【百战程序员】AI算法工程师就业班 - 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:课件.zip
• file:9：无监督机器学习任务与本质.mp4
• file:6：机器学习不同的学习方式.mp4
• file:7：深度学习比传统机器学习有优势.mp4
• file:1：人工智能就业前景与薪资.mp4
• file:11：导数判断凹凸性_导数用于泰勒展开.mp4
• file:14：向量的内积_向量运算法则.mp4
• file:10：高阶导数_导数判断单调性_导数与极值.mp4
• file:13：行向量列向量_转置_数乘_加减乘除.mp4
• file:12：向量的意义_n维欧式空间空间.mp4
• file:35：奇异值分解性质_数据压缩.mp4
• file:40：随机变量.mp4
• file:41：数学期望和方差.mp4
• file:38：概率论_随机事件与随机事件概率.mp4
• file:43：随机向量_独立性_协方差_随机向量的正太分布.mp4
• file:39：条件概率_贝叶斯公式.mp4
• file:36：SVD用于PCA降维.mp4
• file:44：最大似然估计思想.mp4
• file:3：最优化知识_数学内容学习重点.mp4
• file:32：多元函数的泰勒展开_矩阵和向量的求导.mp4
• file:31：特征值分解.mp4
• file:18：矩阵_方阵_对称阵_单位阵_对角阵.mp4
• file:15：学习向量计算的用途举例.mp4
• file:19：矩阵的运算_加减法_转置.mp4
• file:28：补充关于正定负定的理解.mp4
• file:29：特征值和特征向量(1).mp4
• file:23：多元函数求偏导.mp4
• file:1：人工智能学习数学的必要性_微积分知识点.mp4
• file:26：Hessian矩阵.mp4
• file:11：将EM算法应用到GMM中并且推导出了μ和Σ的公式.mp4
• file:14：通过声音文件利用GMM算法识别性别.mp4
• file:13：GMM前景背景分离.mp4
• file:7：单个高斯分布GM的参数估计.mp4
• file:10：Jensen不等式的应用.mp4
• file:EM算法与GMM模型.pdf
• file:9：GMM参数估计Πμσ的流程.mp4
• file:8：理解GMM高斯混合分布的对数似然函数.mp4
• file:16：特征选择与特征映射.mp4
• file:PCA降维与SVD.pdf
• file:17：PCA的最大投影方差思路.mp4
• file:20：PCA的几种应用.mp4
• file:18：最大投影方差推导_最小投影距离思路.mp4
• file:19：SVD其实就可以去实现PCA了.mp4
• file:6：层次聚类_密度聚类_谱聚类.mp4
• file:3：KMeans的一些变形_KMeans的损失函数推导及假设.mp4
• file:5：KMeans代码测试不同情况下的聚类效果.mp4
• file:4：mini-batchKMeans_Canopy聚类_聚类评估指标.mp4
• file:2：距离测度欧式距离和余弦距离的场景_TFIDF.mp4
• file:1：KMeans聚类流程_距离测度欧式距离和余弦距离.mp4
• file:聚类.pdf
• file:14：Matplotlib_绘制等高线图_绘制三维图像.mp4
• file:12：Matplotlib_绘制柱状图_画布切分多个子画布_柱状图对比.mp4
• file:人工智能-第1阶段数据分析（含办公自动化分析）.pdf
• file:20：Python_Pandas_空值的删除与填充.mp4
• file:18：Python_Pandas_获取DataFrame对象的值.mp4
• file:9：Numpy_聚合函数.mp4
• file:8：Numpy_算术运算_向上向下取整.mp4
• file:4：Numpy_ndarray属性_zeros_ones_like等创建数组函数.mp4
• file:6：Numpy_改变数组维度_数组的拼接.mp4
• file:5：NumPy_reshape_切片操作_copy函数.mp4
• file:1：Numpy_概述_安装_创建数组_获取shape形状.mp4
• file:2：Numpy_array_arange.mp4
• file:7：HMM隐马的定义.mp4
• file:13：Viterbi算法案例详解.mp4
• file:10：HMM预测问题使用维特比算法.mp4
