仅供学习分享交流
—————————————————————————–

本课是一门零基础人工智能体系化视频课程，讲师从基础python开始讲解，由浅入深，
全面涵盖Python基础、Python框架、机器学习入门到进阶、计算机视觉与图像处理、NLP自然语言处理、人工智能面试讲解等内容。

围绕众多企业实战项目，手把手带你掌握整个构建流程，并传授项目最优解决方案，深入剖析业务重难点问题，带你进阶人工智能AI工程师。

人脸识别项目：人脸跟踪，检测姓名、性别、情绪等信息，人眼状态检测、活体检测、陌生人检测与报警，深度神经网络的训练。

├──【 主学习路线】01、阶段一 人工智能Python基础
|   ├──1–第一章 计算机组成原理
|   |   └──1–计算机原理
|   ├──10–第十章 公共方法
|   |   ├──1–公共方法
|   |   └──2–推导式
|   ├──11–第十一章 函数
|   |   ├──1–函数介绍
|   |   ├──10–函数参数二
|   |   ├──11–拆包, 交换变量
|   |   ├──12–引用
|   |   ├──2–函数参数一
|   |   ├──3–函数返回值一
|   |   ├──4–函数文档说明
|   |   ├──5–函数嵌套
|   |   ├──6–局部变量
|   |   ├──7–全局变量
|   |   ├──8–函数执行流程
|   |   └──9–函数返回值二
|   ├──12–第十二章 函数强化
|   |   ├──1–函数应用学员管理系统
|   |   ├──2–课后练习(学员管理系统)
|   |   ├──3–递归函数
|   |   ├──4–匿名函数
|   |   └──5–高阶函数
|   ├──13–第十三章 文件操作
|   |   ├──1–文件操作介绍
|   |   ├──2–文件读写操作
|   |   ├──3–案例文件备份
|   |   └──4–文件及文件夹的相关操作
|   ├──14–第十四章 面向对象
|   |   ├──1–面向对象介绍
|   |   ├──10–私有属性和方法
|   |   ├──11–多态
|   |   ├──12–类属性及相关方法
|   |   ├──2–类和对象
|   |   ├──3–对象属性操作
|   |   ├──4–魔法方法
|   |   ├──5–案例烤地瓜
|   |   ├──6–案例 搬家具
|   |   ├──7–继承
|   |   ├──8–子类重写父类属性和方法
|   |   └──9–super方法使用
|   ├──15–第十五章 异常
|   |   ├──1–异常介绍
|   |   ├──2–捕获异常
|   |   ├──3–异常传递
|   |   └──4–自定义异常
|   ├──16–第十六章 模块
|   |   ├──1–模块介绍
|   |   ├──2–模块制作
|   |   └──3–python中的包
|   ├──17–第十七章 学生管理系统(面向对象版)
|   |   └──1–学生管理系统(面向对象)
|   ├──2–第二章 python基础语法
|   |   ├──1–课程介绍
|   |   ├──2–注释
|   |   ├──3–变量
|   |   ├──4–bug认识
|   |   ├──5–数据类型
|   |   ├──6–输出
|   |   ├──7–输入
|   |   ├──8–数据类型转换
|   |   └──9–运算符
|   ├──3–第三章 判断语句
|   |   ├──1–判断语句介绍
|   |   ├──2–if基本格式
|   |   ├──3–if…elif…else格式
|   |   ├──4–if嵌套
|   |   └──5–案例猜拳游戏
|   ├──4–第四章 循环语句
|   |   ├──1–循环语句介绍
|   |   ├──2–while循环
|   |   ├──3–循环应用
|   |   ├──4–break和continue
|   |   ├──5–while循环嵌套及应用
|   |   ├──6–for循环
|   |   └──7–循环else应用
|   ├──5–第五章 字符串
|   |   ├──1–字符串介绍
|   |   ├──2–输入输出
|   |   ├──3–切片
|   |   └──4–字符串操作方法
|   ├──6–第六章 列表
|   |   ├──1–列表相关操作
|   |   ├──2–列表循环遍历
|   |   └──3–列表嵌套
|   ├──7–第七章 元组
|   |   └──1–元组相关操作
|   ├──8–第八章 字典
|   |   ├──1–字典介绍
|   |   ├──2–字典的常见操作
|   |   └──3–字典遍历
|   └──9–第九章 集合
|   |   └──1–集合的相关操作
