代码讲解_2 .mp4  98.49M

|   |   ├──5-实时在线推荐列表计算逻辑代码讲解_3 .mp4  90.57M

|   |   ├──6-实时在线推荐列表计算逻辑代码讲解_4 .mp4  94.68M

|   |   ├──7-使用Dubbo将推荐系统做成服务_1 .mp4  82.21M

|   |   ├──8-使用Dubbo将推荐系统做成服务_2 .mp4  103.88M

|   |   └──9-使用Dubbo将推荐系统做成服务_3 .mp4  119.95M

├──13--深度学习-原理和进阶

|   ├──1--神经网络算法

|   |   ├──1-神经网络是有监督的算法_生物神经元到人工神经元 .mp4  94.41M

|   |   ├──2-三种常见的激活函数_网络拓扑介绍_优化算法 .mp4  53.63M

|   |   ├──3-单层神经网络正向传播计算过程_用神经网络理解逻辑回归做多分类 .mp4  67.67M

|   |   ├──4-用神经网络理解Softmax回归 .mp4  67.20M

|   |   ├──5-隐藏层的意义_隐藏层相当于去做预处理_升维降维 .mp4  117.52M

|   |   ├──6-多节点网络输出_sklearn中NN模块的介绍 .mp4  90.57M

|   |   ├──7-sklearn中NN模型的代码使用 .mp4  123.62M

|   |   ├──8-隐藏层激活函数必须是非线性的 .mp4  21.95M

|   |   └──9-tensorflow概要_conda创建虚拟环境_CPU版本的tensorflow安装 .mp4  155.50M

|   ├──2--TensorFlow深度学习工具

|   |   ├──1-CUDA下载地址_CUDA显卡白名单地址 .mp4  68.65M

|   |   ├──2-CUDA安装_cudnn安装_环境变量配置_检验是否安装成功 .mp4  74.12M

|   |   ├──3-Tensorflow代码运行机制_TF基础的代码 .mp4  120.73M

|   |   ├──4-TF实现线性回归解析解的方式_TF实现线性回归梯度下降的方式 .mp4  173.47M

|   |   ├──5-TF实现线性回归BGD的方式_使用Optimizer_每轮打乱数据 .mp4  233.26M

|   |   ├──6-TF实现Softmax回归来识别MNIST手写数字 .mp4  137.04M

|   |   └──7-TF实现DNN来识别MNIST手写数字 .mp4  132.73M

|   └──3--反向传播推导_Python代码实现神经网络

|   |   ├──1-反向传播_链式求导法则 .mp4  86.47M

|   |   ├──2-反向传播推导(一) .mp4  127.90M

|   |   ├──3-反向传播推导(二)从输出层到最后一个隐藏层 .mp4  121.37M

|   |   ├──4-反向传播推导(三)从输出层到最后一个隐藏层Softmax多分类为例 .mp4  81.20M

|   |   ├──5-反向传播推导(四)关于Δ和a还有梯度的更新事宜 .mp4  34.57M

|   |   ├──6-python实现神经网络训练代码讲解(一) .mp4  84.17M

|   |   └──7-python实现神经网络正向反向传播训练 .mp4  112.23M

├──14--深度学习-图像识别原理

|   ├──1--卷积神经网络原理

|   |   ├──1-回顾深度神经网络_卷积层是局部连接 .mp4  131.17M

|   |   ├──2-单通道卷积的计算 .mp4  104.01M

|   |   ├──3-彩色图片卷积的计算 .mp4  52.79M

|   |   ├──4-卷积层权值共享 .mp4  63.93M

|   |   ├──5-卷积的补充与Padding填充模式 .mp4  97.00M

|   |   ├──6-卷积的计算TF中的API操作与参数 .mp4  93.50M

|   |   ├──7-池化的概念和TF中的API的操作与参数 .mp4  64.09M

|   |   └──8-经典的CNN架构和LeNet5 .mp4  137.21M

|   ├──2--卷积神经网络优化

|   |   ├──1-AlexNet网络结构_连续使用小的卷积核好处 .mp4  109.38M

|   |   ├──10-Optimizer_Adagrad_Adadelta_RMSprop .mp4  121.41M

|   |   ├──11-Optimizer_Adam .mp4  141.12M

|   |   ├──2-Dropout技术点思想和运用 .mp4  113.94M

|   |   ├──3-数据增强技术点_CNN对MNIST数据集分类_卷积池化代码 .mp4  77.55M

|   |   ├──4-CNN对MNIST数据集分类_全连接层以及训练代码 .mp4  125.88M

|   |   ├──5-深度学习网络对应ACC准确率忽然下降的思考点 .mp4  104.08M

|   |   ├──6-减轻梯度消失问题中激活函数发挥的作用 .mp4  42.02M

|   |   ├──7-减轻梯度消失问题中参数初始化发挥的作用 .mp4  66.51M

|   |   ├──8-VGG网络结构_以及1乘1的卷积核的作用和好处 .mp4  123.25M

|   |   └──9-Optimizer_SGD_Momentum .mp4  89.70M

|   ├──3--经典卷积网络算法

|   |   ├──1-Keras介绍_以及不同项目调用不同的python环境和CUDA环境 .mp4  141.12M

|   |   ├──2-VGG16_Fine-tuning_对MNIST做手写数字识别 .mp4  116.63M

|   |   ├──3-InceptionV1_V2 .mp4  165.86M

|   |   ├──4-InceptionV3_以及InceptionV3对皮肤癌图片识别 .mp4  166.97M

|   |   ├──5-ResNet残差单元_BottlenetBlocK .mp4  121.51M

|   |   ├──6-DenseNet和Keras里面的实现 .mp4  150.61M

|   |   ├──7-DenseNet在Keras里面的代码实现 .mp4  66.75M

|   |   ├──8-BatchNormalization .mp4  99.23M

|   |   └──9-Mobilenet网络架构 .mp4  150.05M