• file:12：前向算法来解决概率计算问题.mp4
• file:8：HMM隐马的三组参数_三个基本问题.mp4
• file:11：HMM复习_明确概率计算问题要解决的目标.mp4
• file:1：朴素贝叶斯分类算法.mp4
• file:5：语言模型的设计目的_MLE的作用进行参数估计.mp4
• file:6：贝叶斯网络_马尔可夫链.mp4
• file:3：NB代码实现解析.mp4
• file:4：sklearn中调用NB_顺便讲解了GridSearchCV.mp4
• file:NB_HMM.pdf
• file:2：TF-IDF.mp4
• file:22：通过模型来预测新的句子的序列标签.mp4
• file:21：计算CRF所有可能路径的总分数.mp4
• file:19：CRF的目标函数.mp4
• file:16：讲解了一下常见的深度学习LSTM+CRF的网络拓扑.mp4
• file:15：NER与分词和POS的关系_NER的标注策略_NER的主要方法.mp4
• file:18：EmissionScore_TransitionScore.mp4
• file:12：PyTorch实战CIFAR10_分类别打印模型准确率.mp4
• file:16：torchvision里面的预训练模型.mp4
• file:18：PyTorch代码实战加入数据增强.mp4
• file:14：使用集成学习思想训练识别模型.mp4
• file:17：迁移学习_PyTorch代码实战冻结预训练模型参数.mp4
• file:15：使用VGG16模型提供准确率.mp4
• file:13：使用全局平均池化_使用LeNet模型.mp4
• file:25：PyTorch中英文翻译_索引化数据_转化成Tensor张量_构建Encoder编码器.mp4
• file:30：PyTorch中英文翻译_绘制Attentions注意力权重.mp4
• file:28：PyTorch中英文翻译_构建训练函数之Decoder计算.mp4
• file:23：PyTorch中英文翻译_规范化语料库_构建中英文词典索引.mp4
• file:8：归并操作_比较操作_矩阵操作.mp4
• file:7：广播机制_逐元素操作.mp4
• file:5：Tensor的创建.mp4
• file:20：PyTorch词性标注_构建词嵌入层LSTM层和词性输出层.mp4
• file:22：PyTorch词性标注_测试模型效果.mp4
• file:4：Jupyter关联PyTorch运行环境.mp4
• file:2：PyTorch的安装.mp4
• file:26：Linux_安装MySQL.mp4
• file:3：Linux_VMWare安装及使用.mp4
• file:9：Linux_常用命令_ls与ll命令.mp4
• file:10：Linux_常用命令_clear、touch、cat命令.mp4
• file:24：Linux_上传与下载_lrzsz工具.mp4
• file:25：Linux_文件的压缩与解压缩处理.mp4
• file:5：数据的预处理.mp4
• file:2：对数据字段的介绍_导包.mp4
• file:3：自定义损失函数.mp4
• file:4：对数据里面的目标变量sales的一个分析.mp4
• file:1：Rossmann药店销量预测_kaggle的介绍.mp4
• file:7：kaggle竞赛网站学习.mp4
• file:6：模型的训练_评估.mp4
• file:16：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
• file:13：MLlib对网页分类竞赛数据预处理.mp4
• file:9：评估指标ROC和AUC.mp4
• file:8：Kaggle网页分类竞赛介绍.mp4
• file:15：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
• file:11：竞赛其他相关提交成绩排行榜.mp4
• file:4：基于CascadeClassifier来提取目标框做车牌识别代码详解_04.mp4
• file:5：车牌识别项目关于目标检测的问题.mp4
• file:32：图片风格融合项目_架构_代码实现要点.mp4
• file:8：FasterRCNN项目代码_数据增强.mp4
• file:31：FasterRCNN代码_添加Loss损失_smoothL1loss.mp4
• file:23：FasterRCNN代码_给RPN准备正负例样本_03.mp4
