【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:50：坐标下降法_数值优化面临的问题.mp4 file:54：拉格朗日函数.mp4 file:40：随机变量.mp4 file:37：SVD用于协同过滤_求逆矩阵.mp4 file:25：雅可比矩阵_在神经网络中应用.mp4 file:38：概率论_随机事件与随机事件概率.mp4 file:49：牛顿法公式推导以及优缺点.mp4 file:7：导数求解的四则运算法则.mp4 file:19：矩阵的运算_加减法_转置.mp4 file:53：凸优化的性质_一般表达形式.mp4 file:48：梯度下降法的推导.mp4 file:14：向量的内积_向量运算法则.mp4 file:43：随机向量_独立性_协方差_随机向量的正太分布.mp4 file:5：导数的几何意义和物理意义.mp4 file:31：特征值分解.mp4 file:24：高阶偏导数_梯度.mp4 file:26：Hessian矩阵.mp4 file:45：最优化的基本概念.mp4 file:2：线性代数_概率论知识点.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:34：求解奇异值分解中的UΣV矩阵.mp4 file:16：向量的范数_范数与正则项的关系.mp4 file:4：人工智能在各领域的应用.mp4 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:2：人工智能适合人群与必备技能.mp4 file:7：深度学习比传统机器学习有优势.mp4 file:38：归一化的目的_维度之间数量级不同产生的矛盾.mp4 file:39：归一化的目的_举例子来理解做归一化和不做归一化的区别.mp4 file:40：归一化的副产品_有可能会提高模型的精度.mp4 file:41：最大值最小值归一化.mp4 file:52：升维的意义_多项式回归.mp4 file:57：实战保险花销预测_模型训练和评估_选择非线性算法改进.mp4 file:53：多项式升维代码实战_传入不同超参数对比.mp4 file:58：实战保险花销预测_特征选择思路.mp4 file:50：代码调用Lasso回归.mp4 file:29：随机梯度下降_小批量梯度下降.mp4 file:34：代码实现随机梯度下降.mp4 file:23：梯度下降法产生的目的和原因以及思想.mp4 file:27：多元线性回归下的梯度下降法.mp4 file:25：学习率设置的学问_全局最优解.mp4 file:37：代码改进实现随着迭代增加动态调整学习率.mp4 file:36：代码改进保证训练数据全都能被随机取到.mp4 file:第四阶段_梯度下降法_归一化_正则化_多项式升维.pdf file:14：Python开发环境版本的选择及下载.mp4 file:9：明确目标通过最大总似然求解θ.mp4 file:16：Pycharm创建脚本并测试python开发环境.mp4 file:15：Anaconda环境安装_Pycharm环境安装.mp4 file:12：推导出目标函数的导函数形式.mp4 file:6：理解回归一词_中心极限定理_正太分布和做预测.mp4 file:19：解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换.mp4 file:18：解析解的方式求解多元线性回归_求解模型_使用模型_绘制图形.mp4 file:第一阶段_手把手教你透彻掌握线性回归算法.pdf file:10：对数似然函数_推导出损失函数MSE.mp4 file:11：把目标函数按照线性代数的方式去表达.mp4 file:7：假设误差服从正太分布_最大似然估计MLE.mp4 file:21：调用Scikit-learn中的多元线性回归求解模型(上).mp4 file:2：最优解_损失函数_MSE.mp4 file:13：θ解析解的公式_是否要考虑损失函数是凸函数.mp4 file:20：Scikit-learn模块的介绍.mp4 file:4：理解多元线性回归表达式几种写法的原因.mp4 file:1：理解简单线性回归.mp4 file:8：引入正太分布的概率密度函数.mp4 file:47：L1稀疏性和L2平滑性.mp4 file:46：常用的L1和L2正则项以及数学意义.mp4 file:48：通过L1和L2的导函数理解区别的本质原因.mp4 file:44：正则化的目的防止过拟合.mp4 file:45：正则化通过损失函数加入惩罚项使得W越小越好.mp4 file:33：BERT新浪新闻10分类项目.mp4 file:9：数据预处理_02.mp4 file:13：代码讲解_04.mp4 file:7：Keras实战RNN以及词嵌入来做情感分析.mp4 file:30：CRF中的特征函数们.mp4 file:27：feature进入BiLSTM进行正向传播的过程.mp4 file:24：回顾了一下CRF训练和使用过程.mp4 file:26：NER代码读取数据和预处理.mp4 file:32：补充标注偏置问题_HMM做分词代码结构.mp4 file:29：BiLSTM-CRF模型的预测代码.mp4 file:25：介绍了代码目录结构.mp4 file:31：对比逻辑回归_相比HMM优势.mp4 