资源链接：
资源目录：
├──0咕泡机器学习
| ├──01-第一模块：Python快速入门
| | ├──01-1-Python环境配置
| | | └──01-1-Python环境配置.ts 35.95M
| | ├──02-2-Python库安装工具
| | | └──01-2-Python库安装工具.ts 35.18M
| | ├──03-3-Notebook工具使用
| | | └──01-3-Notebook工具使用.ts 64.51M
| | ├──04-4-Python简介
| | | └──01-4-Python简介.ts 49.55M
| | ├──05-5-Python数值运算
| | | └──01-5-Python数值运算.ts 32.70M
| | ├──06-6-Python字符串操作
| | | └──01-6-Python字符串操作.ts 30.17M
| | ├──07-7-1-索引结构
| | | └──01-7-1-索引结构.ts 20.56M
| | ├──08-7-2-List基础结构
| | | └──01-7-2-List基础结构.ts 27.73M
| | ├──09-8-List核心操作
| | | └──01-8-List核心操作.ts 28.85M
| | ├──10-9-字典基础定义
| | | └──01-9-字典基础定义.ts 17.50M
| | ├──11-10-字典的核心操作
| | | └──01-10-字典的核心操作.ts 25.56M
| | ├──12-11-Set结构
| | | └──01-11-Set结构.ts 24.08M
| | ├──13-12-赋值机制
| | | └──01-12-赋值机制.ts 6.38M
| | ├──14-13-判断结构
| | | └──01-13-判断结构.ts 14.24M
| | ├──15-14-循环结构
| | | └──01-14-循环结构.ts 24.35M
| | ├──16-15-函数定义
| | | └──01-15-函数定义.ts 29.27M
| | ├──17-16-模块与包
| | | └──01-16-模块与包.ts 28.98M
| | ├──18-17-异常处理模块
| | | └──01-17-异常处理模块.ts 44.00M
| | ├──19-18-文件操作
| | | └──01-18-文件操作.ts 43.48M
| | ├──20-19-类的基本定义
| | | └──01-19-类的基本定义.ts 28.69M
| | ├──21-20-类的属性操作
| | | └──01-20-类的属性操作.ts 31.41M
| | ├──22-21-时间操作
| | | └──01-21-时间操作.ts 15.63M
| | ├──23-22-Python练习题-1
| | | └──01-22-Python练习题-1.ts 29.86M
| | └──24-23-Python练习题-2
| | | └──01-23-Python练习题-2.ts 44.01M
| ├──02-第二模块：Python数据科学必备工具包实战
| | ├──01-科学计算库-Numpy
| | | ├──01-1-Numpy概述.ts 29.58M
| | | ├──02-2-Array数组.ts 30.33M
| | | ├──03-3-数组结构.ts 60.18M
| | | ├──04-4-数组类型.ts 20.89M
| | | ├──05-5-数值运算.ts 43.42M
| | | ├──06-6-排序操作.ts 36.49M
| | | ├──07-7-数组形状操作.ts 54.66M
| | | ├──08-8-数组生成函数.ts 43.90M
| | | ├──09-9-常用生成函数.ts 26.20M
| | | ├──10-10-四则运算.ts 28.10M
| | | ├──11-11-随机模块.ts 48.71M
| | | ├──12-12-文件读写.ts 32.82M
| | | ├──13-13-数组保存.ts 43.61M
| | | ├──14-14-练习题-1.ts 47.33M
| | | ├──15-15-练习题-2.ts 44.87M
| | | ├──16-16-练习题-3.ts 61.90M
| | | ├──17-13-Pandas常用操作.ts 32.59M
| | | └──18-14-Pandas常用操作2.ts 30.31M
| | ├──02-数据分析处理库-Pandas
| | | ├──01-1-Pandas概述.ts 52.17M
| | | ├──02-2-Pandas基本操作.ts 66.31M
| | | ├──03-3-Pandas索引.ts 59.70M
| | | ├──04-4-groupby操作.ts 37.34M
| | | ├──05-5-数值运算1.ts 34.41M
| | | ├──06-6-对象操作.ts 27.50M
| | | ├──07-7-对象操作2.ts 28.42M
| | | ├──08-8-merge操作.ts 30.32M
| | | ├──09-9-显示设置.ts 19.67M
| | | ├──10-10-数据透视表.ts 34.07M
| | | ├──11-11-时间操作.ts 28.19M
| | | ├──12-12-时间序列操作.ts 37.98M
| | | ├──13-15-Groupby操作延伸.ts 49.19M
| | | ├──14-16-字符串操作.ts 19.75M
| | | ├──15-17-索引进阶.ts 24.79M
| | | ├──16-18-Pandas绘图操作.ts 42.84M
| | | └──17-19-大数据处理技巧.ts 73.53M
| | ├──03-.可视化库-Matplotlib
| | | ├──01-1-Matplotlib概述.ts 29.07M
| | | ├──02-2-子图与标注.ts 51.55M
| | | ├──03-3-风格设置.ts 12.81M
| | | ├──04-4-条形图.ts 30.13M
| | | ├──05-5-条形图细节.ts 30.78M
| | | ├──06-6-条形图外观.ts 32.36M
| | | ├──07-7-盒图绘制.ts 20.42M
| | | ├──08-8-盒图细节.ts 33.80M
| | | ├──09-9-绘图细节设置.ts 31.18M
| | | ├──10-10-绘图细节设置2.ts 32.54M
| | | ├──11-11-直方图与散点图.ts 39.07M
| | | ├──12-12-3D图绘制.ts 51.00M
| | | ├──13-13-pie图.ts 33.43M
| | | ├──14-14-子图布局.ts 46.46M
| | | └──15-15-结合pandas与sklearn.ts 37.16M
| | └──04-可视化库-Seaborn
| | | ├──01-0-课程简介.ts 5.80M
| | | ├──02-1整体布局风格设置.ts 20.22M
| | | ├──03-2风格细节设置.ts 19.80M
| | | ├──04-3调色板.ts 23.02M
| | | ├──05-4调色板颜色设置.ts 19.53M
| | | ├──06-5单变量分析绘图.ts 24.05M
| | | ├──07-6回归分析绘图.ts 23.12M
| | | ├──08-7多变量分析绘图.ts 24.22M
| | | ├──09-8分类属性绘图.ts 25.34M
| | | ├──10-9Facetgrid使用方法.ts 19.82M
| | | ├──11-10Facetgrid绘制多变量.ts 24.63M
| | | └──12-11热度图绘制.ts 37.72M
| ├──03-第三模块：人工智能-必备数学课程
| | ├──01-高等数学基础
| | | ├──01-0-课程简介.ts 4.60M
| | | ├──02-1-函数.ts 13.42M
| | | ├──03-2-极限.ts 18.06M
| | | ├──04-3-无穷小与无穷大.ts 16.75M
| | | ├──05-4-连续性与导数.ts 23.39M
| | | ├──06-5-偏导数.ts 17.96M
| | | ├──07-6-方向导数.ts 22.11M
| | | └──08-7-梯度.ts 34.85M
| | ├──02-微积分
| | | ├──01-1-微积分基本想法.ts 16.09M
| | | ├──02-2-微积分的解释.ts 20.36M
| | | ├──03-3-定积分.ts 21.59M
| | | ├──04-4-定积分性质.ts 13.38M
| | | └──05-5-牛顿-莱布尼茨公式.ts 32.60M
| | ├──03-泰勒公式与拉格朗日
| | | ├──01-1-泰勒公式出发点.ts 15.53M
| | | ├──02-2-一点一世界.ts 24.08M
| | | ├──03-3-阶数的作用.ts 21.26M
| | | ├──04-4-阶乘的作用.ts 17.36M
| | | ├──05-5-拉格朗日乘子法.ts 30.44M
| | | └──06-6-求解拉格朗日乘子法.ts 29.76M
| | ├──04-线性代数基础
| | | ├──01-1-行列式概述.ts 14.48M
| | | ├──02-2-矩阵与数据的关系.ts 22.64M
| | | ├──03-3-矩阵基本操作.ts 30.59M
| | | ├──04-4-矩阵的几种变换.ts 13.97M
| | | ├──05-5-矩阵的秩.ts 34.37M
| | | └──06-6-内积与正交.ts 31.27M
| | ├──05-特征值与矩阵分解
| | | ├──01-1-特征值与特征向量.ts 17.73M
| | | ├──02-2-特征空间与应用.ts 11.76M
| | | ├──03-1-SVD要解决的问题.ts 17.83M
| | | ├──04-4-特征值分解.ts 14.34M
| | | └──05-5-SVD矩阵分解.ts 35.13M
| | ├──06-随机变量
| | | ├──01-1-离散型随机变量.ts 19.33M
| | | ├──02-2-连续型随机变量.ts 29.58M
| | | ├──03-3-简单随机抽样.ts 5.74M
| | | ├──04-4-似然函数.ts 19.04M
| | | └──05-5-极大似然估计.ts 27.43M
| | ├──07-概率论基础
| | | ├──01-1-概率与频率.ts 17.19M
| | | ├──02-2-古典概型.ts 18.68M
| | | ├──03-3-条件概率.ts 23.01M
| | | ├──04-4-条件概率小例子.ts 17.83M
| | | ├──05-5-独立性.ts 21.22M
| | | ├──06-6-二维离散型随机变量.ts 22.47M
| | | ├──07-7-二维连续型随机变量.ts 16.40M
| | | ├──08-8-边缘分布.ts 28.56M
| | | ├──09-9-期望.ts 12.45M
| | | ├──10-10-期望求解.ts 23.91M
| | | ├──11-11-马尔科夫不等式.ts 22.56M
| | | ├──12-12-切比雪夫不等式.ts 33.57M
| | | ├──13-13-后验概率估计.ts 26.26M
| | | ├──14-14-贝叶斯拼写纠错实例.ts 20.84M
| | | └──15-15-垃圾邮件过滤实例.ts 25.58M
| | ├──08-数据科学你得知道的几种分布
| | | ├──01-1-正太分布.ts 85.21M
| | | ├──02-2-二项式分布.ts 54.99M
| | | ├──03-3-泊松分布.ts 77.44M
| | | ├──04-4-均匀分布.ts 13.11M
| | | ├──05-5-卡方分布.ts 37.05M
| | | └──06-6-beta分布.ts 66.78M
| | ├──09-核函数变换
| | | ├──01-1-核函数的目的.ts 17.89M
| | | ├──02-2-线性核函数.ts 13.33M
| | | ├──03-3-多项式核函数.ts 10.59M
| | | ├──04-4-核函数实例.ts 27.58M
| | | ├──05-5-高斯核函数.ts 22.82M
| | | └──06-6-参数的影响.ts 23.99M
| | ├──10-熵与激活函数
| | | ├──01-1-熵的概念.ts 11.69M
| | | ├──02-2-熵的大小意味着什么.ts 42.29M
| | | ├──03-3-激活函数.ts 15.92M
| | | └──04-4-激活函数的问题.ts 24.80M
| | ├──11-回归分析
| | | ├──01-1-回归分析概述.ts 25.63M
| | | ├──02-2-回归方程定义.ts 18.59M
| | | ├──03-3-误差项的定义.ts 33.84M
| | | ├──04-4-最小二乘法推导与求解.ts 43.03M
| | | ├──05-5-回归方程求解小例子.ts 27.71M
| | | ├──06-6-回归直线拟合优度.ts 47.87M
| | | ├──07-7-多元与曲线回归问题.ts 44.29M
| | | ├──08-8-Python工具包介绍.ts 52.95M
| | | ├──09-9-statsmodels回归分析.ts 38.31M
| | | ├──10-10-高阶与分类变量实例.ts 67.63M
| | | ├──11-11-案例：汽车价格预测任务概述.ts 46.70M
| | | ├──12-12-案例：缺失值填充.ts 101.56M
| | | ├──13-13-案例：特征相关性.ts 99.22M
| | | ├──14-14-案例：预处理问题.ts 50.84M
| | | └──15-15-案例：回归求解.ts 85.40M
| | ├──12-假设检验
| | | ├──01-1-假设检验基本思想.ts 43.24M
| | | ├──02-2-左右侧检验与双侧检验.ts 55.85M
| | | ├──03-3-Z检验基本原理.ts 22.13M
| | | ├──04-4-Z检验实例.ts 68.35M
| | | ├──05-5-T检验基本原理.ts 64.96M
| | | ├──06-6-T检验实例.ts 27.62M
| | | ├──07-7-T检验应用条件.ts 32.64M
| | | ├──08-8-卡方检验.ts 60.31M
| | | ├──09-9-假设检验中的两类错误.ts 56.62M
| | | ├──10-10-Python假设检验实例.ts 62.29M
| | | └──11-11-Python卡方检验实例.ts 29.28M
| | ├──13-相关分析
| | | ├──01-1-相关分析概述.ts 33.44M
| | | ├──02-2-皮尔森相关系数.ts 29.11M
| | | ├──03-3-计算与检验.ts 73.50M
| | | ├──04-4-斯皮尔曼等级相关.ts 61.97M
| | | ├──05-5-肯德尔系数.ts 33.98M
| | | ├──06-6-质量相关分析.ts 56.80M
| | | └──07-7-偏相关与复相关.ts 42.45M
| | ├──14-方差分析
| | | ├──01-1-方差分析概述.ts 23.00M
| | | ├──02-2-方差的比较.ts 52.96M
| | | ├──03-3-方差分析计算方法.ts 68.54M
| | | ├──04-4-方差分析中的多重比较.ts 34.55M
| | | ├──05-5-多因素方差分析.ts 51.04M
| | | └──06-6-Python方差分析实例.ts 34.00M
| | ├──15-聚类分析
| | | ├──01-1-层次聚类概述.ts 21.73M
| | | ├──02-2-层次聚类流程.ts 60.55M
| | | ├──03-3-层次聚类实例.ts 60.55M
| | | ├──04-4-1-KMEANS算法概述.ts 20.71M
| | | ├──05-4-2-KMEANS工作流程.ts 16.11M
| | | ├──06-4-3-KMEANS迭代可视化展示.ts 27.23M
| | | ├──07-5-1-DBSCAN聚类算法.ts 21.56M
| | | ├──08-5-2-DBSCAN工作流程.ts 31.14M
| | | ├──09-5-3-DBSCAN可视化展示.ts 28.39M
| | | ├──10-6-1-多种聚类算法概述.ts 7.78M
| | | └──11-6-2-聚类案例实战.ts 60.33M
| | └──16-贝叶斯分析
| | | ├──01-1-贝叶斯分析概述.ts 32.38M
| | | ├──02-2-概率的解释.ts 29.26M
| | | ├──03-3-贝叶斯学派与经典统计学派的争论.ts 27.77M
| | | ├──04-4-贝叶斯算法概述.ts 12.72M
| | | ├──05-5-贝叶斯推导实例.ts 13.36M
| | | ├──06-6-贝叶斯拼写纠错实例.ts 20.84M
| | | ├──07-7-垃圾邮件过滤实例.ts 25.58M
| | | ├──08-8-贝叶斯解释.ts 49.07M
| | | ├──09-9-经典求解思路.ts 39.26M
| | | ├──10-10-MCMC概述.ts 54.71M
| | | ├──11-11-PYMC3概述.ts 29.91M
| | | ├──12-12-模型诊断.ts 47.69M
| | | └──13-13-模型决策.ts 71.46M
| ├──04-第四模块：机器学习算法精讲及其案例应用
| | ├──01-线性回归原理推导
| | | ├──01-0-课程简介1.ts 5.80M
| | | ├──02-1-回归问题概述.ts 22.55M
