文档详情 ID: cmjqcjabb05etbb889pe25tlt 后台管理 黑马人工智能AI进阶(年度钻石会员价值11980元) - 带源码课件 网盘资源 | 影盘社 file:01-计算机视觉CV课程环境使用说明文档.pdf file:02-阶段4 (计算机视觉CV) 阶段6 (CV项目).7z file:Iris数据集.7z file:03-阶段5(自然语言处理NLP),阶段6(NLP项目).7z file:01-阶段1-3(python基础 ,python高级,机器学习).7z file:04-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-数据传输过程(1).mp4 file:01-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的意义.mp4 file:17-深度学习基础-图像分类-图像分类案例补充(7)-网络构建(中间流).mp4 file:10-深度学习基础-深度神经网络-卷积神经网络CNN增补-网络参数量的计算.mp4 file:03-深度学习基础-深度神经网络-神经网络介绍-网络是如何工作的-参数初始化增补-初始化方式的对比.mp4 file:10-Transformer—新增案例机器翻译模型-1模型的介绍.mp4 file:26-虚拟机的使用.mp4 file:20-迁移学习—迁移理论—加载和使用预训练模型全小节增补-3加载不带头的模型输出结果.mp4 file:08-RNN及其变体-RNN架构解析-注意力机制的增补attention公式讲解.mp4 file:24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传.mp4 file:01-文本预处理-文本预处理-文本数据增强讲解.mp4 file:03-文本预处理-新闻主题分类任务-数据加载方式的增补代码解读.mp4 file:7-谈谈跳槽那些事.mp4 file:19-处于下风?不存在的,几招教你定乾坤!.mp4 file:9-世界那么大,趋势知多少?.mp4 file:4-自我介绍,你行吗?.mp4 file:12-工作中的困难,你是如何处理的?.mp4 file:3-了解应聘流程,做个有条不紊的人.mp4 file:8-与领导意见分歧,你是怎么做的?.mp4 file:18-加班,你怎么看?.mp4 file:14-你的应聘优势是什么.mp4 file:1-众里寻他千百度,你的简历在何处.mp4 file:5-你的规划你做主!.mp4 file:2-面试前的那些“坑”.mp4 file:20-提问的含金量,你知道吗?.mp4 file:6-如何正视你的小缺点.mp4 file:16-生活中的那些爱好,挑一个盘他.mp4 file:11-谈钱怎么不伤感情.mp4 file:17-选择机会重因素,个人心中要有数.mp4 file:1.7终生学习总结.mp4 file:1.3代码练习-自定义数据集2.mp4 file:1.2自定义数据集读取练习.mp4 file:1.1.自动编码器历史与应用介绍.mp4 file:2.3自动编码器改进编码-数据读取.mp4 file:3.3变分自动编码器练习-模型训练.mp4 folder:黑马人工智能AI进阶(年度钻石会员价值11980元) - 带源码课件 folder:[主学习路线]07,阶段七人工智能面试强化(赠送) folder:[主学习路线]04,阶段四计算机视觉与图像处理 folder:[课件] folder:[课外拓展]06,阶段六阶段二Python高级(更新) folder:[课外拓展]10,阶段十CV基础+项目(更新) folder:[课外拓展]04,阶段四入学第一课 folder:[课外拓展]08,阶段八阶段四—深度学习基础补充视频 folder:7-第七章终生学习 folder:4-第四章算法进阶迁移学习 folder:1-第一章自动编码器 folder:2-第二章图像分割应用 folder:5-第五章模型可解释 folder:9-第九章贝叶斯方法 folder:11-第十一章深度强化学习 folder:10-第十章贝叶斯方法实现及粒子滤波 folder:7-第七章OpenCV简介_v2.0 folder:10-第十章图像特征提取与描述_v2.0 folder:5-第五章目标检测_v2.0 folder:2-第二章tensorflow入门_v2.0 folder:12-第十二章案例人脸案例_v2.0 folder:3-第三章 智能文本分类系统 folder:4-第四章 实时人脸识别检测项目 folder:第三章3-Python编程进阶 folder:第一章1-Linux基础 folder:第一章 1-Pytorch与深度学习基础 folder:第三章 