本套课程AI算法工程师就业班(百Z程序员)，课程官方售价19980元，由陈老师主讲，文件大小共计89.05G，文章底部附下载地址。
“人工智能时代刚刚开启，正是红利期，算法工程师岗位很稀缺且待遇很高，大厂急需。待遇通常在30万-100万”，如果不是强于沟通、善于领导这些能力，只想在技术上深根。有很多突破的方法，其中一种方式，转型人工智能最佳职位“算法工程师”。
课程介绍：
本套课程针对在校、在职学员，为期3年倾心打造良品《人工智能8.0版》，人工智能院长陈博老师亲自操刀，为期6个月的教学时段，125个知识模块，每日仅需2-3小时学习时间。跟着陈博老师学习进度，名企大厂offer在招手。
本套课程一共16阶段，从零开始，步步提升。一共6个月时间，业余时间学习，132个学习日，每天学2-3小时。本课制定了完整的学习计划，让学员只要一步一步跟着走完，就能拿到满意的offer。
更多人工智能课程推荐学习：人工智能深度学习高薪就业班P5、马士兵AI人工智能工程师、人工智能方向名企NLP第4期。
AI算法工程师就业班 视频截图
AI算法工程师就业班 视频截图
课程文件目录：V-3810：AI算法工程师就业班课程 [89.05G]
V-3810：AI算法工程师就业班课程
01、人工智能基础-快速入门
1：人工智能就业前景与薪资.mp4
2：人工智能适合人群与必备技能.mp4
3：人工智能时代是发展的必然.mp4
4：人工智能在各领域的应用.mp4
5：人工智能常见流程.mp4
6：机器学习不同的学习方式.mp4
7：深度学习比传统机器学习有优势.mp4
8：有监督机器学习任务与本质.mp4
9：无监督机器学习任务与本质.mp4
02、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
2：Miniconda安装和测试.mp4
3：Pycharm安装和代码运行.mp4
4：Jupyter安装和代码运行.mp4
5：Jupyter常用快捷键.mp4
6：Conda虚拟环境创建与Python模块安装.mp4
7：关联虚拟环境运行代码.mp4
人工智能-第1阶段Python基础.pdf
人工智能-第1阶段python进阶和高级编程.pdf
代码.rar
章节2：Python基础语法
10：Python_控制语句_多分支_三元条件运算符.mp4
11：Python_控制语句_while循环.mp4
12：Python_控制语句_for循环.mp4
13：Python_控制语句_嵌套循环.mp4
14：Python_控制语句_break_continue.mp4
15：Python_切片操作.mp4
16：Python_数据类型.mp4
17：Python_集合操作_列表.mp4
18：Python_集合操作_列表的基本操作.mp4
19：Python_集合操作_列表的常用方法.mp4
20：Python_集合操作_元组.mp4
21：Python_集合操作_字典和常见操作.mp4
22：Python_集合操作_字典keys方法_enumerate函数.mp4
23：Python_os模块_shutil模块.mp4
24：Python_打开并读取文件_中文编码问题.mp4
25：Python_函数_定义_调用_返回值_注释.mp4
26：Python_函数_局部变量_全局变量.mp4
27：Python_函数_默认参数_可变参数.mp4
28：Python_函数_递归.mp4
29：Python_函数式编程_高阶函数.mp4
30：Python_函数式编程_map_reduce_filter_匿名函数.mp4
31：Python_函数_闭包.mp4
32：Python_函数_装饰器.mp4
33：Python_类对象_定义与实例化对象.mp4
34：Python_类对象_实例属性和方法_类属性和方法.mp4
35：Python_类对象_内置方法.mp4
36：Python_类对象_运算符重载_私有对象方法_isinstance函数.mp4
37：Python_类对象_面向对象三大特性_类的继承.mp4
38：Python_类对象_子类复用父类构造器和方法_方法重写.mp4
8：Python是强类型的动态脚本语言.mp4
9：Python_控制语句_单双分支.mp4
新建文本文档.txt
03、人工智能基础-Python科学计算和可视化
章节1：科学计算模型Numpy
1：Numpy_概述_安装_创建数组_获取shape形状.mp4
2：Numpy_array_arange.mp4
3：Numpy_random随机数生成.mp4
4：Numpy_ndarray属性_zeros_ones_like等创建数组函数.mp4
5：NumPy_reshape_切片操作_copy函数.mp4
6：Numpy_改变数组维度_数组的拼接.mp4
7：Numpy_数组的切分和转置.mp4
8：Numpy_算术运算_向上向下取整.mp4
9：Numpy_聚合函数.mp4
新建文本文档.txt
章节2：数据可视化模块
10：Matplotlib_概述_绘制直线图.mp4
11：Matplotlib_绘制正余弦曲线_散点图_添加图例.mp4
12：Matplotlib_绘制柱状图_画布切分多个子画布_柱状图对比.mp4
13：Matplotlib_绘制饼图_直方图_同时绘制多组数据分布.mp4
14：Matplotlib_绘制等高线图_绘制三维图像.mp4
1599293649514137.png
人工智能-第1阶段数据分析（含办公自动化分析）.pdf
新建文本文档.txt
章节3：数据处理分析模块Pandas
15：Python_Pandas_Series对象创建.mp4
16：Python_Pandas_DataFrame对象创建.mp4
17：Python_Pandas_获取Series对象的值.mp4
18：Python_Pandas_获取DataFrame对象的值.mp4
19：Python_Pandas_条件过滤.mp4
20：Python_Pandas_空值的删除与填充.mp4
21：Python_Pandas_拼接和合并.mp4
新建文本文档.txt
04、人工智能基础-高等数学知识强化
10：高阶导数_导数判断单调性_导数与极值.mp4
11：导数判断凹凸性_导数用于泰勒展开.mp4
12：向量的意义_n维欧式空间空间.mp4
13：行向量列向量_转置_数乘_加减乘除.mp4
14：向量的内积_向量运算法则.mp4
15：学习向量计算的用途举例.mp4
16：向量的范数_范数与正则项的关系.mp4
17：特殊的向量.mp4
18：矩阵_方阵_对称阵_单位阵_对角阵.mp4
19：矩阵的运算_加减法_转置.mp4
1：人工智能学习数学的必要性_微积分知识点.mp4
20：矩阵相乘.mp4
21：矩阵的逆矩阵.mp4
22：矩阵的行列式.mp4
23：多元函数求偏导.mp4
24：高阶偏导数_梯度.mp4
25：雅可比矩阵_在神经网络中应用.mp4
26：Hessian矩阵.mp4
27：二次型.mp4
28：补充关于正定负定的理解.mp4
29：特征值和特征向量(1).mp4
2：线性代数_概率论知识点.mp4
30：特征值和特征向量(2).mp4
31：特征值分解.mp4
32：多元函数的泰勒展开_矩阵和向量的求导.mp4
33：奇异值分解定义.mp4
34：求解奇异值分解中的UΣV矩阵.mp4
35：奇异值分解性质_数据压缩.mp4
36：SVD用于PCA降维.mp4
37：SVD用于协同过滤_求逆矩阵.mp4
38：概率论_随机事件与随机事件概率.mp4
39：条件概率_贝叶斯公式.mp4
3：最优化知识_数学内容学习重点.mp4
40：随机变量.mp4
41：数学期望和方差.mp4
42：常用随机变量服从的分布.mp4
43：随机向量_独立性_协方差_随机向量的正太分布.mp4
44：最大似然估计思想.mp4
45：最优化的基本概念.mp4
46：迭代求解的原因.mp4
47：梯度下降法思路.mp4
48：梯度下降法的推导.mp4
49：牛顿法公式推导以及优缺点.mp4
4：导数的定义_左导数和右导数.mp4
50：坐标下降法_数值优化面临的问题.mp4
51：凸集.mp4
52：凸函数.mp4
53：凸优化的性质_一般表达形式.mp4
54：拉格朗日函数.mp4
5：导数的几何意义和物理意义.mp4
6：常见函数的求导公式.mp4
7：导数求解的四则运算法则.mp4
8：复合函数求导法则.mp4
9：推导激活函数的导函数.mp4
数学.pdf
05、机器学习-线性回归
章节1：多元线性回归