├──【 主学习路线】02、阶段二 人工智能Python高级
|   ├──1–第一章 Linux基础命令
|   |   ├──1–linux简介
|   |   └──2–linux相关命令
|   ├──10–第十章 MySqL数据库高级使用
|   |   ├──1–条件查询
|   |   ├──2–实战操作
|   |   ├──3–外键使用
|   |   ├──4–视图
|   |   ├──5–事务
|   |   ├──6–索引
|   |   ├──7–设计范式
|   |   └──8–PyMySQL的使用
|   ├──2–第二章 Linux高级命令
|   |   ├──1–linux高级操作
|   |   ├──2–远程控制
|   |   └──3–vim介绍
|   ├──3–第三章 多任务编程
|   |   ├──1–多任务介绍
|   |   ├──2–多进程介绍
|   |   ├──3–多线程介绍
|   |   ├──4–锁的介绍
|   |   └──5–进程和线程的对比
|   ├──4–第四章 网络编程
|   |   ├──1–ip和端口介绍
|   |   ├──2–TCP介绍
|   |   ├──3–TCP开发流程
|   |   └──4–多任务案例
|   ├──5–第五章 HTTP协议和静态服务器
|   |   ├──1–HTTP协议
|   |   └──2–静态web服务器搭建
|   ├──6–第六章 闭包,装饰器及python高级语法
|   |   ├──1–闭包
|   |   ├──2–装饰器
|   |   ├──3–property语法
|   |   ├──4–with语法
|   |   └──5–python高级语法
|   ├──7–第七章 正则表达式
|   |   └──1–正则表达式
|   ├──8–第八章 数据结构与算法
|   |   ├──1–算法概念
|   |   ├──10–选择排序
|   |   ├──11–插入排序
|   |   ├──12–快速排序
|   |   ├──13–二分查找
|   |   ├──14–二叉树
|   |   ├──15–二叉树的遍历
|   |   ├──2–时间复杂度
|   |   ├──3–空间复杂度
|   |   ├──4–数据结构
|   |   ├──5–顺序表
|   |   ├──6–链表
|   |   ├──7–栈
|   |   ├──8–队列
|   |   └──9–冒泡排序
|   └──9–第九章 MySql数据库基本使用
|   |   ├──1–数据库介绍
|   |   ├──2–数据表的基本操作
|   |   ├──3–where条件查询
|   |   └──4–排序
├──【 主学习路线】03、阶段三 人工智能机器学习
|   ├──1–第一章 机器学习概述V2.1
|   |   └──1–机器学习介绍
|   ├──10–第十章 决策树V2.1
|   |   ├──1–信息增益
|   |   ├──2–特征提取
|   |   ├──3–案例泰坦生存预测
|   |   └──4–回归决策树
|   ├──11–第十一章 集成学习V2.1
|   |   ├──1–集成介绍
|   |   ├──2–随机森林案例
|   |   └──3–集成学习
|   ├──12–第十二章 聚类算法V2.1
|   |   └──1–聚类算法
|   ├──13–第十三章 朴素贝叶斯V2.1
|   |   └──1–朴素贝叶斯
|   ├──14–第十四章 SVM算法V2.1
|   |   └──1–SVM算法
|   ├──15–第十五章 EM算法V2.1
|   |   └──1–EM算法
|   ├──16–第十六章 HMM算法V2.1
|   |   └──1–HMM算法
|   ├──17–第十七章 集成学习进阶V2.1
|   |   ├──1–XGBoost算法
|   |   ├──2–otto案例
|   |   ├──3–lightGBM算法
|   |   └──4–绝地求生案例
|   ├──2–第二章 环境安装和使用V2.1
|   |   └──1–环境安装及使用
|   ├──3–第三章 matplotlibV2.1
|   |   └──1–matplotlib使用
|   ├──4–第四章 numpyV2.1
|   |   └──1–numpy使用
|   ├──5–第五章 pandasV2.1
|   |   ├──1–pandas数据结构
|   |   ├──2–pandas基础使用
|   |   ├──3–pandas高级使用
|   |   └──4–电影案例分析
|   ├──6–第六章 seabornV2.1
|   |   ├──1–绘制统计图
|   |   ├──2–分类数据绘图
|   |   ├──3–NBA案例
|   |   └──4–北京租房数据统计分析
|   ├──666JAVA下载必看