file:28：通过CRF层来计算Loss损失以及训练.mp4 file:3：Word2Vec项目代码_构建一个个批次数据.mp4 file:5：Word2Vec项目代码_评估比较相似度_最后的训练绘图.mp4 file:4：Word2Vec项目代码_正向传播的Graph构建_NCE损失的计算本质.mp4 file:1：回顾了词向量里面训练的Topology.mp4 file:34：GPT2闲聊机器人.mp4 file:16：AI写唐诗_训练数据的构建.mp4 file:17：MultiRNNCell单元.mp4 file:20：AI写唐诗_模型的使用_增加随机性.mp4 file:15：AI写唐诗_数据的读取_字典的构建_文本的索引化.mp4 file:18：AI写唐诗_从词嵌入到构建RNN再到输出层概率输出.mp4 file:19：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 file:21：从AI写唐诗到Seq2Seq再到Encoder-Decoder.mp4 file:23：Seq2Seq版Chatbot训练和模型使用.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:14：MaskRCNN网络结构.mp4 file:19：MaskRCNN源码config和model.mp4 file:7：ROIAlign.mp4 file:6：双线性插值作为转置卷积核的初始参数.mp4 file:5：转置卷积_以及TF的API.mp4 file:2：上采样_repeat.mp4 file:8：FPN思想与网络结构.mp4 file:9：FPN应用于FasterRCNN_ResNetFPN.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:13：Python_控制语句_嵌套循环.mp4 file:34：Python_类对象_实例属性和方法_类属性和方法.mp4 file:22：Python_集合操作_字典keys方法_enumerate函数.mp4 file:23：Python_os模块_shutil模块.mp4 file:25：Python_函数_定义_调用_返回值_注释.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:33：Python_类对象_定义与实例化对象.mp4 file:8：Python是强类型的动态脚本语言.mp4 file:30：Python_函数式编程_map_reduce_filter_匿名函数.mp4 file:21：Python_集合操作_字典和常见操作.mp4 file:24：Python_打开并读取文件_中文编码问题.mp4 file:36：Python_类对象_运算符重载_私有对象方法_isinstance函数.mp4 file:4：Jupyter安装和代码运行.mp4 file:6：Conda虚拟环境创建与Python模块安装.mp4 file:人工智能-第1阶段python进阶和高级编程.pdf file:7：关联虚拟环境运行代码.mp4 file:2：Miniconda安装和测试.mp4 file:34：图片风格融合项目_架构_代码实现要点.mp4 file:3：基于CascadeClassifier来提取目标框做车牌识别代码详解_03.mp4 file:5：车牌识别项目关于目标检测的问题.mp4 file:16：FasterRCNN代码_构建RPN网络_01.mp4 file:12：回归整体训练流程_详解读取数据blob_02.mp4 file:31：FasterRCNN代码_添加Loss损失_smoothL1loss.mp4 file:20：FasterRCNN代码_bbox剪裁_NMS非极大值抑制.mp4 file:30：FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02.mp4 file:6：FasterRCNN项目代码_环境说明_数据集详解_项目结构说明.mp4 file:18：反向传播推导(一).mp4 file:21：反向传播推导(四)关于Δ和a还有梯度的更新事宜.mp4 file: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 file:23：python实现神经网络正向反向传播训练.mp4 file:12：Tensorflow代码运行机制_TF基础的代码.mp4 file:14：TF实现线性回归BGD的方式_使用Optimizer_每轮打乱数据.mp4 file:11：CUDA安装_cudnn安装_环境变量配置_检验是否安装成功.mp4 file:15：TF实现Softmax回归来识别MNIST手写数字.mp4 file:13：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 file:10：CUDA下载地址_CUDA显卡白名单地址.mp4 file:神经网络.pdf file:9：tensorflow概要_conda创建虚拟环境_CPU版本的tensorflow安装.mp4 file:5：隐藏层的意义_隐藏层相当于去做预处理_升维降维.mp4 file:7：sklearn中NN模型的代码使用.mp4 file:4：用神经网络理解Softmax回归.mp4 file:1：神经网络是有监督的算法_生物神经元到人工神经元.mp4 file:8：隐藏层激活函数必须是非线性的.mp4 file:2：三种常见的激活函数_网络拓扑介绍_优化算法.mp4 file: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 file:6：多节点网络输出_sklearn中NN模块的介绍.mp4 file:5：Tensor的创建.