尚学堂百战AI算法工程师就业班|2022|MP4

 ├──1、人工智能基础-快速入门
| ├──1：人工智能就业前景与薪资.mp4 33.78M
| ├──2：人工智能适合人群与必备技能.mp4 21.04M
| ├──3：人工智能时代是发展的必然.mp4 16.72M
| ├──4：人工智能在各领域的应用.mp4 41.82M
| ├──5：人工智能常见流程.mp4 36.38M
| ├──6：机器学习不同的学习方式.mp4 31.23M
| ├──7：深度学习比传统机器学习有优势.mp4 33.52M
| ├──8：有监督机器学习任务与本质.mp4 23.25M
| └──9：无监督机器学习任务与本质.mp4 31.13M
├──2、人工智能基础-Python基础
| ├──章节1：Python开发环境搭建
| | ├──1：下载Miniconda运行环境.mp4 31.42M
| | ├──2：Miniconda安装和测试.mp4 36.64M
| | ├──3：Pycharm安装和代码运行.mp4 30.29M
| | ├──4：Jupyter安装和代码运行.mp4 24.92M
| | ├──5：Jupyter常用快捷键.mp4 20.73M
| | ├──6：Conda虚拟环境创建与Python模块安装.mp4 47.66M
| | ├──7：关联虚拟环境运行代码.mp4 26.32M
| | ├──代码.rar 509.90kb
| | ├──人工智能-第1阶段Python基础.pdf 9.37M
| | └──人工智能-第1阶段python进阶和高级编程.pdf 7.52M
| └──章节2：Python基础语法
| | ├──10：Python_控制语句
三元条件运算符.mp4 21.39M
| | ├──11：Python_控制语句
控制语句
控制语句
控制语句
切片操作.mp4 30.52M
| | ├──16：Python_数据类型.mp4 20.88M
| | ├──17：Python_集合操作
集合操作
集合操作
集合操作
集合操作
集合操作
打开并读取文件
函数
调用
注释.mp4 18.23M
| | ├──26：Python_函数
全局变量.mp4 23.50M
| | ├──27：Python_函数
可变参数.mp4 18.06M
| | ├──28：Python_函数
函数式编程
函数式编程
匿名函数.mp4 26.94M
| | ├──31：Python_函数
函数
类对象
类对象
类属性和方法.mp4 26.21M
| | ├──35：Python_类对象
类对象
私有对象方法
类对象
类的继承.mp4 20.15M
| | ├──38：Python_类对象
方法重写.mp4 20.79M
| | ├──8：Python是强类型的动态脚本语言.mp4 27.23M
| | ├──9：Python_控制语句
概述
创建数组
切片操作
改变数组维度
数组的切分和转置.mp4 19.19M
| | ├──8：Numpy_算术运算
聚合函数.mp4 15.33M
| | └──新建文本文档.txt 0.36kb
| ├──章节2：数据可视化模块
| | ├──10：Matplotlib_概述
绘制正余弦曲线
添加图例.mp4 23.68M
| | ├──12：Matplotlib_绘制柱状图
柱状图对比.mp4 34.98M
| | ├──13：Matplotlib_绘制饼图
同时绘制多组数据分布.mp4 21.29M
| | ├──14：Matplotlib_绘制等高线图
获取Series对象的值.mp4 15.52M
| | ├──18：Python_Pandas_获取DataFrame对象的值.mp4 18.85M
| | ├──19：Python_Pandas_条件过滤.mp4 17.28M
| | ├──20：Python_Pandas_空值的删除与填充.mp4 33.25M
| | ├──21：Python_Pandas_拼接和合并.mp4 27.91M
| | └──新建文本文档.txt 0.37kb
├──4、人工智能基础-高等数学知识强化
| ├──10：高阶导数
导数与极值.mp4 15.30M
| ├──11：导数判断凹凸性
转置
加减乘除.mp4 14.17M
| ├──14：向量的内积
范数与正则项的关系.mp4 23.52M
| ├──17：特殊的向量.mp4 19.38M
| ├──18：矩阵
对称阵
对角阵.mp4 13.47M
| ├──19：矩阵的运算
转置.mp4 17.35M
| ├──1：人工智能学习数学的必要性
梯度.mp4 19.74M
| ├──25：雅可比矩阵
概率论知识点.mp4 17.26M
| ├──30：特征值和特征向量(2).mp4 18.01M
| ├──31：特征值分解.mp4 26.18M
| ├──32：多元函数的泰勒展开
数据压缩.mp4 23.36M
| ├──36：SVD用于PCA降维.mp4 17.58M
| ├──37：SVD用于协同过滤
随机事件与随机事件概率.mp4 14.04M
| ├──39：条件概率
数学内容学习重点.mp4 25.90M
| ├──40：随机变量.mp4 17.17M
| ├──41：数学期望和方差.mp4 16.18M
| ├──42：常用随机变量服从的分布.mp4 14.64M
| ├──43：随机向量
协方差
左导数和右导数.mp4 20.10M
| ├──50：坐标下降法
一般表达形式.mp4 14.81M
| ├──54：拉格朗日函数.mp4 19.74M
| ├──5：导数的几何意义和物理意义.mp4 10.21M
| ├──6：常见函数的求导公式.mp4 15.80M
| ├──7：导数求解的四则运算法则.mp4 18.96M
| ├──8：复合函数求导法则.mp4 11.79M
| ├──9：推导激活函数的导函数.mp4 23.54M
| └──数学.pdf 1.50M
├──5、机器学习-线性回归
| ├──章节1：多元线性回归
| | ├──10：对数似然函数
是否要考虑损失函数是凸函数.mp4 27.93M
| | ├──14：Python开发环境版本的选择及下载.mp4 23.08M
| | ├──15：Anaconda环境安装
数据Xy.mp4 16.74M
| | ├──18：解析解的方式求解多元线性回归
使用模型
扩展随机种子概念
损失函数
中心极限定理
最大似然估计MLE.mp4 21.44M
| | ├──8：引入正太分布的概率密度函数.mp4 14.86M
| | ├──9：明确目标通过最大总似然求解θ.mp4 14.53M
| | ├──代码.rar 1.50kb
| | ├──第一阶段
全局最优解.mp4 26.42M
| | ├──26：梯度下降法迭代流程总结.mp4 15.17M
| | ├──27：多元线性回归下的梯度下降法.mp4 21.80M
| | ├──28：全量梯度下降.mp4 30.60M
| | ├──29：随机梯度下降
梯度下降法
正则化
维度之间数量级不同产生的矛盾.mp4 30.26M
| | ├──39：归一化的目的
有可能会提高模型的精度.mp4 12.57M
| | ├──41：最大值最小值归一化.mp4 14.09M
| | ├──42：标准归一化.mp4 25.97M
| | └──新建文本文档.txt 0.27kb
| ├──章节4：正则化
| | ├──43：代码完成标准归一化.mp4 21.69M