|   |   ├──解压密码：666java.com
|   |   ├──高薪学习it网.url  0.05kb
|   |   ├──海量优质it资源.url  0.05kb
|   |   ├──看看我.zip  14.66M
|   |   ├──课程总结.mp4  14.73M
|   |   ├──面试合集.txt  0.18kb
|   |   ├──软件下载.txt  0.15kb
|   |   ├──下载必看.txt  0.16kb
|   |   └──资料2.zip  14.66M
|   ├──7–第七章 K近邻算法V2.1
|   |   ├──1–k近邻算法介绍
|   |   ├──2–kd树
|   |   ├──3–数据集处理
|   |   ├──4–特征工程
|   |   ├──5–KNN总结
|   |   ├──6–交叉验证, 网格搜索
|   |   └──7–案例 Facebook位置预测
|   ├──8–第八章 线性回归V2.1
|   |   ├──1–回归介绍
|   |   ├──2–损失优化
|   |   └──3–回归相关知识
|   └──9–第九章 逻辑回归V2.1
|   |   ├──1–逻辑回归
|   |   ├──解压密码：666java.com
|   |   ├──高薪学习it网.url  0.05kb
|   |   ├──海量优质it资源.url  0.05kb
|   |   ├──看看我.zip  14.66M
|   |   ├──课程总结.mp4  14.73M
|   |   ├──面试合集.txt  0.18kb
|   |   ├──软件下载.txt  0.15kb
|   |   ├──下载必看.txt  0.16kb
|   |   └──资料2.zip  14.66M
├──【 主学习路线】04、阶段四 计算机视觉与图像处理
|   ├──1–第一章 课程简介_v2.0
|   |   ├──1–深度学习
|   |   └──2–计算机视觉（CV）
|   ├──10–第十章 图像特征提取与描述_v2.0
|   |   ├──1–角点特征
|   |   ├──2–Harris和Shi-Tomas算法
|   |   ├──3–SIFT
|   |   ├──4–Fast和ORB算法
|   |   └──5–LBP和HOG特征算子
|   ├──11–第十一章 视频操作_v2.0
|   |   ├──1–视频读写
|   |   └──2–视频追踪
|   ├──12–第十二章 案例人脸案例_v2.0
|   |   └──1–案例人脸案例
|   ├──2–第二章 tensorflow入门_v2.0
|   |   ├──1–tensorflow和keras简介
|   |   └──2–快速入门模型
|   ├──3–第三章 深度神经网络_v2.0
|   |   ├──1–神经网络简介
|   |   ├──2–常见的损失函数
|   |   ├──3–深度学习的优化方法
|   |   ├──4–深度学习的正则化
|   |   ├──5–神经网络案例
|   |   └──6–卷积神经网络CNN
|   ├──4–第四章 图像分类_v2.0
|   |   ├──1–图像分类简介
|   |   ├──2–AlexNet
|   |   ├──3–VGG
|   |   ├──4–GoogleNet
|   |   ├──5–ResNet
|   |   ├──6–图像增强方法
|   |   └──7–模型微调
|   ├──5–第五章 目标检测_v2.0
|   |   ├──1–目标检测概述
|   |   ├──2–R-CNN网络基础
|   |   ├──3–Faster-RCNN原理与实现
|   |   ├──4–yolo系列算法
|   |   ├──5–yoloV3案例
|   |   └──6–SSD模型介绍
|   ├──6–第六章 图像分割_v2.0
|   |   ├──1–目标分割介绍
|   |   ├──2–语义分割：FCN与Unet
|   |   ├──3–Unet-案例
|   |   └──4–实例分割：MaskRCNN
|   ├──7–第七章 OpenCV简介_v2.0
|   |   ├──1–图像处理简介
|   |   ├──2–OpenCV简介及安装方法
|   |   └──3–OpenCV的模块
|   ├──8–第八章 OpenCV基本操作_v.2.0
|   |   ├──1–图像的基础操作
|   |   └──2–算数操作
|   └──9–第九章 OpenCV图像处理_v2.0
|   |   ├──1–几何变换
|   |   ├──2–形态学操作
|   |   ├──3–图像平滑
|   |   ├──4–直方图
|   |   ├──5–边缘检测
|   |   ├──6–模版匹配和霍夫变换
|   |   └──7–轮廓检测