|   ├──4--古典目标检测

|   |   ├──1-图像识别任务_古典目标检测 .mp4  196.48M

|   |   ├──2-使用OpenCV调用分类器找到目标框 .mp4  98.21M

|   |   ├──3-IOU以及python计算的代码 .mp4  23.56M

|   |   ├──4-R-CNN和SPP-net .mp4  124.06M

|   |   └──5-从FastRCNN引入FasterRCNN .mp4  120.81M

|   └──5--现代目标检测之FasterRCNN

|   |   ├──1-回顾RCNN_SPPnet_Fast-RCNN .mp4  121.18M

|   |   ├──2-FasterRNN的核心RPN_正向传播的框过滤_NMS .mp4  214.14M

|   |   ├──3-NMS代码实现流程_mAP目标检测平均指标 .mp4  157.18M

|   |   ├──4-FasterRCNN论文讲解_从介绍到RPN的loss .mp4  210.02M

|   |   └──5-FasterRCNN论文讲解_从RPN损失到评估指标对比 .mp4  247.99M

├──15--深度学习-图像识别项目实战

|   ├──1--车牌识别

|   |   ├──1-基于CascadeClassifier来提取目标框做车牌识别代码详解_01 .mp4  83.16M

|   |   ├──2-基于CascadeClassifier来提取目标框做车牌识别代码详解_02 .mp4  86.40M

|   |   ├──3-基于CascadeClassifier来提取目标框做车牌识别代码详解_03 .mp4  48.80M

|   |   ├──4-基于CascadeClassifier来提取目标框做车牌识别代码详解_04 .mp4  73.07M

|   |   └──5-车牌识别项目关于目标检测的问题 .mp4  39.48M

|   ├──2--自然场景下的目标检测及源码分析

|   |   ├──1-FasterRCNN项目代码_环境说明_数据集详解_项目结构说明 .mp4  116.49M

|   |   ├──10-FasterRCNN代码_构建head .mp4  67.56M

|   |   ├──11-FasterRCNN代码_构建RPN网络_01 .mp4  124.40M

|   |   ├──12-FasterRCNN代码_构建RPN网络_02 .mp4  88.47M

|   |   ├──13-FasterRCNN代码_根据RPN网络得到校正后的预测的框_01 .mp4  83.97M

|   |   ├──14-FasterRCNN代码_根据RPN网络得到校正后的预测的框_02 .mp4  119.92M

|   |   ├──15-FasterRCNN代码_bbox剪裁_NMS非极大值抑制 .mp4  91.40M

|   |   ├──16-FasterRCNN代码_给RPN准备正负例样本_01 .mp4  100.30M

|   |   ├──17-FasterRCNN代码_给RPN准备正负例样本_02 .mp4  165.71M

|   |   ├──18-FasterRCNN代码_给RPN准备正负例样本_03 .mp4  43.58M

|   |   ├──19-FasterRCNN代码_给RPN准备正负例样本_04 .mp4  46.68M

|   |   ├──2-FasterRCNN项目代码_数据加载 .mp4  96.17M

|   |   ├──20-FasterRCNN代码_给RPN准备正负例样本_05 .mp4  78.02M

|   |   ├──21-FasterRCNN代码_给RPN准备正负例样本_06 .mp4  114.63M

|   |   ├──22-FasterRCNN代码_给RPN准备正负例样本_07 .mp4  100.02M

|   |   ├──23-FasterRCNN代码_给RPN准备正负例样本_08 .mp4  57.32M

|   |   ├──24-FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_01 .mp4  53.41M

|   |   ├──25-FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02 .mp4  74.40M

|   |   ├──26-FasterRCNN代码_添加Loss损失_smoothL1loss .mp4  76.44M

|   |   ├──3-FasterRCNN项目代码_数据增强 .mp4  71.78M

|   |   ├──4-FasterRCNN项目代码_数据初始化 .mp4  73.27M

|   |   ├──5-FasterRCNN项目代码_模型的训练 .mp4  39.33M

|   |   ├──6-回归整体训练流程_详解读取数据blob_01 .mp4  81.18M

|   |   ├──7-回归整体训练流程_详解读取数据blob_02 .mp4  75.71M

|   |   ├──8-回归整体训练流程_详解读取数据blob_03 .mp4  39.22M

|   |   └──9-回归整体训练流程_详解读取数据blob_04 .mp4  64.48M

|   └──3--图像风格迁移

|   |   ├──1-图片风格融合项目_架构_代码实现要点_1 .mp4  81.07M

|   |   ├──2-图片风格融合项目_架构_代码实现要点_2 .mp4  85.15M

|   |   ├──3-图片风格融合项目_架构_代码实现要点_3 .mp4  75.40M

|   |   └──4-图片风格融合项目_架构_代码实现要点_4 .mp4  86.94M

├──16--深度学习-目标检测YOLO(V1-V4全版本)实战

|   ├──1--YOLOv1详解

|   |   ├──1-YOLOv1论文详解_算法特点介绍 .mp4  179.69M

|   |   ├──2-YOLOv1论文详解_网络架构_思想 .mp4  215.92M

|   |   ├──3-YOLOv1论文详解_训练中的技巧_Loss损失函数 .mp4  253.21M

|   |   └──4-YOLOv1论文详解_NMS_局限性 .mp4  82.07M

|   ├──2--YOLOv2详解

|   |   ├──1-YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes .mp4  158.76M