| | ├──44：正则化的目的防止过拟合.mp4 16.50M
| | ├──45：正则化通过损失函数加入惩罚项使得W越小越好.mp4 19.21M
| | ├──46：常用的L1和L2正则项以及数学意义.mp4 20.13M
| | ├──47：L1稀疏性和L2平滑性.mp4 26.03M
| | ├──48：通过L1和L2的导函数理解区别的本质原因.mp4 26.35M
| | └──新建文本文档.txt 0.31kb
| └──章节5：Lasso回归
多项式回归
| | ├──49：代码调用Ridge岭回归.mp4 26.07M
| | ├──50：代码调用Lasso回归.mp4 12.59M
| | ├──51：代码调用ElasticNet回归.mp4 18.07M
| | ├──52：升维的意义
传入不同超参数对比.mp4 21.30M
| | ├──54：多项式升维代码实战
数据介绍和加载数据.mp4 18.58M
| | ├──56：实战保险花销预测
模型训练和评估
特征选择思路.mp4 16.51M
| | ├──59：实战保险花销预测
模型训练和评估.mp4 20.51M
| | ├──代码.rar 126.37kb
| | └──新建文本文档.txt 0.28kb
├──6、机器学习-线性分类
| ├──章节1：逻辑回归
| | ├──1.txt 1.29kb
| | ├──10：绘制逻辑回归损失函数
绘制3D的图形
结论在后面会用到.mp4 11.25M
| | ├──13：对逻辑回归的损失函数求导
预备知识.mp4 18.66M
| | ├──4：证明伯努利分布是指数族分布
得到总似然的公式.mp4 15.43M
| | ├──7：推导逻辑回归损失函数
读入数据计算最优解模型
实现逻辑回归损失函数.mp4 25.03M
| | ├──9：绘制逻辑回归损失函数
线性分类算法
平移不变性.mp4 7.58M
| | ├──22：逻辑回归和Softmax回归在多分类任务模型参数上的区别
讲解需求和读取数据.mp4 14.06M
| | ├──24：实战音乐分类器
傅里叶变换可以帮助我们做什么.mp4 12.88M
| | ├──26：实战音乐分类器
代码对单首歌曲进行傅里叶变换
代码读取600首傅里叶变换后的数据
模型的测试和调优
几何距离与函数距离.mp4 77.74M
| | ├──31：SVM的思想.mp4 35.91M
| | ├──32：几种SVM_SVM的损失函数.mp4 47.92M
| | ├──33：数学预备知识
超参数.mp4 80.08M
| | ├──SVM算法.pdf 2.52M
| | └──代码.rar 1.05M
| └──章节4：SMO优化算法
| | ├──1.txt 0.18kb
| | ├──39：SVM算法流程总结.mp4 31.71M
| | ├──40：SMO算法求解思路
推导出旧的α和新的α的关系.mp4 26.41M
| | ├──43：将公式467带入导函数进一步简化
根据α2求α1.mp4 17.78M
| | ├──45：启发式选择两个α.mp4 9.68M
| | ├──46：如何计算阈值b.mp4 19.48M
| | ├──47：SVM的SMO实现读取数据和计算fx与Ei.mp4 43.99M
| | ├──48：SVM的SMO实现判断违背条件的α1.mp4 10.02M
| | ├──49：SVM的SMO实现应用公式计算alphas和b.mp4 12.37M
| | ├──50：SVM绘制已有数据点和超平面以及边界.mp4 9.49M
| | ├──51：关于sklearn中的SVM封装的类和超参.mp4 11.81M
| | ├──52：概率化输出
算法小结
距离测度欧式距离和余弦距离.mp4 91.94M
| | ├──2：距离测度欧式距离和余弦距离的场景
聚类评估指标.mp4 117.54M
| | ├──5：KMeans代码测试不同情况下的聚类效果.mp4 97.13M
| | ├──6：层次聚类
谱聚类.mp4 156.59M
| | ├──代码.rar 4.86kb
| | └──聚类.pdf 2.74M
| ├──章节2：EM算法和GMM高斯混合模型
| | ├──1.txt 0.32kb
| | ├──10：Jensen不等式的应用.mp4 89.00M
| | ├──11：将EM算法应用到GMM中并且推导出了μ和Σ的公式.mp4 93.56M
| | ├──12：将EM算法应用到GMM中并且推导出Π的公式.mp4 26.95M
| | ├──13：GMM前景背景分离.mp4 13.41M
| | ├──14：通过声音文件利用GMM算法识别性别.mp4 110.81M
| | ├──15：通过声音文件利用GMM算法识别是谁.mp4 39.76M
| | ├──7：单个高斯分布GM的参数估计.mp4 72.12M
| | ├──8：理解GMM高斯混合分布的对数似然函数.mp4 59.30M
| | ├──9：GMM参数估计Πμσ的流程.mp4 63.98M
| | ├──EM算法与GMM模型.pdf 725.20kb
| | └──代码.rar 466.39M
| └──章节3：PCA降维算法
| | ├──1.txt 0.34kb
| | ├──16：特征选择与特征映射.mp4 40.60M
| | ├──17：PCA的最大投影方差思路.mp4 114.36M
| | ├──18：最大投影方差推导
寻找最优树深度.mp4 52.69M
| | ├──11：代码训练回归树拟合SineWave.mp4 41.16M
| | ├──12：后剪枝的意义.mp4 28.32M
| | ├──13：CCP代价复杂度后剪枝.mp4 70.83M
| | ├──14：CCP代价复杂度剪枝
信息增益率.mp4 49.75M
| | ├──8：预剪枝以及相关超参数.mp4 67.96M
| | ├──9：代码实战决策树对鸢尾花数据集分类.mp4 40.61M
| | └──新建文本文档.txt 0.31kb
| ├──章节2：集成学习和随机森林
| | ├──代码
| | ├──15：不同聚合方式
准备数据才能训练下一颗小树.mp4 43.03M
| | ├──26：GBDT应用于回归问题.mp4 47.05M
| | ├──27：GBDT回归举例
初始化F(x).mp4 43.20M
| | ├──43：GBDT在sklearn中源码剖析
明确训练每颗回归树需要准备gi和hi.mp4 34.30M
| | ├──55：重新定义树ft和树的复杂度Ω.mp4 35.02M
| | ├──56：由每个叶子节点重组目标函数Obj.mp4 30.39M
| | ├──57：推导XGBoost出Wj计算公式
后剪枝
包括缺失值的处理策略.mp4 56.21M
| | └──新建文本文档.txt 0.35kb
├──9、机器学习-概率图模型
| ├──章节1：贝叶斯分类
| | ├──1.txt 0.35kb
| | ├──1：朴素贝叶斯分类算法.mp4 116.00M
| | ├──2：TF-IDF.mp4 49.47M
| | ├──3：NB代码实现解析.mp4 99.87M
| | ├──4：sklearn中调用NB_顺便讲解了GridSearchCV.mp4 101.38M
| | ├──5：语言模型的设计目的
马尔可夫链.mp4 31.65M
| | ├──NB_HMM.pdf 826.78kb
| | └──代码.rar 7.43kb
| ├──章节2：HMM算法
| | ├──1.txt 0.44kb
