文件清单 191 项

• 课件.zip
• 点此获取更多知识.txt
• 3:人工智能时代是发展的必然.mp4
• 7:深度学习比传统机器学习有优势.mp4
• 1:人工智能就业前景与薪资.mp4
• 9:无监督机器学习任务与本质.mp4
• 8:有监督机器学习任务与本质.mp4
• 6:机器学习不同的学习方式.mp4
• 4:人工智能在各领域的应用.mp4

展开全部 191 项

• 5:人工智能常见流程.mp4
• 11:导数判断凹凸性_导数用于泰勒展开.mp4
• 40:随机变量.mp4
• 49:牛顿法公式推导以及优缺点.mp4
• 24:高阶偏导数_梯度.mp4
• 19:矩阵的运算_加减法_转置.mp4
• 3:最优化知识_数学内容学习重点.mp4
• 42:常用随机变量服从的分布.mp4
• 47:梯度下降法思路.mp4
• 23:多元函数求偏导.mp4
• 34:求解奇异值分解中的UΣV矩阵.mp4
• 25:雅可比矩阵_在神经网络中应用.mp4
• 48:梯度下降法的推导.mp4
• 12:向量的意义_n维欧式空间空间.mp4
• 54:拉格朗日函数.mp4
• 46:迭代求解的原因.mp4
• 8:复合函数求导法则.mp4
• 50:坐标下降法_数值优化面临的问题.mp4
• 20:矩阵相乘.mp4
• 6:常见函数的求导公式.mp4
• 22:矩阵的行列式.mp4
• 15:学习向量计算的用途举例.mp4
• 21:矩阵的逆矩阵.mp4
• 4:导数的定义_左导数和右导数.mp4
• 32:多元函数的泰勒展开_矩阵和向量的求导.mp4
• 27:二次型.mp4
• 9:推导激活函数的导函数.mp4
• 51:凸集.mp4
• 7:导数求解的四则运算法则.mp4
• 41:数学期望和方差.mp4
• 36:SVD用于PCA降维.mp4
• 19:MaskRCNN源码config和model.mp4
• 14:MaskRCNN网络结构.mp4
• 17:MaskRCNN根据文档和论文总结重要的知识点.mp4
• 16:MaskRCNN网络架构回顾.mp4
• 3:线性插值.mp4
• 5:转置卷积_以及TF的API.mp4
• 7:ROIAlign.mp4
• 9:FPN应用于FasterRCNN_ResNetFPN.mp4
• 1:前言.mp4
• 8:FPN思想与网络结构.mp4
• 2:上采样_repeat.mp4
• 4:双线性插值.mp4
• 6:双线性插值作为转置卷积核的初始参数.mp4
• 12:UNet网络结构.mp4
• 13:UNet网络医疗图像的语义分割.mp4
• 10:语义分割的基本概念.mp4
• 11:FCN全卷积网络做语义分割.mp4
• 30:FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02.mp4
• 24:FasterRCNN代码_给RPN准备正负例样本_04.mp4
• 16:FasterRCNN代码_构建RPN网络_01.mp4
• 28:FasterRCNN代码_给RPN准备正负例样本_08.mp4
• 13:回归整体训练流程_详解读取数据blob_03.mp4
• 31:FasterRCNN代码_添加Loss损失_smoothL1loss.mp4
• 26:FasterRCNN代码_给RPN准备正负例样本_06.mp4
• 19:FasterRCNN代码_根据RPN网络得到校正后的预测的框_02.mp4
• 15:FasterRCNN代码_构建head.mp4
• 29:FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_01.mp4
• 14:回归整体训练流程_详解读取数据blob_04.mp4
• 27:FasterRCNN代码_给RPN准备正负例样本_07.mp4
• 12:回归整体训练流程_详解读取数据blob_02.mp4
• 22:FasterRCNN代码_给RPN准备正负例样本_02.mp4
• 18:FasterRCNN代码_根据RPN网络得到校正后的预测的框_01.mp4
• 25:FasterRCNN代码_给RPN准备正负例样本_05.mp4
• 21:FasterRCNN代码_给RPN准备正负例样本_01.mp4
• 17:FasterRCNN代码_构建RPN网络_02.mp4
• 11:回归整体训练流程_详解读取数据blob_01.mp4
• 20:FasterRCNN代码_bbox剪裁_NMS非极大值抑制.mp4
• 23:FasterRCNN代码_给RPN准备正负例样本_03.mp4
• 2:基于CascadeClassifier来提取目标框做车牌识别代码详解_02.mp4
• 1:基于CascadeClassifier来提取目标框做车牌识别代码详解_01.mp4
• 4:基于CascadeClassifier来提取目标框做车牌识别代码详解_04.mp4
• 3:基于CascadeClassifier来提取目标框做车牌识别代码详解_03.mp4
• 4:Jupyter安装和代码运行.mp4
• 5:Jupyter常用快捷键.mp4