├──【 主学习路线】05、阶段五 NLP自然语言处理
|   └──【 主学习路线】05、阶段五 NLP自然语言处理
|   |   ├──1–第一章 Pytorch工具_v2.0
|   |   ├──10–第十章 迁移学习-v2.0
|   |   ├──11–第十一章 BERT,Transformer的模型架构与详解-v2.0
|   |   ├──12–第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0
|   |   ├──13–第十三章 HMM模型-v2.0
|   |   ├──14–第十四章 经典的序列模型-v2.0
|   |   ├──2–第二章 自然语言处理NLP介绍-v2.0
|   |   ├──3–第三章 文本预处理-v2.0
|   |   ├──4–第四章 RNN架构解析-v2.0
|   |   ├──5–第五章 RNN经典案例-v2.0
|   |   ├──6–第六章 莎士比亚风格的文本生成任务-v2.0
|   |   ├──7–第七章 Transformer背景介绍-v2.0
|   |   ├──8–第八章 Transformer架构解析-v2.0
|   |   └──9–第九章 fasttext工具的使用-v2.0
├──【 主学习路线】06、阶段六 人工智能项目实战
|   ├──1–第一章 智慧交通
|   |   ├──1–项目简介
|   |   ├──10–车流量统计
|   |   ├──11–相机校正
|   |   ├──12–相机校正和图像去畸变
|   |   ├──13–车道线提取
|   |   ├──14–透视变换
|   |   ├──15–车道线定位与拟合
|   |   ├──16–车道曲率与车辆偏离中心线距离
|   |   ├──17–在视频中进行车道线检测
|   |   ├──18–SIamese网络系列（选学）
|   |   ├──19–跟踪效果（选学）
|   |   ├──2–算法原理
|   |   ├──20–数据集处理（选学）
|   |   ├──21–网络模型搭建（选学）
|   |   ├──22–网络模型训练（选学）
|   |   ├──23–网络模型测试（选学）
|   |   ├──24–网络模型应用（选学）
|   |   ├──3–多目标跟踪
|   |   ├──4–辅助功能
|   |   ├──5–卡尔曼滤波
|   |   ├──6–匈牙利算法
|   |   ├──7–数据关联
|   |   ├──8–SORT
|   |   └──9–目标检测
|   ├──2–第二章 在线医生
|   |   ├──1–背景介绍
|   |   ├──10–结构化数据流水线
|   |   ├──11–非结构化数据流水线
|   |   ├──12–任务介绍与模型选用
|   |   ├──13–训练数据集
|   |   ├──14–BERT中文预训练模型
|   |   ├──15–构建RNN模型
|   |   ├──16–进行模型训练
|   |   ├──17–NE模型使用
|   |   ├──18–命名实体识别介绍
|   |   ├──19–BiLSTM介绍
|   |   ├──2–Unit对话API使用
|   |   ├──20–CRF介绍
|   |   ├──21–BiLSTM+CRF模型
|   |   ├──22–模型训练
|   |   ├──23–模型使用
|   |   ├──24–在线部分简要分析
|   |   ├──25–werobot服务构建
|   |   ├──26–主要逻辑服务
|   |   ├──27–任务介绍与模型选用及训练数据集
|   |   ├──28–BERT中文预训练模型1
|   |   ├──29–微调模型
|   |   ├──3–在线医生的总体架构
|   |   ├──30–进行模型训练1
|   |   ├──31–模型部署
|   |   ├──32–系统联调与测试
|   |   ├──4–总体架构中的工具介绍
|   |   ├──5–neo4j简介
|   |   ├──6–neo4j图数据库的安装
|   |   ├──7–Cypher介绍与使用
|   |   ├──8–在Python中使用neo4j
|   |   └──9–离线部分简要分析
|   ├──3–第三章 智能文本分类系统
|   |   ├──1–整体系统搭建
|   |   ├──2–构建标签词汇图谱
|   |   ├──3–特征工程和fasttext模型训练
|   |   ├──4–多模型训练和预测
|   |   ├──5–系统联调和测试
|   |   ├──6–泛娱乐推荐介绍
|   |   ├──7–召回模块
|   |   └──8–排序模块
|   └──4–第四章 实时人脸识别检测项目
|   |   ├──1–人脸识别
|   |   ├──2–口罩检测
|   |   ├──3–Dlib模型训练