10：对数似然函数_推导出损失函数MSE.mp4
11：把目标函数按照线性代数的方式去表达.mp4
12：推导出目标函数的导函数形式.mp4
13：θ解析解的公式_是否要考虑损失函数是凸函数.mp4
14：Python开发环境版本的选择及下载.mp4
15：Anaconda环境安装_Pycharm环境安装.mp4
16：Pycharm创建脚本并测试python开发环境.mp4
17：解析解的方式求解多元线性回归_数据Xy.mp4
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
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
1：理解简单线性回归.mp4
20：Scikit-learn模块的介绍.mp4
21：调用Scikit-learn中的多元线性回归求解模型(上).mp4
22：调用Scikit-learn中的多元线性回归求解模型(下).mp4
2：最优解_损失函数_MSE.mp4
3：扩展到多元线性回归.mp4
4：理解多元线性回归表达式几种写法的原因.mp4
5：理解维度这个概念.mp4
6：理解回归一词_中心极限定理_正太分布和做预测.mp4
7：假设误差服从正太分布_最大似然估计MLE.mp4
8：引入正太分布的概率密度函数.mp4
9：明确目标通过最大总似然求解θ.mp4
代码.rar
新建文本文档.txt
第一阶段_手把手教你透彻掌握线性回归算法.pdf
软件.rar
章节2：梯度下降法
23：梯度下降法产生的目的和原因以及思想.mp4
24：梯度下降法公式.mp4
25：学习率设置的学问_全局最优解.mp4
26：梯度下降法迭代流程总结.mp4
27：多元线性回归下的梯度下降法.mp4
28：全量梯度下降.mp4
29：随机梯度下降_小批量梯度下降.mp4
30：对应梯度下降法的问题和挑战.mp4
31：轮次和批次.mp4
32：代码实现全量梯度下降第1步和第2步.mp4
33：代码实现全量梯度下降第3步和第4步.mp4
34：代码实现随机梯度下降.mp4
35：代码实现小批量梯度下降.mp4
36：代码改进保证训练数据全都能被随机取到.mp4
37：代码改进实现随着迭代增加动态调整学习率.mp4
代码.rar
新建文本文档.txt
第四阶段_梯度下降法_归一化_正则化_多项式升维.pdf
章节3：归一化
38：归一化的目的_维度之间数量级不同产生的矛盾.mp4
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
40：归一化的副产品_有可能会提高模型的精度.mp4
41：最大值最小值归一化.mp4
42：标准归一化.mp4
新建文本文档.txt
章节4：正则化
43：代码完成标准归一化.mp4
44：正则化的目的防止过拟合.mp4
45：正则化通过损失函数加入惩罚项使得W越小越好.mp4
46：常用的L1和L2正则项以及数学意义.mp4
47：L1稀疏性和L2平滑性.mp4
48：通过L1和L2的导函数理解区别的本质原因.mp4
新建文本文档.txt
章节5：Lasso回归_Ridge回归_多项式回归
49：代码调用Ridge岭回归.mp4
50：代码调用Lasso回归.mp4
51：代码调用ElasticNet回归.mp4
52：升维的意义_多项式回归.mp4
53：多项式升维代码实战_传入不同超参数对比.mp4
54：多项式升维代码实战_训练模型和评估.mp4
55：实战保险花销预测_数据介绍和加载数据.mp4
56：实战保险花销预测_数据预处理.mp4
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
58：实战保险花销预测_特征选择思路.mp4
59：实战保险花销预测_特征工程.mp4
60：实战保险花销预测_模型训练和评估.mp4
代码.rar
新建文本文档.txt
06、机器学习-线性分类
章节1：逻辑回归
1.txt
10：绘制逻辑回归损失函数_探索两个参数和损失函数变换关系.mp4
11：绘制逻辑回归损失函数_绘制3D的图形_分析X1X2两个维度的重要度.mp4
12：对逻辑回归函数进行求导_结论在后面会用到.mp4
13：对逻辑回归的损失函数求导_推导出导函数的形式.mp4
14：实战逻辑回归对鸢尾花数据集进行二分类.mp4
15：OneVsRest将多分类问题转化成多个二分类问题.mp4
16：实战逻辑回归对鸢尾花数据集进行多分类.mp4
1：逻辑回归_Sigmoid函数.mp4
2：sigmoid函数作用.mp4
3：逻辑回归为什么用sigmoid函数_预备知识.mp4
4：证明伯努利分布是指数族分布_推导出逻辑回归公式.mp4
5：回想多元线性回归公式其实也是从广义线性回归推导出来的.mp4
6：推导逻辑回归损失函数_得到总似然的公式.mp4
7：推导逻辑回归损失函数_得到最终形式.mp4
8：绘制逻辑回归损失函数_读入数据计算最优解模型_实现逻辑回归预测_实现逻辑回归损失函数.mp4
9：绘制逻辑回归损失函数_探索单个参数和损失的关系.mp4
代码.rar
第五阶段_线性分类算法_逻辑回归和Softmax回归.pdf
章节2：Softmax回归
1.txt
17：证明多项式分布属于指数族分布一种.mp4
18：从广义线性回归的η推导出来Softmax的公式.mp4
19：有了Softmax函数的公式就可以去计算loss_Softmax的Loss函数形式其实就是LR的泛化版本.mp4
20：再次证明Softmax损失函数当K=2时就是逻辑回归损失函数.mp4
21：证明Softmax公式K=2的时候就是逻辑回归_平移不变性.mp4
22：逻辑回归和Softmax回归在多分类任务模型参数上的区别_与算法在选择上的区别.mp4
23：实战音乐分类器_讲解需求和读取数据.mp4
24：实战音乐分类器_探索不同曲风音乐文件的时间频率图.mp4
25：实战音乐分类器_傅里叶变换可以帮助我们做什么.mp4
26：实战音乐分类器_代码使用傅里叶变换将混音文件进行投影.mp4
27：实战音乐分类器_代码对单首歌曲进行傅里叶变换_代码对600首音乐文件进行傅里叶变换并保存结果.mp4
28：实战音乐分类器_代码读取600首傅里叶变换后的数据_构建训练集并训练模型.mp4
29：实战音乐分类器_模型的测试和调优_解决双通道音乐文件的问题.mp4
代码.rar
数据.rar
章节3：SVM支持向量机算法
1.txt
30：SVM与感知机关系_几何距离与函数距离.mp4
31：SVM的思想.mp4
32：几种SVM_SVM的损失函数.mp4
33：数学预备知识_拉格朗日函数.mp4
34：硬间隔SVM的两步优化.mp4
35：总结硬间隔SVM.mp4
36：软间隔SVM和总结流程.mp4
37：非线性SVM.mp4
38：SVM在sklearn中的使用_超参数.mp4
SVM算法.pdf
代码.rar
章节4：SMO优化算法
1.txt
39：SVM算法流程总结.mp4
40：SMO算法求解思路_分解成很多个子二次规划问题分别求解.mp4
41：SMO将交给它的目标函数变成二元函数进一步变成一元函数.mp4
42：对一元函数求极值点_推导出旧的α和新的α的关系.mp4
43：将公式467带入导函数进一步简化_对求解出的新的α2进行剪裁.mp4
44：再次说明α2如何进行剪裁的思路_根据α2求α1.mp4
45：启发式选择两个α.mp4
46：如何计算阈值b.mp4
47：SVM的SMO实现读取数据和计算fx与Ei.mp4
48：SVM的SMO实现判断违背条件的α1.mp4
49：SVM的SMO实现应用公式计算alphas和b.mp4
50：SVM绘制已有数据点和超平面以及边界.mp4
51：关于sklearn中的SVM封装的类和超参.mp4
52：概率化输出_SVM的合页损失函数_Tensorflow实现GD方式求解SVM.mp4
53：OVR和OVO多分类_算法小结_对比逻辑回归.mp4
代码.rar
07、机器学习-无监督学习
章节1：聚类系列算法
1.txt
1：KMeans聚类流程_距离测度欧式距离和余弦距离.mp4
2：距离测度欧式距离和余弦距离的场景_TFIDF.mp4
3：KMeans的一些变形_KMeans的损失函数推导及假设.mp4
4：mini-batchKMeans_Canopy聚类_聚类评估指标.mp4
5：KMeans代码测试不同情况下的聚类效果.mp4
6：层次聚类_密度聚类_谱聚类.mp4
代码.rar
聚类.pdf
章节2：EM算法和GMM高斯混合模型
1.txt
