文件内容:
file:01-计算机视觉CV课程环境使用说明文档.pdf
file:02-阶段4 （计算机视觉CV) 阶段6 （CV项目）.7z
file:Iris数据集.7z
file:03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.7z
file:01-阶段1-3（python基础 、python高级、机器学习）.7z
file:04-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-数据传输过程(1).mp4
file:01-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的意义.mp4
file:06-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传输过程（隐藏层到输出层）(1).mp4
file:17-深度学习基础-图像分类-图像分类案例补充(7)-网络构建（中间流）.mp4
file:15-深度学习基础-图像分类-图像分类案例补充(5)-项目网络介绍.mp4
file:16-深度学习基础-图像分类-图像分类案例补充(6)-网络构建（输入流）.mp4
file:10-深度学习基础-深度神经网络-卷积神经网络CNN增补-网络参数量的计算.mp4
file:07-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-损失函数的计算.mp4
file:08-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-输出层权值的更新.mp4
file:03-深度学习基础-深度神经网络-神经网络介绍-网络是如何工作的-参数初始化增补-初始化方式的对比.mp4
file:20-深度学习基础-图像分类-图像分类案例补充(10)-模型训练的实现.mp4
file:05-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传播过程（输入层到隐藏层）(1).mp4
file:09-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-隐藏层权值的更新.mp4
file:12-深度学习基础-图像分类-图像分类案例补充(2)-数据接获取与可视化.mp4
file:02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用(1).mp4
file:13-深度学习基础-图像分类-图像分类案例补充(3)-图像增强.mp4
file:02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用.mp4
file:11-深度学习基础-图像分类-图像分类案例补充(1)-任务介绍.mp4
file:14-深度学习基础-图像分类-图像分类案例补充(4)-Xception模型介绍.mp4
file:04-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-数据传输过程.mp4
file:21-深度学习基础-图像分类-图像分类案例补充(11)-模型预测.mp4
file:18-深度学习基础-图像分类-图像分类案例补充(8)-网络构建（输出流）.mp4
file:06-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传输过程（隐藏层到输出层）.mp4
file:05-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传播过程（输入层到隐藏层）.mp4
file:19-深度学习基础-图像分类-图像分类案例补充(9)-模型训练.mp4
file:10-Transformer—新增案例机器翻译模型-1模型的介绍.mp4
file:26-虚拟机的使用.mp4
file:17-Transformer—新增案例机器翻译模型-8翻译函数的定义和9模型保存.mp4
file:15-Transformer—新增案例机器翻译模型-6构建训练函数和评估函数.mp4
file:20-迁移学习—迁移理论—加载和使用预训练模型全小节增补-3加载不带头的模型输出结果.mp4
file:08-RNN及其变体-RNN架构解析-注意力机制的增补attention公式讲解.mp4
file:07-RNN及其变体-RNN架构解析-注意力机制的增补attention机制模型.mp4
file:11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建.mp4
file:16-Transformer—新增案例机器翻译模型-7训练模型和定义解码函数.mp4
file:24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传.mp4
file:22-迁移学习—迁移理论—加载和使用预训练模型全小节增补-5加载分类模型头结果输出.mp4
file:25-迁移学习—迁移理论—迁移学习实践增补内容-模型上传后加载使用.mp4
file:05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念.mp4
file:18-迁移学习—迁移理论—加载和使用预训练模型全小节增补-1tokenizer加载.mp4
file:21-迁移学习—迁移理论—加载和使用预训练模型全小节增补-4加载语言模型头结果输出.mp4
file:12-Transformer—新增案例机器翻译模型-3模型构建.mp4
file:09-RNN及其变体-RNN架构解析-注意力机制的增补attention应用场景.mp4
file:01-文本预处理-文本预处理-文本数据增强讲解.mp4
file:03-文本预处理-新闻主题分类任务-数据加载方式的增补代码解读.mp4
file:04-文本预处理-新闻主题分类任务-数据加载方式的增补文件补齐.mp4
file:13-Transformer—新增案例机器翻译模型-4掩码的构建.mp4
file:19-迁移学习—迁移理论—加载和使用预训练模型全小节增补-2加载带头和不带头的预训练模型.mp4
file:23-迁移学习—迁移理论—加载和使用预训练模型全小节增补-6加载问答模型头结果输出.mp4
file:14-Transformer—新增案例机器翻译模型-5数据批处理.mp4
file:06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理.mp4
file:02-文本预处理-文本预处理-文本数据增强代码实现.mp4
file:7-谈谈跳槽那些事.mp4
file:19-处于下风？不存在的，几招教你定乾坤！.mp4
file:9-世界那么大，趋势知多少？.mp4
file:4-自我介绍，你行吗？.mp4
file:12-工作中的困难，你是如何处理的？.mp4
file:3-了解应聘流程，做个有条不紊的人.mp4
file:8-与领导意见分歧，你是怎么做的？.mp4
file:18-加班，你怎么看？.mp4
file:14-你的应聘优势是什么.mp4
file:1-众里寻他千百度，你的简历在何处.mp4
file:15-应聘企业早知道.mp4
file:5-你的规划你做主!.mp4
file:2-面试前的那些“坑”.mp4
file:20-提问的含金量，你知道吗？.mp4
file:6-如何正视你的小缺点.mp4
file:16-生活中的那些爱好，挑一个盘他.mp4
file:11-谈钱怎么不伤感情.mp4
file:13-描述你的个性.mp4
file:17-选择机会重因素，个人心中要有数.mp4
file:10-应聘企业早知道.mp4
file:1.7终生学习总结.mp4
file:1.3代码练习-自定义数据集2.mp4
file:1.4代码练习-模型训练1.mp4
file:1.5代码练习-模型训练2.mp4
file:1.6模型调试.mp4
file:1.2代码练习-自定义数据1.mp4
file:1.1终生学习介绍.mp4
file:1.3模型训练1.mp4
file:1.3模型训练2.mp4
file:1.2自定义数据集读取练习.mp4
file:1.5迁移学习总结.mp4
file:1.1迁移学习介绍.mp4
file:1.4模型调试.mp4
file:1.1.自动编码器历史与应用介绍.mp4
file:2.3自动编码器改进编码-数据读取.mp4
file:2.2自动编码器改进-稀疏与降噪.mp4
file:2.1自动编码器改进--深层.mp4
file:2.5自动编码器改进-模型训练与比较.mp4
file:2.4自动编码器改进编码-模型结构1.mp4
file:2.4自动编码器改进编码-模型结构2.mp4
file:3.3变分自动编码器练习-模型训练.mp4
file:3.2变分自动编码器练习-模型搭建2.mp4
file:3.2变分自动编码器练习-模型搭建1.mp4
file:3.1变分自动编码器介绍.mp4
file:3.4自动编码器总结.mp4
folder:黑马人工智能AI进阶(年度钻石会员价值11980元) - 带源码课件
folder:【主学习路线】07、阶段七人工智能面试强化（赠送）
folder:【主学习路线】04、阶段四计算机视觉与图像处理
folder:【主学习路线】06、阶段六人工智能项目实战
folder:【课件】
folder:【课外拓展】06、阶段六阶段二Python高级（更新）
folder:【课外拓展】10、阶段十CV基础+项目（更新）
folder:【课外拓展】04、阶段四入学第一课
folder:【课外拓展】03、阶段三赠送-文本摘要项目
folder:【课外拓展】01、阶段一HR面试技巧
folder:【课外拓展】07、阶段七阶段三机器学习（更新）
folder:【主学习路线】02、阶段二人工智能Python高级
folder:【课外拓展】05、阶段五阶段一python基础（更新）
folder:【课外拓展】02、阶段二赠送-人脸支付
folder:【课外拓展】08、阶段八阶段四—深度学习基础补充视频
folder:【主学习路线】05、阶段五NLP自然语言处理
folder:【主学习路线】03、阶段三人工智能机器学习
folder:【主学习路线】01、阶段一人工智能Python基础
folder:【课外拓展】09、阶段九阶段五—NLP基础补充视频
folder:7--第七章终生学习
folder:4--第四章算法进阶迁移学习
folder:1--第一章自动编码器
folder:8--第八章算法进阶进化学习
folder:2--第二章图像分割应用
folder:6--第六章模型压缩
folder:5--第五章模型可解释
folder:9--第九章贝叶斯方法
folder:11--第十一章深度强化学习
folder:10--第十章贝叶斯方法实现及粒子滤波
folder:3--第三章生成对抗学习
folder:7--第七章OpenCV简介_v2.0
folder:10--第十章图像特征提取与描述_v2.0
folder:5--第五章目标检测_v2.0
folder:2--第二章tensorflow入门_v2.0
folder:1--第一章课程简介_v2.0
folder:11--第十一章视频操作_v2.0
folder:12--第十二章案例人脸案例_v2.0
folder:8--第八章OpenCV基本操作_v.2.0
folder:4--第四章图像分类_v2.0
folder:6--第六章图像分割_v2.0
folder:9--第九章OpenCV图像处理_v2.0
folder:3--第三章深度神经网络_v2.0
folder:3--第三章 智能文本分类系统
folder:4--第四章 实时人脸识别检测项目
folder:2--第二章 在线医生
folder:1--第一章 智慧交通
folder:第三章3-Python编程进阶
folder:第一章1-Linux基础
folder:第二章2-SQL基础
folder:第一章 1-Pytorch与深度学习基础
folder:第三章 3-01 - 目标检测
folder:第四章 4-02 - OpenCV
folder:第二章 2-深度学习核心模型与实战
folder:第五章 5-03 - 人脸支付
folder:第六章 6-04 - 智慧交通
folder:无课程相关内容
folder:第一章1-文本摘要项目
folder:第一章 1-HR面试技巧
folder:第四章 4-试用期篇
folder:第三章 3-面试篇
folder:第二章 2-求职篇
folder:第二章2-机器学习算法进阶
folder:第一章1-机器学习基础算法
folder:8--第八章数据结构与算法
folder:9--第九章MySql数据库基本使用
folder:4--第四章网络编程
folder:6--第六章闭包,装饰器及python高级语法
folder:1--第一章Linux基础命令
folder:7--第七章正则表达式
folder:2--第二章Linux高级命令
folder:3--第三章多任务编程
folder:5--第五章HTTP协议和静态服务器
folder:10--第十章MySqL数据库高级使用
folder:第一章1-python基础编程
folder:第二章2-python面向对象
folder:第一章1-人脸支付
folder:5--第五章 RNN经典案例-v2.0
folder:2--第二章 自然语言处理NLP介绍-v2.0
folder:8--第八章 Transformer架构解析-v2.0
folder:7--第七章 Transformer背景介绍-v2.0
folder:12--第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0
folder:10--第十章 迁移学习-v2.0
folder:14--第十四章 经典的序列模型-v2.0
folder:13--第十三章 HMM模型-v2.0
folder:9--第九章 fasttext工具的使用-v2.0
folder:4--第四章 RNN架构解析-v2.0
folder:6--第六章 莎士比亚风格的文本生成任务-v2.0
folder:3--第三章 文本预处理-v2.0
folder:1--第一章 Pytorch工具_v2.0
folder:11--第十一章 BERT,Transformer的模型架构与详解-v2.0
folder:17--第十七章集成学习进阶V2.1
folder:10--第十章决策树V2.1
folder:6--第六章seabornV2.1
folder:5--第五章pandasV2.1
folder:2--第二章环境安装和使用V2.1
folder:12--第十二章聚类算法V2.1
folder:15--第十五章EM算法V2.1
folder:16--第十六章HMM算法V2.1
folder:3--第三章matplotlibV2.1
folder:4--第四章numpyV2.1
folder:13--第十三章朴素贝叶斯V2.1
folder:8--第八章线性回归V2.1
folder:9--第九章逻辑回归V2.1
folder:11--第十一章集成学习V2.1
folder:14--第十四章SVM算法V2.1
folder:1--第一章机器学习概述V2.1
folder:7--第七章K近邻算法V2.1
folder:12--第十二章函数强化
folder:1--第一章计算机组成原理
folder:7--第七章元组
folder:10--第十章公共方法
folder:9--第九章集合
folder:14--第十四章面向对象
folder:2--第二章python基础语法
folder:16--第十六章模块
folder:5--第五章字符串
folder:17--第十七章学生管理系统(面向对象版)
folder:11--第十一章函数
folder:3--第三章判断语句
folder:13--第十三章文件操作
folder:6--第六章列表
folder:8--第八章字典
folder:4--第四章循环语句
folder:15--第十五章异常
folder:1--终生学习
folder:1--迁移学习介绍
folder:1--自动编码器历史与应用介绍
folder:3--自动编码器改进技巧
folder:4--变分自动编码器
folder:2--构建自动编码器
folder:1--进化学习
folder:1--图像分割应用介绍
folder:1--模型压缩
folder:1--模型可解释
folder:1--贝叶斯方法
folder:2--Q-learning算法
folder:1--强化学习
folder:3--DeepQ-Network
folder:1--贝叶斯方法实现及粒子滤波
