百战程序员-AI算法工程师就业班2022年价值18980元重磅首发冲击百万年薪完结无秘 - 影盘社-网盘资源搜索神器

• file:课件.zip
• file:1-传统OCR识别_深度学习OCR识别.mp4
• file:10-CRNN项目代码剖析.mp4
• file:3-OCR识别的CTC损失思想.mp4
• file:2-OCR识别本质就是文字检测和文字识别.mp4
• file:6-CTC损失函数前向后向算法推导_梯度求导公式推导.mp4
• file:4-总结理解深度学习文字识别架构.mp4
• file:7-CTC前向后向算法代码.mp4
• file:5-CTC损失函数的理解.mp4
• file:8-GreedySearch和BeamSearch解码的方式与代码逻辑.mp4
• file:14-FaceNet论文_TripleLoss思路来源和目标.mp4
• file:13-FaceNet论文_相关的介绍.mp4
• file:9-总结MTCNN_缩放因子_注意3阶段网络里面的全连接.mp4
• file:7-每一个阶段每个分支的Loss损失_整合每个分支的Loss.mp4
• file:3-人脸识别项目代码整体结构.mp4
• file:19-人脸识别项目代码_人脸匹配以及最后的绘图展示.mp4
• file:1-人脸识别任务种类_具体做法思路.mp4
• file:8-训练数据的准备_每一阶段训练的流程.mp4
• file:17-FaceNet论文_ZF和Inception对比_总结.mp4
• file:6-PRelu_每阶段输出多分支意义.mp4
• file:10-人脸识别项目代码_加载MTCNN模型.mp4
• file:5-MTCNN论文_网络整体架构.mp4
• file:2-开源的FaceNet项目介绍.mp4
• file:3-彩色图片卷积的计算.mp4
• file:8-经典的CNN架构和LeNet5.mp4
• file:6-卷积的计算TF中的API操作与参数.mp4
• file:4-卷积层权值共享.mp4
• file:5-卷积的补充与Padding填充模式.mp4
• file:1-回顾深度神经网络_卷积层是局部连接.mp4
• file:4-FasterRCNN论文讲解_从介绍到RPN的loss.mp4
• file:2-FasterRNN的核心RPN_正向传播的框过滤_NMS.mp4
• file:1-回顾RCNN_SPPnet_Fast-RCNN.mp4
• file:3-NMS代码实现流程_mAP目标检测平均指标.mp4
• file:2-VGG16_Fine-tuning_对MNIST做手写数字识别.mp4
• file:4-InceptionV3_以及InceptionV3对皮肤癌图片识别.mp4
• file:5-ResNet残差单元_BottlenetBlocK.mp4
• file:9-Mobilenet网络架构.mp4
• file:7-DenseNet在Keras里面的代码实现.mp4
• file:8-BatchNormalization.mp4
• file:3-InceptionV1_V2.mp4
• file:1-Keras介绍_以及不同项目调用不同的python环境和CUDA环境.mp4
• file:5-深度学习网络对应ACC准确率忽然下降的思考点.mp4
• file:6-减轻梯度消失问题中激活函数发挥的作用.mp4
• file:2-Dropout技术点思想和运用.mp4
• file:4-CNN对MNIST数据集分类_全连接层以及训练代码.mp4
• file:10-Optimizer_Adagrad_Adadelta_RMSprop.mp4
• file:8-VGG网络结构_以及1乘1的卷积核的作用和好处.mp4
• file:9-Optimizer_SGD_Momentum.mp4
• file:3-数据增强技术点_CNN对MNIST数据集分类_卷积池化代码.mp4
• file:1-AlexNet网络结构_连续使用小的卷积核好处.mp4
• file:4-R-CNN和SPP-net.mp4
• file:5-从FastRCNN引入FasterRCNN.mp4
• file:2-使用OpenCV调用分类器找到目标框.mp4
• file:3-IOU以及python计算的代码.mp4
• file:6-spark构建特征索引_标签列_2.mp4
• file:12-ACC准确率和AUC面积的计算以及意义.mp4
• file:9-MLlib调用算法计算模型文件并存储_1.mp4
• file:4-HQL语句_python脚本构建中间结果_4.mp4
• file:6-推荐系统_协同过滤_4.mp4
• file:11-推荐系统列表_关联特征权重_基本特征权重的计算_3.mp4
• file:1-推荐系统_隐式用户反馈_1(1).mp4
• file:2-Redis数据库安装及其使用.mp4
• file:4-实时在线推荐列表计算逻辑代码讲解_2.mp4