|   |   ├──2-YOLOv2论文详解_mAP更better的一些点 .mp4  257.43M

|   |   ├──3-YOLOv2论文详解_Darknet19_分类数据和检测数据集融合_多标签 .mp4  141.41M

|   |   └──4-YOLOv2论文详解_层级分类_层级分类用于目标检测 .mp4  183.51M

|   ├──3--YOLOv3详解

|   |   ├──1-YOLOv3论文详解_每个框都要预测多个类别概率 .mp4  86.51M

|   |   ├──2-YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53 .mp4  158.58M

|   |   ├──3-YOLOv3论文详解_总结_FocalLoss .mp4  147.48M

|   |   ├──4-YOLOv4论文概述_介绍 .mp4  139.49M

|   |   └──5-YOLOv4论文概述_BOS_BOF .mp4  297.31M

|   ├──4--YOLOv3代码实战

|   |   ├──1-YOLOv3代码剖析_项目介绍 .mp4  157.02M

|   |   ├──2-YOLOv3代码剖析_聚类anchors_构建backbone主干网络 .mp4  238.06M

|   |   ├──3-YOLOv3代码剖析_model输出之后的预测框的计算 .mp4  223.57M

|   |   ├──4-YOLOv3代码剖析_使用model预测的其余代码 .mp4  86.53M

|   |   ├──5-YOLOv3代码剖析_weights到h5模型的转换 .mp4  144.69M

|   |   └──6-YOLOv3代码剖析_模型的训练部分详解 .mp4  316.56M

|   └──5--YOLOv4详解

|   |   ├──1-YOLOv4_BOF_DropBlock_FocalLoss .mp4  207.14M

|   |   ├──2-YOLOv4_BOF_GIoU_DIoU_CIoU .mp4  90.48M

|   |   ├──3-YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish .mp4  216.07M