| | | ├──03-2-误差项定义.ts 30.49M
| | | ├──04-3-独立同分布的意义.ts 27.75M
| | | ├──05-4-似然函数的作用.ts 33.60M
| | | ├──06-5-参数求解.ts 35.51M
| | | ├──07-6-梯度下降通俗解释.ts 24.30M
| | | ├──08-7参数更新方法.ts 28.56M
| | | └──09-8-优化参数设置.ts 30.72M
| | ├──02-线性回归代码实现
| | | ├──01-线性回归整体模块概述.ts 16.59M
| | | ├──02-初始化步骤.ts 27.46M
| | | ├──03-实现梯度下降优化模块.ts 44.66M
| | | ├──04-损失与预测模块.ts 52.57M
| | | ├──05-数据与标签定义.ts 49.71M
| | | ├──06-训练线性回归模型.ts 50.70M
| | | ├──07-得到线性回归方程.ts 40.13M
| | | ├──08-整体流程debug解读.ts 38.70M
| | | ├──09-多特征回归模型.ts 69.21M
| | | └──10-非线性回归.ts 55.45M
| | ├──03-模型评估方法
| | | ├──01-1-Sklearn工具包简介.ts 40.56M
| | | ├──02-2-数据集切分.ts 29.42M
| | | ├──03-3-交叉验证的作用.ts 54.09M
| | | ├──04-4-交叉验证实验分析.ts 73.17M
| | | ├──05-5-混淆矩阵.ts 27.14M
| | | ├──06-6-评估指标对比分析.ts 59.23M
| | | ├──07-7-阈值对结果的影响.ts 50.18M
| | | └──08-8-ROC曲线.ts 36.23M
| | ├──04-线性回归实验分析
| | | ├──01-1-实验目标分析.ts 24.24M
| | | ├──02-2-参数直接求解方法.ts 28.78M
| | | ├──03-3-预处理对结果的影响.ts 62.63M
| | | ├──04-4-梯度下降模块.ts 24.06M
| | | ├──05-5-学习率对结果的影响.ts 37.42M
| | | ├──06-6-随机梯度下降得到的效果.ts 50.87M
| | | ├──07-7-MiniBatch方法.ts 35.89M
| | | ├──08-8-不同策略效果对比.ts 38.01M
| | | ├──09-9-多项式回归.ts 43.14M
| | | ├──10-10-模型复杂度.ts 73.75M
| | | ├──11-11-样本数量对结果的影响.ts 68.80M
| | | ├──12-12-正则化的作用.ts 38.78M
| | | ├──13-13-岭回归与lasso.mp4 103.52M
| | | └──14-14-实验总结.ts 63.42M
| | ├──05-逻辑回归实验分析
| | | ├──01-1-逻辑回归算法原理.ts 26.38M
| | | └──02-2-化简与求解.ts 33.63M
| | ├──06-逻辑回归代码实现
| | | ├──01-1-多分类逻辑回归整体思路.ts 23.82M
| | | ├──02-2-训练模块功能.ts 49.11M
| | | ├──03-3-完成预测模块.ts 41.65M
| | | ├──04-4-优化目标定义.ts 44.05M
| | | ├──05-5-迭代优化参数.ts 55.67M
| | | ├──06-6-梯度计算.ts 54.90M
| | | ├──07-7-得出最终结果.ts 61.91M
| | | ├──08-8-鸢尾花数据集多分类任务.ts 31.14M
| | | ├──09-9-训练多分类模型.ts 53.69M
| | | ├──10-10-准备测试数据.ts 45.91M
| | | ├──11-11-决策边界绘制.ts 62.27M
| | | └──12-12-非线性决策边界.ts 25.90M
| | ├──07-逻辑回归实验分析
| | | ├──01-1-逻辑回归实验概述.ts 58.26M
| | | ├──02-2-概率结果随特征数值的变化.ts 52.07M
| | | ├──03-3-可视化展示.ts 38.08M
| | | ├──04-4-坐标棋盘制作.ts 44.06M
| | | ├──05-5-分类决策边界展示分析.ts 69.03M
| | | └──06-6-多分类-softmax.ts 68.18M
| | ├──08-聚类算法-Kmeans&Dbscan原理
| | | ├──01-1-KMEANS算法概述.ts 20.71M
| | | ├──02-2-KMEANS工作流程.ts 16.11M
| | | ├──03-3-KMEANS迭代可视化展示.ts 27.23M
| | | ├──04-4-DBSCAN聚类算法.ts 21.56M
| | | ├──05-5-DBSCAN工作流程.ts 31.14M
| | | └──06-6-DBSCAN可视化展示.ts 28.39M
| | ├──09-Kmeans代码实现
| | | ├──01-1-Kmeans算法模块概述.ts 11.81M
| | | ├──02-2-计算得到簇中心点.ts 27.66M
| | | ├──03-3-样本点归属划分.ts 29.23M
| | | ├──04-4-算法迭代更新.ts 31.69M
| | | ├──05-5-鸢尾花数据集聚类任务.ts 36.89M
| | | └──06-6-聚类效果展示.ts 58.94M
| | ├──10-聚类算法实验分析
| | | ├──01-1-Kmenas算法常用操作.ts 46.99M
| | | ├──02-2-Kmenas算法常用操作_20190805_232034.ts 46.99M
| | | ├──03-1-聚类结果展示.ts 22.25M
| | | ├──04-2-聚类结果展示_20190805_232030.ts 22.25M
| | | ├──05-1-建模流程解读.ts 55.64M
| | | ├──06-2-建模流程解读_20190805_232032.ts 55.64M
| | | ├──07-2-不稳定结果_20190805_232028.ts 20.87M
| | | ├──08-1-不稳定结果.ts 20.87M
| | | ├──09-1-评估指标-Inertia.ts 53.70M
| | | ├──10-2-评估指标-Inertia_20190805_232027.ts 53.70M
| | | ├──11-1-如何找到合适的K值_20190805_232026.ts 39.23M
| | | ├──12-2-如何找到合适的K值_20190805_232026.ts 39.23M
| | | ├──13-2-Kmenas算法存在的问题.ts 38.90M
| | | ├──14-1-轮廓系数的作用_20190805_232028.ts 47.53M
| | | ├──15-1-Kmenas算法存在的问题_20190805_232023.ts 38.90M
| | | ├──16-2-应用实例-图像分割.ts 45.60M
| | | ├──17-1-应用实例-图像分割_20190805_232021.ts 45.60M
| | | ├──18-2-半监督学习_20190805_232033.ts 53.94M
| | | ├──19-1-半监督学习.ts 53.94M
| | | ├──20-1-DBSCAN算法.ts 61.67M
| | | └──21-2-DBSCAN算法_20190805_232033.ts 61.67M
| | ├──11-决策树原理
| | | ├──01-1-决策树算法概述.ts 27.92M
| | | ├──02-2-熵的作用.ts 25.92M
| | | ├──03-3-信息增益原理.ts 34.56M
| | | ├──04-4-决策树构造实例.ts 28.78M
| | | ├──05-5-信息增益率与gini系数.ts 21.01M
| | | ├──06-6-预剪枝方法.ts 28.69M
| | | ├──07-7-后剪枝方法.ts 28.22M
| | | └──08-8-回归问题解决.ts 20.84M
| | ├──12-决策树代码实现
| | | ├──01-整体模块概述.ts 13.33M
| | | ├──02-递归生成树节点.ts 32.04M
| | | ├──03-整体框架逻辑.ts 23.15M
| | | ├──04-熵值计算.ts 45.05M
| | | ├──05-数据集切分.ts 30.99M
| | | ├──06-完成树模型构建.ts 31.42M
| | | └──07-测试算法效果.ts 25.64M
| | ├──13-决策树实验分析
| | | ├──01-1-树模型可视化展示.ts 35.33M
| | | ├──02-2-决策边界展示分析.ts 46.83M
| | | ├──03-3-树模型预剪枝参数作用.ts 48.24M
| | | └──04-4-回归树模型.ts 47.30M
| | ├──14-集成算法原理
| | | ├──01-1-随机森林算法原理.ts 36.30M
| | | ├──02-2-随机森林优势与特征重要性指标.ts 30.26M
| | | ├──03-3-提升算法概述.ts 26.42M
| | | └──04-4-stacking堆叠模型.ts 22.91M
| | ├──15-集成算法实验分析
| | | ├──01-1-构建实验数据集.ts 19.22M
| | | ├──02-2-硬投票与软投票效果对比.ts 76.45M
| | | ├──03-3-Bagging策略效果.ts 49.68M
| | | ├──04-4-集成效果展示分析.ts 56.12M
| | | ├──05-5-OOB袋外数据的作用.ts 20.66M
| | | ├──06-6-特征重要性热度图展示.ts 59.90M
| | | ├──07-7-Adaboost算法概述.ts 13.39M
| | | ├──08-8-Adaboost决策边界效果.ts 68.06M
| | | ├──09-9-GBDT提升算法流程.ts 27.40M
| | | ├──10-10-集成参数对比分析.ts 95.26M
| | | ├──11-11-模型提前停止策略.ts 35.69M
| | | ├──12-12-停止方案实施.ts 55.01M
| | | └──13-13-堆叠模型.ts 25.62M
| | ├──16-支持向量机原理推导
| | | ├──01-1-支持向量机要解决的问题.ts 22.48M
| | | ├──02-2-距离与数据定义.ts 23.14M
| | | ├──03-3-目标函数推导.ts 29.55M
| | | ├──04-4-拉格朗日乘子法求解.ts 24.86M
| | | ├──05-5-化简最终目标函数.ts 19.20M
| | | ├──06-6-求解决策方程.ts 36.56M
| | | ├──07-7-软间隔优化.ts 41.10M
| | | ├──08-8-核函数的作用.ts 37.04M
| | | └──09-9-知识点总结.ts 29.29M
| | ├──17-支持向量机实验分析
| | | ├──01-1-支持向量机所能带来的效果.ts 33.67M
| | | ├──02-2-决策边界可视化展示.ts 38.83M
| | | ├──03-3-软间隔的作用.ts 37.29M
| | | ├──04-4-非线性SVM.ts 25.79M
| | | └──05-5-核函数的作用与效果.ts 76.40M
| | ├──18-神经网络算法原理
| | | ├──01-1-深度学习要解决的问题.ts 23.08M
| | | ├──02-2-深度学习应用领域.ts 56.11M
| | | ├──03-3-计算机视觉任务.ts 20.13M
| | | ├──04-4-视觉任务中遇到的问题.ts 37.12M
| | | ├──05-5-得分函数.ts 21.48M
| | | ├──06-6-损失函数的作用.ts 35.13M
| | | ├──07-7-前向传播整体流程.ts 44.21M
| | | ├──08-8-返向传播计算方法.ts 29.33M
| | | ├──09-9-神经网络整体架构.ts 34.50M
| | | ├──10-10-神经网络架构细节.ts 41.95M
| | | ├──11-11-神经元个数对结果的影响.ts 64.51M
| | | ├──12-12-正则化与激活函数.ts 32.65M
| | | └──13-13-神经网络过拟合解决方法.ts 45.28M
| | ├──19-神经网络代码实现
| | | ├──01-1-神经网络整体框架概述.ts 24.96M
| | | ├──02-2-参数初始化操作.ts 48.12M
| | | ├──03-3-矩阵向量转换.ts 35.80M
| | | ├──04-4-向量反变换.ts 39.44M
| | | ├──05-5-完成前向传播模块.ts 40.72M
| | | ├──06-6-损失函数定义.ts 40.10M
| | | ├──07-7-准备反向传播迭代.ts 33.71M
| | | ├──08-8-差异项计算.ts 45.01M
| | | ├──09-9-逐层计算.ts 43.47M
| | | ├──10-10-完成全部迭代更新模块.ts 73.34M
| | | ├──11-11-手写字体识别数据集.ts 44.86M
| | | ├──12-12-算法代码错误修正.ts 61.52M
| | | ├──13-13-模型优化结果展示.ts 61.04M
| | | └──14-14-测试效果可视化展示.ts 70.10M
| | ├──20-贝叶斯算法原理
| | | ├──01-1-贝叶斯要解决的问题.ts 16.13M
| | | ├──02-2-贝叶斯公式推导.ts 22.24M
| | | ├──03-3-垃圾邮件过滤实例.ts 25.58M
| | | └──04-4-拼写纠错实例.ts 37.39M
| | ├──21-贝叶斯代码实现
| | | ├──01-1-朴素贝叶斯算法整体框架.ts 20.80M
| | | ├──02-2-邮件数据读取.ts 19.20M
| | | ├──03-3-预料表与特征向量构建.ts 39.54M
| | | ├──04-4-分类别统计词频.ts 37.00M
| | | ├──05-5-贝叶斯公式对数变换.ts 33.84M
| | | └──06-6-完成预测模块.ts 39.85M
| | ├──22-关联规则实战分析
| | | ├──01-1-关联规则概述.ts 24.16M
| | | ├──02-2-支持度与置信度.ts 37.12M
| | | ├──03-3-提升度的作用.ts 46.28M
| | | ├──04-4-Python实战关联规则.ts 38.29M
| | | ├──05-5-数据集制作.ts 36.69M
| | | └──06-6-电影数据集题材关联分析.ts 62.97M
| | ├──23-关联规则代码实现
| | | ├──01-1-Apripri算法整体流程.ts 37.97M
| | | ├──02-2-数据集demo.ts 14.10M
| | | ├──03-3-扫描模块.ts 27.32M
| | | ├──04-4-拼接模块.ts 24.71M
| | | ├──05-5-挖掘频繁项集.ts 30.23M
| | | ├──06-6-规则生成模块.ts 30.10M
| | | ├──07-7-完成全部算法流程.ts 34.33M
| | | └──08-8-规则结果展示.ts 32.63M
| | ├──24-词向量word2vec通俗解读
| | | ├──01-1-词向量模型通俗解释.ts 24.40M
| | | ├──02-2-模型整体框架.ts 31.87M
| | | ├──03-3-训练数据构建.ts 17.84M
| | | ├──04-4-CBOW与Skip-gram模型.ts 26.88M
| | | └──05-5-负采样方案.ts 33.10M
| | ├──25-代码实现word2vec词向量模型
| | | ├──01-1-数据与任务流程.ts 50.76M
| | | ├──02-2-数据清洗.ts 30.85M
| | | ├──03-3-batch数据制作.ts 57.85M
| | | ├──04-4-网络训练.ts 55.18M
| | | └──05-5-可视化展示.ts 54.54M
| | ├──26-线性判别分析降维算法原理解读
| | | ├──01-1-线性判别分析要解决的问题.ts 22.71M
| | | ├──02-2-线性判别分析要优化的目标.ts 21.75M
| | | ├──03-3-线性判别分析求解.ts 22.37M
| | | ├──04-4-实现线性判别分析进行降维任务.ts 28.05M
| | | └──05-5-求解得出降维结果.ts 26.59M
| | ├──27-主成分分析降维算法原理解读
| | | ├──01-1-PCA基本概念.ts 54.02M
| | | ├──02-2-方差与协方差.ts 28.93M
| | | ├──03-3-PCA结果推导.ts 38.44M
| | | └──04-4-PCA降维实例.ts 46.92M
| | ├──28-隐马尔科夫模型
| | | ├──01-1-马尔科夫模型.ts 19.90M
| | | ├──02-2-隐马尔科夫模型基本出发点.ts 21.82M
| | | ├──03-3-组成与要解决的问题.ts 16.74M
| | | ├──04-4-暴力求解方法.ts 31.65M
| | | ├──05-5-复杂度计算.ts 17.36M
| | | ├──06-6-前向算法.ts 41.13M
| | | ├──07-7-前向算法求解实例.ts 37.99M
| | | ├──08-8-Baum-Welch算法.ts 30.68M
| | | ├──09-9-参数求解.ts 19.59M