• file:10-Dubbo推荐服务演示_SparkMLlib介绍_1.mp4
• file:1-推荐模型文件使用思路.mp4
• file:9-使用Dubbo将推荐系统做成服务_3.mp4
• file:13-使用逻辑回归和随机森林对股票Stock预测案例实战_3.mp4
• file:18-SparkML机器学习库概念讲解_1.mp4
• file:15-模型的训练以及评估和调超参_1.mp4
• file:1-SparkMLlib对于逻辑回归算法的调用.mp4
• file:14-从数据转化到训练集的构建.mp4
• file:10-SparkMLlib调用KMeans聚类_调用决策树(1)_3.mp4
• file:26-SparkML网页分类案例代码实战续（3）.mp4
• file:9-Spark程序启动运行流程详解_03.mp4
• file:6-分布式文件系统Block块的大小配置.mp4
• file:11-讲解构建稀疏和稠密向量_01.mp4
• file:5-Spark术语总结.mp4
• file:3-Spark宽依赖和窄依赖_02.mp4
• file:12-构建LabeledPoint.mp4
• file:14-Spark算子操作实战讲解_代码实战WordCount_03.mp4
• file:11-两种算子操作本质区别.mp4
• file:7-分布式计算框架Shuffle的原理_03.mp4
• file:4-回顾hadoop讲解shuffle.mp4
• file:10-分布式计算所需进程.mp4
• file:8-隐藏层激活函数必须是非线性的.mp4
• file:2-三种常见的激活函数_网络拓扑介绍_优化算法.mp4
• file:5-隐藏层的意义_隐藏层相当于去做预处理_升维降维.mp4
• file:7-sklearn中NN模型的代码使用.mp4
• file:9-tensorflow概要_conda创建虚拟环境_CPU版本的tensorflow安装.mp4
• file:3-单层神经网络正向传播计算过程_用神经网络理解逻辑回归做多分类.mp4
• file:6-多节点网络输出_sklearn中NN模块的介绍.mp4
• file:4-用神经网络理解Softmax回归.mp4
• file:1-神经网络是有监督的算法_生物神经元到人工神经元.mp4
• file:3-Tensorflow代码运行机制_TF基础的代码.mp4
• file:5-TF实现线性回归BGD的方式_使用Optimizer_每轮打乱数据.mp4
• file:2-CUDA安装_cudnn安装_环境变量配置_检验是否安装成功.mp4
• file:4-TF实现线性回归解析解的方式_TF实现线性回归梯度下降的方式.mp4
• file:1-CUDA下载地址_CUDA显卡白名单地址.mp4
• file:6-TF实现Softmax回归来识别MNIST手写数字.mp4
• file:5-反向传播推导(四)关于Δ和a还有梯度的更新事宜.mp4
• file:3-反向传播推导(二)从输出层到最后一个隐藏层.mp4
• file:2-反向传播推导(一).mp4
• file:7-python实现神经网络正向反向传播训练.mp4
• file:7-PyTorch中英文翻译_评估模型函数.mp4
• file:5-PyTorch中英文翻译_构建带Attention注意力机制的Decoder解码器.mp4
• file:3-PyTorch中英文翻译_索引化数据_转化成Tensor张量_构建Encoder编码器.mp4
• file:1-PyTorch中英文翻译_规范化语料库_构建中英文词典索引.mp4
• file:10-PyTorch代码实战加入数据增强.mp4
• file:5-使用全局平均池化_使用LeNet模型.mp4
• file:9-迁移学习_PyTorch代码实战冻结预训练模型参数.mp4
• file:2-PyTorch实战CIFAR10_构建网络_打印网络层次.mp4
• file:7-使用VGG16模型提供准确率.mp4
• file:6-使用集成学习思想训练识别模型.mp4
• file:8-torchvision里面的预训练模型.mp4
• file:1-PyTorch词性标注_构建数据和词索引号.mp4
• file:3-Pycharm关联PyTorch运行环境.mp4
• file:2-PyTorch的安装.mp4
• file:2-修改Tensor的形状_索引操作.mp4
• file:4-归并操作_比较操作_矩阵操作.mp4
• file:3-广播机制_逐元素操作.mp4
• file:1-BERT新浪新闻10分类项目.mp4
• file:3-MultiRNNCell单元.mp4
• file:2-AI写唐诗_训练数据的构建.mp4
• file:4-AI写唐诗_从词嵌入到构建RNN再到输出层概率输出.mp4
• file:5-AI写唐诗_损失的计算_梯度的求解截断和更新_最终的训练代码.mp4
• file:1-AI写唐诗_数据的读取_字典的构建_文本的索引化.mp4
