黑马-人工智能AI进阶年度钻石会员|2022年|价值11980元|重磅首发|完结无秘

课程简介：

• 人工智能趋势

    人工智能是当前乃至未来时代热门的技术之一，已在全球范围内掀起了研究与学习热潮。人工智能连续四年成为大学最热门专业！！！ 课程知识体系完备，从简明的python语言开始，到机器学习，再到AI的两大应用方向：计算机视觉（CV）和自然语言处理（NLP），几乎包含了当下AI就业市场的全部需求。同时，课程学习曲线设计平滑，根据学习者对知识的消化吸收情况，循序渐进增强自身的AI技能。

  学完收获：

  能够熟练掌握Python开发的通用技术和框架，具备人工智能领域内机器学习，深度学习，计算机视觉和自然语言处理业务分析及开发的能力，同时培养学生使用AI算法构建业务流的能力和针对特定算法进行实用化、拓展化的再创新能力，从而足以胜任算法工程师等相关AI职位。百万年薪不是梦！！！

  

  实战项目：

  实时人脸识别检测项目

  本项目可通过摄像头实时采集视频人脸数据，也可批量图片输入自动化识别人脸；本项目对视频可实现人脸的跟踪，并标注姓名、性别、情绪（开心、生气、自然）等信息并能对进入视频的陌生人报警，通过对人眼状态的监测对疲劳驾驶发出警报，并能通过对深度神经网络的训练，进行活体检测。

  项目架构图:

  

  智能文本分类系统

  智能文本分类系统是一款toB类型的应用, 解决泛娱乐领域公司内部对文本分类的需求, 用以支持推荐系统, 精准营销系统等, 它能够将各类非结构化文本进行精确分类，打上一个或多个适合的标签.从系统本身角度: 系统内包含很多NLP基础任务的处理，比如分词任务，命名实体识别任务等，又是机器翻译，文本生成工作的基础。因此，智能文本分类任务是学习NLP的必经之路。

  

  项目亮点

       1.搭建多模型训练服务,保证在训练过程中,进行资源监控和分配,得以高效率在有限资源内进行模型训练。
  2.搭建多线程并行预测服务,为了满足性能要求,这里我们将利用多线程的方式,并对每一个获得结果做最         后综合处理。
  3.图谱权重更新,随着模型的预测完成,将使用预测概率更新在该路径权重,最后根据权重计算规则,
  获得最后结果。
  4.使用n-gram特征工程,来捕捉词序对结果的影响。
  5.使用fasttext模型,适应在语料变化大,模型数量规模大,模型上下线频繁的场景。

  智慧交通

  汽车的日益普及在给人们带来极大便利的同时，也导致了拥堵的交通路况，以及更为频发的交通事故。智能交通技术已成为推动现代技术交通技术发展的重要力量，智能交通不仅能够提供实时的交通路况信息，帮助交通管理者规划管理策略，而且还能优化出行者的出行策略。还可以减轻交通道路的堵塞情况，降低交通事故的发生概率，提高道路运行的安全系数。智慧交通项目利用深度学习技术，跟踪路面实时车辆通行状况，并逐帧记录不同行车道车流量数目。车辆自动计数系统由计数系统、图像抓拍系统、实时监控录像系统组成，可在视频看出每个车辆的连续帧路径。该项目可拓展性强，可根据企业业务，外接计费结算系统、LED显示系统、语音播报系统、供电防雷系统等

  