| | | └──10-10-维特比算法.ts 48.87M
| | └──29-HMM应用实例
| | | ├──01-1-hmmlearn工具包.ts 22.28M
| | | ├──02-2-工具包使用方法.ts 61.41M
| | | ├──03-3-中文分词任务.ts 15.36M
| | | └──04-4-实现中文分词.ts 40.58M
| ├──05-第五模块：机器学习算法建模实战项目
| | ├──01-项目实战-交易数据异常检测
| | | ├──01-1-任务目标解读.ts 40.62M
| | | ├──02-2-项目挑战与解决方案制定.ts 55.09M
| | | ├──03-3-数据标准化处理.ts 56.17M
| | | ├──04-4-下采样数据集制作.ts 26.99M
| | | ├──05-5-交叉验证.ts 30.69M
| | | ├──06-6-数据集切分.ts 26.65M
| | | ├──07-7-模型评估方法与召回率.ts 38.00M
| | | ├──08-8-正则化惩罚项.ts 36.50M
| | | ├──09-9-训练逻辑回归模型.ts 77.71M
| | | ├──10-10-混淆矩阵评估分析.ts 60.84M
| | | ├──11-11-测试集遇到的问题.ts 26.55M
| | | ├──12-12-阈值对结果的影响.ts 42.84M
| | | ├──13-13-SMOTE样本生成策略.ts 32.07M
| | | └──14-14-过采样效果与项目总结.ts 47.39M
| | ├──02-基于随机森林的气温预测实战
| | | ├──01-1-基于随机森林的气温预测任务概述.ts 44.89M
| | | ├──02-2-基本随机森林模型建立.ts 46.11M
| | | ├──03-3-可视化展示与特征重要性.ts 92.33M
| | | ├──04-4-加入新的数据与特征.ts 54.87M
| | | ├──05-5-数据与特征对结果的影响.ts 49.21M
| | | ├──06-6-效率对比分析.ts 59.63M
| | | ├──07-7-网格与随机参数选择.ts 41.44M
| | | ├──08-8-随机参数选择方法实践.ts 48.26M
| | | └──09-9-调参优化细节.ts 56.64M
| | ├──03-贝叶斯新闻分类实战
| | | ├──01-1-新闻数据与任务概述.ts 27.82M
| | | ├──02-2-中文分词与停用词过滤.ts 38.88M
| | | ├──03-3-文本关键词提取.ts 78.35M
| | | ├──04-4-词袋模型.ts 49.53M
| | | ├──05-5-贝叶斯建模结果.ts 55.17M
| | | └──06-6-TF-IDF特征分析对比.ts 48.80M
| | ├──04-推荐系统实战
| | | ├──01-1-音乐推荐任务概述.ts 72.88M
| | | ├──02-2-数据集整合.ts 59.67M
| | | ├──03-3-基于物品的协同过滤.ts 70.77M
| | | ├──04-4-物品相似度计算与推荐.ts 72.30M
| | | ├──05-5-SVD矩阵分解.ts 35.13M
| | | └──06-6-基于矩阵分解的音乐推荐.ts 93.14M
| | ├──05-fbprophe时间序列预测
| | | ├──01-1-fbprophet股价预测任务概述.ts 85.77M
| | | ├──02-2-时间序列分析.ts 80.52M
| | | ├──03-3-fbprophet时间序列预测实例.mp4 97.53M
| | | ├──04-4-亚马逊股价趋势.mp4 63.27M
| | | └──05-5-突变点调参.ts 89.54M
| | └──06-京东用户购买意向预测
| | | ├──01-1-项目与数据介绍.ts 55.40M
| | | ├──02-2-数据挖掘流程.ts 42.65M
| | | ├──03-3-数据检查.ts 32.97M
| | | ├──04-4-构建用户特征表单.ts 60.96M
| | | ├──05-5-构建商品特征表单.ts 45.96M
| | | ├──06-6-数据探索概述.ts 21.82M
| | | ├──07-7-购买因素分析.ts 33.05M
| | | ├──08-8-特征工程.ts 70.36M
| | | ├──09-9-基本特征构造.ts 50.96M
| | | ├──10-10-行为特征.ts 33.79M
| | | ├──11-11-累积行为特征.ts 51.86M
| | | └──12-12-Xgboost模型.ts 25.98M
| ├──06-第六模块：机器学习案例实战应用集锦
| | ├──01-Python实战关联规则
| | | ├──01-1-关联规则概述.ts 24.16M
| | | ├──02-2-支持度与置信度.ts 37.12M
| | | ├──03-3-提升度的作用.ts 46.28M
| | | ├──04-4-Python实战关联规则.ts 38.29M
| | | ├──05-5-数据集制作.ts 36.69M
| | | └──06-6-电影数据集题材关联分析.ts 62.97M
| | ├──02-爱彼迎数据集分析与建模
| | | ├──01-1-数据与任务分析.ts 51.73M
| | | ├──02-2-提取月份信息进行统计分析.ts 26.44M
| | | ├──03-3-房价随星期变化的可视化展示.ts 49.79M
| | | ├──04-4-房屋信息指标分析.ts 92.06M
| | | ├──05-5-提取房屋常见设施.ts 77.40M
| | | ├──06-6-房屋规格热度图分析.ts 55.44M
| | | ├──07-7-预处理与建模准备.ts 61.30M
| | | ├──08-8-随机森林与LightGBM.ts 48.24M
| | | └──09-9-训练与评估.ts 69.44M
| | ├──03-基于相似度的酒店推荐系统
| | | ├──01-1-数据与任务介绍.ts 25.63M
| | | ├──02-2-文本词频统计.ts 35.59M
| | | ├──03-3-ngram结果可视化展示.ts 59.95M
| | | ├──04-4-文本清洗.ts 37.48M
| | | ├──05-5-相似度计算.ts 52.85M
| | | └──06-6-得出推荐结果.ts 68.39M
| | ├──04-商品销售额回归分析
| | | ├──01-1-数据任务分析.ts 66.71M
| | | ├──02-2-特征工程制作.ts 63.07M
| | | ├──03-3-统计指标生成.ts 61.49M
| | | ├──04-4-特征信息提取.ts 92.55M
| | | ├──05-5-标签变换.ts 47.89M
| | | ├──06-6-输入数据制作.ts 31.42M
| | | ├──07-7-Xgboost训练模型.ts 30.58M
| | | └──08-8-生成输出结果.ts 73.98M
| | ├──05-绝地求生数据集探索分析与建模
| | | ├──01-1-数据与任务简介.ts 41.41M
| | | ├──02-2-数据问题探索与解决方案.ts 60.59M
| | | ├──03-3-剔除开挂数据.ts 43.87M
| | | ├──04-5-绘图统计分析.ts 44.83M
| | | ├──05-6-热度图展示.ts 37.61M
| | | ├──06-7-随机森林建模.ts 36.65M
| | | └──07-8-特征重要性.ts 60.25M
| | ├──06-机器学习-模型解释方法实战
| | | ├──01-1-模型解释方法与实践.ts 51.18M
| | | ├──02-2-部分依赖图解释.ts 24.43M
| | | ├──03-3-双变量分析.ts 31.67M
| | | ├──04-4-ShapValues指标分析.ts 64.22M
| | | └──05-5-疾病引起原因分析实战.ts 60.99M
| | ├──07-自然语言处理必备工具包实战
| | | ├──01-1-Python字符串处理.ts 46.65M
| | | ├──02-2-正则表达式基本语法.ts 35.26M
| | | ├──03-3-正则常用符号.ts 41.60M
| | | ├──04-4-常用函数介绍.ts 45.33M
| | | ├──05-5-NLTK工具包简介.ts 36.13M
| | | ├──06-6-停用词过滤.ts 31.23M
| | | ├──07-7-词性标注.ts 40.28M
| | | ├──08-8-数据清洗实例.ts 46.25M
| | | ├──09-9-Spacy工具包.ts 52.37M
| | | ├──10-10-名字实体匹配.ts 24.30M
| | | ├──11-11-恐怖袭击分析.ts 45.72M
| | | ├──12-12-统计分析结果.ts 52.80M
| | | ├──13-13-结巴分词器.ts 31.56M
| | | └──14-14-词云展示.ts 95.80M
| | ├──08-NLP核心模型-Word2vec
| | | ├──01-1-词向量模型通俗解释.ts 24.40M
| | | ├──02-2-模型整体框架.ts 31.87M
| | | ├──03-3-训练数据构建.ts 17.84M
| | | ├──04-4-CBOW与Skip-gram模型.ts 26.88M
| | | └──05-5-负采样方案.ts 33.10M
| | ├──09-数据特征预处理
| | | ├──01-1-任务概述.ts 36.64M
| | | ├──02-2-词袋模型.ts 31.92M
| | | ├──03-3-词袋模型分析.ts 71.02M
| | | ├──04-4-TFIDF模型.ts 53.24M
| | | ├──05-5-word2vec词向量模型.ts 60.54M
| | | └──06-6-深度学习模型.ts 43.52M
| | ├──10-10文本特征处理方法对比
| | | ├──01-1-数据与任务介绍.ts 25.63M
| | | ├──02-2-数据分析与可视化展示.ts 33.74M
| | | ├──03-3-连续值离散化与可视化细节.ts 52.32M
| | | ├──04-4-加载数据坐标到实际地图中进行分析.ts 76.73M
| | | ├──05-5-特征相关性分析.ts 58.86M
| | | ├──06-6-缺失值填充.ts 22.43M
| | | ├──07-7-sklearn工具包预处理模块.ts 65.55M
| | | ├──08-8-离散属性特征处理.ts 37.44M
| | | ├──09-9-构建合适的特征.ts 57.03M
| | | ├──10-10-序列化执行预处理操作.ts 48.15M
| | | ├──11-11-完成所有预处理操作.ts 55.16M
| | | └──12-12-构建回归模型.ts 68.68M
| | ├──11-银行客户还款可能性预测
| | | ├──01-1-数据任务介绍及缺失值处理.ts 47.01M
| | | ├──02-2-EDA数据探索分析.ts 39.32M
| | | ├──03-3-特征展示分析.ts 33.59M
| | | ├──04-4-KDEPLOT展示.ts 34.66M
| | | ├──05-5-部分特征分析与可视化.ts 51.07M
| | | ├──06-6-数据检查与特征工程.ts 63.99M
| | | ├──07-7-多项式特征.ts 49.13M
| | | ├──08-8-自定义特征.ts 25.50M
| | | ├──09-9-逻辑回归模型.ts 74.57M
| | | ├──10-10-结果评估.ts 95.65M
| | | └──11-11-必杀神奇：lightgbm.ts 100.28M
| | └──12-图像特征聚类分析实践
| | | ├──01-1-数据与任务流程分析.ts 48.96M
| | | ├──02-2-图片数据导入.ts 42.33M
| | | ├──03-3-图像特征编码.ts 38.32M
| | | ├──04-4-数组保存与读取.ts 28.95M
| | | ├──05-5-得出聚类结果.ts 39.83M
| | | └──06-6-聚类效果可视化展示.ts 81.75M
| ├──07-第七模块：机器学习竞赛优胜解决方案实战
| | ├──01-快手短视频用户活跃度分析
| | | ├──01-1-任务目标与数据分析…ts 36.34M
| | | ├──02-2-整体模型架构.ts 16.91M
| | | ├──03-3-构建用户特征序列.ts 45.22M
| | | ├──04-4-序列特征提取方法.ts 37.01M
| | | ├──05-5-生成特征汇总表.ts 44.68M
| | | ├──06-6-标签制作.ts 35.38M
| | | ├──07-7-网络训练模块.ts 50.04M
| | | ├──08-8-得出最终模型结果.ts 41.59M
| | | └──09-0-课程简介.ts 4.60M
| | ├──02-工业化生产预测
| | | ├──01-1-数据任务概述.ts 30.01M
| | | ├──02-2-数据异常检查.ts 65.05M
| | | ├──03-3-时间特征提取.ts 66.96M
| | | ├──04-4-各道工序特征构建.ts 71.26M
| | | ├──05-5-准备训练数据.ts 49.51M
| | | └──06-6-训练xgboost模型.ts 57.08M
| | ├──03-智慧城市-道路通行时间预测
| | | ├──01-1-数据与任务目标分析.ts 35.12M
| | | ├──02-2-数据清洗与标签转换.ts 32.15M
| | | ├──03-3-道路通行时间序列数据生成.ts 44.55M
| | | ├──04-4-序列缺失补全方法.ts 42.65M
| | | ├──05-5-基于回归与插值完成序列特征.ts 62.58M
| | | ├──06-6-基于回归与插值进行序列补全.ts 36.11M
| | | ├──07-7-特征汇总.ts 57.77M
| | | └──08-8-建立回归模型进行预测.ts 54.76M
| | ├──04-特征工程建模可解释包
| | | ├──01-1-模型解释方法与实践.ts 51.18M
| | | ├──02-2-部分依赖图解释.ts 24.43M
| | | ├──03-3-双变量分析.ts 31.67M
| | | ├──04-4-ShapValues指标分析.ts 64.22M
| | | ├──05-5-疾病引起原因分析实战.ts 60.99M
| | | ├──06-1-竞赛与目标分析.ts 32.87M
| | | ├──07-1-特征对比分析方法.ts 53.07M
| | | └──08-1-结果对比分析.ts 65.73M
| | ├──05-医学糖尿病数据命名实体识别
| | | ├──01-1-数据与任务介绍.ts 25.63M
| | | ├──02-2-整体模型架构.ts 16.91M
| | | ├──03-3-数据-标签-语料库处理.ts 45.39M
| | | ├──04-4-输入样本填充补齐.ts 40.83M
| | | ├──05-5-训练网络模型.ts 45.42M
| | | └──06-6-医疗数据集(糖尿病)实体识别.ts 89.39M
| | ├──06-贷款平台风控模型+特征工程
| | | ├──01-1-竞赛任务目标.ts 26.62M
| | | ├──02-2-图模型信息提取.ts 31.40M
| | | ├──03-3-节点权重特征提取(PageRank).ts 40.23M
| | | ├──04-4-deepwalk构建图顶点特征.ts 59.35M
| | | ├──05-5-各项统计特征.ts 61.55M
| | | ├──06-6-app安装特征.ts 41.54M
| | | └──07-7-图中联系人特征.ts 76.99M
| | ├──07-新闻关键词抽取模型
| | | ├──01-1-任务目标与数据集介绍.ts 80.12M
| | | ├──02-2-数据清洗与预处理.ts 59.32M
| | | ├──03-3-基本特征抽取.ts 74.70M
| | | ├──04-4-文章与词向量分析.ts 92.86M
| | | ├──05-5-权重划分.ts 54.53M
| | | ├──06-6-候选词统计特征.ts 38.02M
| | | ├──07-7-textrank特征提取.ts 34.11M
| | | ├──08-8-候选词相似度特征.ts 23.13M
| | | └──09-9-特征工程汇总.ts 93.11M
| | ├──08-数据特征常用构建方法
| | | ├──01-1-基本数值特征.ts 54.19M
| | | ├──02-2-常用特征构造手段.ts 57.57M
| | | ├──03-3-时间特征处理.ts 62.07M
| | | ├──04-4-文本特征处理.ts 121.74M
| | | ├──05-5-构造文本向量.ts 54.34M
| | | ├──06-6-词向量特征.ts 78.79M
| | | └──07-7-计算机眼中的图像.ts 26.11M
| | ├──09-用电敏感客户分类
| | | ├──01-1-任务与解决框架概述.ts 69.37M
| | | ├──02-2-特征工程分析与特征提取.ts 93.78M
| | | ├──03-3-离散数据处理.ts 66.57M
| | | ├──04-4-统计与文本特征.ts 65.72M
| | | ├──05-5-文本特征构建.ts 80.40M
| | | ├──06-6-构建低敏用户模型.ts 75.12M
| | | └──07-7-高敏模型概述.ts 52.72M
| | └──10-机器学习项目实战模板