• file:6-AI写唐诗_模型的使用_增加随机性.mp4
• file:3-数据预处理_02.mp4
• file:1-Keras实战RNN以及词嵌入来做情感分析.mp4
• file:1-从AI写唐诗到Seq2Seq再到Encoder-Decoder.mp4
• file:2-Seq2Seq版Chatbot的数据预处理.mp4
• file:8-对比逻辑回归_相比HMM优势.mp4
• file:6-BiLSTM-CRF模型的预测代码.mp4
• file:5-通过CRF层来计算Loss损失以及训练.mp4
• file:4-feature进入BiLSTM进行正向传播的过程.mp4
• file:9-补充标注偏置问题_HMM做分词代码结构.mp4
• file:7-CRF中的特征函数们.mp4
• file:3-NER代码读取数据和预处理.mp4
• file:1-回顾了一下CRF训练和使用过程.mp4
• file:3-Word2Vec项目代码_构建一个个批次数据.mp4
• file:4-Word2Vec项目代码_正向传播的Graph构建_NCE损失的计算本质.mp4
• file:5-Word2Vec项目代码_评估比较相似度_最后的训练绘图.mp4
• file:1-回顾了词向量里面训练的Topology.mp4
• file:1-GPT2闲聊机器人.mp4
• file:2-人工智能适合人群与必备技能.mp4
• file:3-人工智能时代是发展的必然.mp4
• file:5-无监督机器学习任务与本质.mp4
• file:3-深度学习比传统机器学习有优势.mp4
• file:2-机器学习不同的学习方式.mp4
• file:16-Linux_常用命令_reboot、halt.mp4
• file:20-Linux_常用配置_设置网络类型.mp4
• file:1-Linux_课程介绍.mp4
• file:22-Linux_Xshell的安装与使用.mp4
• file:25-Linux_文件的压缩与解压缩处理.mp4
• file:24-Linux_上传与下载_lrzsz工具.mp4
• file:3-详解Q值和V值以及它们之间关系.mp4
• file:12-代码实战Sarsa_Agent选择行为和训练模型.mp4
• file:8-代码实战Q-Learning_Agent和Env整体交互.mp4
• file:5-蒙特卡洛和时序差分估算状态V值.mp4
• file:1-强化学习通过智能体与环境交互进行学习.mp4
• file:10-代码实战Q-Learning智能体训练模型.mp4
• file:6-SARSA算法和Q-learning算法.mp4
• file:2-引入马尔科夫链和价值评估的Q值与V值.mp4
• file:1-DQN算法思想.mp4
• file:2-图片风格融合项目_架构_代码实现要点_2.mp4
• file:5-车牌识别项目关于目标检测的问题.mp4
• file:4-基于CascadeClassifier来提取目标框做车牌识别代码详解_04.mp4
• file:10-FasterRCNN代码_构建head.mp4
• file:1-FasterRCNN项目代码_环境说明_数据集详解_项目结构说明.mp4
• file:13-FasterRCNN代码_根据RPN网络得到校正后的预测的框_01.mp4
• file:6-回归整体训练流程_详解读取数据blob_01.mp4
• file:26-FasterRCNN代码_添加Loss损失_smoothL1loss.mp4
• file:25-FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02.mp4
• file:15-FasterRCNN代码_bbox剪裁_NMS非极大值抑制.mp4
• file:2-Transformer_Self-Attention_Multi-head.mp4
• file:1-Seq2Seq中Attention注意力机制.mp4
• file:3-Transformer_Positional_使用逻辑_网络结构总结.mp4
• file:1-理解RNN循环神经网络拓扑结构.mp4
• file:8-双向RNN_LSTM.mp4
• file:3-利用RNN循环神经网络对MNIST手写数字识别.mp4
• file:7-LSTM的回顾复习_LSTM手写数字识别.mp4
• file:5-VanillaRNN的回顾复习.mp4
• file:6-补充讲一下为什么RNN中链越长越容易梯度消失.mp4
• file:4-理解LSTM长短时记忆_记住Topo和公式.mp4
• file:6-Huffman树_分层Softmax的思想.mp4
• file:1-N-gram语言模型.mp4
• file:8-负采样和负采样应用到CBOW模型上.mp4
• file:3-词向量的作用.mp4
• file:4-CBOW模型思想和计算过程.mp4
• file:2-BERT理论.mp4