10：Jensen不等式的应用.mp4
11：将EM算法应用到GMM中并且推导出了μ和Σ的公式.mp4
12：将EM算法应用到GMM中并且推导出Π的公式.mp4
13：GMM前景背景分离.mp4
14：通过声音文件利用GMM算法识别性别.mp4
15：通过声音文件利用GMM算法识别是谁.mp4
7：单个高斯分布GM的参数估计.mp4
8：理解GMM高斯混合分布的对数似然函数.mp4
9：GMM参数估计Πμσ的流程.mp4
EM算法与GMM模型.pdf
代码.rar
章节3：PCA降维算法
1.txt
16：特征选择与特征映射.mp4
17：PCA的最大投影方差思路.mp4
18：最大投影方差推导_最小投影距离思路.mp4
19：SVD其实就可以去实现PCA了.mp4
20：PCA的几种应用.mp4
PCA降维与SVD.pdf
08、机器学习-决策树系列
章节1：决策树
10：绘制决策树模型_寻找最优树深度.mp4
11：代码训练回归树拟合SineWave.mp4
12：后剪枝的意义.mp4
13：CCP代价复杂度后剪枝.mp4
14：CCP代价复杂度剪枝_α超参数设定.mp4
1：决策树模型的特点.mp4
2：决策树的数学表达.mp4
3：如何构建一颗决策树.mp4
4：什么是更好的一次划分.mp4
5：Gini系数.mp4
6：信息增益.mp4
7：熵与Gini系数关系_信息增益率.mp4
8：预剪枝以及相关超参数.mp4
9：代码实战决策树对鸢尾花数据集分类.mp4
代码.rar
文档.rar
章节2：集成学习和随机森林
15：不同聚合方式_生成不同弱学习器方式.mp4
16：Bagging_Boosting_Stacking.mp4
17：随机森林.mp4
18：代码实战随机森林对鸢尾花数据集分类.mp4
19：OOB袋外数据.mp4
20：Adaboost算法思路.mp4
21：调整数据权重让权重正确率达到50%.mp4
22：Adaboost如何调整样本权重和求基模型权重.mp4
代码.rar
章节3：GBDT
23：GBDT试图使用有监督最优化算法梯度下降求解F(x).mp4
24：GBDT令每个弱学习器f(x)去拟合负梯度.mp4
25：GBDT每棵树都是回归树_准备数据才能训练下一颗小树.mp4
26：GBDT应用于回归问题.mp4
27：GBDT回归举例_总结.mp4
28：GBDT应用于二分类问题.mp4
29：GBDT二分类拟合的负梯度依然是残差.mp4
30：GBDT中shrinkage学习率和最优树权重ρ可以共存.mp4
31：GBDT应用于多分类任务.mp4
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
33：GBDT多分类流程.mp4
34：对比GBDT回归、二分类、多分类相同点与不同点.mp4
35：GBDT二分类叶子节点分值计算推导.mp4
36：GBDT多分类叶子节点分值计算.mp4
37：GBDT二分类举例详解.mp4
38：GBDT多分类举例详解.mp4
39：计算特征重要度进行特征选择.mp4
40：GBDT用于特征组合降维.mp4
41：特征组合降维在GBDT+LR架构应用.mp4
42：GBDT在sklearn中源码剖析_初始化F(x).mp4
43：GBDT在sklearn中源码剖析_负梯度计算和叶子节点分值计算.mp4
44：GBDT+LR架构训练模型代码实现.mp4
45：GBDT+LR架构预测评估代码实现.mp4
代码.rar
章节4：XGBoost
46：回顾有监督机器学习三要素.mp4
47：Bias_Variance_Trade-off.mp4
48：基于树集成学习4个优点.mp4
49：回顾基于树集成学习的模型和参数并举例说明.mp4
50：通过目标函数Obj来达到准确率和复杂度平衡.mp4
51：Objective_vs_Heuristic.mp4
52：得出XGBoost最开始的Obj目标函数.mp4
53：推导XGBoost对Loss二阶泰勒展开之后的Obj.mp4
54：Obj化简常数项_明确训练每颗回归树需要准备gi和hi.mp4
55：重新定义树ft和树的复杂度Ω.mp4
56：由每个叶子节点重组目标函数Obj.mp4
57：推导XGBoost出Wj计算公式_推导评价树好坏的Obj.mp4
58：根据Obj收益指导每一次分裂从而学习一棵树结构.mp4
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
60：XGBoost中防止过拟合的前剪枝_后剪枝_学习率.mp4
61：样本权重对于模型学习的影响.mp4
62：总结XGBoost的特性_包括缺失值的处理策略.mp4
代码
pima-indians-diabetes.csv
xgboost_feature_selection.py
文档
新建文本文档.txt
第七阶段_掌握AI竞赛神器_XGBoost算法.wps
09、机器学习-概率图模型
章节1：贝叶斯分类
1.txt
1：朴素贝叶斯分类算法.mp4
2：TF-IDF.mp4
3：NB代码实现解析.mp4
4：sklearn中调用NB_顺便讲解了GridSearchCV.mp4
5：语言模型的设计目的_MLE的作用进行参数估计.mp4
6：贝叶斯网络_马尔可夫链.mp4
NB_HMM.pdf
代码.rar
章节2：HMM算法
1.txt
10：HMM预测问题使用维特比算法.mp4
11：HMM复习_明确概率计算问题要解决的目标.mp4
12：前向算法来解决概率计算问题.mp4
13：Viterbi算法案例详解.mp4
14：Viterbi算法代码实现.mp4
7：HMM隐马的定义.mp4
8：HMM隐马的三组参数_三个基本问题.mp4
9：HMM预测问题使用前向算法.mp4
代码.rar
资料.rar
章节3：CRF算法
1.txt
15：NER与分词和POS的关系_NER的标注策略_NER的主要方法.mp4
16：讲解了一下常见的深度学习LSTM+CRF的网络拓扑.mp4
17：了解CRF层添加的好处.mp4
18：EmissionScore_TransitionScore.mp4
19：CRF的目标函数.mp4
20：计算CRF真实路径的分数.mp4
21：计算CRF所有可能路径的总分数.mp4
22：通过模型来预测新的句子的序列标签.mp4
CRF_NER.pdf
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_kaggle的介绍.mp4
2：对数据字段的介绍_导包.mp4
3：自定义损失函数.mp4
4：对数据里面的目标变量sales的一个分析.mp4
5：数据的预处理.mp4
6：模型的训练_评估.mp4
7：kaggle竞赛网站学习.mp4
代码.rar
新建文本文档.txt
章节2：网页分类案例
10：评估指标ROC和AUC.mp4
11：竞赛其他相关提交成绩排行榜.mp4
12：数据导入.mp4
13：MLlib对网页分类竞赛数据预处理.mp4
14：MLlib对网页分类竞赛数据预处理_模型训练.mp4
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
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
17：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_02.mp4
18：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_03.mp4
19：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_04.mp4
8：Kaggle网页分类竞赛介绍.mp4
9：评估指标ROC和AUC.mp4
代码.rar
新建文本文档.txt
11-机器学习与大数据-海量数据挖掘工具
章节1：Spark计算框架基础
1.txt
10：分布式计算所需进程.mp4
11：两种算子操作本质区别.mp4
12：Spark算子操作实战讲解_代码实战WordCount_01.mp4
13：Spark算子操作实战讲解_代码实战WordCount_02.mp4
14：Spark算子操作实战讲解_代码实战WordCount_03.mp4
15：Spark算子操作实战讲解_代码实战WordCount_04.mp4
1：Spark特性_01.mp4
2：Spark特性_02.mp4
3：Spark对比hadoop优势.mp4
4：回顾hadoop讲解shuffle.mp4