| | | ├──01-1-建筑能源利用效率任务概述.ts 14.47M
| | | ├──02-2-处理流程与数据简介.ts 62.79M
| | | ├──03-3-能源信息各项指标数据预处理.ts 51.18M
| | | ├──04-4-单变量绘图分析.ts 29.14M
| | | ├──05-5-离群点剔除.ts 47.30M
| | | ├──06-6-变量与结果的关系.ts 40.65M
| | | ├──07-7-多变量展示.ts 64.95M
| | | ├──08-8-特征工程的价值和方法.ts 70.36M
| | | ├──09-1-dataleakage问题.ts 75.83M
| | | ├──10-2-基础模型对比.ts 70.34M
| | | ├──11-3-选择参数.ts 74.45M
| | | ├──12-4-测试模型.ts 60.88M
| | | ├──13-5-模型解释.ts 45.28M
| | | └──14-6-模型分析.ts 102.37M
| ├──08-第八模块：Python金融分析与量化交易实战
| | ├──01-课程内容与大纲介绍
| | | └──01-课程内容与大纲介绍.ts 51.66M
| | ├──02-金融数据时间序列分析
| | | ├──01-1-金融时间序列数据统计分析.ts 65.35M
| | | ├──02-2-序列变化情况分析计算.ts 34.54M
| | | ├──03-3-连续指标变化情况分析.ts 68.97M
| | | ├──04-4-时间序列重采样操作.ts 44.14M
| | | ├──05-5-短均与长均计算实例.ts 47.26M
| | | ├──06-6-指标相关情况分析.ts 41.83M
| | | └──07-7-回归方程与相关系数实例.ts 56.47M
| | ├──03-1双均线交易策略实战
| | | ├──01-1-金叉与死叉介绍.ts 16.76M
| | | ├──02-2-买点与卖点可视化分析.ts 40.06M
| | | ├──03-3-策略收益效果分析.ts 22.05M
| | | └──04-4-均线调参实例.ts 66.67M
| | ├──04-策略收益与风险评估指标解析
| | | ├──01-1-回测收益率指标解读.ts 32.27M
| | | ├──02-1-回测收益率指标解读.ts 32.27M
| | | ├──03-3-最大回撤区间.ts 39.03M
| | | ├──04-4-夏普比率的作用.ts 19.54M
| | | └──05-5-阿尔法与贝塔概述.ts 28.32M
| | ├──05-量化交易与回测平台解读
| | | ├──01-1-量化交易概述.ts 21.88M
| | | ├──02-2-量化交易所需技能分析.ts 31.18M
| | | └──03-3-Ricequant交易平台简介.ts 33.46M
| | ├──06-Ricequant回测选股分析实战
| | | ├──01-1-策略任务分析.ts 24.11M
| | | ├──02-2-股票池筛选.ts 41.50M
| | | ├──03-2-股票池筛选.ts 41.50M
| | | └──04-4-定时器功能与作用.ts 69.80M
| | ├──07-因子数据预处理实战
| | | ├──01-1-百分位去极值方法.ts 27.81M
| | | ├──02-2-基于百分位去极值实例.ts 28.76M
| | | ├──03-3-Mad法去极值演示.ts 24.64M
| | | ├──04-4-3Sigma方法实例.ts 25.65M
| | | ├──05-5-标准化处理方法.ts 31.18M
| | | ├──06-6-中性化处理方法通俗解释.ts 25.49M
| | | └──07-7-策略任务概述.ts 37.34M
| | ├──08-因子选股策略实战
| | | ├──01-1-股票数据获取.ts 19.81M
| | | ├──02-2-过滤筛选因子指标数据.ts 27.83M
| | | ├──03-3-因子数据预处理.ts 25.96M
| | | ├──04-4-股票池筛选.ts 25.37M
| | | └──05-5-策略效果评估分析.ts 59.53M
| | ├──09-因子分析实战
| | | ├──01-5-策略效果评估分析.ts 59.53M
| | | ├──02-2-Alphalens工具包介绍.ts 55.42M
| | | ├──03-3-获取因子指标数据.ts 24.96M
| | | ├──04-4-获取给定区间全部数据.ts 22.47M
| | | ├──05-5-数据格式转换.ts 19.40M
| | | ├──06-6-IC指标值计算.ts 42.65M
| | | ├──07-7-工具包绘图展示.ts 21.93M
| | | └──08-8-因子收益率简介.ts 30.90M
| | ├──10-因子打分选股实战
| | | ├──01-1-打分法选股策略概述.ts 17.80M
| | | ├──02-2-整体任务流程梳理.ts 31.94M
| | | ├──03-3-策略初始化与数据读取.ts 34.18M
| | | ├──04-4-因子打分与排序.ts 34.50M
| | | ├──05-5-完成选股方法.ts 17.66M
| | | ├──06-6-完成策略交易展示结果.ts 34.75M
| | | └──07-7-策略总结与分析.ts 28.33M
| | ├──11-回归分析策略
| | | ├──01-1-回归问题概述.ts 22.55M
| | | ├──02-2-误差项定义.ts 30.49M
| | | ├──03-3-独立同分布的意义.ts 27.75M
| | | ├──04-4-似然函数的作用.ts 33.60M
| | | ├──05-5-参数求解.ts 35.51M
| | | ├──06-6-梯度下降通俗解释.ts 24.30M
| | | ├──07-7参数更新方法.ts 28.56M
| | | ├──08-8-优化参数设置.ts 30.72M
| | | ├──09-9-回归任务概述.ts 17.31M
| | | ├──10-10-特征可视化展示.ts 37.43M
| | | ├──11-11-构建回归方程.ts 43.66M
| | | └──12-12-回归分析结果.ts 29.79M
| | ├──11-聚类分析策略
| | | ├──01-1-KMEANS算法概述.ts 20.71M
| | | ├──02-2-KMEANS工作流程.ts 16.11M
| | | ├──03-3-KMEANS迭代可视化展示.ts 27.23M
| | | ├──04-4-DBSCAN聚类算法.ts 21.56M
| | | ├──05-5-DBSCAN工作流程.ts 31.14M
| | | ├──06-6-DBSCAN可视化展示.ts 28.39M
| | | ├──07-6-DBSCAN可视化展示.ts 28.39M
| | | ├──08-8-统计分析所需数据准备.ts 27.52M
| | | └──09-9-统计效果展示.ts 27.35M
| | ├──12-拓展：fbprophet时间序列预测神器
| | | ├──01-1-fbprophet股价预测任务概述.ts 85.77M
| | | ├──02-2-时间序列分析.ts 80.52M
| | | ├──03-3-fbprophet时间序列预测实例.mp4 97.53M
| | | ├──04-4-亚马逊股价趋势.ts 63.27M
| | | └──05-5-突变点调参.ts 89.54M
| | └──13-基于深度学习的时间序列预测
| | | ├──01-1-任务目标与数据源.ts 21.56M
| | | ├──02-2-构建时间序列数据.ts 31.02M
| | | ├──03-3-训练时间序列数据预测结果.ts 41.24M
| | | ├──04-4-多特征预测结果.ts 31.36M
| | | └──05-5-序列结果预测.ts 25.37M
| ├──09-第九模块：深度学习经典算法解析
| | ├──01-深度学习必备基础知识点础
| | | ├──01-1-深度学习要解决的问题.ts 23.08M
| | | ├──02-2-深度学习应用领域.ts 56.11M
| | | ├──03-3-计算机视觉任务.ts 20.13M
| | | ├──04-4-视觉任务中遇到的问题.ts 37.12M
| | | ├──05-5-得分函数.ts 37.12M
| | | ├──06-6-损失函数的作用.ts 35.13M
| | | └──07-7-前向传播整体流程.ts 44.21M
| | ├──02-神经网络整体架构
| | | ├──01-1-返向传播计算方法.ts 29.33M
| | | ├──02-2-神经网络整体架构.ts 34.50M
| | | ├──03-2-神经网络整体架构.ts 34.50M
| | | ├──04-4-神经元个数对结果的影响.ts 78.22M
| | | ├──05-5-正则化与激活函数.ts 32.65M
| | | └──06-6-神经网络过拟合解决方法.ts 45.28M
| | ├──03-卷积神经网络原理与参数解读
| | | ├──01-1-卷积神经网络应用领域.ts 24.01M
| | | ├──02-2-卷积的作用.ts 25.87M
| | | ├──03-3-卷积特征值计算方法.ts 24.19M
| | | ├──04-4-得到特征图表示.ts 20.74M
| | | ├──05-5-步长与卷积核大小对结果的影响.ts 22.62M
| | | ├──06-6-边缘填充方法.ts 19.66M
| | | ├──07-7-特征图尺寸计算与参数共享.ts 24.79M
| | | ├──08-8-池化层的作用.ts 12.99M
| | | ├──09-9-整体网络架构.ts 19.26M
| | | ├──10-10-VGG网络架构.ts 21.86M
| | | ├──11-11-残差网络Resnet.ts 20.62M
| | | └──12-12-感受野的作用.ts 19.08M
| | ├──04-递归神经网络与词向量原理解读
| | | ├──01-12-感受野的作用.ts 19.08M
| | | ├──02-2-词向量模型通俗解释.ts 24.40M
| | | ├──03-3-模型整体框架.ts 31.87M
| | | ├──04-4-训练数据构建.ts 17.84M
| | | ├──05-5-CBOW与Skip-gram模型.ts 26.88M
| | | └──06-6-负采样方案.ts 33.10M
| | ├──05-案例实战搭建神经网络
| | | ├──01-0-keras框架简介与安装.ts 16.35M
| | | ├──02-1-训练自己的数据集整体流程.ts 52.48M
| | | ├──03-2-数据加载与预处理.ts 41.21M
| | | ├──04-3-搭建网络模型.ts 60.75M
| | | ├──05-4-学习率对结果的影响.ts 55.26M
| | | ├──06-5-Drop-out操作.ts 49.82M
| | | ├──07-6-权重初始化方法对比.ts 70.51M
| | | ├──08-7-初始化标准差对结果的影响.ts 19.05M
| | | ├──09-8-正则化对结果的影响.ts 103.51M
| | | └──10-9-加载模型进行测试.ts 57.97M
| | ├──06-案例实战卷积神经网络
| | | ├──01-1-卷积层构造.ts 46.99M
| | | ├──02-1-卷积层构造.ts 46.99M
| | | ├──03-3-BatchNormalization效果.ts 62.33M
| | | ├──04-4-参数对比.ts 79.30M
| | | └──05-5-网络测试效果.ts 26.06M
| | └──07-案例实战LSTM时间序列预测任务
| | | ├──01-1-时间序列模型.ts 33.14M
| | | ├──02-2-网络结构与参数定义.ts 30.83M
| | | ├──03-3-构建LSTM模型.ts 34.50M
| | | ├──04-4-训练模型与效果展示.ts 52.20M
| | | ├──05-5-多序列预测结果.ts 61.22M
| | | ├──06-6-股票数据预测.ts 34.26M
| | | ├──07-7-数据预处理.ts 40.98M
| | | └──08-8-预测结果展示.ts 27.77M
| ├──10-选修：Python数据分析案例实战
| | ├──01-KIVA贷款数据
| | | ├──01-kiva贷款数据集介绍.ts 44.23M
| | | ├──02-2-各个国家贷款需求.ts 46.72M
| | | ├──03-3-贷款金额与还款间隔分析.ts 42.92M
| | | ├──04-5-深入各个行业分析.ts 53.11M
| | | ├──05-6-针对时间序列进行分析.ts 37.98M
| | | └──06-7-各项数据指标统计分析.ts 75.85M
| | ├──02-订单数据集分析
| | | ├──01-8-预测结果展示.ts 27.77M
| | | ├──02-2-双变量热度图绘制方法.ts 52.94M
| | | ├──03-3-复购情况对比分析.ts 35.23M
| | | ├──04-4-购物车情况与复购.ts 41.31M
| | | └──05-5-聚类划分商品.ts 50.47M
| | ├──03-基于统计分析的电影推荐
| | | ├──01-1-电影数据与环境配置.ts 71.07M
| | | ├──02-2-数据与关键词信息展示.ts 68.14M
| | | ├──03-3-关键词云与直方图可视化展示.ts 50.69M
| | | ├──04-4-电影特征数据可视化.ts 43.54M
| | | ├──05-5数据清洗方法分析.ts 63.83M
| | | ├──06-6-缺失值填充方法.ts 41.67M
| | | ├──07-7-推荐引擎构造.ts 56.75M
| | | ├──08-8-数据特征构造.ts 40.92M
| | | └──09-9-得出推荐结果.ts 57.82M
| | ├──04-纽约出租车建模
| | | ├──01-1-纽约出租车运行情况数据概述.ts 23.31M
| | | ├──02-2-聚类区域划分.ts 49.80M
| | | ├──03-3-客流趋势动态展示.ts 54.84M
| | | ├──04-4-区域邻居情况分析.ts 70.80M
| | | ├──05-5-用户数据特征分析.ts 65.10M
| | | ├──06-6-不同类别的出租车运行情况对比.ts 37.10M
| | | ├──07-7-客户数据特征可视化分析.ts 27.15M
| | | ├──08-8-聚类特征信息可视化展示.ts 87.80M
| | | ├──09-9-xgboost模型进行分析预测.ts 53.90M
| | | └──10-10-加入天气特征对结果的影响分析.ts 67.85M
| | ├──05-商品信息可视化与文本分析
| | | ├──01-1-在线商城商品数据信息概述.ts 36.64M
| | | ├──02-2-商品类别划分方式.ts 42.07M
| | | ├──03-3-商品类别可视化展示.ts 46.96M
| | | ├──04-4-商品描述长度对价格的影响分析.ts 38.00M
| | | ├──05-5-关键词的词云可视化展示.ts 57.69M
| | | ├──06-6-基于tf-idf提取关键词信息.ts 40.22M
| | | ├──07-7-通过降维进行可视化展示.ts 43.42M
| | | └──08-8-聚类分析与主题模型展示.ts 63.11M
| | └──06-数据分析-机器学习模板
| | | ├──01-1-人口普查预测任务概述.ts 64.75M
| | | ├──02-2-单特征与缺失值展示.ts 60.42M
| | | ├──03-3-人口普查数据集清洗.ts 27.23M
| | | ├──04-4-人口信息数据特征工程展示.ts 47.92M
| | | ├──05-5-单变量展示.ts 37.61M
| | | ├──06-6-双变量分析.ts 48.10M
| | | ├──07-7-开发新变量.ts 47.77M
| | | ├──08-8-ROC与AUC模型评估标准.ts 62.09M
| | | └──09-9-机器学习算法模型效果对比.ts 74.02M
| ├──11-选修：机器学习进阶实战
| | ├──01-GBDT提升算法
| | | ├──01-1-回归树模型.ts 26.17M
| | | ├──02-2-Adaboost算法.ts 16.01M
| | | ├──03-3-GBDT工作流程.ts 24.64M
| | | ├──04-4-回归任务.ts 11.15M
| | | ├──05-5-分类任务.ts 25.13M
| | | └──06-6-可视化.ts 45.61M
| | ├──01-数据特征
| | | ├──01-1-基本数值特征.ts 54.19M
| | | ├──02-2-常用特征构造手段.ts 57.57M
| | | ├──03-3-时间特征处理.ts 62.07M
| | | ├──04-4-文本特征处理.ts 121.74M
| | | ├──05-5-构造文本向量.ts 54.34M
| | | ├──06-6-词向量特征.ts 78.79M
| | | └──07-7-计算机眼中的图像.ts 26.11M
| | ├──02-xgboost-gbdt-lightgbm提升算法框架对比
| | | ├──01-1-GBDT效果.ts 44.10M
| | | ├──02-2-Xgboost效果.ts 53.74M
| | | └──03-3-lightGBM效果.ts 84.84M
| | ├──04-4.使用lightgbm进行饭店流量预测
| | | ├──01-1-饭店流量数据介绍.ts 35.37M
| | | ├──02-2-数据汇总.ts 56.68M