• file:1-MaskRCNN网络结构.mp4
• file:4-MaskRCNN根据文档和论文总结重要的知识点.mp4
• file:6-MaskRCNN源码config和model.mp4
• file:5-MaskRCNN项目关于运行代码环境的说明.mp4
• file:1-语义分割的基本概念.mp4
• file:2-FCN全卷积网络做语义分割.mp4
• file:4-UNet网络医疗图像的语义分割.mp4
• file:9-FPN应用于FasterRCNN_ResNetFPN.mp4
• file:5-转置卷积_以及TF的API.mp4
• file:6-双线性插值作为转置卷积核的初始参数.mp4
• file:7-ROI Align.mp4
• file:2-上采样_repeat.mp4
• file:1-YOLOv4_BOF_DropBlock_FocalLoss.mp4
• file:4-YOLOv4_BOS_SAM_PAN_CSP_CmBN.mp4
• file:2-YOLOv4_BOF_GIoU_DIoU_CIoU.mp4
• file:3-YOLOv2论文详解_Darknet19_分类数据和检测数据集融合_多标签.mp4
• file:4-YOLOv2论文详解_层级分类_层级分类用于目标检测.mp4
• file:2-YOLOv2论文详解_mAP更better的一些点.mp4
• file:1-YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes.mp4
• file:1-YOLOv3论文详解_每个框都要预测多个类别概率.mp4
• file:2-YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53.mp4
• file:5-YOLOv4论文概述_BOS_BOF.mp4
• file:3-YOLOv1论文详解_训练中的技巧_Loss损失函数.mp4
• file:2-YOLOv3代码剖析_聚类anchors_构建backbone主干网络.mp4
• file:5-YOLOv3代码剖析_weights到h5模型的转换.mp4
• file:3-YOLOv3代码剖析_model输出之后的预测框的计算.mp4
• file:6-YOLOv3代码剖析_模型的训练部分详解.mp4
• file:6-双链表.mp4
• file:25-最大堆的删除操作.mp4
• file:27-二叉树获取最小值.mp4
• file:8-队列(线式).mp4
• file:12-哈希表冲突问题2.mp4
• file:5-PCB电路板缺陷检测_项目配置文件.mp4
• file:1-PaddleDetection_项目配置.mp4
• file:3-PCB电路板缺陷检测_Images和Annotations.mp4
• file:2-安装配置VisualStudio_解决安装模块pycocotools或cython_bbox编译报错问题.mp4
• file:4-预测波士顿房价_数据读取_正向传播.mp4
• file:5-预测波士顿房价_反向传播_模型保存_模型测试.mp4
• file:3-PaddlePaddle求解线性模型.mp4
• file:2-Pycharm运行出现mkl-service或DLL找不到的问题.mp4
• file:1-预测病理性近视_图片数据读取.mp4
• file:3-预测病理性近视_定义模型结构_评估模型.mp4
• file:1-PaddleOCR_项目配置_CCPD数据集介绍.mp4
• file:3-车牌识别项目_运行保存标签和剪切出的车牌图片.mp4
• file:6-车牌识别项目_车牌识别模型导出及预测.mp4
• file:2-车牌识别项目_详解数据准备阶段代码.mp4
• file:1-PaddleNLP_物流信息提取项目_ERNIE实战_加载数据集构建Dataset.mp4
• file:3-物流信息提取项目_解决导包显示找不到nul问题.mp4
• file:2-PaddleNLP_物流信息提取项目介绍.mp4
• file:8-PaddleNLP_物流信息提取项目_合并结果并展示_使用预训练的词向量提升效果.mp4
• file:2-对数据字段的介绍_导包.mp4
• file:7-kaggle竞赛网站学习.mp4
• file:4-对数据里面的目标变量sales的一个分析.mp4
• file:1-Rossmann药店销量预测_kaggle的介绍.mp4
• file:8-MLlib对网页分类竞赛模型训练_模型训练评估_搜索最佳超参数.mp4
• file:12-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
• file:4-竞赛其他相关提交成绩排行榜.mp4
• file:2-评估指标ROC和AUC.mp4
• file:6-MLlib对网页分类竞赛数据预处理.mp4
• file:1-Kaggle网页分类竞赛介绍.mp4