folder:1--生成对抗学习
folder:2--OpenCV简介及安装方法
folder:3--OpenCV的模块
folder:1--图像处理简介
folder:3--SIFT
folder:5--LBP和HOG特征算子
folder:4--Fast和ORB算法
folder:2--Harris和Shi-Tomas算法
folder:1--角点特征
folder:3--Faster-RCNN原理与实现
folder:4--yolo系列算法
folder:6--SSD模型介绍
folder:1--目标检测概述
folder:2--R-CNN网络基础
folder:5--yoloV3案例
folder:1--tensorflow和keras简介
folder:2--快速入门模型
folder:2--计算机视觉（CV）
folder:1--深度学习
folder:1--视频读写
folder:2--视频追踪
folder:1--案例人脸案例
folder:1--图像的基础操作
folder:2--算数操作
folder:2--AlexNet
folder:6--图像增强方法
folder:3--VGG
folder:5--ResNet
folder:7--模型微调
folder:4--GoogleNet
folder:1--图像分类简介
folder:3--Unet-案例
folder:2--语义分割：FCN与Unet
folder:1--目标分割介绍
folder:4--实例分割：MaskRCNN
folder:2--形态学操作
folder:7--轮廓检测
folder:6--模版匹配和霍夫变换
folder:5--边缘检测
folder:1--几何变换
folder:3--图像平滑
folder:4--直方图
folder:6--卷积神经网络CNN
folder:2--常见的损失函数
folder:5--神经网络案例
folder:3--深度学习的优化方法
folder:1--神经网络简介
folder:4--深度学习的正则化
folder:3--特征工程和fasttext模型训练
folder:5--系统联调和测试
folder:6--泛娱乐推荐介绍
folder:7--召回模块
folder:4--多模型训练和预测
folder:8--排序模块
folder:1--整体系统搭建
folder:2--构建标签词汇图谱
folder:1--人脸识别
folder:3--Dlib模型训练
folder:4--活体检测
folder:2--口罩检测
folder:5--属性识别
folder:18--命名实体识别介绍
folder:27--任务介绍与模型选用及训练数据集
folder:24--在线部分简要分析
folder:28--BERT中文预训练模型1
folder:8--在Python中使用neo4j
folder:11--非结构化数据流水线
folder:10--结构化数据流水线
folder:31--模型部署
folder:17--NE模型使用
folder:25--werobot服务构建
folder:1--背景介绍
folder:4--总体架构中的工具介绍
folder:12--任务介绍与模型选用
folder:3--在线医生的总体架构
folder:6--neo4j图数据库的安装
folder:26--主要逻辑服务
folder:9--离线部分简要分析
folder:14--BERT中文预训练模型
folder:2--Unit对话API使用
folder:23--模型使用
folder:32--系统联调与测试
folder:19--BiLSTM介绍
folder:7--Cypher介绍与使用
folder:29--微调模型
folder:15--构建RNN模型
folder:5--neo4j简介
folder:20--CRF介绍
folder:21--BiLSTM+CRF模型
folder:16--进行模型训练
folder:22--模型训练
folder:30--进行模型训练1
folder:13--训练数据集
folder:5--卡尔曼滤波
folder:2--算法原理
folder:22--网络模型训练（选学）
folder:11--相机校正
folder:15--车道线定位与拟合
folder:9--目标检测
folder:18--SIamese网络系列（选学）
folder:21--网络模型搭建（选学）
folder:3--多目标跟踪
folder:24--网络模型应用（选学）
folder:23--网络模型测试（选学）
folder:19--跟踪效果（选学）
folder:12--相机校正和图像去畸变
folder:8--SORT
folder:4--辅助功能
folder:6--匈牙利算法
folder:7--数据关联
folder:10--车流量统计
folder:17--在视频中进行车道线检测
folder:13--车道线提取
folder:14--透视变换
folder:16--车道曲率与车辆偏离中心线距离
folder:1--项目简介
folder:20--数据集处理（选学）
folder:0-19Python爬虫
folder:0-16Python中正则表达式
folder:0-9FastAPI
folder:0-11线程
folder:0-18FastAPI搭建Web服务器
folder:0-4HTML基础
folder:0-8静态Weeb服务器
folder:0-3PyMySQL
folder:0-5CSS基础
folder:0-2装饰器
folder:0-6Socket网络编程
folder:0-12进程线程对比
folder:0-7TCP服务器开发