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:22：PyTorch词性标注_测试模型效果.mp4 file:20：PyTorch词性标注_构建词嵌入层LSTM层和词性输出层.mp4 file:26：PyTorch中英文翻译_构建训练函数之Encoder计算.mp4 file:30：PyTorch中英文翻译_绘制Attentions注意力权重.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:23：PyTorch中英文翻译_规范化语料库_构建中英文词典索引.mp4 file:9：PyTorch实战CIFAR10数据_读取和展示.mp4 file:18：PyTorch代码实战加入数据增强.mp4 file:13：使用全局平均池化_使用LeNet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:14：使用集成学习思想训练识别模型.mp4 file:15：使用VGG16模型提供准确率.mp4 file:16：torchvision里面的预训练模型.mp4 file:2：PyTorch的安装.mp4 file:3：Pycharm关联PyTorch运行环境.mp4 file:19：Optimizer_Adam.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: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: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:9：AlexNet网络结构_连续使用小的卷积核好处.mp4 file:10：Dropout技术点思想和运用.mp4 file:12：CNN对MNIST数据集分类_全连接层以及训练代码.mp4 file:26：DenseNet在Keras里面的代码实现.mp4 file:27：BatchNormalization.mp4 file:24：ResNet残差单元_BottlenetBlocK.mp4 file:28：Mobilenet网络架构.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:21：VGG16_Fine-tuning_对MNIST做手写数字识别.mp4 file:23：InceptionV3_以及InceptionV3对皮肤癌图片识别.mp4 file:22：InceptionV1_V2.mp4 file:29：图像识别任务_古典目标检测.mp4 file:33：从FastRCNN引入FasterRCNN.mp4 file:31：IOU以及python计算的代码.mp4 file:30：使用OpenCV调用分类器找到目标框.mp4 file:32：R-CNN和SPP-net.mp4 file:FasterR-CNNTowardsReal-TimeObjectDetectionwithRegionProposalNetworks.pdf file:34：回顾RCNN_SPPnet_Fast-RCNN.mp4 file:35：FasterRNN的核心RPN_正向传播的框过滤_NMS.mp4 file:38：FasterRCNN论文讲解_从RPN损失到评估指标对比.mp4 file:36：NMS代码实现流程_mAP目标检测平均指标.mp4 file:2：单通道卷积的计算.mp4 file:8：经典的CNN架构和LeNet5.mp4 file:6：卷积的计算TF中的API操作与参数.mp4 file:4：卷积层权值共享.mp4 file:1：回顾深度神经网络_卷积层是局部连接.mp4 file:5：卷积的补充与Padding填充模式.mp4 file:24：Linux_上传与下载_lrzsz工具.mp4 file:26：Linux_安装MySQL.mp4 file:7：Linux_常用命令_pwd命令.mp4 file:10：Linux_常用命令_clear、touch、cat命令.mp4 file:3：Linux_VMWare安装及使用.mp4 file:25：Linux_文件的压缩与解压缩处理.mp4 file:3：OCR识别的CTC损失思想.mp4 file:10：CRNN项目代码剖析.mp4 file:2：OCR识别本质就是文字检测和文字识别.mp4 file:1：传统OCR识别_深度学习OCR识别.mp4 file:8：GreedySearch和BeamSearch解码的方式与代码逻辑.