| | | ├──03-3-离群点筛选.ts 28.33M
| | | ├──04-4-特征提取.ts 71.37M
| | | └──05-5-lightgbm建模.ts 44.33M
| | ├──05-降维算法-线性判别分析
| | | ├──01-1-线性判别分析要解决的问题.ts 22.71M
| | | ├──02-2-线性判别分析要优化的目标.ts 21.75M
| | | ├──03-3-线性判别分析求解.ts 22.37M
| | | ├──04-4-实现线性判别分析进行降维任务.ts 28.05M
| | | └──05-5-求解得出降维结果.ts 26.59M
| | ├──05-人口普查数据集项目实战-收入预测
| | | ├──01-1-人口普查预测任务概述.ts 64.75M
| | | ├──02-2-单特征与缺失值展示.ts 60.42M
| | | ├──03-3-第一步：数据清洗.ts 27.23M
| | | ├──04-4-特征工程.ts 47.92M
| | | ├──05-5-单变量展示.ts 37.61M
| | | ├──06-6-双变量分析.ts 48.10M
| | | ├──07-7-开发新变量.ts 47.77M
| | | ├──08-8-ROC与AUC模型评估标准.ts 62.09M
| | | └──09-9-机器学习模型.ts 74.02M
| | ├──07-贝叶斯优化及其工具包使用
| | | ├──01-1-贝叶斯优化概述.ts 27.18M
| | | ├──02-2-工具包使用方法.ts 61.41M
| | | ├──03-3-贝叶斯优化效果.ts 41.44M
| | | └──04-4-调整参数空间.ts 48.20M
| | ├──08-贝叶斯优化实战
| | | ├──01-1-基础模型建立.ts 27.44M
| | | ├──02-2-设置参数空间.ts 58.66M
| | | ├──03-3-随机优化结果.ts 38.52M
| | | ├──04-4-贝叶斯优化效果.ts 72.10M
| | | ├──05-5-方法对比.ts 37.47M
| | | └──06-6-参数变化情况.ts 60.97M
| | ├──09-EM算法
| | | ├──01-1-EM算法要解决的问题.ts 19.72M
| | | ├──02-2-隐变量问题.ts 11.34M
| | | ├──03-3-EM算法求解实例.ts 29.29M
| | | ├──04-4-Jensen不等式.ts 19.48M
| | | ├──05-5-GMM模型.ts 16.73M
| | | ├──06-6-GMM实例.ts 28.59M
| | | └──07-7-GMM聚类.ts 26.35M
| | ├──10-HMM隐马尔科夫模型
| | | ├──01-1-马尔科夫模型.ts 19.90M
| | | ├──02-2-隐马尔科夫模型基本出发点.ts 21.82M
| | | ├──03-3-组成与要解决的问题.ts 16.74M
| | | ├──04-4-暴力求解方法.ts 31.65M
| | | ├──05-5-复杂度计算.ts 17.36M
| | | ├──06-6-前向算法.ts 41.13M
| | | ├──07-7-前向算法求解实例.ts 37.99M
| | | ├──08-8-Baum-Welch算法.ts 30.68M
| | | ├──09-9-参数求解.ts 19.59M
| | | └──10-10-维特比算法.ts 48.87M
| | ├──11-HMM案例实战
| | | ├──01-1-hmmlearn工具包.ts 22.28M
| | | ├──02-2-工具包使用方法.ts 61.41M
| | | ├──03-3-中文分词任务.ts 15.36M
| | | └──04-4-实现中文分词.ts 40.58M
| | ├──12-推荐系统
| | | ├──01-0-开场.ts 4.30M
| | | ├──02-1-推荐系统应用.ts 21.01M
| | | ├──03-2-推荐系统要完成的任务.ts 11.70M
| | | ├──04-3-相似度计算.ts 18.28M
| | | ├──05-4-基于用户的协同过滤.ts 16.30M
| | | ├──06-5-基于物品的协同过滤.ts 24.55M
| | | ├──07-6-隐语义模型.ts 13.04M
| | | ├──08-7-隐语义模型求解.ts 17.32M
| | | └──09-8-模型评估标准.ts 12.33M
| | ├──13-基于统计分析的电影推荐
| | | ├──01-1-数据与环境配置.ts 73.06M
| | | ├──02-2-数据与关键词信息展示.ts 68.14M
| | | ├──03-3-关键词云与直方图展示.ts 50.69M
| | | ├──04-4-特征可视化.ts 43.54M
| | | ├──05-5-数据清洗概述.ts 63.83M
| | | ├──06-6-缺失值填充方法.ts 41.67M
| | | ├──07-7-推荐引擎构造.ts 56.75M
| | | ├──08-8-数据特征构造.ts 40.92M
| | | └──09-9-得出推荐结果.ts 57.82M
| | ├──13-音乐推荐系统实战
| | | ├──01-1-音乐推荐任务概述.ts 72.88M
| | | ├──02-2-数据集整合.ts 59.67M
| | | ├──03-3-基于物品的协同过滤.ts 70.77M
| | | ├──04-4-物品相似度计算与推荐.ts 72.30M
| | | ├──05-5-SVD矩阵分解.ts 35.13M
| | | └──06-6-基于矩阵分解的音乐推荐.ts 93.14M
| | ├──15-NLP-文本特征方法对比
| | | ├──01-1.1-任务概述.ts 42.75M
| | | ├──02-2-词袋模型.ts 31.92M
| | | ├──03-3-词袋模型分析.mp4 71.02M
| | | ├──04-4-TFIDF模型.ts 53.24M
| | | ├──05-5-word2vec词向量模型.ts 60.54M
| | | └──06-6-深度学习模型.ts 43.52M
| | ├──15-学习曲线
| | | ├──01-1-Bian与Variance曲线.ts 40.28M
| | | ├──02-2-数据集中的结果.ts 67.40M
| | | └──03-3-曲线实验结果.ts 45.12M
| | ├──17-使用word2vec分类任务
| | | ├──01-1-影评情感分类.ts 52.54M
| | | ├──02-2-基于词袋模型训练分类器.ts 31.35M
| | | ├──03-3-准备word2vec输入数据.ts 27.41M
| | | └──04-4-使用gensim构建word2vec词向量(新).ts 75.77M
| | ├──18-Tensorflow自己打造word2vec
| | | ├──01-1-数据与任务流程.ts 50.76M
| | | ├──02-2-数据清洗.ts 30.85M
| | | ├──03-3-batch数据制作.mp4 57.85M
| | | ├──04-4-网络训练.ts 55.18M
| | | └──05-5-可视化展示.ts 54.54M
| | ├──19-制作自己常用工具包
| | | ├──01-1-为什么要做自己的数据工具包.ts 10.07M
| | | ├──02-2-工具包注释.ts 36.27M
| | | ├──03-3-缺失值处理.ts 47.79M
| | | ├──04-4-其他处理方式概述.ts 87.29M
| | | └──05-5-工具包调用.ts 22.52M
| | ├──20-机器学习项目实战-数据处理与特征提取
| | | ├──01-1-建筑能源利用效率任务概述.ts 14.47M
| | | ├──02-2-处理流程与数据简介.ts 62.79M
| | | ├──03-3-能源信息各项指标数据预处理.ts 51.18M
| | | ├──04-4-单变量绘图分析.ts 29.14M
| | | ├──05-5-离群点剔除.ts 47.30M
| | | ├──06-6-变量与结果的关系对比分析.ts 40.65M
| | | ├──07-7-多变量展示.ts 64.95M
| | | └──08-8-特征工程的价值与方法.ts 70.36M
| | └──21-机器学习项目实战-建模与分析
| | | ├──01-1-dataleakage问题解决方案.ts 75.83M
| | | ├──02-2-机器学习基础模型对比.ts 70.34M
| | | ├──03-3-参数对结果的影响分析.ts 74.45M
| | | ├──04-4-测试模型效果.ts 60.88M
| | | ├──05-5-模型的结果解释与参数分析.ts 45.28M
| | | └──06-6-机器学习常用模型分析方法介绍.ts 102.37M
| ├──数学基础课件
| | ├──SVD.pdf 396.61kb
| | ├──概率分布与概率密度.pdf 640.21kb
| | ├──概率论.pdf 2.33M
| | ├──高等数学.pdf 1.12M
| | ├──核函数.pdf 477.72kb
| | ├──后验概率估计.pdf 230.81kb
| | ├──激活函数.pdf 264.40kb
| | ├──矩阵.pdf 1.32M
| | ├──拉格朗日乘子法.pdf 599.32kb
| | ├──熵.pdf 267.74kb
| | ├──似然函数.pdf 384.36kb
| | ├──泰勒公式.pdf 777.52kb
| | ├──特征值与特征向量.pdf 386.91kb
| | ├──梯度.pdf 702.08kb
| | ├──统计分析-数据代码.zip 66.35M
| | └──微积分.pdf 960.85kb
| └──资料
| | ├──第八模块：Python金融分析与量化交易实战
| | | ├──第1-3章：Python基础
| | | ├──第10章：Ricequant回测选股分析实战
| | | ├──第12章：因子策略选股实例
| | | ├──第14章：因子打分选股实战
| | | ├──第17章：fbprophet时间序列预测神器
| | | ├──第19章：Matplotlib工具包实战
| | | ├──第20章：Seaborn
| | | ├──第4章：Numpy
| | | ├──第5章：Pandas
| | | ├──第11章：因子数据预处理.zip 876.33kb
| | | ├──第13章：因子分析实战.zip 1.20M
| | | ├──第15章：基于回归的策略分析.zip 935.39kb
| | | ├──第16章：聚类与统计策略分析.zip 1004.71kb
| | | ├──第18章：深度学习时间序列预测.zip 14.02M
| | | ├──第6章：金融时间序列分析.zip 588.16kb
| | | ├──第7章：双均线交易策略实例.zip 747.87kb
| | | ├──第8章：策略评估指标.zip 363.20kb
| | | └──第9章：量化交易解读.zip 165.93kb
| | ├──第九模块：深度学习入门
| | | └──神经网络新.pdf 5.99M
| | ├──第六模块：Python数据分析与机器学习实战集锦
| | | ├──第七章：NLP常用工具包
| | | ├──第八章：NLP核心模型-word2vec.zip 2.15M
| | | ├──第二章：爱彼迎数据集分析与建模.zip 91.87M
| | | ├──第九章：自然语言处理特征提取方法对比.zip 1.22M
| | | ├──第六章：机器学习-模型解释方法实战.zip 4.66M
| | | ├──第三章：基于相似度的酒店推荐系统.zip 1.81M
| | | ├──第十二章：图像特征聚类分析实践.zip 12.31M
| | | ├──第十一章：银行客户还款可能性预测.zip 36.57M
| | | ├──第十章：数据特征预处理.zip 1.10M
| | | ├──第四章：商品销售额回归分析.zip 93.33M
| | | ├──第五章：绝地求生数据集探索分析与建模.zip 345.95M
| | | └──第一章：Python实战关联规则.zip 22.86M
| | ├──第七模块：数据挖掘竞赛-优胜解决方案
| | | ├──第八章：数据特征常用构建方法
| | | ├──第二章：工业化生产预测
| | | ├──第九章：用电敏感客户分类
| | | ├──第六章：贷款平台风控模型-特征工程
| | | ├──第七章：新闻关键词抽取模型
| | | ├──第三章：智慧城市道路通行时间预测
| | | ├──第十章：机器学习项目实战模板
| | | ├──第四章：特征工程建模可解释工具包
| | | ├──第五章：医学糖尿病数据命名实体识别
| | | └──第一章：快手用户活跃度预测
| | ├──第三模块：数学基础
| | | ├──统计分析
| | | ├──SVD.pdf 396.61kb
| | | ├──概率分布与概率密度.pdf 640.21kb
| | | ├──概率论.pdf 2.33M
| | | ├──高等数学.pdf 1.12M
| | | ├──核函数.pdf 477.72kb
| | | ├──后验概率估计.pdf 230.81kb
| | | ├──激活函数.pdf 264.40kb
| | | ├──矩阵.pdf 1.32M
| | | ├──拉格朗日乘子法.pdf 599.32kb
| | | ├──熵.pdf 267.74kb
| | | ├──似然函数.pdf 384.36kb
| | | ├──泰勒公式.pdf 777.52kb
| | | ├──特征值与特征向量.pdf 386.91kb
| | | ├──梯度.pdf 702.08kb
| | | └──微积分.pdf 960.85kb
| | ├──第四模块：机器学习实训营(原理+复现+实验)
| | | ├──1-线性回归原理推导
| | | ├──10-决策树原理
| | | ├──11-决策树代码实现
| | | ├──12-决策树实验分析
| | | ├──13-集成算法原理
| | | ├──14-集成算法实验分析
| | | ├──15-支持向量机原理推导
| | | ├──16-支持向量机实验分析
| | | ├──17-神经网络算法原理
| | | ├──18-神经网络代码实现
| | | ├──19-贝叶斯算法原理
| | | ├──2-线性回归代码实现
| | | ├──20-贝叶斯代码实现
| | | ├──21-关联规则实战分析
| | | ├──22-关联规则代码实现
| | | ├──23-词向量word2vec通俗解读
| | | ├──24-代码实现word2vec词向量模型
| | | ├──25-推荐系统原理
| | | ├──26-打造音乐推荐系统
| | | ├──27.28-主成分分析与线性判别分析
| | | ├──29-主成分分析降维算法解读
| | | ├──3-模型评估方法
| | | ├──3-线性回归实验分析
| | | ├──30-隐马尔科夫模型
| | | ├──31-HMM应用实例
| | | ├──5-逻辑回归代码实现
| | | ├──6-逻辑回归实验分析
| | | ├──7-聚类算法-Kmeans&Dbscan原理
| | | ├──8-Kmeans代码实现
| | | ├──9-聚类算法实验分析
| | | └──mldata
| | ├──第五模块：机器学习算法建模实战
| | | ├──Python实现音乐推荐系统
| | | ├──第十八章：基于贝叶斯的新闻分类实战
| | | ├──第十六章：基于随机森林的气温预测
| | | ├──第十一章：项目实战-交易数据异常检测
| | | ├──股票
| | | └──京东购买意向预测.zip 499.49M
| | ├──第一二模块：Python数据科学必备库(4个)
| | | ├──Matplotlib
| | | ├──Numpy
| | | ├──Pandas
| | | ├──Python基础
| | | └──Seaborn
| | └──选修机器学习进阶实战
| | | ├──第九章：EM算法
| | | ├──第六章：降维算法-线性判别分析
| | | ├──课程简介.doc 9.50kb
| | | ├──数据代码.txt 0.06kb
| | | └──新建 Microsoft Word 97 – 2003 文档.doc 9.00kb
├──1-直播回放
| ├──1-直播：开班典礼
| | └──1-开班典礼.mp4 1.41G
| ├──10-直播：对比学习与多模态任务
| | └──1-对比学习与多模态任务.mp4 1.33G
| ├──11-直播：GPT与Hugging face
| | ├──1-GPT与Hugging face(1).mp4 1.57G
| | └──1-GPT与Hugging face.mp4 1.57G
| ├──12-直播：自监督任务
| | └──1-自监督任务.mp4 1.24G
| ├──13-直播：知识蒸馏
| | └──1-知识蒸馏.mp4 1.53G
| ├──14-直播：分割Mask2former算法
| | └──1-分割Mask2former算法.mp4 452.34M
| ├──15-直播：多模态与交叉注意力应用
| | └──1-多模态与交叉注意力应用.mp4 1.43G
| ├──16-直播：时间序列timesnet与地理分类任务
| | └──1-时间序列timesnet与地理分类任务.mp4 1.27G
| ├──17-直播：论文写作与就业简历
| | └──1-论文写作与就业简历.mp4 1.15G
| ├──18-直播：知识图谱与LORA
| | └──1-知识图谱与LORA.mp4 1.49G
| ├──2-直播：Pycharm环境配置与Debug演示(没用过的同学必看)
| | └──1-Pycharm环境配置与Debug演示(没用过的同学必看).mp4 125.39M