|   |   └──4-YOLOv4_BOS_SAM_PAN_CSP_CmBN .mp4  220.91M

├──17--深度学习-语义分割原理和实战

|   ├──1--上采样_双线性插值_转置卷积

|   |   ├──1-前言 .mp4  19.46M

|   |   ├──2-上采样_repeat .mp4  23.90M

|   |   ├──3-线性插值 .mp4  34.48M

|   |   ├──4-双线性插值 .mp4  125.71M

|   |   ├──5-转置卷积_以及TF的API .mp4  114.25M

|   |   ├──6-双线性插值作为转置卷积核的初始参数 .mp4  145.01M

|   |   ├──7-ROI Align .mp4  58.38M

|   |   ├──8-FPN思想与网络结构 .mp4  92.14M

|   |   └──9-FPN应用于FasterRCNN_ResNetFPN .mp4  95.52M

|   ├──2--医疗图像UNet语义分割

|   |   ├──1-语义分割的基本概念 .mp4  18.33M

|   |   ├──2-FCN全卷积网络做语义分割 .mp4  36.54M

|   |   ├──3-UNet网络结构 .mp4  30.41M

|   |   └──4-UNet网络医疗图像的语义分割 .mp4  81.21M

|   └──3--蒙版弹幕MaskRCNN语义分割

|   |   ├──1-MaskRCNN网络结构 .mp4  106.38M

|   |   ├──2-MaskRCNN的项目展示 .mp4  250.54M

|   |   ├──3-MaskRCNN网络架构回顾 .mp4  151.34M

|   |   ├──4-MaskRCNN根据文档和论文总结重要的知识点 .mp4  239.08M

|   |   ├──5-MaskRCNN项目关于运行代码环境的说明 .mp4  44.16M

|   |   └──6-MaskRCNN源码config和model .mp4  244.48M

├──18--深度学习-人脸识别项目实战

|   ├──1-人脸识别任务种类_具体做法思路 .mp4  40.67M

|   ├──10-人脸识别项目代码_加载MTCNN模型 .mp4  72.07M

|   ├──11-人脸识别项目代码_读取图片带入MTCNN网络给出人脸候选框 .mp4  66.61M

|   ├──12-FaceNet论文_摘要和前情介绍 .mp4  71.54M

|   ├──13-FaceNet论文_相关的介绍 .mp4  39.55M

|   ├──14-FaceNet论文_TripleLoss思路来源和目标 .mp4  44.25M

|   ├──15-FaceNet论文_TripleLoss损失函数 .mp4  63.78M

|   ├──16-FaceNet论文_TripleSelection很至关重要 .mp4  131.75M

|   ├──17-FaceNet论文_ZF和Inception对比_总结 .mp4  59.21M

|   ├──18-人脸识别项目代码_FaceNet模型加载和使用 .mp4  42.82M

|   ├──19-人脸识别项目代码_人脸匹配以及最后的绘图展示 .mp4  40.37M

|   ├──2-开源的FaceNet项目介绍 .mp4  38.07M

|   ├──3-人脸识别项目代码整体结构 .mp4  30.40M

|   ├──4-MTCNN论文_摘要和介绍 .mp4  68.50M

|   ├──5-MTCNN论文_网络整体架构 .mp4  76.57M

|   ├──6-PRelu_每阶段输出多分支意义 .mp4  56.12M

|   ├──7-每一个阶段每个分支的Loss损失_整合每个分支的Loss .mp4  69.95M

|   ├──8-训练数据的准备_每一阶段训练的流程 .mp4  98.08M

|   └──9-总结MTCNN_缩放因子_注意3阶段网络里面的全连接 .mp4  54.79M

├──19--深度学习-NLP自然语言处理原理和进阶

|   ├──1--词向量与词嵌入

|   |   ├──1-N-gram语言模型 .mp4  116.32M

|   |   ├──2-NPLM神经网络语言模型 .mp4  155.81M

|   |   ├──3-词向量的作用 .mp4  58.00M

|   |   ├──4-CBOW模型思想和计算过程 .mp4  196.59M

|   |   ├──5-Skip-gram模型思想和计算过程 .mp4  44.35M

|   |   ├──6-Huffman树_分层Softmax的思想 .mp4  113.79M

|   |   ├──7-分层Softmax应用到CBOW模型上 .mp4  64.28M

|   |   └──8-负采样和负采样应用到CBOW模型上 .mp4  66.07M

|   ├──2--循环神经网络原理与优化

|   |   ├──1-理解RNN循环神经网络拓扑结构 .mp4  122.64M

|   |   ├──2-理解RNN循环神经网络计算流程 .mp4  55.91M

|   |   ├──3-利用RNN循环神经网络对MNIST手写数字识别 .mp4  127.75M

|   |   ├──4-理解LSTM长短时记忆_记住Topo和公式 .mp4  185.30M

|   |   ├──5-VanillaRNN的回顾复习 .mp4  123.51M

|   |   ├──6-补充讲一下为什么RNN中链越长越容易梯度消失 .mp4  44.24M

|   |   ├──7-LSTM的回顾复习_LSTM手写数字识别 .mp4  35.32M

|   |   ├──8-双向RNN_LSTM .mp4  52.01M

|   |   └──9-RNN里面应用的Topology结构 .mp4  23.04M

|   ├──3--从Attention机制到Transformer

|   |   ├──1-Seq2Seq中Attention注意力机制 .mp4  87.67M

|   |   ├──2-Transformer_Self-Attention_Multi-head .mp4  100.40M

|   |   └──3-Transformer_Positional_使用逻辑_网络结构总结 .mp4  102.40M

|   └──4--ELMO_BERT_GPT

|   |   ├──1-ELMO .mp4  62.44M

|   |   ├──2-BERT理论 .mp4  99.73M

|   |   └──3-ERNIE_GPT .mp4  56.34M

├──2--人工智能基础-Python基础

|   ├──1--Python开发环境搭建

|   |   ├──1-下载Miniconda运行环境 .mp4  100.75M

|   |   ├──2-Miniconda安装和测试 .mp4  57.12M

|   |   ├──3-Pycharm安装和代码运行 .mp4  71.57M

|   |   ├──4-Jupyter安装和代码运行 .mp4  37.10M