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:4：总结理解深度学习文字识别架构.mp4 file:7：CTC前向后向算法代码.mp4 file:17：PCA的最大投影方差思路.mp4 file:PCA降维与SVD.pdf file:18：最大投影方差推导_最小投影距离思路.mp4 file:16：特征选择与特征映射.mp4 file:20：PCA的几种应用.mp4 file:19：SVD其实就可以去实现PCA了.mp4 file:13：GMM前景背景分离.mp4 file:12：将EM算法应用到GMM中并且推导出Π的公式.mp4 file:10：Jensen不等式的应用.mp4 file:8：理解GMM高斯混合分布的对数似然函数.mp4 file:9：GMM参数估计Πμσ的流程.mp4 file:14：通过声音文件利用GMM算法识别性别.mp4 file:7：单个高斯分布GM的参数估计.mp4 file:EM算法与GMM模型.pdf file:4：mini-batchKMeans_Canopy聚类_聚类评估指标.mp4 file:5：KMeans代码测试不同情况下的聚类效果.mp4 file:3：KMeans的一些变形_KMeans的损失函数推导及假设.mp4 file:1：KMeans聚类流程_距离测度欧式距离和余弦距离.mp4 file:6：层次聚类_密度聚类_谱聚类.mp4 file:2：距离测度欧式距离和余弦距离的场景_TFIDF.mp4 file:1：Rossmann药店销量预测_kaggle的介绍.mp4 file:2：对数据字段的介绍_导包.mp4 file:4：对数据里面的目标变量sales的一个分析.mp4 file:6：模型的训练_评估.mp4 file:7：kaggle竞赛网站学习.mp4 file:14：MLlib对网页分类竞赛数据预处理_模型训练.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:9：评估指标ROC和AUC.mp4 file:11：竞赛其他相关提交成绩排行榜.mp4 file:8：Kaggle网页分类竞赛介绍.mp4 file:15：不同聚合方式_生成不同弱学习器方式.mp4 file:20：Adaboost算法思路.mp4 file:21：调整数据权重让权重正确率达到50%.mp4 file:16：Bagging_Boosting_Stacking.mp4 file:18：代码实战随机森林对鸢尾花数据集分类.mp4 file:19：OOB袋外数据.mp4 file:22：Adaboost如何调整样本权重和求基模型权重.mp4 file:56：由每个叶子节点重组目标函数Obj.mp4 file:53：推导XGBoost对Loss二阶泰勒展开之后的Obj.mp4 file:49：回顾基于树集成学习的模型和参数并举例说明.mp4 file:58：根据Obj收益指导每一次分裂从而学习一棵树结构.mp4 file:48：基于树集成学习4个优点.mp4 file:59：举例说明从连续型和离散型变量中寻找最佳分裂条件.mp4 file:62：总结XGBoost的特性_包括缺失值的处理策略.mp4 file:60：XGBoost中防止过拟合的前剪枝_后剪枝_学习率.mp4 file:61：样本权重对于模型学习的影响.mp4 file:47：Bias_Variance_Trade-off.mp4 file:55：重新定义树ft和树的复杂度Ω.mp4 file:52：得出XGBoost最开始的Obj目标函数.mp4 file:50：通过目标函数Obj来达到准确率和复杂度平衡.mp4 file:54：Obj化简常数项_明确训练每颗回归树需要准备gi和hi.mp4 file:51：Objective_vs_Heuristic.mp4 file:46：回顾有监督机器学习三要素.mp4 file:57：推导XGBoost出Wj计算公式_推导评价树好坏的Obj.mp4 file:12：后剪枝的意义.mp4 file:3：如何构建一颗决策树.mp4 file:1：决策树模型的特点.mp4 file:11：代码训练回归树拟合SineWave.mp4 file:8：预剪枝以及相关超参数.mp4 file:14：CCP代价复杂度剪枝_α超参数设定.mp4 file:7：熵与Gini系数关系_信息增益率.mp4 file:4：什么是更好的一次划分.mp4 file:10：绘制决策树模型_寻找最优树深度.mp4 file:36：GBDT多分类叶子节点分值计算.mp4 file:29：GBDT二分类拟合的负梯度依然是残差.mp4 file:28：GBDT应用于二分类问题.mp4 file:32：GBDT多分类如何每轮给K颗小树准备要去拟合的负梯度.mp4 file:45：GBDT+LR架构预测评估代码实现.mp4 file:39：计算特征重要度进行特征选择.mp4 file:24：GBDT令每个弱学习器f(x)去拟合负梯度.mp4 file:25：GBDT每棵树都是回归树_准备数据才能训练下一颗小树.mp4 file:41：特征组合降维在GBDT+LR架构应用.mp4 file:43：GBDT在sklearn中源码剖析_负梯度计算和叶子节点分值计算.mp4 file:23：GBDT试图使用有监督最优化算法梯度下降求解F(x).mp4 file:34：对比GBDT回归、二分类、多分类相同点与不同点.mp4 file:30：GBDT中shrinkage学习率和最优树权重ρ可以共存.mp4 file:18：车牌识别项目_详解数据准备阶段代码.mp4 file:21：车牌识别项目_车牌字符识别模型训练.mp4 