• file:12：回归整体训练流程_详解读取数据blob_02.mp4
• file:20：FasterRCNN代码_bbox剪裁_NMS非极大值抑制.mp4
• file:8：YOLOv2论文详解_层级分类_层级分类用于目标检测.mp4
• file:5：YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes.mp4
• file:7：YOLOv2论文详解_Darknet19_分类数据和检测数据集融合_多标签.mp4
• file:6：YOLOv2论文详解_mAP更better的一些点.mp4
• file:22：YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish.mp4
• file:21：YOLOv4_BOF_GIoU_DIoU_CIoU.mp4
• file:20：YOLOv4_BOF_DropBlock_FocalLoss.mp4
• file:13：YOLOv4论文概述_BOS_BOF.mp4
• file:9：YOLOv3论文详解_每个框都要预测多个类别概率.mp4
• file:10：YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53.mp4
• file:14：YOLOv3代码剖析_项目介绍.mp4
• file:16：YOLOv3代码剖析_model输出之后的预测框的计算.mp4
• file:15：YOLOv3代码剖析_聚类anchors_构建backbone主干网络.mp4
• file:18：YOLOv3代码剖析_weights到h5模型的转换.mp4
• file:2：YOLOv1论文详解_网络架构_思想.mp4
• file:3：YOLOv1论文详解_训练中的技巧_Loss损失函数.mp4
• file:4：总结理解深度学习文字识别架构.mp4
• file:6：CTC损失函数前向后向算法推导_梯度求导公式推导.mp4
• file:9：CPTN项目代码剖析.mp4
• file:3：OCR识别的CTC损失思想.mp4
• file:8：GreedySearch和BeamSearch解码的方式与代码逻辑.mp4
• file:1：传统OCR识别_深度学习OCR识别.mp4
• file:7：CTC前向后向算法代码.mp4
• file:2：OCR识别本质就是文字检测和文字识别.mp4
• file:RNN_Attention机制.pdf
• file:23：ERNIE_GPT.mp4
• file:9：理解RNN循环神经网络拓扑结构.mp4
• file:11：利用RNN循环神经网络对MNIST手写数字识别.mp4
• file:12：理解LSTM长短时记忆_记住Topo和公式.mp4
• file:16：双向RNN_LSTM.mp4
• file:15：LSTM的回顾复习_LSTM手写数字识别.mp4
• file:13：VanillaRNN的回顾复习.mp4
• file:17：RNN里面应用的Topology结构.mp4
• file:14：补充讲一下为什么RNN中链越长越容易梯度消失.mp4
• file:18：Seq2Seq中Attention注意力机制.mp4
• file:20：Transformer_Positional_使用逻辑_网络结构总结.mp4
• file:19：Transformer_Self-Attention_Multi-head.mp4
• file:6：Huffman树_分层Softmax的思想.mp4
• file:5：Skip-gram模型思想和计算过程.mp4
• file:8：负采样和负采样应用到CBOW模型上.mp4
• file:1：N-gram语言模型.mp4
• file:Word2Vec.pdf
• file:7：队列(链式).mp4
• file:9：栈与双端队列.mp4
• file:10：哈希表的基本结构.mp4
• file:25：最大堆的删除操作.mp4
• file:27：二叉树获取最小值.mp4
• file:1：数据结构与算法简介.mp4
• file:9：总结MTCNN_缩放因子_注意3阶段网络里面的全连接.mp4
• file: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
• file:15：FaceNet论文_TripleLoss损失函数.mp4
• file:13：FaceNet论文_相关的介绍.mp4
• file:18：人脸识别项目代码_FaceNet模型加载和使用.mp4