| | ├──10：HMM预测问题使用维特比算法.mp4 26.12M
| | ├──11：HMM复习
三个基本问题.mp4 56.02M
| | ├──9：HMM预测问题使用前向算法.mp4 35.97M
| | ├──代码.rar 0.94kb
| | └──资料.rar 26.48kb
| └──章节3：CRF算法
| | ├──1.txt 0.27kb
| | ├──15：NER与分词和POS的关系
常用命令
常用命令more、head、tail命令.mp4 11.70M
| | ├──14：Linux_常用命令
常用命令
常用命令
常用配置
课程介绍.mp4 2.92M
| | ├──20：Linux_常用配置
文件的压缩与解压缩处理.mp4 28.49M
| | ├──26：Linux_安装MySQL.mp4 50.60M
| | ├──3：Linux_VMWare安装及使用.mp4 13.50M
| | ├──5：Linux_目录介绍.mp4 13.21M
| | └──8：Linux_常用命令_cd命令.mp4 6.00M
└──【加课】算法与数据结构
| └──章节1：算法与数据结构
| | ├──10：哈希表的基本结构.mp4 26.13M
| | ├──11：哈希表冲突问题.mp4 36.27M
| | ├──12：哈希表冲突问题2.mp4 29.22M
| | ├──13：哈希扩容.mp4 41.81M
| | ├──14：递归与栈.mp4 23.30M
| | ├──16：二分查找.mp4 25.38M
| | ├──17：冒泡排序.mp4 26.31M
| | ├──18：选择排序.mp4 22.56M
| | ├──19：插入排序.mp4 15.88M
| | ├──1：数据结构与算法简介.mp4 17.10M
| | ├──20：归并排序.mp4 40.45M
| | ├──21：快速排序.mp4 19.04M
| | ├──22：树结构.mp4 42.63M
| | ├──23：树结构的遍历.mp4 27.49M
| | ├──24：最大堆的增加操作.mp4 35.82M
| | ├──26：二叉树的查找.mp4 41.35M
| | ├──27：二叉树获取最小值.mp4 11.17M
| | ├──28：二叉树的添加.mp4 30.58M
| | ├──29：二叉树的删除.mp4 54.96M
| | ├──2：大O表示法.mp4 11.34M
| | ├──3：线性结构.mp4 24.14M
| | ├──4：单线链表1.mp4 27.60M
| | ├──5：单链表2.mp4 58.34M
| | ├──6：双链表.mp4 46.56M
| | ├──7：队列(链式).mp4 33.40M
| | ├──8：队列(线式).mp4 17.80M
| | └──9：栈与双端队列.mp4 13.03M
├──10、机器学习与大数据-Kaggle竞赛实战
| ├──章节1：药店销量预测案例
| | ├──1：Rossmann药店销量预测
导包.mp4 8.63M
| | ├──3：自定义损失函数.mp4 9.44M
| | ├──4：对数据里面的目标变量sales的一个分析.mp4 16.91M
| | ├──5：数据的预处理.mp4 44.16M
| | ├──6：模型的训练
模型训练.mp4 28.04M
| | ├──15：MLlib对网页分类竞赛模型训练
搜索最佳超参数.mp4 25.53M
| | ├──16：使用SparkML对网页分类竞赛数据预处理
交叉验证调参
模型训练
模型训练
模型训练
代码实战WordCount_01.mp4 31.67M
| | ├──13：Spark算子操作实战讲解
代码实战WordCount_03.mp4 20.19M
| | ├──15：Spark算子操作实战讲解
自定义阈值
自定义阈值
使用标准归一化
使用标准归一化
使用标准归一化
使用标准归一化
调用决策树(1)
调用决策树(1)
调用决策树(1)_3.mp4 40.95M
| | ├──39：使用逻辑回归和随机森林对股票Stock预测案例实战_1.mp4 43.42M
| | ├──40：使用逻辑回归和随机森林对股票Stock预测案例实战_2.mp4 34.88M
| | ├──41：使用逻辑回归和随机森林对股票Stock预测案例实战_3.mp4 34.72M
| | ├──42：从数据转化到训练集的构建.mp4 63.43M
| | ├──43：模型的训练以及评估和调超参_1.mp4 35.13M
| | ├──44：模型的训练以及评估和调超参_2.mp4 32.20M
| | ├──45：模型的训练以及评估和调超参_3.mp4 43.15M
| | ├──46：SparkML机器学习库概念讲解_1.mp4 59.65M
| | ├──47：SparkML机器学习库概念讲解_2.mp4 53.66M
| | ├──48：SparkML机器学习库代码实战讲解_1.mp4 61.17M
| | ├──49：SparkML机器学习库代码实战讲解_2.mp4 63.52M
| | ├──50：SparkML网页分类案例代码实战续（1）_1.mp4 62.90M
| | ├──51：SparkML网页分类案例代码实战续（1）_2.mp4 60.75M
| | ├──52：SparkML网页分类案例代码实战续（2）_1.mp4 57.53M
| | ├──53：SparkML网页分类案例代码实战续（2）_2.mp4 44.96M
| | ├──54：SparkML网页分类案例代码实战续（3）.mp4 3.98M
| | └──资料.rar 1.28M
├──12-机器学习与大数据-推荐系统项目实战
| ├──章节1：推荐系统–流程与架构
| | ├──1.txt 0.33kb
| | ├──10：推荐系统列表
基本特征权重的计算
关联特征权重
数据源
数据源
隐式用户反馈
隐式用户反馈
协同过滤
协同过滤
协同过滤
协同过滤
实时
实时
关联特征权重
数据预处理
标签列
标签列
标签列
标签列
生物神经元到人工神经元.mp4 63.30M
| | ├──2：三种常见的激活函数
优化算法.mp4 33.55M
| | ├──3：单层神经网络正向传播计算过程
隐藏层相当于去做预处理
环境变量配置
使用Optimizer_每轮打乱数据.mp4 130.43M
| | ├──15：TF实现Softmax回归来识别MNIST手写数字.mp4 108.49M
| | ├──16：TF实现DNN来识别MNIST手写数字.mp4 104.48M
| | ├──代码.rar 27.29kb
| | └──软件.rar 2.13G
| └──章节3：反向传播推导
链式求导法则.mp4 56.13M
| | ├──18：反向传播推导(一).mp4 91.08M
| | ├──19：反向传播推导(二)从输出层到最后一个隐藏层.mp4 78.81M
| | ├──20：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 65.08M
| | ├──21：反向传播推导(四)关于Δ和a还有梯度的更新事宜.mp4 25.06M
| | ├──22：python实现神经网络训练代码讲解(一).mp4 50.79M
| | ├──23：python实现神经网络正向反向传播训练.mp4 65.01M
| | ├──代码.rar 2.83kb
| | └──资料.rar 180.60kb