|   |   ├──4–活体检测
|   |   └──5–属性识别
├──【 主学习路线】07、阶段七 人工智能面试强化（赠送）
|   ├──1–第一章 自动编码器
|   |   ├──1–自动编码器历史与应用介绍
|   |   ├──2–构建自动编码器
|   |   ├──3–自动编码器改进技巧
|   |   └──4–变分自动编码器
|   ├──10–第十章 贝叶斯方法实现及粒子滤波
|   |   └──1–贝叶斯方法实现及粒子滤波
|   ├──11–第十一章 深度强化学习
|   |   ├──1–强化学习
|   |   ├──2–Q-learning算法
|   |   └──3–Deep Q-Network
|   ├──2–第二章 图像分割应用
|   |   └──1–图像分割应用介绍
|   ├──3–第三章 生成对抗学习
|   |   └──1–生成对抗学习
|   ├──4–第四章 算法进阶迁移学习
|   |   └──1–迁移学习介绍
|   ├──5–第五章 模型可解释
|   |   └──1–模型可解释
|   ├──6–第六章 模型压缩
|   |   └──1–模型压缩
|   ├──7–第七章 终生学习
|   |   └──1–终生学习
|   ├──8–第八章 算法进阶进化学习
|   |   └──1–进化学习
|   └──9–第九章 贝叶斯方法
|   |   └──1–贝叶斯方法
├──【课外拓展】01、阶段一 HR面试技巧
|   └──【课外拓展】01、阶段一 HR面试技巧.zip  1.94G
├──【课外拓展】02、阶段二 赠送-人脸支付
|   └──第一章 1-人脸支付
|   |   ├──0-1 项目背景介绍
|   |   ├──0-2 人脸检测子任务
|   |   ├──0-3 人脸姿态估计
|   |   ├──0-4 人脸多任务
|   |   ├──0-5 人脸识别
|   |   └──0-6 项目集成
├──【课外拓展】03、阶段三 赠送-文本摘要项目
|   └──第一章 1-文本摘要项目
|   |   ├──0-1 文本摘要项项目背景介绍
|   |   ├──0-10 模型的预测
|   |   ├──0-11 词向量的单独训练
|   |   ├──0-12 模型的优化
|   |   ├──0-13 PGN架构
|   |   ├──0-14 数据预处理
|   |   ├──0-15 PGN数据特殊性分析
|   |   ├──0-16 迭代器和类的实现
|   |   ├──0-17 PGN模型的搭建
|   |   ├──0-18 PGN模型训练
|   |   ├──0-19 PGN模型预测
|   |   ├──0-2 项目中的数据集初探
|   |   ├──0-20 评估方法介绍
|   |   ├──0-21 BLEU算法理论
|   |   ├──0-22 ROUGE算法理论
|   |   ├──0-23 ROUGE算法实现
|   |   ├──0-24 coverage机制原理
|   |   ├──0-25 coverage模型类实现
|   |   ├──0-26 coverage训练和预测
|   |   ├──0-27 Beam-search原理介绍
|   |   ├──0-28 Beam-search模型类实现
|   |   ├──0-29 TF-IDF算法原理和实现
|   |   ├──0-3 TextRank算法理论基础
|   |   ├──0-30 单词替换法的类实现
|   |   ├──0-31 单词替换法的训练和评估
|   |   ├──0-32 回译数据法实现和评估
|   |   ├──0-33 半监督学习法原理和实现
|   |   ├──0-34 训练策略原理和实现
|   |   ├──0-35 模型转移实现
|   |   ├──0-36 GPU优化原理和实现
|   |   ├──0-37 CPU优化原理和实现
|   |   ├──0-38 Flask实现模型部署
|   |   ├──0-4 TextRank算法实现模型
|   |   ├──0-5 seq2seq架构
|   |   ├──0-6 seq3seq架构
|   |   ├──0-7 工具函数的实现
|   |   ├──0-8 模型类的搭建
|   |   └──0-9 模型的训练
├──【课外拓展】04、阶段四 入学第一课
|   └──无课程相关内容
├──【课外拓展】05、阶段五 阶段一 python基础（更新）
|   ├──第二章 2-python面向对象
|   |   ├──0-1 类定义及类属性使用
|   |   ├──0-2 魔法方法
|   |   ├──0-3 案例-面向对象
|   |   ├──0-4 面向对象封装与继承
|   |   ├──0-5 面向对象多态
|   |   └──0-6 类属性方法
|   └──第一章 1-python基础编程