• file:4：MTCNN论文_摘要和介绍.mp4
• file:7：每一个阶段每个分支的Loss损失_整合每个分支的Loss.mp4
• file:6：PRelu_每阶段输出多分支意义.mp4
• file:2：开源的FaceNet项目介绍.mp4
• file:19：人脸识别项目代码_人脸匹配以及最后的绘图展示.mp4
• file:1：人脸识别任务种类_具体做法思路.mp4
• file:8：训练数据的准备_每一阶段训练的流程.mp4
• file:17：FaceNet论文_ZF和Inception对比_总结.mp4
• file:14：MaskRCNN网络结构.mp4
• file:19：MaskRCNN源码config和model.mp4
• file:18：MaskRCNN项目关于运行代码环境的说明.mp4
• file:17：MaskRCNN根据文档和论文总结重要的知识点.mp4
• file:8：FPN思想与网络结构.mp4
• file:5：转置卷积_以及TF的API.mp4
• file:6：双线性插值作为转置卷积核的初始参数.mp4
• file:9：FPN应用于FasterRCNN_ResNetFPN.mp4
• file:2：上采样_repeat.mp4
• file:7：ROIAlign.mp4
• file:11：FCN全卷积网络做语义分割.mp4
• file:13：UNet网络医疗图像的语义分割.mp4
• file:30：Python_函数式编程_map_reduce_filter_匿名函数.mp4
• file:36：Python_类对象_运算符重载_私有对象方法_isinstance函数.mp4
• file:28：Python_函数_递归.mp4
• file:37：Python_类对象_面向对象三大特性_类的继承.mp4
• file:38：Python_类对象_子类复用父类构造器和方法_方法重写.mp4
• file:8：Python是强类型的动态脚本语言.mp4
• file:24：Python_打开并读取文件_中文编码问题.mp4
• file:22：Python_集合操作_字典keys方法_enumerate函数.mp4
• file:10：Python_控制语句_多分支_三元条件运算符.mp4
• file:19：Python_集合操作_列表的常用方法.mp4
• file:23：Python_os模块_shutil模块.mp4
• file:1：下载Miniconda运行环境.mp4
• file:人工智能-第1阶段python进阶和高级编程.pdf
• file:6：Conda虚拟环境创建与Python模块安装.mp4
• file:7：关联虚拟环境运行代码.mp4
• file:3：Pycharm安装和代码运行.mp4
• file:5：Jupyter常用快捷键.mp4
• file:3：Spark对比hadoop优势.mp4
• file:11：两种算子操作本质区别.mp4
• file:1：Spark特性_01.mp4
• file:4：回顾hadoop讲解shuffle.mp4
• file:15：Spark算子操作实战讲解_代码实战WordCount_04.mp4
• file:5：分布式计算框架Shuffle的原理_01.mp4
• file:10：分布式计算所需进程.mp4
• file:27：构建LabeledPoint.mp4
• file:28：介绍SparkMLlib模块中实现的算法和调用.mp4
• file:25：讲解构建稀疏和稠密向量_01.mp4
• file:24：Spark程序启动运行流程详解_03.mp4
• file:21：分布式文件系统Block块的大小配置.mp4
• file:47：SparkML机器学习库概念讲解.mp4
• file:41：使用逻辑回归和随机森林对股票Stock预测案例实战.mp4
• file:52：SparkML网页分类案例代码实战续（2）.mp4
• file:42：从数据转化到训练集的构建.mp4
• file:36：SparkMLlib调用KMeans聚类_调用决策树(1).mp4
• file:35：SparkMLlib调用逻辑回归_使用标准归一化_4.mp4
• file:38：FasterRCNN论文讲解_从RPN损失到评估指标对比.mp4
• file:35：FasterRNN的核心RPN_正向传播的框过滤_NMS.mp4
• file:36：NMS代码实现流程_mAP目标检测平均指标.mp4
• file:FasterR-CNNTowardsReal-TimeObjectDetectionwithRegionProposalNetworks.pdf