file:17：PaddleOCR_项目配置_CCPD数据集介绍.mp4 file:19：车牌识别项目_运行保存标签和剪切出的车牌图片.mp4 file:13：PCB电路板缺陷检测_前期数据的分析.mp4 file:10：PaddleDetection_项目配置.mp4 file:11：安装配置VisualStudio_解决安装模块pycocotools或cython_bbox编译报错问题.mp4 file:12：PCB电路板缺陷检测_Images和Annotations.mp4 file:3：PaddlePaddle求解线性模型.mp4 file:2：Pycharm运行出现mkl-service或DLL找不到的问题.mp4 file:5：预测波士顿房价_反向传播_模型保存_模型测试.mp4 file:4：预测波士顿房价_数据读取_正向传播.mp4 file:29：PaddleNLP_物流信息提取项目_模型训练.mp4 file:27：PaddleNLP_物流信息提取项目_进一步通过DataSet构建出DataLoader.mp4 file:25：物流信息提取项目_解决导包显示找不到nul问题.mp4 file:30：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 file:6：预测病理性近视_图片数据读取.mp4 file:8：预测病理性近视_定义模型结构_评估模型.mp4 file:34：PaddleNLP_物流信息提取项目_ERNIE实战_讲解ChunkEvaluator和输出预测结果.mp4 file:23：ERNIE_GPT.mp4 file:RNN_Attention机制.pdf folder:【百战程序员】AI算法工程师就业班 - 带源码课件 folder:05、机器学习-线性回归 folder:20-深度学习-NLP自然语言处理项目实战 folder:17-深度学习-语义分割原理和实战 folder:02、人工智能基础-Python基础 folder:24-【加课】Pytorch项目实战 folder:26-【加课】Linux环境编程基础 folder:21-深度学习-OCR文本识别 folder:10、机器学习与大数据-Kaggle竞赛实战 folder:25、【加课】百度飞桨PaddlePaddle实战【新增】 folder:31、【加课】强化学习【新增】 folder:11-机器学习与大数据-海量数据挖掘工具 folder:16-深度学习-目标检测YOLO(V1-V4全版本)实战 folder:27-【加课】算法与数据结构 folder:章节3：归一化 folder:章节5：Lasso回归_Ridge回归_多项式回归 folder:章节1：多元线性回归 folder:章节2：自然语言处理--情感分析 folder:章节5：实战NER命名实体识别项目 folder:章节7：GPT2聊天机器人 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2：自然场景下的目标检测及源码分析 folder:章节3：反向传播推导_Python代码实现神经网络 folder:章节2：TensorFlow深度学习工具 folder:章节2：PyTorch基础_Tensor张量运算 folder:章节4：PyTorch循环神经网络_词性标注 folder:章节1：PyTorch运行环境安装_运行环境测试 folder:章节2：卷积神经网络优化 folder:章节4：古典目标检测 folder:章节5：现代目标检测之FasterRCNN folder:章节2：EM算法和GMM高斯混合模型 folder:章节1：药店销量预测案例 folder:章节2：集成学习和随机森林 folder:章节4：PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss) folder:章节3：PaddleDetection工具_PCB电路板缺陷检测 folder:章节1：PaddlePaddle框架安装_波士顿房价预测 folder:章节5：PaddleNLP模块_物流信息提取（BiGRU+CRF） folder:章节4：ELMO_BERT_GPT folder:章节3：从Attention机制到Transformer folder:章节2：DeepQ-LearningNetwork folder:章节3：PolicyGradient策略梯度 folder:章节4：ActorCritic(A3C) folder:章节1：Q-Learning与SARSA算法 folder:章节5：DDPG、PPO、DPPO算法 folder:章节3：SVM支持向量机算法 folder:章节2：Softmax回归 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：YOLOv4详解 folder:章节3：推荐系统--模型使用和推荐服务 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3：数据处理分析模块Pandas folder:章节1：科学计算模型Numpy folder:代码 分享时间 2025-01-06 入库时间 2025-01-06 状态检测 有效 资源类型 QUARK 分享用户 百万*源01 资源有问题？点此举报 链接 跳转 分享