|   |   ├──0-1 python开发环境搭建
|   |   ├──0-10 循环else
|   |   ├──0-11 字符串定义切片
|   |   ├──0-12 字符串查找，替换，合并
|   |   ├──0-13 列表定义及使用
|   |   ├──0-14 元祖定义及使用
|   |   ├──0-15 字典定义及使用
|   |   ├──0-16 案例-学生管理系统（一）
|   |   ├──0-17 集合定义及使用
|   |   ├──0-18 公共方法与推导式
|   |   ├──0-19 函数基本使用
|   |   ├──0-2 Python注释与变量
|   |   ├──0-20 函数基本使用替代视频（04,05,06）
|   |   ├──0-21 函数作用域
|   |   ├──0-22 不定长参数与组包拆包
|   |   ├──0-23 案例-学生管理系统（二）
|   |   ├──0-24 基础加强练习
|   |   ├──0-25 可变类型及非可变类型
|   |   ├──0-26 递推
|   |   ├──0-27 递归
|   |   ├──0-28 lambda表达式
|   |   ├──0-29 文件基本操作
|   |   ├──0-3 Python数据类型
|   |   ├──0-30 文件操作案例
|   |   ├──0-31 案例-学生管理系统（三）
|   |   ├──0-32 python异常处理
|   |   ├──0-33 python模块与包
|   |   ├──0-34 案例-飞机大战
|   |   ├──0-4 Python格式化输出
|   |   ├──0-5 Python运算符
|   |   ├──0-6 Python分支语句
|   |   ├──0-7 while循环
|   |   ├──0-8 while循环案例
|   |   └──0-9 for循环及案例
├──【课外拓展】06、阶段六 阶段二 Python高级（更新）
|   ├──第二章 2-SQL基础
|   |   ├──0-1 数据库基础
|   |   ├──0-2 SQL语言基础
|   |   ├──0-3 SQL约束
|   |   ├──0-4 SQL聚合
|   |   ├──0-5 SQL多表查询
|   |   └──0-6 SQL高阶特性
|   ├──第三章 3-Python编程进阶
|   |   ├──0-1 函数的闭包
|   |   ├──0-10 进程
|   |   ├──0-11 线程
|   |   ├──0-12 进程线程对比
|   |   ├──0-13 With上下文管理器
|   |   ├──0-14 Python生成器
|   |   ├──0-15 Python中深浅拷贝
|   |   ├──0-16 Python中正则表达式
|   |   ├──0-17 正则表达式扩展
|   |   ├──0-18 FastAPI搭建Web服务器
|   |   ├──0-19 Python爬虫
|   |   ├──0-2 装饰器
|   |   ├──0-3 PyMySQL
|   |   ├──0-4 HTML基础
|   |   ├──0-5 CSS基础
|   |   ├──0-6 Socket网络编程
|   |   ├──0-7 TCP服务器开发
|   |   ├──0-8 静态Weeb服务器
|   |   └──0-9 FastAPI
|   └──第一章 1-Linux基础
|   |   ├──0-1 Linux基础
|   |   ├──0-2 Linux终端基本使用
|   |   ├──0-3 Linux常用命令(1)
|   |   └──0-4 Linux常用命令(2)
├──【课外拓展】07、阶段七 阶段三 机器学习（更新）
|   ├──第二章 2-机器学习算法进阶
|   |   ├──0-1 决策树算法
|   |   ├──0-2 朴素贝叶斯算法
|   |   ├──0-3 SVM算法
|   |   ├──0-4 聚类算法
|   |   ├──0-5 集成学习算法
|   |   └──0-6 机器学习算法回顾总结（有需要的同学可以看看）
|   └──第一章 1-机器学习基础算法
|   |   ├──0-1 人工智能原理基础
|   |   ├──0-2 KNN算法
|   |   ├──0-3 线性回归
|   |   └──0-4 逻辑回归
├──【课外拓展】08、阶段八 阶段四—深度学习基础补充视频
|   └──【课外拓展】08、阶段八 阶段四—深度学习基础补充视频
|   |   ├──01-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的意义.mp4  100.88M
|   |   ├──02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用(1).mp4  134.81M