|   |   ├──5-Jupyter常用快捷键 .mp4  32.23M

|   |   ├──6-Conda虚拟环境创建与Python模块安装 .mp4  73.12M

|   |   └──7-关联虚拟环境运行代码 .mp4  38.14M

|   └──2--Python基础语法

|   |   ├──1-Python是强类型的动态脚本语言 .mp4  44.15M

|   |   ├──10-Python_集合操作_列表 .mp4  34.71M

|   |   ├──11-Python_集合操作_列表的基本操作 .mp4  49.44M

|   |   ├──12-Python_集合操作_列表的常用方法 .mp4  37.35M

|   |   ├──13-Python_集合操作_元组 .mp4  43.46M

|   |   ├──14-Python_集合操作_字典和常见操作 .mp4  38.01M

|   |   ├──15-Python_集合操作_字典keys方法_enumerate函数 .mp4  22.40M

|   |   ├──16-Python_os模块_shutil模块 .mp4  51.54M

|   |   ├──17-Python_打开并读取文件_中文编码问题 .mp4  58.82M

|   |   ├──18-Python_函数_定义_调用_返回值_注释 .mp4  23.77M

|   |   ├──19-Python_函数_局部变量_全局变量 .mp4  31.20M

|   |   ├──2-Python_控制语句_单双分支 .mp4  50.66M

|   |   ├──20-Python_函数_默认参数_可变参数 .mp4  24.47M

|   |   ├──21-Python_函数_递归 .mp4  23.46M

|   |   ├──22-Python_函数式编程_高阶函数 .mp4  24.65M

|   |   ├──23-Python_函数式编程_map_reduce_filter_匿名函数 .mp4  37.86M

|   |   ├──24-Python_函数_闭包 .mp4  41.61M

|   |   ├──25-Python_函数_装饰器 .mp4  30.35M

|   |   ├──26-Python_类对象_定义与实例化对象 .mp4  44.21M

|   |   ├──27-Python_类对象_实例属性和方法_类属性和方法 .mp4  38.35M

|   |   ├──28-Python_类对象_内置方法 .mp4  29.17M

|   |   ├──29-Python_类对象_运算符重载_私有对象方法_isinstance函数 .mp4  38.46M

|   |   ├──3-Python_控制语句_多分支_三元条件运算符 .mp4  31.02M

|   |   ├──30-Python_类对象_面向对象三大特性_类的继承 .mp4  24.66M

|   |   ├──31-Python_类对象_子类复用父类构造器和方法_方法重写 .mp4  32.00M

|   |   ├──4-Python_控制语句_while循环 .mp4  25.02M

|   |   ├──5-Python_控制语句_for循环 .mp4  22.82M

|   |   ├──6-Python_控制语句_嵌套循环 .mp4  36.15M

|   |   ├──7-Python_控制语句_break_continue .mp4  25.23M

|   |   ├──8-Python_切片操作 .mp4  40.20M

|   |   └──9-Python_数据类型 .mp4  25.38M

├──20--深度学习-NLP自然语言处理项目实战

|   ├──1--词向量

|   |   ├──1-回顾了词向量里面训练的Topology .mp4  121.72M

|   |   ├──2-Word2Vec项目代码_加载数据_构建字典 .mp4  96.76M

|   |   ├──3-Word2Vec项目代码_构建一个个批次数据 .mp4  82.29M

|   |   ├──4-Word2Vec项目代码_正向传播的Graph构建_NCE损失的计算本质 .mp4  102.84M

|   |   ├──5-Word2Vec项目代码_评估比较相似度_最后的训练绘图 .mp4  83.28M

|   |   └──6-Word2Vec项目代码_总结串讲 .mp4  22.52M

|   ├──2--自然语言处理--情感分析

|   |   ├──1-Keras实战RNN以及词嵌入来做情感分析 .mp4  71.10M

|   |   ├──2-数据预处理_01 .mp4  79.65M

|   |   ├──3-数据预处理_02 .mp4  45.68M

|   |   ├──4-代码讲解_01 .mp4  52.29M

|   |   ├──5-代码讲解_02 .mp4  60.85M

|   |   ├──6-代码讲解_03 .mp4  53.89M

|   |   ├──7-代码讲解_04 .mp4  57.19M

|   |   └──8-代码讲解_05 .mp4  35.88M

|   ├──3--AI写唐诗

|   |   ├──1-AI写唐诗_数据的读取_字典的构建_文本的索引化 .mp4  114.96M

|   |   ├──2-AI写唐诗_训练数据的构建 .mp4  69.75M

|   |   ├──3-MultiRNNCell单元 .mp4  38.93M

|   |   ├──4-AI写唐诗_从词嵌入到构建RNN再到输出层概率输出 .mp4  67.03M

|   |   ├──5-AI写唐诗_损失的计算_梯度的求解截断和更新_最终的训练代码 .mp4  61.73M

|   |   └──6-AI写唐诗_模型的使用_增加随机性 .mp4  93.87M

|   ├──4--Seq2Seq聊天机器人

|   |   ├──1-从AI写唐诗到Seq2Seq再到Encoder-Decoder .mp4  118.79M

|   |   ├──2-Seq2Seq版Chatbot的数据预处理 .mp4  93.85M

|   |   └──3-Seq2Seq版Chatbot训练和模型使用 .mp4  133.29M

|   ├──5--实战NER命名实体识别项目

|   |   ├──1-回顾了一下CRF训练和使用过程 .mp4  73.72M

|   |   ├──2-介绍了代码目录结构 .mp4  23.44M

|   |   ├──3-NER代码读取数据和预处理 .mp4  97.61M

|   |   ├──4-feature进入BiLSTM进行正向传播的过程 .mp4  70.91M

|   |   ├──5-通过CRF层来计算Loss损失以及训练 .mp4  80.51M

|   |   ├──6-BiLSTM-CRF模型的预测代码 .mp4  64.10M

|   |   ├──7-CRF中的特征函数们 .mp4  125.97M

|   |   ├──8-对比逻辑回归_相比HMM优势 .mp4  143.56M

|   |   └──9-补充标注偏置问题_HMM做分词代码结构 .mp4  141.43M