├──14-深度学习-图像识别原理
| ├──章节1：卷积神经网络原理
| | ├──1.txt 0.41kb
| | ├──1：回顾深度神经网络
卷积池化代码.mp4 62.59M
| | ├──12：CNN对MNIST数据集分类
以及1乘1的卷积核的作用和好处.mp4 76.57M
| | ├──17：Optimizer_SGD_Momentum.mp4 59.32M
| | ├──18：Optimizer_Adagrad_Adadelta_RMSprop.mp4 79.54M
| | ├──19：Optimizer_Adam.mp4 79.91M
| | ├──9：AlexNet网络结构
以及不同项目调用不同的python环境和CUDA环境.mp4 78.00M
| | ├──21：VGG16_Fine-tuning_对MNIST做手写数字识别.mp4 89.69M
| | ├──22：InceptionV1_V2.mp4 131.69M
| | ├──23：InceptionV3_以及InceptionV3对皮肤癌图片识别.mp4 124.68M
| | ├──24：ResNet残差单元
古典目标检测.mp4 121.49M
| | ├──30：使用OpenCV调用分类器找到目标框.mp4 73.92M
| | ├──31：IOU以及python计算的代码.mp4 18.51M
| | ├──32：R-CNN和SPP-net.mp4 68.40M
| | ├──33：从FastRCNN引入FasterRCNN.mp4 93.80M
| | └──目标检测.pdf 2.36M
| └──章节5：现代目标检测之FasterRCNN
| | ├──1.txt 0.25kb
| | ├──34：回顾RCNN_SPPnet_Fast-RCNN.mp4 96.32M
| | ├──35：FasterRNN的核心RPN_正向传播的框过滤
从介绍到RPN的loss.mp4 198.76M
| | ├──38：FasterRCNN论文讲解
模型的训练.mp4 17.61M
| | ├──11：回归整体训练流程
详解读取数据blob_02.mp4 31.64M
| | ├──13：回归整体训练流程
详解读取数据blob_04.mp4 27.24M
| | ├──15：FasterRCNN代码
构建RPN网络
构建RPN网络
根据RPN网络得到校正后的预测的框
根据RPN网络得到校正后的预测的框
给RPN准备正负例样本
给RPN准备正负例样本
给RPN准备正负例样本
给RPN准备正负例样本
给RPN准备正负例样本
给RPN准备正负例样本
给RPN准备正负例样本
给RPN准备正负例样本
给最终RCNN准备正负例样本
给最终RCNN准备正负例样本
添加Loss损失
环境说明
项目结构说明.mp4 46.53M
| | ├──7：FasterRCNN项目代码
数据增强.mp4 31.37M
| | ├──9：FasterRCNN项目代码
架构
架构
架构
架构
算法特点介绍.mp4 143.16M
| | ├──2：YOLOv1论文详解
思想.mp4 163.33M
| | ├──3：YOLOv1论文详解
局限性.mp4 62.47M
| ├──章节2：YOLOv2详解
| | ├──5：YOLOv2论文详解
高分辨率
分类数据和检测数据集融合
层级分类
引入了FPN的思想特征融合
总结
介绍.mp4 96.28M
| | ├──13：YOLOv4论文概述
每个框都要预测多个类别概率.mp4 64.54M
| ├──章节4：YOLOv3代码实战
| | ├──14：YOLOv3代码剖析
聚类anchors_构建backbone主干网络.mp4 144.47M
| | ├──16：YOLOv3代码剖析
使用model预测的其余代码.mp4 54.57M
| | ├──18：YOLOv3代码剖析
模型的训练部分详解.mp4 189.72M
| ├──章节5：YOLOv4详解
| | ├──20：YOLOv4_BOF_DropBlock_FocalLoss.mp4 159.22M
| | ├──21：YOLOv4_BOF_GIoU_DIoU_CIoU.mp4 72.25M
| | ├──22：YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish.mp4 163.21M
| | └──23：YOLOv4_BOS_SAM_PAN_CSP_CmBN.mp4 174.03M
| ├──keras-yolo3-master.rar 443.97M
| └──资料.rar 25.37M
├──17-深度学习-语义分割原理和实战
| ├──章节1：上采样
转置卷积
| | ├──1.txt 0.29kb
| | ├──1：前言.mp4 14.47M
| | ├──2：上采样
以及TF的API.mp4 62.74M
| | ├──6：双线性插值作为转置卷积核的初始参数.mp4 83.64M
| | ├──7：ROIAlign.mp4 47.15M
| | ├──8：FPN思想与网络结构.mp4 48.20M
| | ├──9：FPN应用于FasterRCNN_ResNetFPN.mp4 101.57M
| | ├──代码.rar 3.31kb
| | └──资料.rar 4.43M
| ├──章节2：医疗图像UNet语义分割
| | ├──1.txt 0.19kb
| | ├──10：语义分割的基本概念.mp4 14.13M
| | ├──11：FCN全卷积网络做语义分割.mp4 28.30M
| | ├──12：UNet网络结构.mp4 17.90M
| | ├──13：UNet网络医疗图像的语义分割.mp4 59.40M
| | ├──U-Net.zip 102.75M
| | └──资料.rar 3.41M
| └──章节3：蒙版弹幕MaskRCNN语义分割
| | ├──1.txt 0.35kb
| | ├──14：MaskRCNN网络结构.mp4 54.01M
| | ├──15：MaskRCNN的项目展示.mp4 117.07M
| | ├──16：MaskRCNN网络架构回顾.mp4 74.84M
| | ├──17：MaskRCNN根据文档和论文总结重要的知识点.mp4 191.29M
| | ├──18：MaskRCNN项目关于运行代码环境的说明.mp4 34.35M
| | ├──19：MaskRCNN源码config和model.mp4 190.09M
| | ├──代码.rar 798.38M
| | └──资料.rar 6.77M
├──18-深度学习-人脸识别项目实战
| ├──章节1：人脸识别
| | ├──10：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 48.88M
| | ├──12：FaceNet论文
相关的介绍.mp4 42.19M
| | ├──14：FaceNet论文
总结.mp4 57.56M
| | ├──18：人脸识别项目代码
人脸匹配以及最后的绘图展示.mp4 30.32M
| | ├──1：人脸识别任务种类
摘要和介绍.mp4 62.24M
| | ├──5：MTCNN论文
每阶段输出多分支意义.mp4 35.08M
| | ├──7：每一个阶段每个分支的Loss损失
每一阶段训练的流程.mp4 53.05M
| | └──9：总结MTCNN_缩放因子
分层Softmax的思想.mp4 66.23M