folder:0-10进程
folder:0-17正则表达式扩展
folder:0-14Python生成器
folder:0-15Python中深浅拷贝
folder:0-13With上下文管理器
folder:0-1函数的闭包
folder:0-4Linux常用命令(2)
folder:0-1Linux基础
folder:0-2Linux终端基本使用
folder:0-3Linux常用命令(1)
folder:0-1数据库基础
folder:0-3SQL约束
folder:0-6SQL高阶特性
folder:0-2SQL语言基础
folder:0-5SQL多表查询
folder:0-4SQL聚合
folder:0-7 BP神经网络案例
folder:0-4 Pytorch案例实战
folder:0-1 Pytorch基础
folder:0-2 Pytorch张量操作
folder:0-6 深度学习优化理论
folder:0-3 Pytorch高阶操作
folder:0-5 深度学习基础理论
folder:0-3 FasterRCNN案例
folder:0-2 FasterRCNN原理与实现
folder:0-6 yolo v5算法介绍
folder:0-4 yolo v1-v3算法介绍
folder:0-1 目标检测概述
folder:0-5 yolo v4算法介绍
folder:0-7 yolo v5案例
folder:0-3 形态学操作
folder:0-6 边缘检测
folder:0-4 图形平滑
folder:0-1 opencv简介
folder:0-7 视频读写
folder:0-2 几何变换
folder:0-8 视频追踪
folder:0-5 直方图
folder:0-2 卷积神经网络案例
folder:0-3 循环神经网络基础
folder:0-1 卷积神经网络基础
folder:0-4 循环神经网络案例
folder:0-1 项目背景介绍
folder:0-4 人脸多任务
folder:0-6 项目集成
folder:0-5 人脸识别
folder:0-2 人脸检测子任务
folder:0-3 人脸姿态任务
folder:0-2 算法原理
folder:0-15 车道线曲率计算
folder:0-9 车道线检测
folder:0-1 项目简介
folder:0-12 车道线提取
folder:0-13 透视变换
folder:0-14 车道线定位与拟合
folder:0-11 图像去畸变
folder:0-5 匈牙利算法
folder:0-6 sort
folder:0-8 车流量统计
folder:0-7 yolo目标检测
folder:0-10 相机标定
folder:0-3 多目标跟踪
folder:0-4 卡尔曼滤波
folder:0-7工具函数的实现
folder:0-24coverage机制原理
folder:0-36GPU优化原理和实现
folder:0-13PGN架构
folder:0-23ROUGE算法实现
folder:0-14数据预处理
folder:0-2项目中的数据集初探
folder:0-29TF-IDF算法原理和实现
folder:0-34训练策略原理和实现
folder:0-37CPU优化原理和实现
folder:0-8模型类的搭建
folder:0-5seq2seq架构
folder:0-15PGN数据特殊性分析
folder:0-28Beam-search模型类实现
folder:0-4TextRank算法实现模型
folder:0-1文本摘要项项目背景介绍
folder:0-21BLEU算法理论
folder:0-38Flask实现模型部署
folder:0-30单词替换法的类实现
folder:0-16迭代器和类的实现
folder:0-31单词替换法的训练和评估
folder:0-11词向量的单独训练
folder:0-35模型转移实现
folder:0-12模型的优化
folder:0-22ROUGE算法理论
folder:0-32回译数据法实现和评估
folder:0-27Beam-search原理介绍
folder:0-18PGN模型训练
folder:0-6seq3seq架构
folder:0-19PGN模型预测
folder:0-3TextRank算法理论基础
folder:0-17PGN模型的搭建
folder:0-20评估方法介绍
folder:0-26coverage训练和预测
folder:0-33半监督学习法原理和实现
folder:0-25coverage模型类实现
folder:0-9模型的训练
folder:0-10模型的预测
folder:0-1 试用期
folder:0-1 面试篇
folder:0-1 求职篇
folder:0-1决策树算法
folder:0-3SVM算法
folder:0-5集成学习算法
folder:0-6机器学习算法回顾总结（有需要的同学可以看看）
folder:0-4聚类算法
folder:0-2朴素贝叶斯算法
folder:0-1人工智能原理基础
folder:0-4逻辑回归
folder:0-3线性回归
folder:0-2KNN算法
folder:12--快速排序
folder:6--链表
folder:2--时间复杂度
folder:1--算法概念
folder:3--空间复杂度
folder:4--数据结构
folder:10--选择排序
folder:15--二叉树的遍历
folder:8--队列
folder:9--冒泡排序
folder:7--栈
folder:5--顺序表
folder:11--插入排序
folder:13--二分查找