5：分布式计算框架Shuffle的原理_01.mp4
6：分布式计算框架Shuffle的原理_02.mp4
7：分布式计算框架Shuffle的原理_03.mp4
8：Spark的RDD特性_01.mp4
9：Spark的RDD特性_02.mp4
代码.rar
资料.rar
章节2：Spark计算框架深入
1.txt
16：Spark数据缓存机制.mp4
17：Spark宽依赖和窄依赖_01.mp4
18：Spark宽依赖和窄依赖_02.mp4
19：Spark宽依赖和窄依赖_03.mp4
20：Spark术语总结.mp4
21：分布式文件系统Block块的大小配置.mp4
22：Spark程序启动运行流程详解_01.mp4
23：Spark程序启动运行流程详解_02.mp4
24：Spark程序启动运行流程详解_03.mp4
25：讲解构建稀疏和稠密向量_01.mp4
26：讲解构建稀疏和稠密向量_01.mp4
27：构建LabeledPoint.mp4
28：介绍SparkMLlib模块中实现的算法和调用.mp4
章节3：Spark机器学习MLlib和ML模块
1.txt
29：SparkMLlib对于逻辑回归算法的调用.mp4
30：SparkMLlib调用逻辑回归_自定义阈值_1.mp4
31：SparkMLlib调用逻辑回归_自定义阈值_2.mp4
32：SparkMLlib调用逻辑回归_使用标准归一化_1.mp4
33：SparkMLlib调用逻辑回归_使用标准归一化_2.mp4
34：SparkMLlib调用逻辑回归_使用标准归一化_3.mp4
35：SparkMLlib调用逻辑回归_使用标准归一化_4.mp4
36：SparkMLlib调用KMeans聚类_调用决策树(1)_1.mp4
37：SparkMLlib调用KMeans聚类_调用决策树(1)_2.mp4
38：SparkMLlib调用KMeans聚类_调用决策树(1)_3.mp4
39：使用逻辑回归和随机森林对股票Stock预测案例实战_1.mp4
40：使用逻辑回归和随机森林对股票Stock预测案例实战_2.mp4
41：使用逻辑回归和随机森林对股票Stock预测案例实战_3.mp4
42：从数据转化到训练集的构建.mp4
43：模型的训练以及评估和调超参_1.mp4
44：模型的训练以及评估和调超参_2.mp4
45：模型的训练以及评估和调超参_3.mp4
46：SparkML机器学习库概念讲解_1.mp4
47：SparkML机器学习库概念讲解_2.mp4
48：SparkML机器学习库代码实战讲解_1.mp4
49：SparkML机器学习库代码实战讲解_2.mp4
50：SparkML网页分类案例代码实战续（1）_1.mp4
51：SparkML网页分类案例代码实战续（1）_2.mp4
52：SparkML网页分类案例代码实战续（2）_1.mp4
53：SparkML网页分类案例代码实战续（2）_2.mp4
54：SparkML网页分类案例代码实战续（3）.mp4
资料.rar
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
10：推荐系统列表_关联特征权重_基本特征权重的计算_2.mp4
11：推荐系统列表_关联特征权重_基本特征权重的计算_3.mp4
12：推荐系统_数据源_1.mp4
13：推荐系统_数据源_2.mp4
1：推荐系统_隐式用户反馈_1.mp4
2：推荐系统_隐式用户反馈_2.mp4
3：推荐系统_协同过滤_1.mp4
4：推荐系统_协同过滤_2.mp4
5：推荐系统_协同过滤_3.mp4
6：推荐系统_协同过滤_4.mp4
7：推荐系统架构_实时_离线_1.mp4
8：推荐系统架构_实时_离线_2.mp4
9：推荐系统列表_关联特征权重_基本特征权重的计算_1.mp4
数据.rar
资料.rar
章节2：推荐系统–数据预处理和模型构建评估实战
1.txt
14：HQL语句_python脚本构建中间结果_1.mp4
15：HQL语句_python脚本构建中间结果_2.mp4
16：HQL语句_python脚本构建中间结果_3.mp4
17：HQL语句_python脚本构建中间结果_4.mp4
18：推荐系统_数据预处理_spark构建特征索引_标签列_1.mp4
19：spark构建特征索引_标签列_2.mp4
20：spark构建特征索引_标签列_3.mp4
21：spark构建特征索引_标签列_4.mp4
22：MLlib调用算法计算模型文件并存储_1.mp4
23：MLlib调用算法计算模型文件并存储_2.mp4
24：MLlib调用算法计算模型文件并存储_3.mp4
25：ACC准确率和AUC面积的计算以及意义.mp4
代码.rar
数据.rar
资料.rar
软件.rar
集群.rar
章节3：推荐系统–模型使用和推荐服务
1.txt
26：推荐模型文件使用思路.mp4
27：Redis数据库安装及其使用.mp4
28：实时在线推荐列表计算逻辑代码讲解_1.mp4
29：实时在线推荐列表计算逻辑代码讲解_2.mp4
30：实时在线推荐列表计算逻辑代码讲解_3.mp4
31：实时在线推荐列表计算逻辑代码讲解_4.mp4
32：使用Dubbo将推荐系统做成服务_1.mp4
33：使用Dubbo将推荐系统做成服务_2.mp4
34：使用Dubbo将推荐系统做成服务_3.mp4
35：Dubbo推荐服务演示_SparkMLlib介绍_1.mp4
36：Dubbo推荐服务演示_SparkMLlib介绍_2.mp4
37：Dubbo推荐服务演示_SparkMLlib介绍_3.mp4
代码.rar
13-深度学习-原理和进阶
章节1：神经网络算法
1.txt
1：神经网络是有监督的算法_生物神经元到人工神经元.mp4
2：三种常见的激活函数_网络拓扑介绍_优化算法.mp4
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
4：用神经网络理解Softmax回归.mp4
5：隐藏层的意义_隐藏层相当于去做预处理_升维降维.mp4
6：多节点网络输出_sklearn中NN模块的介绍.mp4
7：sklearn中NN模型的代码使用.mp4
8：隐藏层激活函数必须是非线性的.mp4
9：tensorflow概要_conda创建虚拟环境_CPU版本的tensorflow安装.mp4
神经网络.pdf
资料.rar
章节2：TensorFlow深度学习工具
1.txt
10：CUDA下载地址_CUDA显卡白名单地址.mp4
11：CUDA安装_cudnn安装_环境变量配置_检验是否安装成功.mp4
12：Tensorflow代码运行机制_TF基础的代码.mp4
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
14：TF实现线性回归BGD的方式_使用Optimizer_每轮打乱数据.mp4
15：TF实现Softmax回归来识别MNIST手写数字.mp4
16：TF实现DNN来识别MNIST手写数字.mp4
代码.rar
软件.rar
章节3：反向传播推导_Python代码实现神经网络
1.txt
17：反向传播_链式求导法则.mp4
18：反向传播推导(一).mp4
19：反向传播推导(二)从输出层到最后一个隐藏层.mp4
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
21：反向传播推导(四)关于Δ和a还有梯度的更新事宜.mp4
22：python实现神经网络训练代码讲解(一).mp4
23：python实现神经网络正向反向传播训练.mp4
代码.rar
资料.rar
14-深度学习-图像识别原理
章节1：卷积神经网络原理
1.txt
1：回顾深度神经网络_卷积层是局部连接.mp4
2：单通道卷积的计算.mp4
3：彩色图片卷积的计算.mp4
4：卷积层权值共享.mp4
5：卷积的补充与Padding填充模式.mp4
6：卷积的计算TF中的API操作与参数.mp4
7：池化的概念和TF中的API的操作与参数.mp4
8：经典的CNN架构和LeNet5.mp4
代码.rar
资料.rar
章节2：卷积神经网络优化
1.txt
10：Dropout技术点思想和运用.mp4
11：数据增强技术点_CNN对MNIST数据集分类_卷积池化代码.mp4
12：CNN对MNIST数据集分类_全连接层以及训练代码.mp4
13：深度学习网络对应ACC准确率忽然下降的思考点.mp4
14：减轻梯度消失问题中激活函数发挥的作用.mp4