| | ├──7：分层Softmax应用到CBOW模型上.mp4 51.31M
| | ├──8：负采样和负采样应用到CBOW模型上.mp4 59.08M
| | ├──Word2Vec.pdf 1.89M
| | └──资料.rar 266.85kb
| ├──章节2：循环神经网络原理与优化
| | ├──1.txt 0.41kb
| | ├──10：理解RNN循环神经网络计算流程.mp4 29.87M
| | ├──11：利用RNN循环神经网络对MNIST手写数字识别.mp4 96.49M
| | ├──12：理解LSTM长短时记忆
使用逻辑_网络结构总结.mp4 55.10M
| | ├──RNN_Attention机制.pdf 5.16M
| | └──资料.rar 792.99kb
| └──章节4：ELMO_BERT_GPT
| | ├──1.txt 0.60kb
| | ├──21：ELMO.mp4 33.25M
| | ├──22：BERT理论.mp4 52.58M
| | ├──23：ERNIE_GPT.mp4 43.47M
| | └──RNN_Attention机制.pdf 5.16M
├──20-深度学习-NLP自然语言处理项目实战
| ├──章节1：词向量
| | ├──1：回顾了词向量里面训练的Topology.mp4 91.34M
| | ├──2：Word2Vec项目代码
构建字典.mp4 75.49M
| | ├──3：Word2Vec项目代码
正向传播的Graph构建
评估比较相似度
总结串讲.mp4 18.31M
| | └──word_2_vector.rar 56.80M
| ├──章节2：自然语言处理–情感分析
| | ├──10：代码讲解
数据的读取
文本的索引化.mp4 89.26M
| | ├──16：AI写唐诗
从词嵌入到构建RNN再到输出层概率输出.mp4 52.61M
| | ├──19：AI写唐诗
梯度的求解截断和更新
模型的使用
相比HMM优势.mp4 83.05M
| | ├──32：补充标注偏置问题
深度学习OCR识别.mp4 130.34M
| | ├──2：OCR识别本质就是文字检测和文字识别.mp4 80.13M
| | ├──3：OCR识别的CTC损失思想.mp4 95.96M
| | ├──4：总结理解深度学习文字识别架构.mp4 34.81M
| | ├──5：CTC损失函数的理解.mp4 130.26M
| | ├──6：CTC损失函数前向后向算法推导
运行环境测试
| | ├──1：PyTorch概述.mp4 26.67M
| | ├──2：PyTorch的安装.mp4 45.81M
| | ├──3：Pycharm关联PyTorch运行环境.mp4 24.03M
| | └──4：Jupyter关联PyTorch运行环境.mp4 27.99M
| ├──章节2：PyTorch基础
索引操作.mp4 56.59M
| | ├──7：广播机制
比较操作
实战CIFAR10
| | ├──10：PyTorch实战CIFAR10_构建网络
训练模型
分类别打印模型准确率.mp4 19.94M
| | ├──13：使用全局平均池化
读取和展示.mp4 58.48M
| ├──章节4：PyTorch循环神经网络
构建数据和词索引号.mp4 16.72M
| | ├──20：PyTorch词性标注
构建数据索引化和训练模型代码.mp4 27.12M
| | └──22：PyTorch词性标注
机器翻译
| | ├──23：PyTorch中英文翻译
构建中英文词典索引.mp4 31.67M
| | ├──24：PyTorch中英文翻译
索引化数据
构建Encoder编码器.mp4 31.36M
| | ├──26：PyTorch中英文翻译
构建带Attention注意力机制的Decoder解码器.mp4 43.18M
| | ├──28：PyTorch中英文翻译
评估模型函数.mp4 34.22M
| | └──30：PyTorch中英文翻译
波士顿房价预测
| | ├──代码
| | ├──数据
| | ├──1：安装PaddlePaddle.mp4 36.77M
| | ├──2：Pycharm运行出现mkl-service或DLL找不到的问题.mp4 28.19M
| | ├──3：PaddlePaddle求解线性模型.mp4 35.67M
| | ├──4：预测波士顿房价
正向传播.mp4 38.00M
| | └──5：预测波士顿房价
模型保存
病理性近视识别
| | ├──代码
| | ├──数据
| | ├──6：预测病理性近视
模型训练.mp4 40.78M
| | ├──8：预测病理性近视
评估模型.mp4 40.92M
| | └──9：预测病理性近视
项目配置.mp4 42.14M
| | ├──11：安装配置VisualStudio_解决安装模块pycocotools或cython_bbox编译报错问题.mp4 31.05M
| | ├──12：PCB电路板缺陷检测
前期数据的分析.mp4 55.99M
| | ├──14：PCB电路板缺陷检测
模型训练.mp4 43.74M
| | └──16：PCB电路板缺陷检测
车牌识别（目标检测+CRNN+CTCLoss)
| | ├──代码
| | ├──数据
| | ├──17：PaddleOCR_项目配置
详解数据准备阶段代码.mp4 28.73M
| | ├──19：车牌识别项目
车牌目标框检测模型训练.mp4 44.20M
| | ├──21：车牌识别项目
车牌识别模型导出及预测.mp4 54.75M
| ├──章节5：PaddleNLP模块
项目配置.mp4 30.94M
| | ├──24：PaddleNLP_物流信息提取项目介绍.mp4 32.51M
| | ├──25：物流信息提取项目
物流信息提取项目
物流信息提取项目
物流信息提取项目
物流信息提取项目
物流信息提取项目
使用预训练的词向量提升效果.mp4 52.25M
| └──章节6：PaddleNLP模块
物流信息提取项目
加载数据集构建Dataset.mp4 34.05M
| | ├──32：PaddleNLP_物流信息提取项目
详解Tokenizer作用.mp4 39.05M
| | ├──33：PaddleNLP_物流信息提取项目
讲解模型训练和评估代码.mp4 34.16M
| | └──34：PaddleNLP_物流信息提取项目
讲解ChunkEvaluator和输出预测结果.mp4 37.51M
├──26-【加课】Linux环境编程基础
| ├──章节1：Linux
| | ├──10：Linux_常用命令
常用命令more、head、tail命令.mp4 11.70M
| | ├──12：Linux_常用命令
常用命令
常用命令
常用命令
常用命令
常用配置
常用配置
常用配置
课程介绍.mp4 2.93M
| | ├──20：Linux_常用配置
常用配置
上传与下载
上传与下载
文件的压缩与解压缩处理.mp4 28.41M
| | ├──26：Linux_安装MySQL.mp4 50.87M
| | ├──2：Linux_Linux简介.mp4 13.00M
| | ├──3：Linux_VMWare安装及使用.mp4 13.59M
| | ├──4：Linux_安装Linux.mp4 25.92M
| | ├──5：Linux_目录介绍.mp4 13.24M
| | ├──6：Linux_Linux中的路径.mp4 13.00M