| ├──3-直播：神经网络
| | └──1-神经网络.mp4 1.38G
| ├──4-直播：卷积神经网络
| | └──1-卷积神经网络.mp4 1.31G
| ├──5-直播：Transformer
| | └──1-Transformer.mp4 1.27G
| ├──6-直播：视觉Transformer Vit Debug解读
| | └──1-视觉Transformer Vit Debug解读.mp4 1.22G
| ├──7-直播：密集场景计数统计实战
| | └──1-密集场景计数统计实战.mp4 835.21M
| ├──8-直播：图神经网络
| | └──1-图神经网络.mp4 1.36G
| └──9-直播：Transformer Decoder在视觉任务的应用
| | └──1-Transformer Decoder在视觉任务的应用.mp4 1.40G
├──10-2022论⽂必备-Transformer实战系列
| ├──1-Transformer算法解读
| | └──1-Transformer算法解读.mp4 557.22M
| ├──10-MedicalTrasnformer论文解读
| | ├──1-论文整体分析.mp4 23.72M
| | ├──2-核心思想分析.mp4 54.26M
| | ├──3-网络结构计算流程概述.mp4 44.46M
| | ├──4-论文公式计算分析.mp4 46.93M
| | ├──5-位置编码的作用与效果.mp4 46.55M
| | └──6-拓展应用分析.mp4 56.52M
| ├──11-MedicalTransformer源码解读
| | ├──1-项目环境配置.mp4 25.29M
| | ├──2-医学数据介绍与分析.mp4 56.68M
| | ├──3-基本处理操作.mp4 25.77M
| | ├──4-AxialAttention实现过程.mp4 36.87M
| | ├──5-位置编码向量解读.mp4 27.80M
| | ├──6-注意力计算过程与方法.mp4 52.13M
| | └──7-局部特征提取与计算.mp4 40.92M
| ├──12-商汤LoFTR算法解读
| | ├──1-特征匹配的应用场景.mp4 87.35M
| | ├──10-总结分析.mp4 39.42M
| | ├──2-特征匹配的基本流程分析.mp4 15.91M
| | ├──3-整体流程梳理分析.mp4 16.46M
| | ├──4-CrossAttention的作用与效果.mp4 15.69M
| | ├──5-transformer构建匹配特征.mp4 33.79M
| | ├──6-粗粒度匹配过程与作用.mp4 26.00M
| | ├──7-特征图拆解操作.mp4 14.34M
| | ├──8-细粒度匹配的作用与方法.mp4 19.87M
| | └──9-基于期望预测最终位置.mp4 23.08M
| ├──13-局部特征关键点匹配实战
| | ├──1-项目与参数配置解读.mp4 44.48M
| | ├──10-得到精细化输出结果.mp4 19.35M
| | ├──11-通过期望计算最终输出.mp4 40.24M
| | ├──2-DEMO效果演示.mp4 39.57M
| | ├──3-backbone特征提取模块.mp4 28.65M
| | ├──4-注意力机制的作用与效果分析.mp4 30.98M
| | ├──5-特征融合模块实现方法.mp4 29.29M
| | ├──6-cross关系计算方法实例.mp4 29.30M
| | ├──7-粗粒度匹配过程.mp4 49.80M
| | ├──8-完成基础匹配模块.mp4 63.33M
| | └──9-精细化调整方法与实例.mp4 42.73M
| ├──14-分割模型Maskformer系列
| | └──1-分割模型Maskformer系列.mp4 776.88M
| ├──15-Mask2former源码解读
| | ├──1-Backbone获取多层级特征.mp4 35.79M
| | ├──10-正样本筛选损失计算.mp4 41.78M
| | ├──11-标签分类匹配结果分析.mp4 62.04M
| | ├──12-最终损失计算流程.mp4 52.29M
| | ├──13-汇总所有损失完成迭代.mp4 35.76M
| | ├──2-多层级采样点初始化构建.mp4 41.46M
| | ├──3-多层级输入特征序列创建方法.mp4 43.83M
| | ├──4-偏移量与权重计算并转换.mp4 48.78M
| | ├──5-Encoder特征构建方法实例.mp4 49.77M
| | ├──6-query要预测的任务解读.mp4 45.61M
| | ├──7-Decoder中的AttentionMask方法.mp4 50.89M
| | ├──8-损失模块输入参数分析.mp4 40.84M
| | └──9-标签分配策略解读.mp4 42.53M
| ├──16-BEV特征空间
| | └──1-BEV特征空间.mp4 523.07M
| ├──17-BevFormer源码解读
| | ├──1-环境配置方法解读.mp4 42.79M
| | ├──10-获取当前BEV特征.mp4 35.90M
| | ├──11-Decoder级联校正模块.mp4 41.58M
| | ├──12-损失函数与预测可视化.mp4 49.48M
| | ├──2-数据集下载与配置方法.mp4 53.57M
| | ├──3-特征提取以及BEV空间初始化.mp4 43.81M
| | ├──4-特征对齐与位置编码初始化.mp4 43.63M
| | ├──5-Reference初始点构建.mp4 37.26M
| | ├──6-BEV空间与图像空间位置对应.mp4 37.67M
| | ├──7-注意力机制模块计算方法.mp4 38.61M
| | ├──8-BEV空间特征构建.mp4 34.01M
| | └──9-Decoder要完成的任务分析.mp4 33.95M
| ├──18-时间序列预测
| | └──1-时间序列预测.mp4 375.40M
| ├──19-Informer时间序列源码解读
| | └──1-Informer时间序列源码解读.mp4 829.10M
| ├──2-视觉Transformer及其源码分析
| | └──1-视觉Transformer及其源码分析.mp4 878.23M
| ├──20-Huggingface与NLP(讲故事)
| | └──1-Huggingface与NLP(讲故事).mp4 163.59M
| ├──3-VIT算法模型源码解读
| | ├──1-项目配置说明.mp4 43.27M
| | ├──2-输入序列构建方法解读.mp4 29.80M
| | ├──3-注意力机制计算.mp4 28.04M
| | └──4-输出层计算结果.mp4 37.72M
| ├──4-swintransformer算法原理解析
| | ├──1-swintransformer整体概述.mp4 14.76M
| | ├──10-分层计算方法.mp4 21.71M
| | ├──2-要解决的问题及其优势分析.mp4 22.33M
| | ├──3-一个block要完成的任务.mp4 17.36M
| | ├──4-获取各窗口输入特征.mp4 18.99M
| | ├──5-基于窗口的注意力机制解读.mp4 29.53M
| | ├──6-窗口偏移操作的实现.mp4 24.27M
| | ├──7-偏移细节分析及其计算量概述.mp4 20.41M
| | ├──8-整体网络架构整合.mp4 20.88M
| | └──9-下采样操作实现方法.mp4 22.24M
| ├──5-swintransformer源码解读
| | ├──1-数据与环境配置解读.mp4 59.59M
| | ├──2-图像数据patch编码.mp4 37.62M
| | ├──3-数据按window进行划分计算.mp4 31.46M
| | ├──4-基础attention计算模块.mp4 27.58M
| | ├──5-窗口位移模块细节分析.mp4 36.81M
| | ├──6-patchmerge下采样操作.mp4 25.24M
| | ├──7-各block计算方法解读.mp4 27.91M
| | └──8-输出层概述.mp4 41.11M
| ├──6-基于Transformer的detr目标检测算法
| | ├──1-DETR目标检测基本思想解读.mp4 19.27M
| | ├──2-整体网络架构分析.mp4 31.54M
| | ├──3-位置信息初始化query向量.mp4 19.90M
| | ├──4-注意力机制的作用方法.mp4 20.79M
| | └──5-训练过程的策略.mp4 28.34M
| ├──7-detr目标检测源码解读
| | ├──1-项目环境配置解读.mp4 40.33M
| | ├──2-数据处理与dataloader.mp4 63.98M
| | ├──3-位置编码作用分析.mp4 47.86M
| | ├──4-backbone特征提取模块.mp4 35.54M
| | ├──5-mask与编码模块.mp4 34.68M
| | ├──6-编码层作用方法.mp4 42.78M
| | ├──7-Decoder层操作与计算.mp4 30.08M
| | ├──8-输出预测结果.mp4 41.20M
| | └──9-损失函数与预测输出.mp4 41.18M
| ├──8-DeformableDetr算法解读
| | └──1-DeformableDetr算法解读.mp4 730.35M
| └──9-DeformableDetr物体检测源码分析
| | ├──1-特征提取与位置编码.mp4 38.16M
| | ├──10-分类与回归输出模块.mp4 49.72M
| | ├──11-预测输出结果与标签匹配模块.mp4 44.31M
| | ├──2-序列特征展开并叠加.mp4 51.07M
| | ├──3-得到相对位置点编码.mp4 28.80M
| | ├──4-准备Encoder编码层所需全部输入.mp4 37.91M
| | ├──5-编码层中的序列分析.mp4 39.73M
| | ├──6-偏移量offset计算.mp4 46.09M
| | ├──7-偏移量对齐操作.mp4 39.80M
| | ├──8-Encoder层完成特征对齐.mp4 51.84M
| | └──9-Decoder要完成的操作.mp4 38.98M
├──11-图神经网络实战
| ├──1-图神经网络基础
| | ├──1-图神经网络应用领域分析.mp4 26.40M
| | ├──2-图基本模块定义.mp4 10.51M
| | ├──3-邻接矩阵的定义.mp4 16.06M
| | ├──4-GNN中常见任务.mp4 19.17M
| | ├──5-消息传递计算方法.mp4 14.23M
| | └──6-多层GCN的作用.mp4 13.00M
| ├──10-基于图模型的时间序列预测
| | └──1-基于图模型的时间序列预测.mp4 1021.16M
| ├──11-异构图神经网络
| | └──1-异构图神经网络.mp4 754.04M
| ├──2-图卷积GCN模型
| | ├──1-GCN基本模型概述.mp4 13.24M
| | ├──2-图卷积的基本计算方法.mp4 12.56M
| | ├──3-邻接的矩阵的变换.mp4 18.38M
| | └──4-GCN变换原理解读.mp4 21.12M
| ├──3-图模型必备神器PyTorch Geometric安装与使用
| | ├──1-PyTorch Geometric工具包安装与配置方法.mp4 45.07M
| | ├──2-数据集与邻接矩阵格式.mp4 51.92M
| | ├──3-模型定义与训练方法.mp4 41.92M
| | └──4-文献引用数据集分类案例实战.mp4 47.75M
| ├──4-使用PyTorch Geometric构建自己的图数据集
| | ├──1-构建数据集基本方法.mp4 13.47M
| | ├──2-数据集与任务背景概述.mp4 21.63M
| | ├──3-数据集基本预处理.mp4 31.50M
| | ├──4-用户行为图结构创建.mp4 36.67M
| | ├──5-数据集创建函数介绍.mp4 34.87M
| | ├──6-网络结构定义模块.mp4 36.87M
| | ├──7-TopkPooling进行下采样任务.mp4 31.30M
| | ├──8-获取全局特征.mp4 25.71M
| | └──9-模型训练与总结.mp4 35.84M
| ├──5-图注意力机制与序列图模型
| | ├──1-图注意力机制的作用与方法.mp4 16.53M
| | ├──2-邻接矩阵计算图Attention.mp4 21.40M
| | ├──3-序列图神经网络TGCN应用.mp4 12.59M
| | └──4-序列图神经网络细节.mp4 23.67M
| ├──6-图相似度论文解读
| | ├──1-要完成的任务分析.mp4 47.79M
| | ├──2-基本方法概述解读.mp4 52.67M
| | ├──3-图模型提取全局与局部特征.mp4 47.42M
| | ├──4-NTN模块的作用与效果.mp4 41.09M
| | ├──5-点之间的对应关系计算.mp4 51.22M
| | └──6-结果输出与总结.mp4 71.18M
| ├──7-图相似度计算实战
| | ├──1-数据集与任务概述.mp4 18.11M
| | ├──2-图卷积特征提取模块.mp4 55.92M
| | ├──3-分别计算不同Batch点的分布.mp4 31.70M
| | ├──4-获得直方图特征结果.mp4 21.11M
| | ├──5-图的全局特征构建.mp4 31.45M
| | ├──6-NTN图相似特征提取.mp4 39.25M
| | └──7-预测得到相似度结果.mp4 18.64M
| ├──8-基于图模型的轨迹估计
| | ├──1-数据集与标注信息解读.mp4 57.53M
| | ├──2-整体三大模块分析.mp4 71.83M
| | ├──3-特征工程的作用与效果.mp4 41.75M
| | ├──4-传统方法与现在向量空间对比.mp4 51.83M
| | ├──5-输入细节分析.mp4 49.96M
| | ├──6-子图模块构建方法.mp4 42.55M
| | ├──7-特征融合模块分析.mp4 47.67M
| | └──8-VectorNet输出层分析.mp4 85.45M
| └──9-图模型轨迹估计实战
| | ├──1-数据与环境配置.mp4 35.36M
| | ├──2-训练数据准备.mp4 27.69M
| | ├──3-Agent特征提取方法.mp4 37.87M
| | ├──4-DataLoader构建图结构.mp4 28.61M
| | └──5-SubGraph与Attention模型流程.mp4 34.55M
├──12-3D点云实战
| ├──1-3D点云实战 3D点云应用领域分析
| | ├──1-点云数据概述.mp4 49.53M
| | ├──2-点云应用领域与发展分析.mp4 82.18M
| | ├──3-点云分割任务.mp4 52.03M
| | ├──4-点云补全任务.mp4 29.17M
| | ├──5-点云检测与配准任务.mp4 59.58M
| | └──6-点云数据特征提取概述与预告.mp4 22.69M
| ├──2-3D点云PointNet算法
| | ├──1-3D数据应用领域与点云介绍.mp4 40.05M
| | ├──2-点云数据可视化展示.mp4 40.07M
| | ├──3-点云数据特性和及要解决的问题.mp4 33.08M
| | ├──4-PointNet算法出发点解读.mp4 17.46M
| | └──5-PointNet算法网络架构解读.mp4 31.01M
| ├──3-PointNet算法解读
| | ├──1-PointNet升级版算法要解决的问题.mp4 22.08M
| | ├──2-最远点采样方法.mp4 21.00M
| | ├──3-分组Group方法原理解读.mp4 32.79M
| | ├──4-整体流程概述分析.mp4 16.37M
| | ├──5-分类与分割问题解决方案.mp4 21.74M
| | └──6-遇到的问题及改进方法分析.mp4 13.43M
| ├──4-Pointnet项目实战
| | ├──1-项目文件概述.mp4 29.02M
| | ├──11-分割任务数据与配置概述.mp4 51.28M
| | ├──12-分割需要解决的任务概述.mp4 33.94M
| | ├──13-上采样完成分割任务.mp4 44.75M
| | ├──2-数据读取模块配置.mp4 39.23M
| | ├──3-DEBUG解读网络模型架构.mp4 24.25M
| | ├──4-最远点采样介绍.mp4 19.48M
| | ├──5-采样得到中心点.mp4 31.77M
| | ├──6-组区域划分方法.mp4 24.88M
| | ├──7-实现group操作得到各中心簇.mp4 35.00M
| | ├──8-特征提取模块整体流程.mp4 40.04M
| | └──9-预测结果输出模块.mp4 38.74M
| ├──5-点云补全PF-Net论文解读
| | ├──1-点云补全要解决的问题.mp4 23.13M
| | ├──2-基本解决方案概述.mp4 17.42M
| | ├──3-整体网络概述.mp4 20.61M
| | ├──4-网络计算流程.mp4 25.52M
| | └──5-输入与计算结果.mp4 65.02M
| ├──6-点云补全实战解读
| | ├──1-数据与项目配置解读.mp4 41.86M
| | ├──2-待补全数据准备方法.mp4 29.26M
| | ├──3-整体框架概述.mp4 49.10M
| | ├──4-MRE特征提取模块.mp4 40.36M
| | ├──5-分层预测输出模块.mp4 31.04M
| | ├──6-补全点云数据.mp4 35.21M
| | └──7-判别模块.mp4 48.59M
| ├──7-点云配准及其案例实战