• 3:Pycharm安装和代码运行.mp4
• 6:Conda虚拟环境创建与Python模块安装.mp4
• 2:Miniconda安装和测试.mp4
• 人工智能-第1阶段python进阶和高级编程.pdf
• 7:关联虚拟环境运行代码.mp4
• 人工智能-第1阶段Python基础.pdf
• 17-深度学习-语义分割原理和实战/
• 02,人工智能基础-Python基础/
• 27-[加课]算法与数据结构/
• 06,机器学习-线性分类/
• 16-深度学习-目标检测YOLO(V1-V4全版本)实战/
• 11-机器学习与大数据-海量数据挖掘工具/
• 07,机器学习-无监督学习/
• 08,机器学习-决策树系列/
• 05,机器学习-线性回归/
• 26-[加课]Linux环境编程基础/
• 19-深度学习-NLP自然语言处理原理和进阶/
• 01,人工智能基础-快速入门/
• 25,[加课]百度飞桨PaddlePaddle实战[新增]/
• 13-深度学习-原理和进阶/
• 14-深度学习-图像识别原理/
• 31,[加课]强化学习[新增]/
• 09,机器学习-概率图模型/
• 10,机器学习与大数据-Kaggle竞赛实战/
• 03,人工智能基础-Python科学计算和可视化/
• 21-深度学习-OCR文本识别/
• 04,人工智能基础-高等数学知识强化/
• 章节3:蒙版弹幕MaskRCNN语义分割/
• 章节1:上采样_双线性插值_转置卷积/
• 章节2:医疗图像UNet语义分割/
• 章节3:图像风格迁移/
• 章节2:自然场景下的目标检测及源码分析/
• 章节1:车牌识别/
• 章节1:Python开发环境搭建/
• 章节2:Python基础语法/
• 章节1:算法与数据结构/
• 章节1:逻辑回归/
• 章节3:SVM支持向量机算法/
• 章节4:SMO优化算法/
• 章节2:Softmax回归/
• 章节3:YOLOv3详解/
• 章节5:YOLOv4详解/
• 章节1:YOLOv1详解/
• 章节4:YOLOv3代码实战/
• 章节2:YOLOv2详解/
• 章节1:Spark计算框架基础/
• 章节2:Spark计算框架深入/
• 章节3:Spark机器学习MLlib和ML模块/
• 章节2:EM算法和GMM高斯混合模型/
• 章节3:PCA降维算法/
• 章节1:聚类系列算法/
• 章节5:PyTorch编码器解码器_机器翻译/
• 章节2:PyTorch基础_Tensor张量运算/
• 章节1:PyTorch运行环境安装_运行环境测试/
• 章节3:PyTorch卷积神经网络_实战CIFAR10/
• 章节4:PyTorch循环神经网络_词性标注/
• 章节3:GBDT/
• 章节2:集成学习和随机森林/
• 章节4:XGBoost/
• 章节1:决策树/
• 章节2:梯度下降法/
• 章节3:归一化/
• 章节1:多元线性回归/
• 章节4:正则化/
• 章节5:Lasso回归_Ridge回归_多项式回归/
• 章节1:Linux/
• 章节3:推荐系统-模型使用和推荐服务/
• 章节1:推荐系统-流程与架构/
• 章节2:推荐系统-数据预处理和模型构建评估实战/
• 章节1:词向量与词嵌入/
• 章节3:从Attention机制到Transformer/
• 章节2:循环神经网络原理与优化/
• 章节4:ELMO_BERT_GPT/
• 章节6:PaddleNLP模块_物流信息提取(ERNIE版)/
• 章节5:PaddleNLP模块_物流信息提取(BiGRU+CRF)/
• 章节3:PaddleDetection工具_PCB电路板缺陷检测/
• 章节1:PaddlePaddle框架安装_波士顿房价预测/
• 章节2:PaddlePaddle卷积网络_病理性近视识别/
• 章节4:PaddleOCR工具_车牌识别(目标检测+CRNN+CTCLoss)/
• 章节2:TensorFlow深度学习工具/
• 章节3:反向传播推导_Python代码实现神经网络/
• 章节1:神经网络算法/
• 章节2:卷积神经网络优化/
• 章节4:古典目标检测/
• 章节3:经典卷积网络算法/
• 章节1:卷积神经网络原理/
• 章节5:现代目标检测之FasterRCNN/
• 章节1:人脸识别/
• 章节1:Q-Learning与SARSA算法/
• 章节4:ActorCritic(A3C)/
• 章节3:PolicyGradient策略梯度/
• 章节5:DDPG,PPO,DPPO算法/
• 章节2:DeepQ-LearningNetwork/
• 章节2:HMM算法/
• 章节1:贝叶斯分类/
• 章节3:CRF算法/
• 章节4:Seq2Seq聊天机器人/
• 章节2:自然语言处理-情感分析/
• 章节3:AI写唐诗/
• 章节1:词向量/
• 章节7:GPT2聊天机器人/
• 章节1:药店销量预测案例/
• 章节2:网页分类案例/
• 章节1:科学计算模型Numpy/
• 章节2:数据可视化模块/
• 章节3:数据处理分析模块Pandas/
• 章节1:深度学习-OCR文本识别/