| | ├──7：Linux_常用命令
常用命令
常用命令_ls与ll命令.mp4 22.63M
| ├──软件.rar 2.18G
| ├──软件2.rar 6.33G
| └──文档.rar 2.78M
├──27-【加课】算法与数据结构
| ├──章节1：算法与数据结构
| | ├──10：哈希表的基本结构.mp4 26.05M
| | ├──11：哈希表冲突问题.mp4 36.72M
| | ├──12：哈希表冲突问题2.mp4 29.16M
| | ├──13：哈希扩容.mp4 42.00M
| | ├──14：递归与栈.mp4 23.20M
| | ├──15：线性查找.mp4 27.16M
| | ├──16：二分查找.mp4 25.22M
| | ├──17：冒泡排序.mp4 26.39M
| | ├──18：选择排序.mp4 22.71M
| | ├──19：插入排序.mp4 15.87M
| | ├──1：数据结构与算法简介.mp4 17.12M
| | ├──20：归并排序.mp4 40.51M
| | ├──21：快速排序.mp4 18.97M
| | ├──22：树结构.mp4 42.81M
| | ├──23：树结构的遍历.mp4 27.72M
| | ├──24：最大堆的增加操作.mp4 36.15M
| | ├──25：最大堆的删除操作.mp4 35.13M
| | ├──26：二叉树的查找.mp4 41.76M
| | ├──27：二叉树获取最小值.mp4 11.16M
| | ├──28：二叉树的添加.mp4 30.56M
| | ├──29：二叉树的删除.mp4 55.15M
| | ├──2：大O表示法.mp4 11.28M
| | ├──3：线性结构.mp4 24.15M
| | ├──4：单线链表1.mp4 27.68M
| | ├──5：单链表2.mp4 58.44M
| | ├──6：双链表.mp4 46.43M
| | ├──7：队列(链式).mp4 33.77M
| | ├──8：队列(线式).mp4 17.69M
| | └──9：栈与双端队列.mp4 13.03M
| └──资料.zip 4.80M
├──29-【加课】计算机图形学机器视觉实战【2021新增 未更新。。。持续更新】
| └──官方未更新。。。持续更新
├──30-【加课】 ROS智能机器人操作系统【2021新增 未更新。。。持续更新】
| └──未更新。。。持续更新
├──31、【加课】 强化学习【新增】
| ├──章节1：Q-Learning与SARSA算法
| | ├──代码
| | ├──资料
| | ├──10：代码实战Q-Learning智能体训练模型.mp4 35.49M
| | ├──11：代码实战Sarsa_Agent和Env整体交互.mp4 26.78M
| | ├──12：代码实战Sarsa_Agent选择行为和训练模型.mp4 37.68M
| | ├──13：代码实战SarsaLambda_训练模型.mp4 36.83M
| | ├──1：强化学习通过智能体与环境交互进行学习.mp4 44.67M
| | ├──2：引入马尔科夫链和价值评估的Q值与V值.mp4 35.03M
| | ├──3：详解Q值和V值以及它们之间关系.mp4 48.04M
| | ├──4：蒙特卡洛采样回溯计算V值.mp4 41.14M
| | ├──5：蒙特卡洛和时序差分估算状态V值.mp4 44.02M
| | ├──6：SARSA算法和Q-learning算法.mp4 39.56M
| | ├──7：理解Q-table_创建maze交互环境.mp4 40.23M
| | ├──8：代码实战Q-Learning_Agent和Env整体交互.mp4 30.03M
| | └──9：代码实战Q-Learning智能体选择行为.mp4 33.94M
| ├──章节2：Deep Q-Learning Network
| | ├──代码
| | ├──14：DQN算法思想.mp4 35.24M
| | ├──15：DQN算法具体流程.mp4 31.71M
| | ├──16：ε-greedy_ReplayBuffer_FixedQ-targets.mp4 54.99M
| | ├──17：代码实战DQN_Agent和Env整体交互.mp4 46.11M
| | ├──18：代码实战DQN_构建Q网络.mp4 41.08M
| | ├──19：代码实战DQN_定义损失函数
训练阶段得到Q网络的预测值和真实值.mp4 47.86M
| | ├──21：代码实战DQN_训练阶段最小化损失
随着learn的越多选择action随机性减小.mp4 52.26M
| | ├──22：DQN会over-estimate的本质原因.mp4 40.26M
| | ├──23：DoubleDQN缓解over-estimate.mp4 39.29M
| | ├──24：DoubleDQN代码实战.mp4 39.68M
| | ├──25：DuelingDQN.mp4 47.48M
| | ├──26：困难样本挖掘
对比基于值和基于策略网络的区别.mp4 36.10M
| | ├──30：策略梯度PG_明确目标函数和导函数.mp4 33.85M
| | ├──31：策略梯度PG_简化导函数的公式推导.mp4 33.34M
| | ├──32：策略梯度PG_总结整体流程
讲解CartPole环境.mp4 31.95M
| | ├──34：代码实战
策略梯度PG网络构建.mp4 28.63M
| | ├──36：代码实战
对TotalReward进行均值归一化.mp4 29.71M
| | └──38：策略梯度PG_同一个回合中不同的action回溯不同的TotalReward_代码实战.mp4 30.66M
| ├──章节4：Actor Critic (A3C)
| | ├──代码
| | ├──39：ActorCritic原理
共享参数和修改reward技巧.mp4 44.69M
| | ├──41：代码实战
详解Critic网络构建及训练.mp4 50.74M
| | ├──44：A3C架构和训练流程.mp4 37.52M
| | ├──45：Pendulum环境
讲解Coordinator调度多线程运算.mp4 27.84M
| | ├──47：代码实战
定义Worker计算loss的逻辑
增加actor探索性用到熵
定义AC网络结构
结合流程图分三点总结前面讲的代码.mp4 35.80M
| | ├──51：代码实战
讲解线程中worker和环境交互.mp4 45.16M
| | └──52：代码实战
讲解线程中worker和GlobalNet交互
构建Actor和Critic四个网络
与环境之间的互动
效果展示.mp4 38.76M
| | ├──57：TD3_使用DoubleNetwork优化DDPG.mp4 57.07M
| | ├──58：PPO_强调AC如何输出连续型动作
通过重要性采样使得PPO可以做Off-Policy学习.mp4 32.08M
| | ├──60：PPO_重要性采样的问题
定义PPO1和PPO2不同版本Actor的Loss计算逻辑.mp4 36.15M
| | ├──64：代码实战
效果展示.mp4 34.44M
| | ├──65：DPPO分布式PPO.mp4 36.43M
| | ├──66：代码实战
创建一个PPO和多个Worker_创建多线程.mp4 33.08M
| | └──67：代码实战