15：减轻梯度消失问题中参数初始化发挥的作用.mp4
16：VGG网络结构_以及1乘1的卷积核的作用和好处.mp4
17：Optimizer_SGD_Momentum.mp4
18：Optimizer_Adagrad_Adadelta_RMSprop.mp4
19：Optimizer_Adam.mp4
9：AlexNet网络结构_连续使用小的卷积核好处.mp4
代码.rar
资料.rar
章节3：经典卷积网络算法
1.txt
20：Keras介绍_以及不同项目调用不同的python环境和CUDA环境.mp4
21：VGG16_Fine-tuning_对MNIST做手写数字识别.mp4
22：InceptionV1_V2.mp4
23：InceptionV3_以及InceptionV3对皮肤癌图片识别.mp4
24：ResNet残差单元_BottlenetBlocK.mp4
25：DenseNet和Keras里面的实现.mp4
26：DenseNet在Keras里面的代码实现.mp4
27：BatchNormalization.mp4
28：Mobilenet网络架构.mp4
代码.rar
资料.rar
章节4：古典目标检测
1.txt
29：图像识别任务_古典目标检测.mp4
30：使用OpenCV调用分类器找到目标框.mp4
31：IOU以及python计算的代码.mp4
32：R-CNN和SPP-net.mp4
33：从FastRCNN引入FasterRCNN.mp4
目标检测.pdf
章节5：现代目标检测之FasterRCNN
1.txt
34：回顾RCNN_SPPnet_Fast-RCNN.mp4
35：FasterRNN的核心RPN_正向传播的框过滤_NMS.mp4
36：NMS代码实现流程_mAP目标检测平均指标.mp4
37：FasterRCNN论文讲解_从介绍到RPN的loss.mp4
38：FasterRCNN论文讲解_从RPN损失到评估指标对比.mp4
Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf
15-深度学习-图像识别项目实战
章节1：车牌识别
1：基于CascadeClassifier来提取目标框做车牌识别代码详解_01.mp4
2：基于CascadeClassifier来提取目标框做车牌识别代码详解_02.mp4
3：基于CascadeClassifier来提取目标框做车牌识别代码详解_03.mp4
4：基于CascadeClassifier来提取目标框做车牌识别代码详解_04.mp4
5：车牌识别项目关于目标检测的问题.mp4
car_license.rar
章节2：自然场景下的目标检测及源码分析
10：FasterRCNN项目代码_模型的训练.mp4
11：回归整体训练流程_详解读取数据blob_01.mp4
12：回归整体训练流程_详解读取数据blob_02.mp4
13：回归整体训练流程_详解读取数据blob_03.mp4
14：回归整体训练流程_详解读取数据blob_04.mp4
15：FasterRCNN代码_构建head.mp4
16：FasterRCNN代码_构建RPN网络_01.mp4
17：FasterRCNN代码_构建RPN网络_02.mp4
18：FasterRCNN代码_根据RPN网络得到校正后的预测的框_01.mp4
19：FasterRCNN代码_根据RPN网络得到校正后的预测的框_02.mp4
20：FasterRCNN代码_bbox剪裁_NMS非极大值抑制.mp4
21：FasterRCNN代码_给RPN准备正负例样本_01.mp4
22：FasterRCNN代码_给RPN准备正负例样本_02.mp4
23：FasterRCNN代码_给RPN准备正负例样本_03.mp4
24：FasterRCNN代码_给RPN准备正负例样本_04.mp4
25：FasterRCNN代码_给RPN准备正负例样本_05.mp4
26：FasterRCNN代码_给RPN准备正负例样本_06.mp4
27：FasterRCNN代码_给RPN准备正负例样本_07.mp4
28：FasterRCNN代码_给RPN准备正负例样本_08.mp4
29：FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_01.mp4
30：FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02.mp4
31：FasterRCNN代码_添加Loss损失_smoothL1loss.mp4
6：FasterRCNN项目代码_环境说明_数据集详解_项目结构说明.mp4
7：FasterRCNN项目代码_数据加载.mp4
8：FasterRCNN项目代码_数据增强.mp4
9：FasterRCNN项目代码_数据初始化.mp4
Faster-RCNN-TensorFlow-Python3.5-master.rar
资料.rar
章节3：图像风格迁移
1.txt
32：图片风格融合项目_架构_代码实现要点_1.mp4
33：图片风格融合项目_架构_代码实现要点_2.mp4
34：图片风格融合项目_架构_代码实现要点_3.mp4
35：图片风格融合项目_架构_代码实现要点_4.mp4
style_transfer.rar
16-深度学习-目标检测YOLO(V1-V4全版本)实战
keras-yolo3-master.rar
资料.rar
章节1：YOLOv1详解
1：YOLOv1论文详解_算法特点介绍.mp4
2：YOLOv1论文详解_网络架构_思想.mp4
3：YOLOv1论文详解_训练中的技巧_Loss损失函数.mp4
4：YOLOv1论文详解_NMS_局限性.mp4
章节2：YOLOv2详解
5：YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes.mp4
6：YOLOv2论文详解_mAP更better的一些点.mp4
7：YOLOv2论文详解_Darknet19_分类数据和检测数据集融合_多标签.mp4
8：YOLOv2论文详解_层级分类_层级分类用于目标检测.mp4
章节3：YOLOv3详解
10：YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53.mp4
11：YOLOv3论文详解_总结_FocalLoss.mp4
12：YOLOv4论文概述_介绍.mp4
13：YOLOv4论文概述_BOS_BOF.mp4
9：YOLOv3论文详解_每个框都要预测多个类别概率.mp4
章节4：YOLOv3代码实战
14：YOLOv3代码剖析_项目介绍.mp4
15：YOLOv3代码剖析_聚类anchors_构建backbone主干网络.mp4
16：YOLOv3代码剖析_model输出之后的预测框的计算.mp4
17：YOLOv3代码剖析_使用model预测的其余代码.mp4
18：YOLOv3代码剖析_weights到h5模型的转换.mp4
19：YOLOv3代码剖析_模型的训练部分详解.mp4
章节5：YOLOv4详解
20：YOLOv4_BOF_DropBlock_FocalLoss.mp4
21：YOLOv4_BOF_GIoU_DIoU_CIoU.mp4
22：YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish.mp4
23：YOLOv4_BOS_SAM_PAN_CSP_CmBN.mp4
17-深度学习-语义分割原理和实战
章节1：上采样_双线性插值_转置卷积
1.txt
1：前言.mp4
2：上采样_repeat.mp4
3：线性插值.mp4
4：双线性插值.mp4
5：转置卷积_以及TF的API.mp4
6：双线性插值作为转置卷积核的初始参数.mp4
7：ROIAlign.mp4
8：FPN思想与网络结构.mp4
9：FPN应用于FasterRCNN_ResNetFPN.mp4
代码.rar
资料.rar
章节2：医疗图像UNet语义分割
1.txt
10：语义分割的基本概念.mp4
11：FCN全卷积网络做语义分割.mp4
12：UNet网络结构.mp4
13：UNet网络医疗图像的语义分割.mp4
U-Net.zip
资料.rar
章节3：蒙版弹幕MaskRCNN语义分割
1.txt
14：MaskRCNN网络结构.mp4
15：MaskRCNN的项目展示.mp4
16：MaskRCNN网络架构回顾.mp4
17：MaskRCNN根据文档和论文总结重要的知识点.mp4