|   ├──6--BERT新浪新闻10分类项目

|   |   └──1-BERT新浪新闻10分类项目 .mp4  104.54M

|   └──7--GPT2聊天机器人

|   |   └──1-GPT2闲聊机器人 .mp4  62.28M

├──21--深度学习-OCR文本识别

|   ├──1-传统OCR识别_深度学习OCR识别 .mp4  369.94M

|   ├──10-CRNN项目代码剖析 .mp4  306.48M

|   ├──2-OCR识别本质就是文字检测和文字识别 .mp4  253.34M

|   ├──3-OCR识别的CTC损失思想 .mp4  327.69M

|   ├──4-总结理解深度学习文字识别架构 .mp4  121.59M

|   ├──5-CTC损失函数的理解 .mp4  330.64M

|   ├──6-CTC损失函数前向后向算法推导_梯度求导公式推导 .mp4  200.52M

|   ├──7-CTC前向后向算法代码 .mp4  225.41M

|   ├──8-GreedySearch和BeamSearch解码的方式与代码逻辑 .mp4  308.23M

|   └──9-CPTN项目代码剖析 .mp4  491.69M

├──24--【加课】Pytorch项目实战

|   ├──1--PyTorch运行环境安装_运行环境测试

|   |   ├──1-PyTorch概述 .mp4  29.29M

|   |   ├──2-PyTorch的安装 .mp4  76.45M

|   |   ├──3-Pycharm关联PyTorch运行环境 .mp4  37.96M

|   |   └──4-Jupyter关联PyTorch运行环境 .mp4  31.22M

|   ├──2--PyTorch基础_Tensor张量运算

|   |   ├──1-Tensor的创建 .mp4  55.14M

|   |   ├──2-修改Tensor的形状_索引操作 .mp4  76.51M

|   |   ├──3-广播机制_逐元素操作 .mp4  44.46M

|   |   └──4-归并操作_比较操作_矩阵操作 .mp4  59.39M

|   ├──3--PyTorch卷积神经网络_实战CIFAR10

|   |   ├──1-PyTorch实战CIFAR10数据_读取和展示 .mp4  83.93M

|   |   ├──10-PyTorch代码实战加入数据增强 .mp4  34.15M

|   |   ├──2-PyTorch实战CIFAR10_构建网络_打印网络层次 .mp4  58.61M

|   |   ├──3-PyTorch实战CIFAR10_训练模型_测试模型 .mp4  51.47M

|   |   ├──4-PyTorch实战CIFAR10_分类别打印模型准确率 .mp4  30.60M

|   |   ├──5-使用全局平均池化_使用LeNet模型 .mp4  40.97M

|   |   ├──6-使用集成学习思想训练识别模型 .mp4  86.96M

|   |   ├──7-使用VGG16模型提供准确率 .mp4  52.90M

|   |   ├──8-torchvision里面的预训练模型 .mp4  29.84M

|   |   └──9-迁移学习_PyTorch代码实战冻结预训练模型参数 .mp4  67.71M

|   ├──4--PyTorch循环神经网络_词性标注

|   |   ├──1-PyTorch词性标注_构建数据和词索引号 .mp4  28.07M

|   |   ├──2-PyTorch词性标注_构建词嵌入层LSTM层和词性输出层 .mp4  47.01M

|   |   ├──3-PyTorch词性标注_构建数据索引化和训练模型代码 .mp4  44.59M

|   |   └──4-PyTorch词性标注_测试模型效果 .mp4  11.67M

|   └──5--PyTorch编码器解码器_机器翻译

|   |   ├──1-PyTorch中英文翻译_规范化语料库_构建中英文词典索引 .mp4  50.41M

|   |   ├──2-PyTorch中英文翻译_数据预处理 .mp4  42.68M

|   |   ├──3-PyTorch中英文翻译_索引化数据_转化成Tensor张量_构建Encoder编码器 .mp4  57.69M

|   |   ├──4-PyTorch中英文翻译_构建训练函数之Encoder计算 .mp4  50.92M

|   |   ├──5-PyTorch中英文翻译_构建带Attention注意力机制的Decoder解码器 .mp4  79.33M

|   |   ├──6-PyTorch中英文翻译_构建训练函数之Decoder计算 .mp4  59.08M

|   |   ├──7-PyTorch中英文翻译_评估模型函数 .mp4  56.52M

|   |   └──8-PyTorch中英文翻译_绘制Attentions注意力权重 .mp4  33.74M

├──25--【加课】百度飞桨PaddlePaddle实战【新增】

|   ├──1--PaddlePaddle框架安装_波士顿房价预测

|   |   ├──1-安装PaddlePaddle .mp4  87.34M

|   |   ├──2-Pycharm运行出现mkl-service或DLL找不到的问题 .mp4  45.21M

|   |   ├──3-PaddlePaddle求解线性模型 .mp4  50.63M

|   |   ├──4-预测波士顿房价_数据读取_正向传播 .mp4  60.49M

|   |   └──5-预测波士顿房价_反向传播_模型保存_模型测试 .mp4  43.72M

|   ├──2--PaddlePaddle卷积网络_病理性近视识别

|   |   ├──1-预测病理性近视_图片数据读取 .mp4  97.18M

|   |   ├──2-预测病理性近视_模型训练 .mp4  86.66M

|   |   ├──3-预测病理性近视_定义模型结构_评估模型 .mp4  84.10M

|   |   └──4-预测病理性近视_调用经典卷积神经网络 .mp4  91.83M

|   ├──3--PaddleDetection工具_PCB电路板缺陷检测

|   |   ├──1-PaddleDetection_项目配置 .mp4  82.88M

|   |   ├──2-安装配置VisualStudio_解决安装模块pycocotools或cython_bbox编译报错问题 .mp4  65.48M

|   |   ├──3-PCB电路板缺陷检测_Images和Annotations .mp4  83.10M

|   |   ├──4-PCB电路板缺陷检测_前期数据的分析 .mp4  133.78M

|   |   ├──5-PCB电路板缺陷检测_项目配置文件 .mp4  42.77M

|   |   ├──6-PCB电路板缺陷检测_模型训练 .mp4  64.62M

|   |   └──7-PCB电路板缺陷检测_模型预测 .mp4  51.73M

|   ├──4--PaddleOCR工具_车牌识别(目标检测+CRNN+CTCLoss)