概述
创建数组
切片操作
改变数组维度
数组的切分和转置.mp4 19.19M
| | ├──8：Numpy_算术运算
聚合函数.mp4 15.33M
| | └──新建文本文档.txt 0.36kb
| ├──章节2：数据可视化模块
| | ├──10：Matplotlib_概述
绘制正余弦曲线
添加图例.mp4 23.68M
| | ├──12：Matplotlib_绘制柱状图
柱状图对比.mp4 34.98M
| | ├──13：Matplotlib_绘制饼图
同时绘制多组数据分布.mp4 21.29M
| | ├──14：Matplotlib_绘制等高线图
获取Series对象的值.mp4 15.52M
| | ├──18：Python_Pandas_获取DataFrame对象的值.mp4 18.85M
| | ├──19：Python_Pandas_条件过滤.mp4 17.28M
| | ├──20：Python_Pandas_空值的删除与填充.mp4 33.25M
| | ├──21：Python_Pandas_拼接和合并.mp4 27.91M
| | └──新建文本文档.txt 0.37kb
├──4、人工智能基础-高等数学知识强化
| ├──10：高阶导数
导数与极值.mp4 15.30M
| ├──11：导数判断凹凸性
转置
加减乘除.mp4 14.17M
| ├──14：向量的内积
范数与正则项的关系.mp4 23.52M
| ├──17：特殊的向量.mp4 19.38M
| ├──18：矩阵
对称阵
对角阵.mp4 13.47M
| ├──19：矩阵的运算
转置.mp4 17.35M
| ├──1：人工智能学习数学的必要性
梯度.mp4 19.74M
| ├──25：雅可比矩阵
概率论知识点.mp4 17.26M
| ├──30：特征值和特征向量(2).mp4 18.01M
| ├──31：特征值分解.mp4 26.18M
| ├──32：多元函数的泰勒展开
数据压缩.mp4 23.36M
| ├──36：SVD用于PCA降维.mp4 17.58M
| ├──37：SVD用于协同过滤
随机事件与随机事件概率.mp4 14.04M
| ├──39：条件概率
数学内容学习重点.mp4 25.90M
| ├──40：随机变量.mp4 17.17M
| ├──41：数学期望和方差.mp4 16.18M
| ├──42：常用随机变量服从的分布.mp4 14.64M
| ├──43：随机向量
协方差
左导数和右导数.mp4 20.10M
| ├──50：坐标下降法
一般表达形式.mp4 14.81M
| ├──54：拉格朗日函数.mp4 19.74M
| ├──5：导数的几何意义和物理意义.mp4 10.21M
| ├──6：常见函数的求导公式.mp4 15.80M
| ├──7：导数求解的四则运算法则.mp4 18.96M
| ├──8：复合函数求导法则.mp4 11.79M
| ├──9：推导激活函数的导函数.mp4 23.54M
| └──数学.pdf 1.50M
├──5、机器学习-线性回归
| ├──章节1：多元线性回归
| | ├──10：对数似然函数
是否要考虑损失函数是凸函数.mp4 27.93M
| | ├──14：Python开发环境版本的选择及下载.mp4 23.08M
| | ├──15：Anaconda环境安装
数据Xy.mp4 16.74M
| | ├──18：解析解的方式求解多元线性回归
使用模型
扩展随机种子概念
损失函数
中心极限定理
最大似然估计MLE.mp4 21.44M
| | ├──8：引入正太分布的概率密度函数.mp4 14.86M
| | ├──9：明确目标通过最大总似然求解θ.mp4 14.53M
| | ├──代码.rar 1.50kb
| | ├──第一阶段
全局最优解.mp4 26.42M
| | ├──26：梯度下降法迭代流程总结.mp4 15.17M
| | ├──27：多元线性回归下的梯度下降法.mp4 21.80M
| | ├──28：全量梯度下降.mp4 30.60M
| | ├──29：随机梯度下降
梯度下降法
正则化
维度之间数量级不同产生的矛盾.mp4 30.26M
| | ├──39：归一化的目的
有可能会提高模型的精度.mp4 12.57M
| | ├──41：最大值最小值归一化.mp4 14.09M
| | ├──42：标准归一化.mp4 25.97M
| | └──新建文本文档.txt 0.27kb
| ├──章节4：正则化
| | ├──43：代码完成标准归一化.mp4 21.69M
| | ├──44：正则化的目的防止过拟合.mp4 16.50M
| | ├──45：正则化通过损失函数加入惩罚项使得W越小越好.mp4 19.21M
| | ├──46：常用的L1和L2正则项以及数学意义.mp4 20.13M
| | ├──47：L1稀疏性和L2平滑性.mp4 26.03M
| | ├──48：通过L1和L2的导函数理解区别的本质原因.mp4 26.35M
| | └──新建文本文档.txt 0.31kb
| └──章节5：Lasso回归
多项式回归
| | ├──49：代码调用Ridge岭回归.mp4 26.07M
| | ├──50：代码调用Lasso回归.mp4 12.59M
| | ├──51：代码调用ElasticNet回归.mp4 18.07M
| | ├──52：升维的意义
传入不同超参数对比.mp4 21.30M
| | ├──54：多项式升维代码实战
数据介绍和加载数据.mp4 18.58M
| | ├──56：实战保险花销预测
模型训练和评估
特征选择思路.mp4 16.51M
| | ├──59：实战保险花销预测
模型训练和评估.mp4 20.51M
| | ├──代码.rar 126.37kb
| | └──新建文本文档.txt 0.28kb
├──6、机器学习-线性分类
| ├──章节1：逻辑回归
| | ├──1.txt 1.29kb
| | ├──10：绘制逻辑回归损失函数
绘制3D的图形
结论在后面会用到.mp4 11.25M
| | ├──13：对逻辑回归的损失函数求导
预备知识.mp4 18.66M
| | ├──4：证明伯努利分布是指数族分布
得到总似然的公式.mp4 15.43M
| | ├──7：推导逻辑回归损失函数
读入数据计算最优解模型
实现逻辑回归损失函数.mp4 25.03M
| | ├──9：绘制逻辑回归损失函数
线性分类算法
平移不变性.mp4 7.58M
| | ├──22：逻辑回归和Softmax回归在多分类任务模型参数上的区别
讲解需求和读取数据.mp4 14.06M
| | ├──24：实战音乐分类器
傅里叶变换可以帮助我们做什么.mp4 12.88M
| | ├──26：实战音乐分类器
代码对单首歌曲进行傅里叶变换
代码读取600首傅里叶变换后的数据
模型的测试和调优
几何距离与函数距离.mp4 77.74M
| | ├──31：SVM的思想.mp4 35.91M
| | ├──32：几种SVM_SVM的损失函数.mp4 47.92M
| | ├──33：数学预备知识
超参数.mp4 80.08M
| | ├──SVM算法.pdf 2.52M
| | └──代码.rar 1.05M
| └──章节4：SMO优化算法
| | ├──1.txt 0.18kb
| | ├──39：SVM算法流程总结.mp4 31.71M
| | ├──40：SMO算法求解思路
推导出旧的α和新的α的关系.mp4 26.41M
