课件.zip
46:迭代求解的原因.mp4
42:常用随机变量服从的分布.mp4
32:多元函数的泰勒展开_矩阵和向量的求导.mp4
37:SVD用于协同过滤_求逆矩阵.mp4
50:坐标下降法_数值优化面临的问题.mp4
39:条件概率_贝叶斯公式.mp4
15:学习向量计算的用途举例.mp4
9:推导激活函数的导函数.mp4
54:拉格朗日函数.mp4
44:最大似然估计思想.mp4
31:特征值分解.mp4
35:奇异值分解性质_数据压缩.mp4
47:梯度下降法思路.mp4
1:人工智能学习数学的必要性_微积分知识点.mp4
26:Hessian矩阵.mp4
19:矩阵的运算_加减法_转置.mp4
12:向量的意义_n维欧式空间空间.mp4
49:牛顿法公式推导以及优缺点.mp4
14:向量的内积_向量运算法则.mp4
20:矩阵相乘.mp4
3:最优化知识_数学内容学习重点.mp4
5:导数的几何意义和物理意义.mp4
13:行向量列向量_转置_数乘_加减乘除.mp4
4:导数的定义_左导数和右导数.mp4
38:概率论_随机事件与随机事件概率.mp4
7:深度学习比传统机器学习有优势.mp4
4:人工智能在各领域的应用.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
2:人工智能适合人群与必备技能.mp4
34:GPT2闲聊机器人.mp4
14:代码讲解_05.mp4
9:数据预处理_02.mp4
7:Keras实战RNN以及词嵌入来做情感分析.mp4
16:AI写唐诗_训练数据的构建.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
15:AI写唐诗_数据的读取_字典的构建_文本的索引化.mp4
20:AI写唐诗_模型的使用_增加随机性.mp4
18:AI写唐诗_从词嵌入到构建RNN再到输出层概率输出.mp4
17:MultiRNNCell单元.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
30:CRF中的特征函数们.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
24:回顾了一下CRF训练和使用过程.mp4
26:NER代码读取数据和预处理.mp4
25:介绍了代码目录结构.mp4
27:feature进入BiLSTM进行正向传播的过程.mp4
33:BERT新浪新闻10分类项目.mp4
5:Word2Vec项目代码_评估比较相似度_最后的训练绘图.mp4
3:Word2Vec项目代码_构建一个个批次数据.mp4
1:回顾了词向量里面训练的Topology.mp4
4:Word2Vec项目代码_正向传播的Graph构建_NCE损失的计算本质.mp4
21:从AI写唐诗到Seq2Seq再到Encoder-Decoder.mp4
22:Seq2Seq版Chatbot的数据预处理.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
20:YOLOv4_BOF_DropBlock_FocalLoss.mp4
22:YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish.mp4
21:YOLOv4_BOF_GIoU_DIoU_CIoU.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
10:YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53.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
5:YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes.mp4
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
18:YOLOv3代码剖析_weights到h5模型的转换.mp4
16:YOLOv3代码剖析_model输出之后的预测框的计算.mp4
9:CPTN项目代码剖析.mp4
3:OCR识别的CTC损失思想.mp4
1:传统OCR识别_深度学习OCR识别.mp4
4:总结理解深度学习文字识别架构.mp4
6:CTC损失函数前向后向算法推导_梯度求导公式推导.mp4
2:OCR识别本质就是文字检测和文字识别.mp4
8:GreedySearch和BeamSearch解码的方式与代码逻辑.mp4
7:CTC前向后向算法代码.mp4
5:CTC损失函数的理解.mp4
[百战程序员]AI算法工程师就业班 - 带源码课件
20-深度学习-NLP自然语言处理项目实战
16-深度学习-目标检测YOLO(V1-V4全版本)实战
21-深度学习-OCR文本识别
31,[加课]强化学习[新增]
04,人工智能基础-高等数学知识强化
27-[加课]算法与数据结构
03,人工智能基础-Python科学计算和可视化
10,机器学习与大数据-Kaggle竞赛实战
06,机器学习-线性分类
17-深度学习-语义分割原理和实战
26-[加课]Linux环境编程基础
24-[加课]Pytorch项目实战
25,[加课]百度飞桨PaddlePaddle实战[新增]
11-机器学习与大数据-海量数据挖掘工具
章节7:GPT2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5:实战NER命名实体识别项目
章节1:YOLOv1详解
章节5:DDPG,PPO,DPPO算法
章节4:ActorCritic(A3C)
章节1:Q-Learning与SARSA算法
章节3:PolicyGradient策略梯度
章节2:DeepQ-LearningNetwork
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:药店销量预测案例
章节2:Softmax回归
章节3:SVM支持向量机算法
章节2:自然场景下的目标检测及源码分析
章节2:医疗图像UNet语义分割
章节1:上采样_双线性插值_转置卷积
章节3:蒙版弹幕MaskRCNN语义分割
章节3:反向传播推导_Python代码实现神经网络
章节2:TensorFlow深度学习工具
章节1:神经网络算法
章节1:推荐系统-流程与架构
章节3:推荐系统-模型使用和推荐服务
章节2:推荐系统-数据预处理和模型构建评估实战
章节2:EM算法和GMM高斯混合模型
章节4:XGBoost
章节2:集成学习和随机森林
章节3:PyTorch卷积神经网络_实战CIFAR10
章节1:PyTorch运行环境安装_运行环境测试
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2:Python基础语法
章节5:Lasso回归_Ridge回归_多项式回归
章节3:从Attention机制到Transformer
章节4:ELMO_BERT_GPT
章节6:PaddleNLP模块_物流信息提取(ERNIE版)
章节4:PaddleOCR工具_车牌识别(目标检测+CRNN+CTCLoss)
章节2:PaddlePaddle卷积网络_病理性近视识别
章节3:PaddleDetection工具_PCB电路板缺陷检测
章节5:现代目标检测之FasterRCNN
章节1:Spark计算框架基础
章节3:Spark机器学习MLlib和ML模块

分享时间

0001-01-01

入库时间

2026-08-05

资源类型

夸克网盘

分享用户

有责*感的白鳍豚

扫码获取资源

问题反馈链接失效、内容异常、密码错误等问题都可以快速提交。

进入网盘

分享资源