• file:6-Conda虚拟环境创建与Python模块安装.mp4
• file:1-下载Miniconda运行环境.mp4
• file:5-Jupyter常用快捷键.mp4
• file:7-关联虚拟环境运行代码.mp4
• file:26-Python_类对象_定义与实例化对象.mp4
• file:29-Python_类对象_运算符重载_私有对象方法_isinstance函数.mp4
• file:5-Python_控制语句_for循环.mp4
• file:31-Python_类对象_子类复用父类构造器和方法_方法重写.mp4
• file:27-Python_类对象_实例属性和方法_类属性和方法.mp4
• file:22-Python_函数式编程_高阶函数.mp4
• file:30-Python_类对象_面向对象三大特性_类的继承.mp4
• file:23-Python_函数式编程_map_reduce_filter_匿名函数.mp4
• file:16-Python_os模块_shutil模块.mp4
• file:11-Python_集合操作_列表的基本操作.mp4
• file:15-Python_集合操作_字典keys方法_enumerate函数.mp4
• file:18-Python_函数_定义_调用_返回值_注释.mp4
• file:17-Python_打开并读取文件_中文编码问题.mp4
• folder:百战程序员-AI算法工程师就业班2022年价值18980元重磅首发冲击百万年薪完结无秘
• folder:21--深度学习-OCR文本识别
• folder:12--机器学习与大数据-推荐系统项目实战
• folder:24--【加课】Pytorch项目实战
• folder:20--深度学习-NLP自然语言处理项目实战
• folder:1--人工智能基础-快速入门
• folder:26--【加课】Linux 环境编程基础
• folder:31--【加课】 强化学习【新增】
• folder:17--深度学习-语义分割原理和实战
• folder:16--深度学习-目标检测YOLO(V1-V4全版本)实战
• folder:27--【加课】算法与数据结构
• folder:25--【加课】百度飞桨PaddlePaddle实战【新增】
• folder:3--人工智能基础-Python科学计算和可视化
• folder:1--卷积神经网络原理
• folder:5--现代目标检测之FasterRCNN
• folder:4--古典目标检测
• folder:2--推荐系统--数据预处理和模型构建评估实战
• folder:1--推荐系统--流程与架构
• folder:3--推荐系统--模型使用和推荐服务
• folder:3--Spark机器学习MLlib和ML模块
• folder:2--Spark计算框架深入
• folder:2--TensorFlow深度学习工具
• folder:3--反向传播推导_Python代码实现神经网络
• folder:5--PyTorch编码器解码器_机器翻译
• folder:3--PyTorch卷积神经网络_实战CIFAR10
• folder:1--PyTorch运行环境安装_运行环境测试
• folder:2--PyTorch基础_Tensor张量运算
• folder:3--AI写唐诗
• folder:2--自然语言处理--情感分析
• folder:4--Seq2Seq聊天机器人
• folder:5--实战NER命名实体识别项目
• folder:1--词向量
• folder:1--人工智能就业、薪资、各行业应用
• folder:2--机器学习和深度学习、有监督和无监督
• folder:1--Q-Learning与SARSA算法
• folder:2--Deep Q-Learning Network
• folder:2--自然场景下的目标检测及源码分析
• folder:3--从Attention机制到Transformer
• folder:4--ELMO_BERT_GPT
• folder:3--蒙版弹幕MaskRCNN语义分割
• folder:2--医疗图像UNet语义分割
• folder:1--上采样_双线性插值_转置卷积
• folder:5--YOLOv4详解
• folder:3--PaddleDetection工具_PCB电路板缺陷检测
• folder:1--PaddlePaddle框架安装_波士顿房价预测
• folder:4--PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss)
• folder:6--PaddleNLP模块_物流信息提取（ERNIE版）
• folder:2--网页分类案例
• folder:1--Python开发环境搭建
• folder:3--数据处理分析模块Pandas
• folder:1--科学计算模型Numpy
• folder:2--数据可视化模块