folder:14--二叉树
folder:4--排序
folder:3--where条件查询
folder:1--数据库介绍
folder:2--数据表的基本操作
folder:1--ip和端口介绍
folder:4--多任务案例
folder:2--TCP介绍
folder:3--TCP开发流程
folder:2--装饰器
folder:4--with语法
folder:5--python高级语法
folder:1--闭包
folder:3--property语法
folder:1--linux简介
folder:2--linux相关命令
folder:1--正则表达式
folder:2--远程控制
folder:3--vim介绍
folder:1--linux高级操作
folder:3--多线程介绍
folder:5--进程和线程的对比
folder:1--多任务介绍
folder:2--多进程介绍
folder:4--锁的介绍
folder:1--HTTP协议
folder:2--静态web服务器搭建
folder:5--事务
folder:1--条件查询
folder:3--外键使用
folder:4--视图
folder:7--设计范式
folder:6--索引
folder:2--实战操作
folder:8--PyMySQL的使用
folder:0-27递归
folder:0-1python开发环境搭建
folder:0-6Python分支语句
folder:0-25可变类型及非可变类型
folder:0-19函数基本使用
folder:0-10循环else
folder:0-7while循环
folder:0-9for循环及案例
folder:0-32python异常处理
folder:0-30文件操作案例
folder:0-8while循环案例
folder:0-31案例-学生管理系统（三）
folder:0-4Python格式化输出
folder:0-2Python注释与变量
folder:0-3Python数据类型
folder:0-12字符串查找，替换，合并
folder:0-21函数作用域
folder:0-33python模块与包
folder:0-20函数基本使用替代视频（04,05,06）
folder:0-14元祖定义及使用
folder:0-18公共方法与推导式
folder:0-15字典定义及使用
folder:0-24基础加强练习
folder:0-23案例-学生管理系统（二）
folder:0-13列表定义及使用
folder:0-22不定长参数与组包拆包
folder:0-34案例-飞机大战
folder:0-16案例-学生管理系统（一）
folder:0-5Python运算符
folder:0-28lambda表达式
folder:0-26递推
folder:0-17集合定义及使用
folder:0-11字符串定义切片
folder:0-29文件基本操作
folder:0-3案例-面向对象
folder:0-2魔法方法
folder:0-5面向对象多态
folder:0-1类定义及类属性使用
folder:0-4面向对象封装与继承
folder:0-6类属性方法
folder:0-5人脸识别
folder:0-2人脸检测子任务
folder:0-6项目集成
folder:0-3人脸姿态估计
folder:0-4人脸多任务
folder:0-1项目背景介绍
folder:1--使用RNN模型构建人名分类器
folder:2--使用seq2seq模型架构实现英译法任务
folder:1--NLP简介
folder:7--规范化层
folder:13--输出部分实现
folder:14--模型构建
folder:5--多头注意力机制
folder:11--解码器层
folder:2--输入部分实现
folder:4--注意力机制
folder:10--编码器
folder:6--前馈全连接层
folder:3--掩码张量
folder:1--认识Transformer架构
folder:8--子层连接结构
folder:9--编码器层
folder:12--解码器
folder:1--Transformer背景介绍
folder:3--认识GPT2
folder:4--请详述BERT, GPT, ELMo模型的对比和各自的优缺点
folder:1--认识ELMo
folder:2--认识GPT
folder:1--迁移学习理论
folder:3--NLP中的常用预训练模型
folder:2--NLP中的标准数据集
folder:5--迁移学习实践
folder:4--加载和使用预训练模型
folder:1--认识HMM与CRF模型
folder:1--马尔科夫链
folder:4--维特比算法解码隐藏状态序列
folder:2--HMM简介
folder:3--HMM模型基础
folder:3--训练词向量
folder:2--进行文本分类
folder:1--认识fasttext工具
folder:4--词向量迁移
folder:5--注意力机制
folder:3--LSTM模型
folder:1--认识RNN模型
folder:4--GRU模型
folder:2--传统RNN模型
folder:1--莎士比亚风格的文本生成任务
folder:1--认识文本预处理
folder:3--文本张量表示方法
folder:5--文本的特征处理
folder:6--文本数据增强
folder:2--文本处理的基本方法
folder:4--文本的数据分析
folder:3--使用Pytorch构建一个神经网络
folder:4--使用Pytorch构建一个分类器