3-01 - 目标检测 folder:第二章 2-深度学习核心模型与实战 folder:无课程相关内容 folder:第一章 1-HR面试技巧 folder:第四章 4-试用期篇 folder:第二章2-机器学习算法进阶 folder:8-第八章数据结构与算法 folder:9-第九章MySql数据库基本使用 folder:6-第六章闭包,装饰器及python高级语法 folder:2-第二章Linux高级命令 folder:3-第三章多任务编程 folder:5-第五章HTTP协议和静态服务器 folder:2-第二章 自然语言处理NLP介绍-v2.0 folder:8-第八章 Transformer架构解析-v2.0 folder:12-第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0 folder:14-第十四章 经典的序列模型-v2.0 folder:9-第九章 fasttext工具的使用-v2.0 folder:6-第六章 莎士比亚风格的文本生成任务-v2.0 folder:1-第一章 Pytorch工具_v2.0 folder:17-第十七章集成学习进阶V2.1 folder:6-第六章seabornV2.1 folder:3-第三章matplotlibV2.1 folder:14-第十四章面向对象 folder:17-第十七章学生管理系统(面向对象版) folder:1-迁移学习介绍 folder:1-自动编码器历史与应用介绍 folder:1-模型压缩 folder:2-Q-learning算法 folder:3-DeepQ-Network folder:3-OpenCV的模块 folder:1-图像处理简介 folder:5-LBP和HOG特征算子 folder:4-Fast和ORB算法 folder:2-Harris和Shi-Tomas算法 folder:3-Faster-RCNN原理与实现 folder:4-yolo系列算法 folder:1-目标检测概述 folder:2-R-CNN网络基础 folder:1-tensorflow和keras简介 folder:2-快速入门模型 folder:2-计算机视觉(CV) folder:1-案例人脸案例 folder:2-AlexNet folder:2-语义分割:FCN与Unet folder:4-实例分割:MaskRCNN folder:2-形态学操作 folder:6-模版匹配和霍夫变换 folder:6-卷积神经网络CNN folder:2-常见的损失函数 folder:3-深度学习的优化方法 folder:3-特征工程和fasttext模型训练 folder:5-系统联调和测试 folder:4-多模型训练和预测 folder:1-整体系统搭建 folder:2-构建标签词汇图谱 folder:3-Dlib模型训练 folder:27-任务介绍与模型选用及训练数据集 folder:24-在线部分简要分析 folder:28-BERT中文预训练模型1 folder:8-在Python中使用neo4j folder:11-非结构化数据流水线 folder:25-werobot服务构建 folder:4-总体架构中的工具介绍 folder:3-在线医生的总体架构 folder:6-neo4j图数据库的安装 folder:26-主要逻辑服务 folder:2-Unit对话API使用 folder:7-Cypher介绍与使用 folder:15-构建RNN模型 folder:20-CRF介绍 folder:21-BiLSTM+CRF模型 folder:13-训练数据集 folder:5-卡尔曼滤波 folder:22-网络模型训练(选学) folder:15-车道线定位与拟合 folder:18-SIamese网络系列(选学) folder:3-多目标跟踪 folder:19-跟踪效果(选学) folder:12-相机校正和图像去畸变 folder:6-匈牙利算法 folder:10-车流量统计 folder:17-在视频中进行车道线检测 folder:16-车道曲率与车辆偏离中心线距离 folder:0-19Python爬虫 folder:0-9FastAPI folder:0-4HTML基础 folder:0-8静态Weeb服务器 folder:0-3PyMySQL folder:0-6Socket网络编程 folder:0-12进程线程对比 folder:0-7TCP服务器开发 folder:0-17正则表达式扩展 folder:0-13With上下文管理器 folder:0-1函数的闭包 folder:0-4Linux常用命令(2) folder:0-6SQL高阶特性 folder:0-7 