| | ├──43：将公式467带入导函数进一步简化
根据α2求α1.mp4 17.78M
| | ├──45：启发式选择两个α.mp4 9.68M
| | ├──46：如何计算阈值b.mp4 19.48M
| | ├──47：SVM的SMO实现读取数据和计算fx与Ei.mp4 43.99M
| | ├──48：SVM的SMO实现判断违背条件的α1.mp4 10.02M
| | ├──49：SVM的SMO实现应用公式计算alphas和b.mp4 12.37M
| | ├──50：SVM绘制已有数据点和超平面以及边界.mp4 9.49M
| | ├──51：关于sklearn中的SVM封装的类和超参.mp4 11.81M
| | ├──52：概率化输出
算法小结
距离测度欧式距离和余弦距离.mp4 91.94M
| | ├──2：距离测度欧式距离和余弦距离的场景
聚类评估指标.mp4 117.54M
| | ├──5：KMeans代码测试不同情况下的聚类效果.mp4 97.13M
| | ├──6：层次聚类
谱聚类.mp4 156.59M
| | ├──代码.rar 4.86kb
| | └──聚类.pdf 2.74M
| ├──章节2：EM算法和GMM高斯混合模型
| | ├──1.txt 0.32kb
| | ├──10：Jensen不等式的应用.mp4 89.00M
| | ├──11：将EM算法应用到GMM中并且推导出了μ和Σ的公式.mp4 93.56M
| | ├──12：将EM算法应用到GMM中并且推导出Π的公式.mp4 26.95M
| | ├──13：GMM前景背景分离.mp4 13.41M
| | ├──14：通过声音文件利用GMM算法识别性别.mp4 110.81M
| | ├──15：通过声音文件利用GMM算法识别是谁.mp4 39.76M
| | ├──7：单个高斯分布GM的参数估计.mp4 72.12M
| | ├──8：理解GMM高斯混合分布的对数似然函数.mp4 59.30M
| | ├──9：GMM参数估计Πμσ的流程.mp4 63.98M
| | ├──EM算法与GMM模型.pdf 725.20kb
| | └──代码.rar 466.39M
| └──章节3：PCA降维算法
| | ├──1.txt 0.34kb
| | ├──16：特征选择与特征映射.mp4 40.60M
| | ├──17：PCA的最大投影方差思路.mp4 114.36M
| | ├──18：最大投影方差推导
寻找最优树深度.mp4 52.69M
| | ├──11：代码训练回归树拟合SineWave.mp4 41.16M
| | ├──12：后剪枝的意义.mp4 28.32M
| | ├──13：CCP代价复杂度后剪枝.mp4 70.83M
| | ├──14：CCP代价复杂度剪枝
信息增益率.mp4 49.75M
| | ├──8：预剪枝以及相关超参数.mp4 67.96M
| | ├──9：代码实战决策树对鸢尾花数据集分类.mp4 40.61M
| | └──新建文本文档.txt 0.31kb
| ├──章节2：集成学习和随机森林
| | ├──代码
| | ├──15：不同聚合方式
准备数据才能训练下一颗小树.mp4 43.03M
| | ├──26：GBDT应用于回归问题.mp4 47.05M
| | ├──27：GBDT回归举例
初始化F(x).mp4 43.20M
| | ├──43：GBDT在sklearn中源码剖析
明确训练每颗回归树需要准备gi和hi.mp4 34.30M
| | ├──55：重新定义树ft和树的复杂度Ω.mp4 35.02M
| | ├──56：由每个叶子节点重组目标函数Obj.mp4 30.39M
| | ├──57：推导XGBoost出Wj计算公式
后剪枝
包括缺失值的处理策略.mp4 56.21M
| | └──新建文本文档.txt 0.35kb
├──9、机器学习-概率图模型
| ├──章节1：贝叶斯分类
| | ├──1.txt 0.35kb
| | ├──1：朴素贝叶斯分类算法.mp4 116.00M
| | ├──2：TF-IDF.mp4 49.47M
| | ├──3：NB代码实现解析.mp4 99.87M
| | ├──4：sklearn中调用NB_顺便讲解了GridSearchCV.mp4 101.38M
| | ├──5：语言模型的设计目的
马尔可夫链.mp4 31.65M
| | ├──NB_HMM.pdf 826.78kb
| | └──代码.rar 7.43kb
| ├──章节2：HMM算法
| | ├──1.txt 0.44kb
| | ├──10：HMM预测问题使用维特比算法.mp4 26.12M
| | ├──11：HMM复习
三个基本问题.mp4 56.02M
| | ├──9：HMM预测问题使用前向算法.mp4 35.97M
| | ├──代码.rar 0.94kb
| | └──资料.rar 26.48kb
| └──章节3：CRF算法
| | ├──1.txt 0.27kb
| | ├──15：NER与分词和POS的关系
常用命令
常用命令more、head、tail命令.mp4 11.70M
| | ├──14：Linux_常用命令
常用命令
常用命令
常用配置
课程介绍.mp4 2.92M
| | ├──20：Linux_常用配置
文件的压缩与解压缩处理.mp4 28.49M
| | ├──26：Linux_安装MySQL.mp4 50.60M
| | ├──3：Linux_VMWare安装及使用.mp4 13.50M
| | ├──5：Linux_目录介绍.mp4 13.21M
| | └──8：Linux_常用命令_cd命令.mp4 6.00M
└──【加课】算法与数据结构
| └──章节1：算法与数据结构
| | ├──10：哈希表的基本结构.mp4 26.13M
| | ├──11：哈希表冲突问题.mp4 36.27M
| | ├──12：哈希表冲突问题2.mp4 29.22M
| | ├──13：哈希扩容.mp4 41.81M
| | ├──14：递归与栈.mp4 23.30M
| | ├──16：二分查找.mp4 25.38M
| | ├──17：冒泡排序.mp4 26.31M
| | ├──18：选择排序.mp4 22.56M
| | ├──19：插入排序.mp4 15.88M
| | ├──1：数据结构与算法简介.mp4 17.10M
| | ├──20：归并排序.mp4 40.45M
| | ├──21：快速排序.mp4 19.04M
| | ├──22：树结构.mp4 42.63M
| | ├──23：树结构的遍历.mp4 27.49M
| | ├──24：最大堆的增加操作.mp4 35.82M
| | ├──26：二叉树的查找.mp4 41.35M
| | ├──27：二叉树获取最小值.mp4 11.17M
| | ├──28：二叉树的添加.mp4 30.58M
| | ├──29：二叉树的删除.mp4 54.96M
| | ├──2：大O表示法.mp4 11.34M
| | ├──3：线性结构.mp4 24.14M
| | ├──4：单线链表1.mp4 27.60M
| | ├──5：单链表2.mp4 58.34M
| | ├──6：双链表.mp4 46.56M
| | ├──7：队列(链式).mp4 33.40M
| | ├──8：队列(线式).mp4 17.80M
| | └──9：栈与双端队列.mp4 13.03M