|   |   ├──02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用.mp4  134.81M
|   |   ├──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  132.24M
|   |   ├──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  43.91M
|   |   ├──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.mp4  43.91M
|   |   ├──05-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-前向传播过程（输入层到隐藏层）(1).mp4  38.46M
|   |   ├──05-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-前向传播过程（输入层到隐藏层）.mp4  38.46M
|   |   ├──06-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-前向传输过程（隐藏层到输出层）(1).mp4  19.99M
|   |   ├──06-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-前向传输过程（隐藏层到输出层）.mp4  19.99M
|   |   ├──07-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-损失函数的计算.mp4  49.95M
|   |   ├──08-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-输出层权值的更新.mp4  65.37M
|   |   ├──09-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-隐藏层权值的更新.mp4  63.39M
|   |   ├──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  155.78M
|   |   ├──11-深度学习基础-图像分类-图像分类案例补充(1)-任务介绍.mp4  51.45M
|   |   ├──12-深度学习基础-图像分类-图像分类案例补充(2)-数据接获取与可视化.mp4  149.87M
|   |   ├──13-深度学习基础-图像分类-图像分类案例补充(3)-图像增强.mp4  27.15M
|   |   ├──14-深度学习基础-图像分类-图像分类案例补充(4)-Xception模型介绍.mp4  107.98M
|   |   ├──15-深度学习基础-图像分类-图像分类案例补充(5)-项目网络介绍.mp4  131.99M
|   |   ├──16-深度学习基础-图像分类-图像分类案例补充(6)-网络构建（输入流）.mp4  28.44M
|   |   ├──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  29.77M
|   |   ├──18-深度学习基础-图像分类-图像分类案例补充(8)-网络构建（输出流）.mp4  41.05M
|   |   ├──19-深度学习基础-图像分类-图像分类案例补充(9)-模型训练.mp4  121.96M
|   |   ├──20-深度学习基础-图像分类-图像分类案例补充(10)-模型训练的实现.mp4  22.20M
|   |   └──21-深度学习基础-图像分类-图像分类案例补充(11)-模型预测.mp4  143.40M
├──【课外拓展】09、阶段九 阶段五—NLP基础补充视频
|   ├──01-文本预处理-文本预处理-文本数据增强讲解 .mp4  14.12M
|   ├──02-文本预处理-文本预处理-文本数据增强代码实现 .mp4  14.17M
|   ├──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  9.12M
|   ├──04-文本预处理-新闻主题分类任务-数据加载方式的增补文件补齐 .mp4  5.40M
|   ├──05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念 .mp4  9.78M
|   ├──06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理 .mp4  20.46M
|   ├──07-RNN及其变体-RNN架构解析-注意力机制的增补attention机制模型 .mp4  34.58M