|   |   ├──1-PaddleOCR_项目配置_CCPD数据集介绍 .mp4  69.65M

|   |   ├──2-车牌识别项目_详解数据准备阶段代码 .mp4  42.93M

|   |   ├──3-车牌识别项目_运行保存标签和剪切出的车牌图片 .mp4  57.48M

|   |   ├──4-车牌识别项目_车牌目标框检测模型训练 .mp4  61.62M

|   |   ├──5-车牌识别项目_车牌字符识别模型训练 .mp4  61.89M

|   |   └──6-车牌识别项目_车牌识别模型导出及预测 .mp4  75.61M

|   ├──5--PaddleNLP模块_物流信息提取(BiGRU+CRF)

|   |   ├──1-PaddleNLP_项目配置 .mp4  49.37M

|   |   ├──2-PaddleNLP_物流信息提取项目介绍 .mp4  48.01M

|   |   ├──3-物流信息提取项目_解决导包显示找不到nul问题 .mp4  106.19M

|   |   ├──4-PaddleNLP_物流信息提取项目_加载数据构建DataSet .mp4  55.51M

|   |   ├──5-PaddleNLP_物流信息提取项目_进一步通过DataSet构建出DataLoader .mp4  51.88M

|   |   ├──6-PaddleNLP_物流信息提取项目_构建网络模型 .mp4  48.53M

|   |   ├──7-PaddleNLP_物流信息提取项目_模型训练 .mp4  47.34M

|   |   └──8-PaddleNLP_物流信息提取项目_合并结果并展示_使用预训练的词向量提升效果 .mp4  80.58M

|   └──6--PaddleNLP模块_物流信息提取(ERNIE版)