• file:34：回顾RCNN_SPPnet_Fast-RCNN.mp4
• file:30：使用OpenCV调用分类器找到目标框.mp4
• file:33：从FastRCNN引入FasterRCNN.mp4
• file:31：IOU以及python计算的代码.mp4
• file:32：R-CNN和SPP-net.mp4
• file:29：图像识别任务_古典目标检测.mp4
• file:25：DenseNet和Keras里面的实现.mp4
• file:28：Mobilenet网络架构.mp4
• file:22：InceptionV1_V2.mp4
• file:24：ResNet残差单元_BottlenetBlocK.mp4
• file:20：Keras介绍_以及不同项目调用不同的python环境和CUDA环境.mp4
• file:23：InceptionV3_以及InceptionV3对皮肤癌图片识别.mp4
• file:27：BatchNormalization.mp4
• file:21：VGG16_Fine-tuning_对MNIST做手写数字识别.mp4
• file:6：卷积的计算TF中的API操作与参数.mp4
• file:5：卷积的补充与Padding填充模式.mp4
• file:1：回顾深度神经网络_卷积层是局部连接.mp4
• file:4：卷积层权值共享.mp4
• file:2：单通道卷积的计算.mp4
• file:8：经典的CNN架构和LeNet5.mp4
• file:10：Dropout技术点思想和运用.mp4
• file:19：Optimizer_Adam.mp4
• file:12：CNN对MNIST数据集分类_全连接层以及训练代码.mp4
• file:9：AlexNet网络结构_连续使用小的卷积核好处.mp4
• file:13：深度学习网络对应ACC准确率忽然下降的思考点.mp4
• file:15：减轻梯度消失问题中参数初始化发挥的作用.mp4
• file:16：VGG网络结构_以及1乘1的卷积核的作用和好处.mp4
• file:11：数据增强技术点_CNN对MNIST数据集分类_卷积池化代码.mp4
• file:18：Optimizer_Adagrad_Adadelta_RMSprop.mp4
• file:53：DDPG解决DQN不能输出连续型动作的问题_DDPG如何训练Actor和Critic.mp4
• file:66：代码实战_DPPO_创建一个PPO和多个Worker_创建多线程.mp4
• file:61：PPO_PPO1、TRPO、PPO2三种不同的方式解决两个分布不同的问题.mp4
• file:56：代码实战_DDPG_与环境之间的互动_AC训练调整参数_效果展示.mp4
• file:60：PPO_重要性采样的问题_期望矫正但是方差还是不同带来的问题.mp4
• file:54：代码实战_DDPG_构建Actor和Critic四个网络_定义Critic求loss和求梯度的逻辑.mp4
• file:55：代码实战_DDPG_Critic网络构建_Actor网络链式求导.mp4
• file:64：代码实战_剖析PPO代码中如何体现Off-Policy的学习方式_效果展示.mp4
• file:62：代码实战_PPO与环境整体交互_Actor与Critic网络构建.mp4
• file:57：TD3_使用DoubleNetwork优化DDPG.mp4
• file:58：PPO_强调AC如何输出连续型动作_区分On-Policy与Off-Policy.mp4
• file:65：DPPO分布式PPO.mp4
• file:59：PPO_通过重要性采样使得PPO可以做Off-Policy学习.mp4
• file:63：代码实战_定义PPO1和PPO2不同版本Actor的Loss计算逻辑.mp4
• file:50：代码实战_A3C_结合流程图分三点总结前面讲的代码.mp4
• file:42：代码实战_Actor网络构建及训练.mp4
• file:49：代码实战_A3C_定义AC网络结构_定义worker拉取参数和更新全局网络参数的逻辑.mp4
• file:40：AdvantageActorCritic_共享参数和修改reward技巧.mp4
• file:48：代码实战_A3C_增加actor探索性用到熵_定义worker正太分布抽样和求梯度的逻辑.mp4
• file:52：代码实战_A3C_讲解线程中worker和GlobalNet交互_代码运行效果展示.mp4