18：MaskRCNN项目关于运行代码环境的说明.mp4
19：MaskRCNN源码config和model.mp4
代码.rar
资料.rar
18-深度学习-人脸识别项目实战
1.txt
facenet-master.zip
模型.rar
资料.rar
章节1：人脸识别
10：人脸识别项目代码_加载MTCNN模型.mp4
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
12：FaceNet论文_摘要和前情介绍.mp4
13：FaceNet论文_相关的介绍.mp4
14：FaceNet论文_TripleLoss思路来源和目标.mp4
15：FaceNet论文_TripleLoss损失函数.mp4
16：FaceNet论文_TripleSelection很至关重要.mp4
17：FaceNet论文_ZF和Inception对比_总结.mp4
18：人脸识别项目代码_FaceNet模型加载和使用.mp4
19：人脸识别项目代码_人脸匹配以及最后的绘图展示.mp4
1：人脸识别任务种类_具体做法思路.mp4
2：开源的FaceNet项目介绍.mp4
3：人脸识别项目代码整体结构.mp4
4：MTCNN论文_摘要和介绍.mp4
5：MTCNN论文_网络整体架构.mp4
6：PRelu_每阶段输出多分支意义.mp4
7：每一个阶段每个分支的Loss损失_整合每个分支的Loss.mp4
8：训练数据的准备_每一阶段训练的流程.mp4
9：总结MTCNN_缩放因子_注意3阶段网络里面的全连接.mp4
19-深度学习-NLP自然语言处理原理和进阶
章节1：词向量与词嵌入
1.txt
1：N-gram语言模型.mp4
2：NPLM神经网络语言模型.mp4
3：词向量的作用.mp4
4：CBOW模型思想和计算过程.mp4
5：Skip-gram模型思想和计算过程.mp4
6：Huffman树_分层Softmax的思想.mp4
7：分层Softmax应用到CBOW模型上.mp4
8：负采样和负采样应用到CBOW模型上.mp4
Word2Vec.pdf
资料.rar
章节2：循环神经网络原理与优化
1.txt
10：理解RNN循环神经网络计算流程.mp4
11：利用RNN循环神经网络对MNIST手写数字识别.mp4
12：理解LSTM长短时记忆_记住Topo和公式.mp4
13：VanillaRNN的回顾复习.mp4
14：补充讲一下为什么RNN中链越长越容易梯度消失.mp4
15：LSTM的回顾复习_LSTM手写数字识别.mp4
16：双向RNN_LSTM.mp4
17：RNN里面应用的Topology结构.mp4
9：理解RNN循环神经网络拓扑结构.mp4
RNN_Attention机制.pdf
代码.rar
资料.rar
章节3：从Attention机制到Transformer
1.txt
18：Seq2Seq中Attention注意力机制.mp4
19：Transformer_Self-Attention_Multi-head.mp4
20：Transformer_Positional_使用逻辑_网络结构总结.mp4
RNN_Attention机制.pdf
资料.rar
章节4：ELMO_BERT_GPT
1.txt
21：ELMO.mp4
22：BERT理论.mp4
23：ERNIE_GPT.mp4
RNN_Attention机制.pdf
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
2：Word2Vec项目代码_加载数据_构建字典.mp4
3：Word2Vec项目代码_构建一个个批次数据.mp4
4：Word2Vec项目代码_正向传播的Graph构建_NCE损失的计算本质.mp4
5：Word2Vec项目代码_评估比较相似度_最后的训练绘图.mp4
6：Word2Vec项目代码_总结串讲.mp4
word_2_vector.rar
章节2：自然语言处理–情感分析
10：代码讲解_01.mp4
11：代码讲解_02.mp4
12：代码讲解_03.mp4
13：代码讲解_04.mp4
14：代码讲解_05.mp4
7：Keras实战RNN以及词嵌入来做情感分析.mp4
8：数据预处理_01.mp4
9：数据预处理_02.mp4
代码.rar
章节3：AI写唐诗
15：AI写唐诗_数据的读取_字典的构建_文本的索引化.mp4
16：AI写唐诗_训练数据的构建.mp4
17：MultiRNNCell单元.mp4
18：AI写唐诗_从词嵌入到构建RNN再到输出层概率输出.mp4
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
20：AI写唐诗_模型的使用_增加随机性.mp4
代码 .rar
章节4：Seq2Seq聊天机器人
21：从AI写唐诗到Seq2Seq再到Encoder-Decoder.mp4
22：Seq2Seq版Chatbot的数据预处理.mp4
23：Seq2Seq版Chatbot训练和模型使用.mp4
代码.rar
章节5：实战NER命名实体识别项目
24：回顾了一下CRF训练和使用过程.mp4
25：介绍了代码目录结构.mp4
26：NER代码读取数据和预处理.mp4
27：feature进入BiLSTM进行正向传播的过程.mp4
28：通过CRF层来计算Loss损失以及训练.mp4
29：BiLSTM-CRF模型的预测代码.mp4
30：CRF中的特征函数们.mp4
31：对比逻辑回归_相比HMM优势.mp4
32：补充标注偏置问题_HMM做分词代码结构.mp4
代码.rar
章节6：BERT新浪新闻10分类项目
33：BERT新浪新闻10分类项目.mp4
bert.zip
章节7：GPT2聊天机器人
34：GPT2闲聊机器人.mp4
GPT2-Chinese-master.zip
gpt2_chatbot-master.zip
21-深度学习-OCR文本识别
资料.rar
章节1：深度学习-OCR文本识别
10：CRNN项目代码剖析.mp4
1：传统OCR识别_深度学习OCR识别.mp4
2：OCR识别本质就是文字检测和文字识别.mp4
3：OCR识别的CTC损失思想.mp4
4：总结理解深度学习文字识别架构.mp4
5：CTC损失函数的理解.mp4
6：CTC损失函数前向后向算法推导_梯度求导公式推导.mp4
7：CTC前向后向算法代码.mp4
8：GreedySearch和BeamSearch解码的方式与代码逻辑.mp4
9：CPTN项目代码剖析.mp4
22-深度学习-语音识别[2021新增 未更新。。。持续更新]
官方未更新。。。持续更新
23-深度学习-知识图谱[2021新增 未更新。。。持续更新]
官方未更新。。。持续更新
24-[加课]Pytorch项目实战
代码.rar
资料.rar
章节1：PyTorch运行环境安装_运行环境测试
1：PyTorch概述.mp4
2：PyTorch的安装.mp4
3：Pycharm关联PyTorch运行环境.mp4
4：Jupyter关联PyTorch运行环境.mp4
章节2：PyTorch基础_Tensor张量运算
5：Tensor的创建.mp4
6：修改Tensor的形状_索引操作.mp4
7：广播机制_逐元素操作.mp4
8：归并操作_比较操作_矩阵操作.mp4
章节3：PyTorch卷积神经网络_实战CIFAR10
10：PyTorch实战CIFAR10_构建网络_打印网络层次.mp4
11：PyTorch实战CIFAR10_训练模型_测试模型.mp4
12：PyTorch实战CIFAR10_分类别打印模型准确率.mp4
13：使用全局平均池化_使用LeNet模型.mp4
14：使用集成学习思想训练识别模型.mp4
15：使用VGG16模型提供准确率.mp4
16：torchvision里面的预训练模型.mp4
17：迁移学习_PyTorch代码实战冻结预训练模型参数.mp4
18：PyTorch代码实战加入数据增强.mp4
9：PyTorch实战CIFAR10数据_读取和展示.mp4
章节4：PyTorch循环神经网络_词性标注
19：PyTorch词性标注_构建数据和词索引号.mp4
20：PyTorch词性标注_构建词嵌入层LSTM层和词性输出层.mp4
21：PyTorch词性标注_构建数据索引化和训练模型代码.mp4
22：PyTorch词性标注_测试模型效果.mp4
章节5：PyTorch编码器解码器_机器翻译
23：PyTorch中英文翻译_规范化语料库_构建中英文词典索引.mp4