|   ├──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  21.86M
|   ├──09-RNN及其变体-RNN架构解析-注意力机制的增补attention应用场景 .mp4  14.74M
|   ├──10-Transformer—新增案例机器翻译模型-1模型的介绍 .mp4  57.15M
|   ├──11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建 .mp4  24.13M
|   ├──12-Transformer—新增案例机器翻译模型-3模型构建 .mp4  31.48M
|   ├──13-Transformer—新增案例机器翻译模型-4掩码的构建 .mp4  15.05M
|   ├──14-Transformer—新增案例机器翻译模型-5数据批处理 .mp4  13.79M
|   ├──15-Transformer—新增案例机器翻译模型-6构建训练函数和评估函数 .mp4  32.81M
|   ├──16-Transformer—新增案例机器翻译模型-7训练模型和定义解码函数 .mp4  22.58M
|   ├──17-Transformer—新增案例机器翻译模型-8翻译函数的定义和9模型保存 .mp4  13.30M
|   ├──18-迁移学习—迁移理论—加载和使用预训练模型全小节增补-1tokenizer加载 .mp4  22.91M
|   ├──19-迁移学习—迁移理论—加载和使用预训练模型全小节增补-2加载带头和不带头的预训练模型 .mp4  39.74M
|   ├──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  27.98M
|   ├──21-迁移学习—迁移理论—加载和使用预训练模型全小节增补-4加载语言模型头结果输出 .mp4  25.83M
|   ├──22-迁移学习—迁移理论—加载和使用预训练模型全小节增补-5加载分类模型头结果输出 .mp4  21.14M
|   ├──23-迁移学习—迁移理论—加载和使用预训练模型全小节增补-6加载问答模型头结果输出 .mp4  45.77M
|   ├──24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传 .mp4  52.62M
|   ├──25-迁移学习—迁移理论—迁移学习实践增补内容-模型上传后加载使用 .mp4  29.35M
|   └──26-虚拟机的使用 .mp4  14.09M
├──【课外拓展】10、阶段十 CV基础+项目（更新）
|   └──【课外拓展】10、阶段十 CV基础+项目（更新）
|   |   ├──第二章 2-深度学习核心模型与实战
|   |   ├──第六章 6-04 – 智慧交通
|   |   ├──第三章 3-01 – 目标检测
|   |   ├──第四章 4-02 – OpenCV
|   |   ├──第五章 5-03 – 人脸支付
|   |   └──第一章 1-Pytorch与深度学习基础
└──人工智能课件
|   ├──01-阶段1-3（python基础 、python高级、机器学习）
|   |   ├──02-虚拟机环境
|   |   ├──01-Python+机器学习课程环境使用说明(1).pdf  3.78M
|   |   ├──01-阶段1-3（python基础 、python高级、机器学习）.zip  2.22G
|   |   ├──AI虚拟机使用常见问题汇总(1).pdf  646.33kb
|   |   └──Azure机器学习模型搭建实验(1).doc  1.70M
|   ├──02-阶段4 （计算机视觉CV) 阶段6 （CV项目）
|   |   ├──02-虚拟机环境
|   |   └──02-阶段4 （计算机视觉CV) 阶段6 （CV项目）.zip  439.07M
|   ├──03-阶段5（自然语言处理NLP）、阶段6（NLP项目）
|   |   ├──02-NLP虚拟机环境
|   |   └──03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.zip  10.50G
|   ├──阶段测试题
|   |   ├──阶段1—测试
|   |   ├──阶段2—测试
|   |   ├──阶段3—测试
|   |   ├──阶段4—测试
|   |   ├──阶段5—测试
|   |   └──.DS_Store  6.00kb
|   ├──Iris数据集
|   |   ├──iris.csv  4.86kb
|   |   └──iris.txt  4.85kb
|   ├──01-计算机视觉CV课程环境使用说明文档.pdf  3.59M
|   └──机器学习梳理总结xmind.zip  8.61M