| | ├──1-点云配准任务概述.mp4 20.00M
| | ├──2-配准要完成的目标解读.mp4 17.64M
| | ├──3-训练数据构建.mp4 23.43M
| | ├──4-任务基本流程.mp4 15.56M
| | ├──5-数据源配置方法.mp4 45.42M
| | ├──6-参数计算模块解读.mp4 21.85M
| | ├──7-基于模型预测输出参数.mp4 24.88M
| | ├──8-特征构建方法分析.mp4 34.65M
| | └──9-任务总结.mp4 33.31M
| └──8-基础补充-对抗生成网络架构原理与实战解析
| | ├──1-对抗生成网络通俗解释.mp4 18.39M
| | ├──2-GAN网络组成.mp4 10.73M
| | ├──3-损失函数解释说明.mp4 39.88M
| | ├──4-数据读取模块.mp4 29.93M
| | └──5-生成与判别网络定义.mp4 44.24M
├──13-面向深度学习的无人驾驶实战
| ├──1-深度估计算法原理解读
| | ├──1-深度估计效果与应用.mp4 98.47M
| | ├──10-损失计算.mp4 30.51M
| | ├──2-kitti数据集介绍.mp4 59.45M
| | ├──3-使用backbone获取层级特征.mp4 22.18M
| | ├──4-差异特征计算边界信息.mp4 26.49M
| | ├──5-SPP层的作用.mp4 15.27M
| | ├──6-空洞卷积与ASPP.mp4 18.94M
| | ├──7-特征拼接方法分析.mp4 21.24M
| | ├──8-网络coarse-to-fine过程.mp4 26.50M
| | └──9-权重参数预处理.mp4 27.50M
| ├──10-NeuralRecon项目源码解读
| | ├──1-Backbone得到特征图.mp4 36.02M
| | ├──2-初始化体素位置.mp4 41.51M
| | ├──3-坐标映射方法实现.mp4 26.66M
| | ├──4-得到体素所对应特征图.mp4 50.70M
| | ├──5-插值得到对应特征向量.mp4 32.36M
| | ├──6-得到一阶段输出结果.mp4 38.08M
| | ├──7-完成三个阶段预测结果.mp4 45.77M
| | └──8-项目总结.mp4 108.40M
| ├──11-TSDF算法与应用
| | ├──1-TSDF整体概述分析.mp4 23.16M
| | ├──2-合成过程DEMO演示.mp4 27.58M
| | ├──3-布局初始化操作.mp4 12.69M
| | ├──4-TSDF计算基本流程解读.mp4 23.93M
| | ├──5-坐标转换流程分析.mp4 31.10M
| | └──6-输出结果融合更新.mp4 34.23M
| ├──12-TSDF实战案例
| | ├──1-环境配置概述.mp4 32.66M
| | ├──2-初始化与数据读取.mp4 21.30M
| | └──3-计算得到TSDF输出.mp4 44.10M
| ├──13-轨迹估计算法与论文解读
| | ├──1-数据集与标注信息解读.mp4 57.53M
| | ├──2-整体三大模块分析.mp4 71.83M
| | ├──3-特征工程的作用与效果.mp4 41.75M
| | ├──4-传统方法与现在向量空间对比.mp4 51.83M
| | ├──5-输入细节分析.mp4 49.96M
| | ├──6-子图模块构建方法.mp4 42.55M
| | ├──7-特征融合模块分析.mp4 47.67M
| | └──8-VectorNet输出层分析.mp4 85.45M
| ├──14-轨迹估计预测实战
| | ├──1-数据与环境配置.mp4 35.43M
| | ├──2-训练数据准备.mp4 27.75M
| | ├──3-Agent特征提取方法.mp4 37.97M
| | ├──4-DataLoader构建图结构.mp4 28.68M
| | └──5-SubGraph与Attention模型流程.mp4 34.64M
| ├──15-特斯拉无人驾驶解读
| | └──1-特斯拉无人驾驶解读.mp4 644.17M
| ├──2-深度估计项目实战
| | ├──1-项目环境配置解读.mp4 52.89M
| | ├──10-损失函数通俗解读.mp4 65.84M
| | ├──11-模型DEMO输出结果.mp4 80.63M
| | ├──2-数据与标签定义方法.mp4 74.34M
| | ├──3-数据集dataloader制作.mp4 36.83M
| | ├──4-使用backbone进行特征提取.mp4 42.38M
| | ├──5-计算差异特征.mp4 30.69M
| | ├──6-权重参数标准化操作.mp4 42.56M
| | ├──7-网络结构ASPP层.mp4 47.25M
| | ├──8-特征拼接方法解读.mp4 47.64M
| | └──9-输出深度估计结果.mp4 25.45M
| ├──3-车道线检测算法与论文解读
| | ├──1-数据标签与任务分析.mp4 84.49M
| | ├──2-网络整体框架分析.mp4 28.89M
| | ├──3-输出结果分析.mp4 18.12M
| | ├──4-损失函数计算方法.mp4 27.30M
| | └──5-论文概述分析.mp4 62.39M
| ├──4-基于深度学习的车道线检测项目实战
| | ├──1-车道数据与标签解读.mp4 65.61M
| | ├──10-车道线规则损失函数限制.mp4 44.61M
| | ├──11-DEMO制作与配置.mp4 40.28M
| | ├──2-项目环境配置演示.mp4 29.98M
| | ├──3-制作数据集dataloader.mp4 54.62M
| | ├──4-车道线标签数据处理.mp4 34.18M
| | ├──5-四条车道线标签位置矩阵.mp4 22.28M
| | ├──6-grid设置方法.mp4 41.70M
| | ├──7-完成数据与标签制作.mp4 24.65M
| | ├──8-算法网络结构解读.mp4 59.95M
| | └──9-损失函数计算模块分析.mp4 45.66M
| ├──5-商汤LoFTR算法解读
| | ├──1-特征匹配的应用场景.mp4 87.35M
| | ├──10-总结分析.mp4 39.42M
| | ├──2-特征匹配的基本流程分析.mp4 15.91M
| | ├──3-整体流程梳理分析.mp4 16.46M
| | ├──4-CrossAttention的作用与效果.mp4 15.69M
| | ├──5-transformer构建匹配特征.mp4 33.79M
| | ├──6-粗粒度匹配过程与作用.mp4 26.00M
| | ├──7-特征图拆解操作.mp4 14.34M
| | ├──8-细粒度匹配的作用与方法.mp4 19.87M
| | └──9-基于期望预测最终位置.mp4 23.08M
| ├──6-局部特征关键点匹配实战
| | ├──1-项目与参数配置解读.mp4 44.48M
| | ├──10-得到精细化输出结果.mp4 19.39M
| | ├──11-通过期望计算最终输出.mp4 40.24M
| | ├──2-DEMO效果演示.mp4 39.56M
| | ├──3-backbone特征提取模块.mp4 28.70M
| | ├──4-注意力机制的作用与效果分析.mp4 31.04M
| | ├──5-特征融合模块实现方法.mp4 29.35M
| | ├──6-cross关系计算方法实例.mp4 29.36M
| | ├──7-粗粒度匹配过程.mp4 49.80M
| | ├──8-完成基础匹配模块.mp4 63.33M
| | └──9-精细化调整方法与实例.mp4 42.81M
| ├──7-三维重建应用与坐标系基础
| | ├──1-三维重建概述分析.mp4 66.80M
| | ├──2-三维重建应用领域概述.mp4 13.17M
| | ├──3-成像方法概述.mp4 16.33M
| | ├──4-相机坐标系.mp4 17.15M
| | ├──5-坐标系转换方法解读.mp4 20.91M
| | ├──6-相机内外参.mp4 17.01M
| | ├──7-通过内外参数进行坐标变换.mp4 16.47M
| | └──8-相机标定简介.mp4 5.50M
| ├──8-NeuralRecon算法解读
| | ├──1-任务流程分析.mp4 19.35M
| | ├──2-基本框架熟悉.mp4 27.45M
| | ├──3-特征映射方法解读.mp4 34.68M
| | ├──4-片段融合思想.mp4 16.72M
| | └──5-整体架构重构方法.mp4 23.00M
| └──9-NeuralRecon项目环境配置
| | ├──1-数据集下载与配置方法.mp4 52.41M
| | ├──2-Scannet数据集内容概述.mp4 37.26M
| | ├──3-TSDF标签生成方法.mp4 55.30M
| | ├──4-ISSUE的作用.mp4 49.23M
| | └──5-完成依赖环境配置.mp4 57.11M
├──14-对比学习与多模态任务实战
| ├──1-对比学习算法与实例
| | └──1-对比学习算法与实例.mp4 549.52M
| ├──2-CLIP系列
| | └──1-CLIP系列.mp4 621.00M
| ├──3-多模态3D目标检测算法源码解读
| | ├──1-环境配置与数据集概述.mp4 51.52M
| | ├──10-3D卷积特征融合.mp4 56.76M
| | ├──11-输出层预测结果.mp4 80.80M
| | ├──2-数据与标注文件介绍.mp4 37.49M
| | ├──3-基本流程梳理并进入debug模式.mp4 50.33M
| | ├──4-数据与图像特征提取模块.mp4 58.02M
| | ├──5-体素索引位置获取.mp4 64.72M
| | ├──6-体素特征提取方法解读.mp4 37.57M
| | ├──7-体素特征计算方法分析.mp4 70.71M
| | ├──8-全局体素特征提取.mp4 95.96M
| | └──9-多模态特征融合.mp4 68.36M
| ├──4-多模态文字识别
| | └──1-多模态文字识别.mp4 766.02M
| └──5-ANINET源码解读
| | ├──1-数据集与环境概述.mp4 55.58M
| | ├──2-配置文件修改方法.mp4 52.49M
| | ├──3-Bakbone模块得到特征.mp4 42.10M
| | ├──4-视觉Transformer模块的作用.mp4 45.97M
| | ├──5-视觉模型中的编码与解码的效果.mp4 54.49M
| | ├──6-文本模型中的结构分析.mp4 38.66M
| | ├──7-迭代修正模块.mp4 38.14M
| | └──8-输出层与损失计算.mp4 52.81M
├──15-缺陷检测实战
| ├──1-课程介绍
| | └──1-课程介绍.mp4 26.71M
| ├──10-基于Opencv缺陷检测项⽬实战
| | ├──1-任务需求与环境配置.mp4 15.40M
| | ├──2-数据读取与基本处理.mp4 26.63M
| | ├──3-缺陷形态学操作.mp4 26.46M
| | ├──4-整体流程解读.mp4 23.65M
| | └──5-缺陷检测效果演示.mp4 50.91M
| ├──11-基于视频流⽔线的Opencv缺陷检测项⽬
| | ├──1-数据与任务概述.mp4 16.48M
| | ├──2-视频数据读取与轮廓检测.mp4 20.83M
| | ├──3-目标质心计算.mp4 32.47M
| | ├──4-视频数据遍历方法.mp4 31.41M
| | ├──5-缺陷区域提取.mp4 36.00M
| | ├──6-不同类型的缺陷检测方法.mp4 36.77M
| | └──7-检测效果演示.mp4 25.73M
| ├──12-图像分割deeplab系列算法
| | ├──1-deeplab分割算法概述.mp4 13.81M
| | ├──2-空洞卷积的作用.mp4 16.74M
| | ├──3-感受野的意义.mp4 19.37M
| | ├──4-SPP层的作用.mp4 19.02M
| | ├──5-ASPP特征融合策略.mp4 13.45M
| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M
| ├──13-基于deeplabV3+版本进⾏VOC分割实战
| | ├──1-PascalVoc数据集介绍.mp4 70.12M
| | ├──2-项目参数与数据集读取.mp4 60.32M
| | ├──3-网络前向传播流程.mp4 33.10M
| | ├──4-ASPP层特征融合.mp4 51.19M
| | └──5-分割模型训练.mp4 34.97M
| ├──14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程
| | ├──1-数据集与任务概述.mp4 31.09M
| | ├──2-开源项目应用方法.mp4 36.52M
| | ├──3-github与kaggle中需要注意的点.mp4 40.24M
| | ├──4-源码的利用方法.mp4 89.46M
| | ├──5-数据集制作方法.mp4 75.53M
| | ├──6-数据路径配置.mp4 54.55M
| | ├──7-训练模型.mp4 34.38M
| | └──8-任务总结.mp4 43.02M
| ├──2-物体检框架YOLO-V4版本算法解读
| | ├──1-V4版本整体概述.mp4 15.06M
| | ├──10-PAN模块解读.mp4 20.64M
| | ├──11-激活函数与整体架构总结.mp4 19.19M
| | ├──2-V4版本贡献解读.mp4 10.06M
| | ├──3-数据增强策略分析.mp4 24.70M
| | ├──4-DropBlock与标签平滑方法.mp4 19.36M
| | ├──5-损失函数遇到的问题.mp4 14.26M
| | ├──6-CIOU损失函数定义.mp4 10.82M
| | ├──7-NMS细节改进.mp4 16.66M
| | ├──8-SPP与CSP网络结构.mp4 14.81M
| | └──9-SAM注意力机制模块.mp4 22.48M
| ├──3-物体检测框架YOLOV5版本项目配置
| | ├──1-整体项目概述.mp4 35.77M
| | ├──2-训练自己的数据集方法.mp4 41.32M
| | ├──3-训练数据参数配置.mp4 51.48M
| | └──4-测试DEMO演示.mp4 50.47M
| ├──4-物体检测框架YOLOV5项目工程源码解读
| | ├──1-数据源DEBUG流程解读.mp4 48.13M
| | ├──10-完成配置文件解析任务.mp4 58.80M
| | ├──11-前向传播计算.mp4 30.80M
| | ├──12-BottleneckCSP层计算方法.mp4 33.82M
| | ├──13-SPP层计算细节分析.mp4 29.17M
| | ├──14-Head层流程解读.mp4 29.19M
| | ├──15-上采样与拼接操作.mp4 21.48M
| | ├──16-输出结果分析.mp4 41.71M
| | ├──17-超参数解读.mp4 34.94M
| | ├──18-命令行参数介绍.mp4 44.26M
| | ├──19-训练流程解读.mp4 46.81M
| | ├──2-图像数据源配置.mp4 34.65M
| | ├──20-各种训练策略概述.mp4 38.43M
| | ├──21-模型迭代过程.mp4 38.42M
| | ├──3-加载标签数据.mp4 26.33M
| | ├──4-Mosaic数据增强方法.mp4 28.19M
| | ├──5-数据四合一方法与流程演示.mp4 41.69M
| | ├──6-getItem构建batch.mp4 33.03M
| | ├──7-网络架构图可视化工具安装.mp4 34.33M
| | ├──8-V5网络配置文件解读.mp4 35.74M
| | └──9-Focus模块流程分析.mp4 21.93M
| ├──5-基于YOLOV5的钢材缺陷检测实战
| | ├──1-任务需求与项目概述.mp4 14.14M
| | ├──2-数据与标签配置方法.mp4 38.42M
| | ├──3-标签转换格式脚本制作.mp4 30.57M
| | ├──4-各版本模型介绍分析.mp4 33.52M
| | ├──5-项目参数配置.mp4 27.21M
| | ├──6-缺陷检测模型训练.mp4 34.15M
| | └──7-输出结果与项目总结.mp4 45.20M
| ├──6-Semi-supervised布料缺陷检测实战
| | ├──1-任务目标与流程概述.mp4 53.72M
| | ├──2-论文思想与模型分析.mp4 129.03M
| | ├──3-项目配置解读.mp4 63.00M
| | ├──4-网络流程分析.mp4 37.48M
| | └──5-输出结果展示.mp4 39.29M
| ├──7-Opencv图像常⽤处理⽅法实例
| | ├──1-计算机眼中的图像.mp4 30.88M
| | ├──10-膨胀操作.mp4 12.25M
| | ├──11-开运算与闭运算.mp4 9.32M
| | ├──12-梯度计算.mp4 7.85M
| | ├──13-礼帽与黑帽.mp4 15.88M
| | ├──2-视频的读取与处理.mp4 46.97M
| | ├──3-ROI区域.mp4 15.37M
| | ├──4-边界填充.mp4 21.46M
| | ├──5-数值计算.mp4 40.04M
| | ├──6-图像阈值.mp4 30.85M
| | ├──7-图像平滑处理.mp4 24.77M
| | ├──8-高斯与中值滤波.mp4 20.61M
| | └──9-腐蚀操作.mp4 20.99M
| ├──8-Opencv梯度计算与边缘检测实例
| | ├──1-Canny边缘检测流程.mp4 18.97M