24：PyTorch中英文翻译_数据预处理.mp4
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
26：PyTorch中英文翻译_构建训练函数之Encoder计算.mp4
27：PyTorch中英文翻译_构建带Attention注意力机制的Decoder解码器.mp4
28：PyTorch中英文翻译_构建训练函数之Decoder计算.mp4
29：PyTorch中英文翻译_评估模型函数.mp4
30：PyTorch中英文翻译_绘制Attentions注意力权重.mp4
25、[加课]百度飞桨PaddlePaddle实战[新增]
章节1：PaddlePaddle框架安装_波士顿房价预测
1：安装PaddlePaddle.mp4
2：Pycharm运行出现mkl-service或DLL找不到的问题.mp4
3：PaddlePaddle求解线性模型.mp4
4：预测波士顿房价_数据读取_正向传播.mp4
5：预测波士顿房价_反向传播_模型保存_模型测试.mp4
代码.rar
数据.rar
章节2：PaddlePaddle卷积网络_病理性近视识别
6：预测病理性近视_图片数据读取.mp4
7：预测病理性近视_模型训练.mp4
8：预测病理性近视_定义模型结构_评估模型.mp4
9：预测病理性近视_调用经典卷积神经网络.mp4
代码.rar
数据.rar
章节3：PaddleDetection工具_PCB电路板缺陷检测
10：PaddleDetection_项目配置.mp4
11：安装配置VisualStudio_解决安装模块pycocotools或cython_bbox编译报错问题.mp4
12：PCB电路板缺陷检测_Images和Annotations.mp4
13：PCB电路板缺陷检测_前期数据的分析.mp4
14：PCB电路板缺陷检测_项目配置文件.mp4
15：PCB电路板缺陷检测_模型训练.mp4
16：PCB电路板缺陷检测_模型预测.mp4
代码
data_analysis.py
PaddleDetection-release-2.2.zip
PCB_faster_rcnn_r50_fpn_3x_coco.yml
PCB_faster_rcnn_r50_fpn_3x_coco_explain.yml
show_result.py
数据
PCB_DATASET.tar
ResNet50_cos_pretrained.pdparams
output
04_missing_hole_10.jpg
PCB_faster_rcnn_r50_fpn_3x_coco
best_model.pdopt
best_model.pdparams
章节4：PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss)
17：PaddleOCR_项目配置_CCPD数据集介绍.mp4
18：车牌识别项目_详解数据准备阶段代码.mp4
19：车牌识别项目_运行保存标签和剪切出的车牌图片.mp4
20：车牌识别项目_车牌目标框检测模型训练.mp4
21：车牌识别项目_车牌字符识别模型训练.mp4
22：车牌识别项目_车牌识别模型导出及预测.mp4
代码
data_preprocessing.py
PaddleOCR-release-2.2.zip
数据
111.jpg
CCPD2019.zip
dev_det.txt
dev_rec.txt
dict.txt
img.rar
train_det.txt
train_rec.txt
inference
db_mv3
inference.pdiparams
inference.pdiparams.info
inference.pdmodel
rec_chinese_lite_v2.0
inference.pdiparams
inference.pdiparams.info
inference.pdmodel
inference_results
111.jpg
pretrain_models
MobileNetV3_large_x0_5_pretrained.pdparams
rec_mv3_none_bilstm_ctc_v2.0_train
best_accuracy.pdopt
best_accuracy.pdparams
best_accuracy.states
train.log
章节5：PaddleNLP模块_物流信息提取（BiGRU+CRF）
23：PaddleNLP_项目配置.mp4
24：PaddleNLP_物流信息提取项目介绍.mp4
25：物流信息提取项目_解决导包显示找不到nul问题.mp4
26：PaddleNLP_物流信息提取项目_加载数据构建DataSet.mp4
27：PaddleNLP_物流信息提取项目_进一步通过DataSet构建出DataLoader.mp4
28：PaddleNLP_物流信息提取项目_构建网络模型.mp4
29：PaddleNLP_物流信息提取项目_模型训练.mp4
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
代码
null
PaddleNLP-release-2.2.zip
readme.py
waybill.py
数据
data
dev.txt
tag.dic
test.txt
train.txt
word.dic
results
final.pdopt
final.pdparams
章节6：PaddleNLP模块_物流信息提取（ERNIE版）
31：PaddleNLP_物流信息提取项目_ERNIE实战_加载数据集构建Dataset.mp4
32：PaddleNLP_物流信息提取项目_ERNIE实战_详解Tokenizer作用.mp4
33：PaddleNLP_物流信息提取项目_ERNIE实战_讲解模型训练和评估代码.mp4
34：PaddleNLP_物流信息提取项目_ERNIE实战_讲解ChunkEvaluator和输出预测结果.mp4
代码
waybill_ernie.py
数据
ernie_results.txt
data
dev.txt
tag.dic
test.txt
train.txt
word.dic
ernie_result
model_450.pdparams
26-[加课]Linux环境编程基础
文档.rar
软件.rar
软件2.rar
章节1：Linux
10：Linux_常用命令_clear、touch、cat命令.mp4
11：Linux_常用命令more、head、tail命令.mp4
12：Linux_常用命令_mkdir命令.mp4
13：Linux_常用命令_cp命令.mp4
14：Linux_常用命令_rm、mv命令.mp4
15：Linux_常用命令_vi、vim.mp4
16：Linux_常用命令_reboot、halt.mp4
17：Linux_常用配置_设置时区.mp4
18：Linux_常用配置_启动网络.mp4
19：Linux_常用配置_修改网段.mp4
1：Linux_课程介绍.mp4
20：Linux_常用配置_设置网络类型.mp4
21：Linux_常用配置_快照与克隆.mp4
22：Linux_Xshell的安装与使用.mp4
23：Linux_上传与下载_Xftp的使用.mp4
24：Linux_上传与下载_lrzsz工具.mp4
25：Linux_文件的压缩与解压缩处理.mp4
26：Linux_安装MySQL.mp4
2：Linux_Linux简介.mp4
3：Linux_VMWare安装及使用.mp4
4：Linux_安装Linux.mp4
5：Linux_目录介绍.mp4
6：Linux_Linux中的路径.mp4
7：Linux_常用命令_pwd命令.mp4
8：Linux_常用命令_cd命令.mp4
9：Linux_常用命令_ls与ll命令.mp4
27-[加课]算法与数据结构
资料.zip
章节1：算法与数据结构
10：哈希表的基本结构.mp4
11：哈希表冲突问题.mp4
12：哈希表冲突问题2.mp4
13：哈希扩容.mp4
14：递归与栈.mp4
15：线性查找.mp4
16：二分查找.mp4
17：冒泡排序.mp4
18：选择排序.mp4
19：插入排序.mp4
1：数据结构与算法简介.mp4
20：归并排序.mp4
21：快速排序.mp4
22：树结构.mp4
23：树结构的遍历.mp4
24：最大堆的增加操作.mp4
25：最大堆的删除操作.mp4
26：二叉树的查找.mp4
27：二叉树获取最小值.mp4