folder:1--认识pytorch
folder:2-- Pytorch中的autograd
folder:1--认识BERT
folder:8--self-attention公式中添加scaled的原因
folder:4--Transformer中的self-attention
folder:7--Transformer可以代替seq2seq的原因
folder:12--长文本预测任务使用BERT如何构造训练样本
folder:5--采用Multi-head Attention的原因和计算规则
folder:10--BERT模型的优点和缺点
folder:6--Transformer相比于RNN的优势和原因
folder:2--Transformer的结构是什么样的 各个子模块各有什么作用
folder:3--Transformer结构中的Decoder端具体输入
folder:11--BERT的MLM任务为什么采用80% 10% 10%的策略
folder:9--Transformer架构的并行化是如何进行的
folder:3--lightGBM算法
folder:1--XGBoost算法
folder:2--otto案例
folder:4--绝地求生案例
folder:1--信息增益
folder:2--特征提取
folder:3--案例泰坦生存预测
folder:4--回归决策树
folder:3--NBA案例
folder:1--绘制统计图
folder:4--北京租房数据统计分析
folder:2--分类数据绘图
folder:2--pandas基础使用
folder:3--pandas高级使用
folder:4--电影案例分析
folder:1--pandas数据结构
folder:1--环境安装及使用
folder:1--聚类算法
folder:1--EM算法
folder:1--HMM算法
folder:1--matplotlib使用
folder:1--numpy使用
folder:1--朴素贝叶斯
folder:3--回归相关知识
folder:1--回归介绍
folder:2--损失优化
folder:1--逻辑回归
folder:2--随机森林案例
folder:3--集成学习
folder:1--集成介绍
folder:1--SVM算法
folder:1--机器学习介绍
folder:5--KNN总结
folder:1--k近邻算法介绍
folder:6--交叉验证,网格搜索
folder:4--特征工程
folder:2--kd树
folder:7--案例Facebook位置预测
folder:3--数据集处理
folder:1--函数应用学员管理系统
folder:5--高阶函数
folder:2--课后练习(学员管理系统)
folder:4--匿名函数
folder:3--递归函数
folder:1--计算机原理
folder:1--元组相关操作
folder:1--公共方法
folder:2--推导式
folder:1--集合的相关操作
folder:2--类和对象
folder:9--super方法使用
folder:4--魔法方法
folder:11--多态
folder:7--继承
folder:3--对象属性操作
folder:12--类属性及相关方法
folder:10--私有属性和方法
folder:1--面向对象介绍
folder:8--子类重写父类属性和方法
folder:6--案例搬家具
folder:5--案例烤地瓜
folder:2--注释
folder:3--变量
folder:4--bug认识
folder:6--输出
folder:9--运算符
folder:5--数据类型
folder:7--输入
folder:1--课程介绍
folder:8--数据类型转换
folder:1--模块介绍
folder:2--模块制作
folder:3--python中的包
folder:4--字符串操作方法
folder:1--字符串介绍
folder:2--输入输出
folder:3--切片
folder:1--学生管理系统(面向对象)
folder:4--函数文档说明
folder:1--函数介绍
folder:5--函数嵌套
folder:11--拆包,交换变量
folder:2--函数参数一
folder:12--引用
folder:7--全局变量
folder:3--函数返回值一
folder:9--函数返回值二
folder:8--函数执行流程
folder:10--函数参数二
folder:6--局部变量
folder:3--if...elif...else格式
folder:4--if嵌套
folder:1--判断语句介绍
folder:2--if基本格式
folder:5--案例猜拳游戏
folder:4--文件及文件夹的相关操作
folder:3--案例文件备份
folder:1--文件操作介绍
folder:2--文件读写操作
folder:1--列表相关操作
folder:2--列表循环遍历
folder:3--列表嵌套
folder:3--字典遍历
folder:2--字典的常见操作
folder:1--字典介绍
folder:6--for循环
folder:7--循环else应用
folder:4--break和continue
folder:2--while循环
folder:5--while循环嵌套及应用
folder:3--循环应用
folder:1--循环语句介绍
folder:4--自定义异常
folder:2--捕获异常
folder:1--异常介绍
folder:3--异常传递