• file:46：代码实战_A3C_讲解Coordinator调度多线程运算.mp4
• file:39：ActorCritic原理_把PG和QLearning结合起来.mp4
• file:47：代码实战_A3C_定义Worker计算loss的逻辑_针对连续型的action提高actor探索性.mp4
• file:44：A3C架构和训练流程.mp4
• file:45：Pendulum环境_根据网络预测的μ和σ得到连续型的action值.mp4
• folder:【百战程序员】AI算法工程师就业班 - 带源码课件
• folder:07、机器学习-无监督学习
• folder:03、人工智能基础-Python科学计算和可视化
• folder:24-【加课】Pytorch项目实战
• folder:26-【加课】Linux环境编程基础
• folder:10、机器学习与大数据-Kaggle竞赛实战
• folder:15-深度学习-图像识别项目实战
• folder:16-深度学习-目标检测YOLO(V1-V4全版本)实战
• folder:21-深度学习-OCR文本识别
• folder:19-深度学习-NLP自然语言处理原理和进阶
• folder:27-【加课】算法与数据结构
• folder:11-机器学习与大数据-海量数据挖掘工具
• folder:31、【加课】强化学习【新增】
• folder:01、人工智能基础-快速入门
• folder:25、【加课】百度飞桨PaddlePaddle实战【新增】
• folder:章节2：EM算法和GMM高斯混合模型
• folder:章节3：PCA降维算法
• folder:章节2：数据可视化模块
• folder:章节3：数据处理分析模块Pandas
• folder:章节1：科学计算模型Numpy
• folder:章节1：贝叶斯分类
• folder:章节3：PyTorch卷积神经网络_实战CIFAR10
• folder:章节5：PyTorch编码器解码器_机器翻译
• folder:章节2：PyTorch基础_Tensor张量运算
• folder:章节1：PyTorch运行环境安装_运行环境测试
• folder:章节1：药店销量预测案例
• folder:章节2：自然场景下的目标检测及源码分析
• folder:章节2：YOLOv2详解
• folder:章节4：ELMO_BERT_GPT
• folder:章节2：循环神经网络原理与优化
• folder:章节3：从Attention机制到Transformer
• folder:章节3：蒙版弹幕MaskRCNN语义分割
• folder:章节1：上采样_双线性插值_转置卷积
• folder:章节2：医疗图像UNet语义分割
• folder:章节2：Python基础语法
• folder:章节1：Spark计算框架基础
• folder:章节3：Spark机器学习MLlib和ML模块
• folder:章节5：现代目标检测之FasterRCNN
• folder:章节4：古典目标检测
• folder:章节5：DDPG、PPO、DPPO算法
• folder:章节4：ActorCritic(A3C)
• folder:章节2：DeepQ-LearningNetwork
• folder:章节1：Q-Learning与SARSA算法
• folder:章节3：PolicyGradient策略梯度
• folder:章节2：集成学习和随机森林
• folder:章节1：推荐系统--流程与架构
• folder:章节2：推荐系统--数据预处理和模型构建评估实战
• folder:章节5：Lasso回归_Ridge回归_多项式回归
• folder:章节5：实战NER命名实体识别项目
• folder:章节4：Seq2Seq聊天机器人
• folder:章节6：BERT新浪新闻10分类项目
• folder:章节2：自然语言处理--情感分析
• folder:章节2：TensorFlow深度学习工具
• folder:章节3：反向传播推导_Python代码实现神经网络
• folder:章节2：Softmax回归
• folder:章节2：PaddlePaddle卷积网络_病理性近视识别
• folder:章节5：PaddleNLP模块_物流信息提取（BiGRU+CRF）
• folder:章节3：PaddleDetection工具_PCB电路板缺陷检测
• folder:章节4：PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss)