【黑马程序员】年度钻石会员-人工智能AI进阶 - 带源码课件夸克网盘资源_网盘资源_夸克网盘资源搜索_全盘搜

• 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:01-阶段1-3（python基础 、python高级、机器学习）.7z
• file:03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.7z
• file:01-计算机视觉CV课程环境使用说明文档.pdf
• 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: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: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:26-虚拟机的使用.mp4
• file:01-文本预处理-文本预处理-文本数据增强讲解.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: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: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: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: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: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: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-提问的含金量，你知道吗？.mp4
• file:6-如何正视你的小缺点.mp4
• file:2-面试前的那些“坑”.mp4
• file:18-加班，你怎么看？.mp4
• file:17-选择机会重因素，个人心中要有数.mp4
• file:14-你的应聘优势是什么.mp4
• file:3-了解应聘流程，做个有条不紊的人.mp4
• file:19-处于下风？不存在的，几招教你定乾坤！.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:12-工作中的困难，你是如何处理的？.mp4
• file:1-众里寻他千百度，你的简历在何处.mp4
• file:5-你的规划你做主!.mp4
• file:4-自我介绍，你行吗？.mp4
• file:8-与领导意见分歧，你是怎么做的？.mp4
• file:9-世界那么大，趋势知多少？.mp4
• file:7-谈谈跳槽那些事.mp4
• file:12-1讲解-2.2输入部分实现-part5.mp4
• file:21-2点评-2.3.3多头注意力机制-part1.mp4
• file:05-2点评-2.3.4前馈全连接层-part1-part2.mp4
• file:06-2点评-2.1认识Transformer架构-part1.mp4
• file:09-2点评-2.4BERT,GPT,ELMo的区别和优缺点.mp4
• file:08-1讲解-2.5迁移学习实践-类型2实战-part10.mp4
• file:07-1讲解-2.4加载和使用预训练模型-第4步-part3.mp4
• file:02-1讲解-2.3NLP中的常用预训练模型.mp4
• file:19-2点评-2.2NLP中的标准数据集-part2.mp4
• file:05-1讲解-1.2传统RNN模型构造和代码演示part2.mp4
• file:06-2点评-1.2传统RNN模型优缺点及小结.mp4
• file:11-1讲解-1.3LSTM模型小结.mp4
• file:17-2点评-1.5注意力机制代码实现.mp4
• file:15-1讲解-1.5注意力概念和计算规则介绍.mp4
• file:06-1讲解-1.6Transformer相比于RNN的优势和原因.mp4
• file:10-1讲解-1.8self-attention公式中添加scaled的原因-part3.mp4
• file:13-2点评-1.1认识BERT-part3.mp4
• file:04-1讲解-1.4Transformer中的自注意力机制以及为什么采用QKV三元组.mp4
• file:14-2点评-1.12长文本预测任务使用BERT如何构造训练样本.mp4
• file:13-1讲解-1.11BERT的MLM任务为什么采用80% 10% 10%的策略.mp4
• file:05-1讲解-1.5采用Multi-head Attention的原因和计算规则.mp4
• file:12-1讲解-1.10BERT模型的优点和缺点.mp4
• file:07-2点评-1.7为什么说Transformer可以代替seq2seq.mp4
• file:04-1讲解-1.1认识Pytorch-第3步-基本运算操作-part1.mp4
• file:11-2点评-1.2Pytorch中的autograd-第2步-关于Tensor的操作.mp4
• file:18-2点评-2.1Pytorch构建神经网络-第3步-反向传播.mp4
• file:00-2点评-作业讲解.mp4
• file:11-1讲解-2.2Pytorch构建分类器-第5步-测试模型-part3.mp4
• file:24-2点评-1.5文本特征处理-1ngram-part2.mp4
• file:10-2点评-1.3文本张量表示方法-part5-step5.mp4
• file:18-1讲解-1.4文本数据分析-3不同词汇总数统计-part1.mp4
• file:22-1讲解-2.2英译法任务_第1步-导入包.mp4
• file:20-1讲解-2.1人名分类器第6步案例小结.mp4
• file:18-1讲解-2.1人名分类器第5步-构建预测函数-part4.mp4
• file:10-1讲解-马尔科夫链介绍.mp4
• file:13-2点评-举例解释模型概念.mp4
• file:14-1讲解-维特比算法举例讲解.mp4
• folder:【黑马程序员】年度钻石会员-人工智能AI进阶 - 带源码课件
• folder:【主学习路线】05、阶段五NLP自然语言处理
• folder:【课外拓展】06、阶段六阶段二Python高级（更新）
• folder:【主学习路线】07、阶段七人工智能面试强化（赠送）
• folder:【课外拓展】10、阶段十CV基础+项目（更新）
• folder:【课件】
• folder:【课外拓展】02、阶段二赠送-人脸支付
• folder:【课外拓展】09、阶段九阶段五—NLP基础补充视频
• folder:8--第八章 Transformer架构解析-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:1--第一章 Pytorch工具_v2.0
• folder:9--第九章 fasttext工具的使用-v2.0
• folder:6--第六章 莎士比亚风格的文本生成任务-v2.0
• folder:2--第二章 自然语言处理NLP介绍-v2.0
• folder:第三章3-Python编程进阶
• folder:第二章2-SQL基础
• folder:11--第十一章深度强化学习
• folder:5--第五章模型可解释
• 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:10--第十章贝叶斯方法实现及粒子滤波
• folder:9--第九章MySql数据库基本使用
• folder:2--第二章Linux高级命令
• folder:6--第六章闭包,装饰器及python高级语法
• folder:5--第五章HTTP协议和静态服务器
• folder:3--第三章深度神经网络_v2.0
• folder:2--第二章tensorflow入门_v2.0
• folder:9--第九章OpenCV图像处理_v2.0
• folder:4--第四章numpyV2.1
• folder:3--第三章matplotlibV2.1
• folder:17--第十七章学生管理系统(面向对象版)
• folder:1--第一章计算机组成原理
• folder:第三章 3-01 - 目标检测
• folder:第一章 1-Pytorch与深度学习基础
• folder:第二章 2-深度学习核心模型与实战
• folder:第一章1-人脸支付
• folder:无课程相关内容
• folder:4--第四章 实时人脸识别检测项目
• folder:3--第三章 智能文本分类系统
• folder:第一章1-机器学习基础算法
• folder:第三章 3-面试篇
• folder:2--输入部分实现
• folder:5--多头注意力机制
• folder:12--解码器
• folder:8--子层连接结构
• folder:7--规范化层
• 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:4--加载和使用预训练模型
• folder:1--迁移学习理论
• folder:2--NLP中的标准数据集
• folder:2--传统RNN模型
• folder:4--Transformer中的self-attention
• folder:9--Transformer架构的并行化是如何进行的
• folder:2--Transformer的结构是什么样的 各个子模块各有什么作用
• folder:10--BERT模型的优点和缺点
• folder:3--Transformer结构中的Decoder端具体输入
• folder:7--Transformer可以代替seq2seq的原因
• folder:1--认识pytorch
• folder:2-- Pytorch中的autograd
• folder:3--使用Pytorch构建一个神经网络
• folder:6--文本数据增强
• folder:2--文本处理的基本方法
• folder:2--使用seq2seq模型架构实现英译法任务
• folder:1--使用RNN模型构建人名分类器
• folder:4--维特比算法解码隐藏状态序列
• folder:1--认识fasttext工具
• folder:4--词向量迁移
• folder:1--认识HMM与CRF模型
• folder:0-16Python中正则表达式
• folder:0-12进程线程对比
• folder:0-3PyMySQL
• folder:0-4HTML基础
• folder:0-8静态Weeb服务器
• folder:0-1函数的闭包
• folder:0-6Socket网络编程
• folder:0-17正则表达式扩展
• folder:0-7TCP服务器开发
• folder:0-18FastAPI搭建Web服务器
• folder:0-13With上下文管理器
• folder:0-6SQL高阶特性
• folder:0-2Linux终端基本使用
• folder:2--Q-learning算法
• folder:3--DeepQ-Network
• folder:4--变分自动编码器
• folder:1--自动编码器历史与应用介绍
• folder:1--ip和端口介绍
• folder:15--二叉树的遍历
• folder:3--where条件查询
• folder:3--property语法
• folder:5--ResNet
• folder:3--Faster-RCNN原理与实现
• folder:5--yoloV3案例
• folder:6--卷积神经网络CNN
• folder:2--常见的损失函数
• folder:4--实例分割：MaskRCNN
• folder:2--语义分割：FCN与Unet
• 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:2--计算机视觉（CV）
• folder:2--OpenCV简介及安装方法
• folder:1--tensorflow和keras简介
• folder:6--模版匹配和霍夫变换
• folder:1--图像的基础操作
• folder:3--案例泰坦生存预测
• folder:4--北京租房数据统计分析
• folder:3--pandas高级使用
• folder:6--交叉验证,网格搜索
• folder:7--案例Facebook位置预测
• folder:3--lightGBM算法
• folder:1--XGBoost算法
• folder:1--环境安装及使用
• folder:11--拆包,交换变量
• folder:4--break和continue
• folder:5--while循环嵌套及应用
• folder:12--类属性及相关方法
• folder:9--super方法使用
• folder:8--子类重写父类属性和方法
• folder:4--文件及文件夹的相关操作
• folder:3--if...elif...else格式
• folder:4--字符串操作方法
• folder:1--函数应用学员管理系统
• folder:0-6 yolo v5算法介绍
• folder:0-1 目标检测概述
• folder:0-5 匈牙利算法
• folder:0-14 车道线定位与拟合
• folder:0-11 图像去畸变
• folder:0-3 Pytorch高阶操作
• folder:0-7 BP神经网络案例
• folder:0-3 人脸姿态任务
• folder:0-1 opencv简介
• folder:0-6项目集成
• folder:0-20评估方法介绍
• folder:0-24coverage机制原理
• folder:0-15PGN数据特殊性分析
• folder:0-22ROUGE算法理论
• folder:0-11词向量的单独训练
• folder:0-16迭代器和类的实现
• folder:0-3TextRank算法理论基础
• folder:0-28Beam-search模型类实现
• folder:0-29TF-IDF算法原理和实现
• folder:0-30单词替换法的类实现
• folder:0-6seq3seq架构
• folder:0-35模型转移实现
• folder:0-38Flask实现模型部署
• folder:0-34训练策略原理和实现
• folder:0-32回译数据法实现和评估
• folder:0-1文本摘要项项目背景介绍
• folder:18--SIamese网络系列（选学）
• folder:21--网络模型搭建（选学）
• folder:16--车道曲率与车辆偏离中心线距离
• folder:17--在视频中进行车道线检测
• folder:31--模型部署
• folder:6--neo4j图数据库的安装
• folder:10--结构化数据流水线
• folder:12--任务介绍与模型选用
• folder:26--主要逻辑服务
• folder:3--在线医生的总体架构
• folder:2--Unit对话API使用
• folder:25--werobot服务构建
• folder:20--CRF介绍
• folder:4--总体架构中的工具介绍
• folder:8--在Python中使用neo4j
• folder:5--系统联调和测试
• folder:2--构建标签词汇图谱
• folder:0-34案例-飞机大战
• folder:0-30文件操作案例
• folder:0-24基础加强练习
• folder:0-31案例-学生管理系统（三）
• folder:0-10循环else
• folder:0-18公共方法与推导式
• folder:0-28lambda表达式
• folder:0-12字符串查找，替换，合并
• folder:0-25可变类型及非可变类型
• folder:0-20函数基本使用替代视频（04,05,06）
• folder:0-22不定长参数与组包拆包
• 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机器学习算法回顾总结（有需要的同学可以看看）