BP神经网络案例 folder:0-4 Pytorch案例实战 folder:0-5 深度学习基础理论 folder:0-4 yolo v1-v3算法介绍 folder:0-6 边缘检测 folder:0-1 opencv简介 folder:0-1 项目背景介绍 folder:0-3 人脸姿态任务 folder:0-15 车道线曲率计算 folder:0-24coverage机制原理 folder:0-36GPU优化原理和实现 folder:0-23ROUGE算法实现 folder:0-2项目中的数据集初探 folder:0-29TF-IDF算法原理和实现 folder:0-5seq2seq架构 folder:0-15PGN数据特殊性分析 folder:0-28Beam-search模型类实现 folder:0-4TextRank算法实现模型 folder:0-21BLEU算法理论 folder:0-38Flask实现模型部署 folder:0-30单词替换法的类实现 folder:0-16迭代器和类的实现 folder:0-11词向量的单独训练 folder:0-35模型转移实现 folder:0-32回译数据法实现和评估 folder:0-6机器学习算法回顾总结(有需要的同学可以看看) folder:0-3线性回归 folder:15-二叉树的遍历 folder:3-where条件查询 folder:4-with语法 folder:3-property语法 folder:0-25可变类型及非可变类型 folder:0-10循环else folder:0-7while循环 folder:0-9for循环及案例 folder:0-31案例-学生管理系统(三) folder:0-12字符串查找,替换,合并 folder:0-20函数基本使用替代视频(04,05,06) folder:0-14元祖定义及使用 folder:0-18公共方法与推导式 folder:0-24基础加强练习 folder:0-22不定长参数与组包拆包 folder:0-34案例-飞机大战 folder:0-28lambda表达式 folder:0-29文件基本操作 folder:0-5面向对象多态 folder:1-使用RNN模型构建人名分类器 folder:2-使用seq2seq模型架构实现英译法任务 folder:5-多头注意力机制 folder:6-前馈全连接层 folder:8-子层连接结构 folder:1-Transformer背景介绍 folder:3-认识GPT2 folder:4-请详述BERT, GPT, ELMo模型的对比和各自的优缺点 folder:3-NLP中的常用预训练模型 folder:4-维特比算法解码隐藏状态序列 folder:2-进行文本分类 folder:4-词向量迁移 folder:5-文本的特征处理 folder:3-使用Pytorch构建一个神经网络 folder:2- Pytorch中的autograd folder:8-self-attention公式中添加scaled的原因 folder:4-Transformer中的self-attention folder:7-Transformer可以代替seq2seq的原因 folder:12-长文本预测任务使用BERT如何构造训练样本 folder:5-采用Multi-head Attention的原因和计算规则 folder:10-BERT模型的优点和缺点 folder:2-Transformer的结构是什么样的 各个子模块各有什么作用 folder:3-Transformer结构中的Decoder端具体输入 folder:11-BERT的MLM任务为什么采用80% 10% 10%的策略 folder:9-Transformer架构的并行化是如何进行的 folder:3-lightGBM算法 folder:3-案例泰坦生存预测 folder:4-北京租房数据统计分析 folder:2-分类数据绘图 folder:2-pandas基础使用 folder:1-numpy使用 folder:3-回归相关知识 folder:6-交叉验证,网格搜索 folder:7-案例Facebook位置预测 folder:1-函数应用学员管理系统 folder:12-类属性及相关方法 folder:8-子类重写父类属性和方法 folder:8-数据类型转换 folder:4-函数文档说明 folder:11-拆包,交换变量 folder:3-if.elif.else格式 folder:4-文件及文件夹的相关操作 folder:4-break和continue 分享时间 2024-04-18 入库时间 2025-12-28 资源类型 夸克网盘 分享用户 夸父*637 扫码获取资源 复制链接 进入网盘 分享资源