28：二叉树的添加.mp4
29：二叉树的删除.mp4
2：大O表示法.mp4
3：线性结构.mp4
4：单线链表1.mp4
5：单链表2.mp4
6：双链表.mp4
7：队列(链式).mp4
8：队列(线式).mp4
9：栈与双端队列.mp4
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
10：代码实战Q-Learning智能体训练模型.mp4
11：代码实战Sarsa_Agent和Env整体交互.mp4
12：代码实战Sarsa_Agent选择行为和训练模型.mp4
13：代码实战SarsaLambda_训练模型.mp4
1：强化学习通过智能体与环境交互进行学习.mp4
2：引入马尔科夫链和价值评估的Q值与V值.mp4
3：详解Q值和V值以及它们之间关系.mp4
4：蒙特卡洛采样回溯计算V值.mp4
5：蒙特卡洛和时序差分估算状态V值.mp4
6：SARSA算法和Q-learning算法.mp4
7：理解Q-table_创建maze交互环境.mp4
8：代码实战Q-Learning_Agent和Env整体交互.mp4
9：代码实战Q-Learning智能体选择行为.mp4
代码
maze_env.py
QLearn
RL_brain.py
run_maze.py
Sarsa
RL_brain.py
run_maze.py
资料
Reinforcement Learning.docx
章节2：Deep Q-Learning Network
14：DQN算法思想.mp4
15：DQN算法具体流程.mp4
16：ε-greedy_ReplayBuffer_FixedQ-targets.mp4
17：代码实战DQN_Agent和Env整体交互.mp4
18：代码实战DQN_构建Q网络.mp4
19：代码实战DQN_定义损失函数_构建Target网络更新逻辑.mp4
20：代码实战DQN_训练阶段得到Q网络的预测值和真实值.mp4
21：代码实战DQN_训练阶段最小化损失_记录loss方便展示_随着learn的越多选择action随机性减小.mp4
22：DQN会over-estimate的本质原因.mp4
23：DoubleDQN缓解over-estimate.mp4
24：DoubleDQN代码实战.mp4
25：DuelingDQN.mp4
26：困难样本挖掘_Multi-step_NoiseyNet系统的探索.mp4
27：计算Action的方差避免风险.mp4
28：Rainbow_DQN如何计算连续型的Actions.mp4
代码
maze_env.py
RL_brain.py
run_CartPole.py
run_maze.py
run_MountainCar.py
章节3：Policy Gradient 策略梯度
29：策略梯度PG_对比基于值和基于策略网络的区别.mp4
30：策略梯度PG_明确目标函数和导函数.mp4
31：策略梯度PG_简化导函数的公式推导.mp4
32：策略梯度PG_总结整体流程_对比交叉熵损失函数求导.mp4
33：策略梯度PG_讲解CartPole环境.mp4
34：代码实战_策略梯度PG和CartPole交互.mp4
35：代码实战_策略梯度PG网络构建.mp4
36：代码实战_策略梯度PG选择行为和参数训练.mp4
37：策略梯度PG_对TotalReward进行均值归一化.mp4
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
代码
RL_brain.py
run_CartPole.py
run_MountainCar.py
章节4：Actor Critic (A3C)
39：ActorCritic原理_把PG和QLearning结合起来.mp4
40：AdvantageActorCritic_共享参数和修改reward技巧.mp4
41：代码实战_ActorCritic与环境交互.mp4
42：代码实战_Actor网络构建及训练.mp4
43：代码实战_详解Critic网络构建及训练.mp4
44：A3C架构和训练流程.mp4
45：Pendulum环境_根据网络预测的μ和σ得到连续型的action值.mp4
46：代码实战_A3C_讲解Coordinator调度多线程运算.mp4
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
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
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
50：代码实战_A3C_结合流程图分三点总结前面讲的代码.mp4
51：代码实战_A3C_讲解线程中worker和环境交互.mp4
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
代码
A3C.py
AC_CartPole.py
DDPG.py
章节5：DDPG、PPO、DPPO算法
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
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
55：代码实战_DDPG_Critic网络构建_Actor网络链式求导.mp4
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
57：TD3_使用DoubleNetwork优化DDPG.mp4
58：PPO_强调AC如何输出连续型动作_区分On-Policy与Off-Policy.mp4
59：PPO_通过重要性采样使得PPO可以做Off-Policy学习.mp4
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
61：PPO_PPO1、TRPO、PPO2三种不同的方式解决两个分布不同的问题.mp4
62：代码实战_PPO与环境整体交互_Actor与Critic网络构建.mp4
63：代码实战_定义PPO1和PPO2不同版本Actor的Loss计算逻辑.mp4
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
65：DPPO分布式PPO.mp4
66：代码实战_DPPO_创建一个PPO和多个Worker_创建多线程.mp4
67：代码实战_DPPO_GlobalPPO和Workers交替执行.mp4
代码
DDPG.py
discrete_DPPO.py
DPPO.py
simply_PPO.py
32-[加课] 图神经网络[2021新增 未更新。。。持续更新]
未更新。。。持续更新
[加课]Linux环境编程基础
章节1：Linux
10：Linux_常用命令_clear、touch、cat命令.mp4
11：Linux_常用命令more、head、tail命令.mp4
14：Linux_常用命令_rm、mv命令.mp4
15：Linux_常用命令_vi、vim.mp4
16：Linux_常用命令_reboot、halt.mp4
18：Linux_常用配置_启动网络.mp4
1：Linux_课程介绍.mp4
20：Linux_常用配置_设置网络类型.mp4
25：Linux_文件的压缩与解压缩处理.mp4
26：Linux_安装MySQL.mp4
3：Linux_VMWare安装及使用.mp4
5：Linux_目录介绍.mp4
8：Linux_常用命令_cd命令.mp4
[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
11：哈希表冲突问题.mp4
12：哈希表冲突问题2.mp4
13：哈希扩容.mp4
14：递归与栈.mp4
16：二分查找.mp4
17：冒泡排序.mp4
18：选择排序.mp4
19：插入排序.mp4
1：数据结构与算法简介.mp4
20：归并排序.mp4
21：快速排序.mp4
22：树结构.mp4
23：树结构的遍历.mp4
24：最大堆的增加操作.mp4
26：二叉树的查找.mp4
27：二叉树获取最小值.mp4
28：二叉树的添加.mp4
29：二叉树的删除.mp4
2：大O表示法.mp4
3：线性结构.mp4
4：单线链表1.mp4
5：单链表2.mp4
6：双链表.mp4
7：队列(链式).mp4
8：队列(线式).mp4
9：栈与双端队列.mp4