| | ├──2-非极大值抑制.mp4 18.32M
| | ├──3-边缘检测效果.mp4 36.63M
| | ├──4-Sobel算子.mp4 27.00M
| | ├──5-梯度计算方法.mp4 30.29M
| | └──6-scharr与lapkacian算子.mp4 27.39M
| └──9-Opencv轮廓检测与直⽅图
| | ├──1-图像金字塔定义.mp4 19.68M
| | ├──10-均衡化效果.mp4 27.21M
| | ├──11-傅里叶概述.mp4 38.86M
| | ├──12-频域变换结果.mp4 26.32M
| | ├──13-低通与高通滤波.mp4 27.40M
| | ├──2-金字塔制作方法.mp4 25.47M
| | ├──3-轮廓检测方法.mp4 19.37M
| | ├──4-轮廓检测结果.mp4 34.44M
| | ├──5-轮廓特征与近似.mp4 37.62M
| | ├──6-模板匹配方法.mp4 47.45M
| | ├──7-匹配效果展示.mp4 21.20M
| | ├──8-直方图定义.mp4 23.64M
| | └──9-均衡化原理.mp4 31.35M
├──16-行人重识别实战
| ├──1-行人重识别原理及其应用
| | ├──1-行人重识别要解决的问题.mp4 17.26M
| | ├──2-挑战与困难分析.mp4 35.89M
| | ├──3-评估标准rank1指标.mp4 14.05M
| | ├──4-map值计算方法.mp4 15.70M
| | ├──5-triplet损失计算实例.mp4 25.16M
| | └──6-Hard-Negative方法应用.mp4 27.27M
| ├──2-基于注意力机制的Reld模型论文解读
| | ├──1-论文整体思想及注意力机制的作用解读.mp4 50.47M
| | ├──2-空间权重值计算流程分析.mp4 32.88M
| | ├──3-融合空间注意力所需特征.mp4 27.38M
| | └──4-基于特征图的注意力计算.mp4 66.01M
| ├──3-基于Attention的行人重识别项目实战
| | ├──1-项目环境与数据集配置.mp4 49.78M
| | ├──2-参数配置与整体架构分析.mp4 65.40M
| | ├──3-进入debug模式解读网络计算流程.mp4 30.56M
| | ├──4-获得空间位置点之间的关系.mp4 43.11M
| | ├──5-组合关系特征图.mp4 39.65M
| | ├──6-计算得到位置权重值.mp4 38.01M
| | ├──7-基于特征图的权重计算.mp4 25.57M
| | ├──8-损失函数计算实例解读.mp4 60.36M
| | └──9-训练与测试模块演示.mp4 75.66M
| ├──4-AAAI2020顶会算法精讲
| | ├──1-论文整体框架概述.mp4 16.23M
| | ├──2-局部特征与全局关系计算方法.mp4 15.39M
| | ├──3-特征分组方法.mp4 15.12M
| | ├──4-GCP模块特征融合方法.mp4 28.45M
| | ├──5-oneVsReset方法实例.mp4 15.63M
| | └──6-损失函数应用位置.mp4 16.80M
| ├──5-项目实战-基于行人局部特征融合的再识别实战
| | ├──1-项目配置与数据集介绍.mp4 67.72M
| | ├──10-得到所有分组特征结果.mp4 51.20M
| | ├──11-损失函数与训练过程演示.mp4 42.52M
| | ├──12-测试与验证模块.mp4 47.02M
| | ├──2-数据源构建方法分析.mp4 41.23M
| | ├──3-dataloader加载顺序解读.mp4 27.96M
| | ├──4-debug模式解读.mp4 62.34M
| | ├──5-网络计算整体流程演示.mp4 30.51M
| | ├──6-特征序列构建.mp4 41.00M
| | ├──7-GCP全局特征提取.mp4 39.65M
| | ├──8-局部特征提取实例.mp4 52.39M
| | └──9-特征组合汇总.mp4 49.29M
| ├──6-旷视研究院最新算法解读(基于图模型)
| | ├──1-关键点位置特征构建.mp4 22.40M
| | ├──2-图卷积与匹配的作用.mp4 24.41M
| | ├──3-局部特征热度图计算.mp4 24.78M
| | ├──4-基于图卷积构建人体拓扑关系.mp4 29.82M
| | ├──5-图卷积模块实现方法.mp4 27.54M
| | ├──6-图匹配在行人重识别中的作用.mp4 18.07M
| | └──7-整体算法框架分析.mp4 24.09M
| ├──7-基于拓扑图的行人重识别项目实战
| | ├──1-数据集与环境配置概述.mp4 48.08M
| | ├──10-整体项目总结.mp4 79.79M
| | ├──2-局部特征准备方法.mp4 47.66M
| | ├──3-得到一阶段热度图结果.mp4 42.07M
| | ├──4-阶段监督训练.mp4 78.61M
| | ├──5-初始化图卷积模型.mp4 34.82M
| | ├──6-mask矩阵的作用.mp4 40.13M
| | ├──7-邻接矩阵学习与更新.mp4 50.98M
| | ├──8-基于拓扑结构组合关键点特征.mp4 63.20M
| | └──9-图匹配模块计算流程.mp4 67.63M
| └──8-额外补充：行人搜索源码分析
| | ├──1-项目概述.mp4 26.15M
| | ├──2-项目概述.mp4 31.61M
| | ├──3-数据与标签读取模块.mp4 57.97M
| | ├──4-通过配置文件读取模型位置.mp4 37.97M
| | ├──5-BackBone位置与流程.mp4 52.30M
| | ├──6-Neck层操作方法.mp4 33.12M
| | ├──7-Head层预测模块.mp4 40.06M
| | ├──8-损失函数计算模块.mp4 54.31M
| | └──9-总结概述.mp4 34.10M
├──17-对抗生成网络实战
| ├──1-课程介绍
| | └──1-课程介绍.mp4 28.55M
| ├──2-对抗生成网络架构原理与实战解析
| | ├──1-对抗生成网络通俗解释.mp4 18.39M
| | ├──2-GAN网络组成.mp4 10.73M
| | ├──3-损失函数解释说明.mp4 39.88M
| | ├──4-数据读取模块.mp4 29.93M
| | └──5-生成与判别网络定义.mp4 44.24M
| ├──3-基于CycleGan开源项目实战图像合成
| | ├──1-CycleGan网络所需数据.mp4 37.56M
| | ├──10-额外补充：VISDOM可视化配置.mp4 38.69M
| | ├──2-CycleGan整体网络架构.mp4 21.36M
| | ├──3-PatchGan判别网络原理.mp4 11.45M
| | ├──4-Cycle开源项目简介.mp4 46.41M
| | ├──5-数据读取与预处理操作.mp4 57.93M
| | ├──6-生成网络模块构造.mp4 48.52M
| | ├──7-判别网络模块构造.mp4 19.77M
| | ├──8-损失函数：identity loss计算方法.mp4 37.16M
| | └──9-生成与判别损失函数指定.mp4 54.69M
| ├──4-stargan论文架构解析
| | ├──1-stargan效果演示分析.mp4 27.95M
| | ├──2-网络架构整体思路解读.mp4 30.84M
| | ├──3-建模流程分析.mp4 42.55M
| | ├──4-V1版本存在的问题及后续改进思路.mp4 60.74M
| | ├──5-V2版本在整体网络架构.mp4 63.67M
| | ├──6-编码器训练方法.mp4 53.45M
| | ├──7-损失函数公式解析.mp4 49.43M
| | └──8-训练过程分析.mp4 34.17M
| ├──5-stargan项目实战及其源码解读
| | ├──1-测试模块效果与实验分析.mp4 29.95M
| | ├──10-生成模块损失计算.mp4 70.07M
| | ├──2-项目配置与数据源下载.mp4 21.51M
| | ├──3-测试效果演示.mp4 34.97M
| | ├──4-项目参数解析.mp4 27.62M
| | ├──5-生成器模块源码解读.mp4 53.18M
| | ├──6-所有网络模块构建实例.mp4 46.52M
| | ├──7-数据读取模块分析.mp4 56.60M
| | ├──8-判别器损失计算.mp4 32.90M
| | └──9-损失计算详细过程.mp4 45.76M
| ├──6-基于starganvc2的变声器论文原理解读
| | ├──1-论文整体思路与架构解读.mp4 34.66M
| | ├──2-VCC2016输入数据.mp4 20.76M
| | ├──3-语音特征提取.mp4 30.57M
| | ├──4-生成器模型架构分析.mp4 15.81M
| | ├──5-InstanceNorm的作用解读.mp4 18.58M
| | ├──6-AdaIn的目的与效果.mp4 13.18M
| | └──7-判别器模块分析.mp4 114.03M
| ├──7-starganvc2变声器项目实战及其源码解读
| | ├──1-数据与项目文件解读.mp4 21.80M
| | ├──10-源码损失计算流程.mp4 34.82M
| | ├──11-测试模块-生成转换语音.mp4 47.17M
| | ├──2-环境配置与工具包安装.mp4 37.11M
| | ├──3-数据预处理与声音特征提取.mp4 88.49M
| | ├──4-生成器构造模块解读.mp4 41.33M
| | ├──5-下采样与上采样操作.mp4 35.48M
| | ├──6-starganvc2版本标签输入分析.mp4 49.96M
| | ├──7-生成器前向传播维度变化.mp4 26.49M
| | ├──8-判别器模块解读.mp4 35.22M
| | └──9-论文损失函数.mp4 100.48M
| ├──8-图像超分辨率重构实战
| | ├──1-论文概述.mp4 46.83M
| | ├──2-网络架构.mp4 106.93M
| | ├──3-数据与环境配置.mp4 26.90M
| | ├──4-数据加载与配置.mp4 39.14M
| | ├──5-生成模块.mp4 48.50M
| | ├──6-判别模块.mp4 44.60M
| | ├──7-VGG特征提取网络.mp4 35.88M
| | ├──8-损失函数与训练.mp4 89.00M
| | └──9-测试模块.mp4 90.79M
| └──9-基于GAN的图像补全实战
| | ├──1-论文概述.mp4 75.09M
| | ├──2-网络架构.mp4 30.75M
| | ├──3-细节设计.mp4 77.69M
| | ├──4-论文总结.mp4 67.30M
| | ├──5-数据与项目概述.mp4 45.92M
| | ├──6-参数基本设计.mp4 81.81M
| | ├──7-网络结构配置.mp4 71.57M
| | ├──8-网络迭代训练.mp4 92.87M
| | └──9-测试模块.mp4 48.39M
├──17-对抗生成网络实战(1)
| ├──1-课程介绍
| | └──1-课程介绍.mp4 28.55M
| ├──2-对抗生成网络架构原理与实战解析
| | ├──1-对抗生成网络通俗解释.mp4 18.39M
| | ├──2-GAN网络组成.mp4 10.73M
| | ├──3-损失函数解释说明.mp4 39.88M
| | ├──4-数据读取模块.mp4 29.93M
| | └──5-生成与判别网络定义.mp4 44.24M
| ├──3-基于CycleGan开源项目实战图像合成
| | ├──1-CycleGan网络所需数据.mp4 37.56M
| | ├──10-额外补充：VISDOM可视化配置.mp4 38.69M
| | ├──2-CycleGan整体网络架构.mp4 21.36M
| | ├──3-PatchGan判别网络原理.mp4 11.45M
| | ├──4-Cycle开源项目简介.mp4 46.41M
| | ├──5-数据读取与预处理操作.mp4 57.93M
| | ├──6-生成网络模块构造.mp4 48.52M
| | ├──7-判别网络模块构造.mp4 19.77M
| | ├──8-损失函数：identity loss计算方法.mp4 37.16M
| | └──9-生成与判别损失函数指定.mp4 54.69M
| ├──4-stargan论文架构解析
| | ├──1-stargan效果演示分析.mp4 27.95M
| | ├──2-网络架构整体思路解读.mp4 30.84M
| | ├──3-建模流程分析.mp4 42.55M
| | ├──4-V1版本存在的问题及后续改进思路.mp4 60.74M
| | ├──5-V2版本在整体网络架构.mp4 63.67M
| | ├──6-编码器训练方法.mp4 53.45M
| | ├──7-损失函数公式解析.mp4 49.43M
| | └──8-训练过程分析.mp4 34.17M
| ├──5-stargan项目实战及其源码解读
| | ├──1-测试模块效果与实验分析.mp4 29.95M
| | ├──10-生成模块损失计算.mp4 70.07M
| | ├──2-项目配置与数据源下载.mp4 21.51M
| | ├──3-测试效果演示.mp4 34.97M
| | ├──4-项目参数解析.mp4 27.62M
| | ├──5-生成器模块源码解读.mp4 53.18M
| | ├──6-所有网络模块构建实例.mp4 46.52M
| | ├──7-数据读取模块分析.mp4 56.60M
| | ├──8-判别器损失计算.mp4 32.90M
| | └──9-损失计算详细过程.mp4 45.76M
| ├──6-基于starganvc2的变声器论文原理解读
| | ├──1-论文整体思路与架构解读.mp4 34.66M
| | ├──2-VCC2016输入数据.mp4 20.76M
| | ├──3-语音特征提取.mp4 30.57M
| | ├──4-生成器模型架构分析.mp4 15.81M
| | ├──5-InstanceNorm的作用解读.mp4 18.58M
| | ├──6-AdaIn的目的与效果.mp4 13.18M
| | └──7-判别器模块分析.mp4 114.03M
| ├──7-starganvc2变声器项目实战及其源码解读
| | ├──1-数据与项目文件解读.mp4 21.80M
| | ├──10-源码损失计算流程.mp4 34.82M
| | ├──11-测试模块-生成转换语音.mp4 47.17M
| | ├──2-环境配置与工具包安装.mp4 37.11M
| | ├──3-数据预处理与声音特征提取.mp4 88.49M
| | ├──4-生成器构造模块解读.mp4 41.33M
| | ├──5-下采样与上采样操作.mp4 35.48M
| | ├──6-starganvc2版本标签输入分析.mp4 49.96M
| | ├──7-生成器前向传播维度变化.mp4 26.49M
| | ├──8-判别器模块解读.mp4 35.22M
| | └──9-论文损失函数.mp4 100.48M
| ├──8-图像超分辨率重构实战
| | ├──1-论文概述.mp4 46.83M
| | ├──2-网络架构.mp4 106.93M
| | ├──3-数据与环境配置.mp4 26.90M
| | ├──4-数据加载与配置.mp4 39.14M
| | ├──5-生成模块.mp4 48.50M
| | ├──6-判别模块.mp4 44.60M
| | ├──7-VGG特征提取网络.mp4 35.88M
| | ├──8-损失函数与训练.mp4 89.00M
| | └──9-测试模块.mp4 90.79M
| └──9-基于GAN的图像补全实战
| | ├──1-论文概述.mp4 75.09M
| | ├──2-网络架构.mp4 30.75M
| | ├──3-细节设计.mp4 77.69M
| | ├──4-论文总结.mp4 67.30M
| | ├──5-数据与项目概述.mp4 45.92M
| | ├──6-参数基本设计.mp4 81.81M
| | ├──7-网络结构配置.mp4 71.57M
| | ├──8-网络迭代训练.mp4 92.87M
| | └──9-测试模块.mp4 48.39M
├──18-强化学习与AI黑科技实例
| ├──1-强化学习简介及其应用
| | ├──1-一张图通俗解释强化学习.mp4 17.69M
| | ├──2-强化学习的指导依据.mp4 20.19M
| | ├──3-强化学习AI游戏DEMO.mp4 20.36M
| | ├──4-应用领域简介.mp4 17.34M
| | ├──5-强化学习工作流程.mp4 14.78M
| | └──6-计算机眼中的状态与行为.mp4 20.09M
| ├──10-CLIP系列
| | └──1-CLIP系列.mp4 621.00M
| ├──11-Diffusion模型解读
| | └──1-Diffusion模型解读.mp4 737.53M
| ├──12-Dalle2及其源码解读
| | └──1-Dalle2源码解读.mp4 614.12M
| ├──13-ChatGPT
| | └──1-ChatGPT.mp4 382.23M
| ├──2-PPO算法与公式推导
| | ├──1-基本情况介绍.mp4 28.05M
| | ├──2-与环境交互得到所需数据.mp4 23.17M
| | ├──3-要完成的目标分析.mp4 24.51M
| | ├──4-策略梯度推导.mp4 21.76M
| | ├──5-baseline方法.mp4 18.36M
| | ├──6-OnPolicy与OffPolicy策略.mp4 20.77M......
....
..