|   |   ├──1-PaddleNLP_物流信息提取项目_ERNIE实战_加载数据集构建Dataset .mp4  49.47M

|   |   ├──2-PaddleNLP_物流信息提取项目_ERNIE实战_详解Tokenizer作用 .mp4  57.44M

|   |   ├──3-PaddleNLP_物流信息提取项目_ERNIE实战_讲解模型训练和评估代码 .mp4  47.78M

|   |   └──4-PaddleNLP_物流信息提取项目_ERNIE实战_讲解ChunkEvaluator和输出预测结果 .mp4  57.88M

├──26--【加课】Linux 环境编程基础

|   └──1--Linux

|   |   ├──1-Linux_课程介绍 .mp4  3.72M

|   |   ├──10-Linux_常用命令_clear、touch、cat命令 .mp4  10.13M

|   |   ├──11-Linux_常用命令more、head、tail命令 .mp4  16.32M

|   |   ├──12-Linux_常用命令_mkdir命令 .mp4  10.57M

|   |   ├──13-Linux_常用命令_cp命令 .mp4  16.08M

|   |   ├──14-Linux_常用命令_rm、mv命令 .mp4  31.83M

|   |   ├──15-Linux_常用命令_vi、vim .mp4  30.63M

|   |   ├──16-Linux_常用命令_reboot、halt .mp4  4.75M

|   |   ├──17-Linux_常用配置_设置时区 .mp4  28.84M

|   |   ├──18-Linux_常用配置_启动网络 .mp4  15.64M

|   |   ├──19-Linux_常用配置_修改网段 .mp4  12.83M

|   |   ├──2-Linux_Linux简介 .mp4  17.59M

|   |   ├──20-Linux_常用配置_设置网络类型 .mp4  25.66M

|   |   ├──21-Linux_常用配置_快照与克隆 .mp4  16.47M

|   |   ├──22-Linux_Xshell的安装与使用 .mp4  19.51M

|   |   ├──23-Linux_上传与下载_Xftp的使用 .mp4  20.33M

|   |   ├──24-Linux_上传与下载_lrzsz工具 .mp4  43.32M

|   |   ├──25-Linux_文件的压缩与解压缩处理 .mp4  43.12M

|   |   ├──26-Linux_安装MySQL .mp4  79.02M

|   |   ├──3-Linux_VMWare安装及使用 .mp4  20.92M

|   |   ├──4-Linux_安装Linux .mp4  41.97M

|   |   ├──5-Linux_目录介绍 .mp4  20.31M

|   |   ├──6-Linux_Linux中的路径 .mp4  18.65M

|   |   ├──7-Linux_常用命令_pwd命令 .mp4  5.79M

|   |   ├──8-Linux_常用命令_cd命令 .mp4  8.15M

|   |   └──9-Linux_常用命令_ls与ll命令 .mp4  34.39M

├──27--【加课】算法与数据结构

|   └──1--算法与数据结构

|   |   ├──1-数据结构与算法简介 .mp4  35.68M

|   |   ├──10-哈希表的基本结构 .mp4  54.34M

|   |   ├──11-哈希表冲突问题 .mp4  75.92M

|   |   ├──12-哈希表冲突问题2 .mp4  72.30M

|   |   ├──13-哈希扩容 .mp4  111.03M

|   |   ├──14-递归与栈 .mp4  50.77M

|   |   ├──15-线性查找 .mp4  57.80M

|   |   ├──16-二分查找 .mp4  52.32M

|   |   ├──17-冒泡排序 .mp4  53.19M

|   |   ├──18-选择排序 .mp4  43.29M

|   |   ├──19-插入排序 .mp4  31.39M

|   |   ├──2-大O表示法 .mp4  25.59M

|   |   ├──20-归并排序 .mp4  84.48M

|   |   ├──21-快速排序 .mp4  36.63M

|   |   ├──22-树结构 .mp4  96.85M

|   |   ├──23-树结构的遍历 .mp4  61.05M

|   |   ├──24-最大堆的增加操作 .mp4  45.43M

|   |   ├──25-最大堆的删除操作 .mp4  45.63M

|   |   ├──26-二叉树的查找 .mp4  100.24M

|   |   ├──27-二叉树获取最小值 .mp4  25.21M

|   |   ├──28-二叉树的添加 .mp4  72.66M

|   |   ├──29-二叉树的删除 .mp4  120.06M

|   |   ├──3-线性结构 .mp4  53.14M

|   |   ├──4-单线链表1 .mp4  68.36M

|   |   ├──5-单链表2 .mp4  221.69M

|   |   ├──6-双链表 .mp4  103.57M

|   |   ├──7-队列(链式) .mp4  74.12M

|   |   ├──8-队列(线式) .mp4  30.99M

|   |   └──9-栈与双端队列 .mp4  28.12M

├──3--人工智能基础-Python科学计算和可视化

|   ├──1--科学计算模型Numpy

|   |   ├──1-Numpy_概述_安装_创建数组_获取shape形状 .mp4  39.89M

|   |   ├──2-Numpy_array_arange .mp4  35.45M

|   |   ├──3-Numpy_random随机数生成 .mp4  50.54M

|   |   ├──4-Numpy_ndarray属性_zeros_ones_like等创建数组函数 .mp4  45.37M

|   |   ├──5-NumPy_reshape_切片操作_copy函数 .mp4  34.47M

|   |   ├──6-Numpy_改变数组维度_数组的拼接 .mp4  46.50M

|   |   ├──7-Numpy_数组的切分和转置 .mp4  28.34M

|   |   ├──8-Numpy_算术运算_向上向下取整 .mp4  34.59M

|   |   └──9-Numpy_聚合函数 .mp4  23.68M

|   ├──2--数据可视化模块

|   |   ├──1-Matplotlib_概述_绘制直线图 .mp4  40.79M

|   |   ├──2-Matplotlib_绘制正余弦曲线_散点图_添加图例 .mp4  37.73M

|   |   ├──3-Matplotlib_绘制柱状图_画布切分多个子画布_柱状图对比 .mp4  52.15M

|   |   ├──4-Matplotlib_绘制饼图_直方图_同时绘制多组数据分布 .mp4  29.54M

|   |   └──5-Matplotlib_绘制等高线图_绘制三维图像 .mp4  34.90M

|   └──3--数据处理分析模块Pandas

|   |   ├──1-Python_Pandas_Series对象创建 .mp4  33.35M

|   |   ├──2-Python_Pandas_DataFrame对象创建 .mp4  37.19M

|   |   ├──3-Python_Pandas_获取Series对象的值 .mp4  22.41M

|   |   ├──4-Python_Pandas_获取DataFrame对象的值 .mp4  28.31M

|   |   ├──5-Python_Pandas_条件过滤 .mp4  24.66M

|   |   ├──6-Python_Pandas_空值的删除与填充 .mp4  46.66M

|   |   └──7-Python_Pandas_拼接和合并 .mp4  44.84M

............

├──9--机器学习-概率图模型

|   ├──1--贝叶斯分类

|   |   ├──1-朴素贝叶斯分类算法  .mp4  126.74M

|   |   ├──2-TF-IDF  .mp4  53.08M

|   |   ├──3-NB代码实现解析  .mp4  126.73M

|   |   ├──4-sklearn中调用NB_顺便讲解了GridSearchCV  .mp4  131.83M

|   |   ├──5-语言模型的设计目的_MLE的作用进行参数估计  .mp4  107.12M

|   |   └──6-贝叶斯网络_马尔可夫链  .mp4  38.75M

|   ├──2--HMM算法

|   |   ├──1-HMM隐马的定义  .mp4  36.82M

|   |   ├──2-HMM隐马的三组参数_三个基本问题  .mp4  104.28M

|   |   ├──3-HMM预测问题使用前向算法  .mp4  44.33M

|   |   ├──4-HMM预测问题使用维特比算法  .mp4  33.43M

|   |   ├──5-HMM复习_明确概率计算问题要解决的目标  .mp4  76.05M

|   |   ├──6-前向算法来解决概率计算问题  .mp4  33.05M

|   |   ├──7-Viterbi算法案例详解  .mp4  107.12M

|   |   └──8-Viterbi算法代码实现  .mp4  42.43M

|   └──3--CRF算法

|   |   ├──1-NER与分词和POS的关系_NER的标注策略_NER的主要方法  .mp4  127.78M

|   |   ├──2-讲解了一下常见的深度学习LSTM+CRF的网络拓扑  .mp4  71.88M

|   |   ├──3-了解CRF层添加的好处  .mp4  105.90M

|   |   ├──4-EmissionScore_TransitionScore  .mp4  61.33M

|   |   ├──5-CRF的目标函数  .mp4  23.74M

|   |   ├──6-计算CRF真实路径的分数  .mp4  50.37M

|   |   ├──7-计算CRF所有可能路径的总分数  .mp4  135.58M

|   |   └──8-通过模型来预测新的句子的序列标签  .mp4  83.16M

└──课件.zip  2.54kb

、