  目录：

  ——/0000HM【年度钻石会员】人工智能AI进阶2022年/
  ├──0000HM【年度钻石会员】人工智能AI进阶
  ├──【 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
  | ├──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
  ├──【 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
  | ├──1–第一章 Pytorch工具_v2.0
  | | ├──1–认识pytorch
  | | ├──2– Pytorch中的autograd
  | | ├──3–使用Pytorch构建一个神经网络
  | | └──4–使用Pytorch构建一个分类器
  | ├──10–第十章 迁移学习-v2.0
  | | ├──1–迁移学习理论
  | | ├──2–NLP中的标准数据集
  | | ├──3–NLP中的常用预训练模型
  | | ├──4–加载和使用预训练模型
  | | └──5–迁移学习实践
  | ├──11–第十一章 BERT,Transformer的模型架构与详解-v2.0
  | | ├──1–认识BERT
  | | ├──10–BERT模型的优点和缺点
  | | ├──11–BERT的MLM任务为什么采用80% 10% 10%的策略
  | | ├──12–长文本预测任务使用BERT如何构造训练样本
  | | ├──2–Transformer的结构是什么样的 各个子模块各有什么作用
  | | ├──3–Transformer结构中的Decoder端具体输入
  | | ├──4–Transformer中的self-attention
  | | ├──5–采用Multi-head Attention的原因和计算规则
  | | ├──6–Transformer相比于RNN的优势和原因
  | | ├──7–Transformer可以代替seq2seq的原因
  | | ├──8–self-attention公式中添加scaled的原因
  | | └──9–Transformer架构的并行化是如何进行的
  | ├──12–第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0
  | | ├──1–认识ELMo
  | | ├──2–认识GPT
  | | ├──3–认识GPT2
  | | └──4–请详述BERT, GPT, ELMo模型的对比和各自的优缺点
  | ├──13–第十三章 HMM模型-v2.0
  | | ├──1–马尔科夫链
  | | ├──2–HMM简介
  | | ├──3–HMM模型基础
  | | └──4–维特比算法解码隐藏状态序列
  | ├──14–第十四章 经典的序列模型-v2.0
  | | └──1–认识HMM与CRF模型
  | ├──2–第二章 自然语言处理NLP介绍-v2.0
  | | └──1–NLP简介
  | ├──3–第三章 文本预处理-v2.0
  | | ├──1–认识文本预处理
  | | ├──2–文本处理的基本方法
  | | ├──3–文本张量表示方法
  | | ├──4–文本的数据分析
  | | ├──5–文本的特征处理
  | | └──6–文本数据增强
  | ├──4–第四章 RNN架构解析-v2.0
  | | ├──1–认识RNN模型
  | | ├──2–传统RNN模型
  | | ├──3–LSTM模型
  | | ├──4–GRU模型
  | | └──5–注意力机制
  | ├──5–第五章 RNN经典案例-v2.0
  | | ├──1–使用RNN模型构建人名分类器
  | | └──2–使用seq2seq模型架构实现英译法任务
  | ├──6–第六章 莎士比亚风格的文本生成任务-v2.0
  | | └──1–莎士比亚风格的文本生成任务
  | ├──7–第七章 Transformer背景介绍-v2.0
  | | └──1–Transformer背景介绍
  | ├──8–第八章 Transformer架构解析-v2.0
  | | ├──1–认识Transformer架构
  | | ├──10–编码器
  | | ├──11–解码器层
  | | ├──12–解码器
  | | ├──13–输出部分实现
  | | ├──14–模型构建
  | | ├──2–输入部分实现
  | | ├──3–掩码张量
  | | ├──4–注意力机制
  | | ├──5–多头注意力机制
  | | ├──6–前馈全连接层
  | | ├──7–规范化层
  | | ├──8–子层连接结构
  | | └──9–编码器层
  | └──9–第九章 fasttext工具的使用-v2.0
  | | ├──1–认识fasttext工具
  | | ├──2–进行文本分类
  | | ├──3–训练词向量
  | | └──4–词向量迁移
  ├──【 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
  | ├──第二章 2-求职篇
  | | └──0-1 求职篇
  | ├──第三章 3-面试篇
  | | └──0-1 面试篇
  | ├──第四章 4-试用期篇
  | | └──0-1 试用期
  | └──第一章 1-HR面试技巧
  | | ├──1-众里寻他千百度，你的简历在何处.mp4 170.16M
  | | ├──10-应聘企业早知道.mp4 40.64M
  | | ├──11-谈钱怎么不伤感情.mp4 55.63M
  | | ├──12-工作中的困难，你是如何处理的？.mp4 53.16M
  | | ├──13-描述你的个性.mp4 53.88M
  | | ├──14-你的应聘优势是什么.mp4 48.98M
  | | ├──15-应聘企业早知道.mp4 43.40M
  | | ├──16-生活中的那些爱好，挑一个盘他.mp4 50.93M
  | | ├──17-选择机会重因素，个人心中要有数.mp4 69.24M
  | | ├──18-加班，你怎么看？.mp4 64.57M
  | | ├──19-处于下风？不存在的，几招教你定乾坤！.mp4 77.22M
  | | ├──2-面试前的那些“坑”.mp4 140.79M
  | | ├──20-提问的含金量，你知道吗？.mp4 83.59M
  | | ├──3-了解应聘流程，做个有条不紊的人.mp4 80.36M
  | | ├──4-自我介绍，你行吗？.mp4 129.29M
  | | ├──5-你的规划你做主!.mp4 145.04M
  | | ├──6-如何正视你的小缺点.mp4 85.29M
  | | ├──7-谈谈跳槽那些事.mp4 53.47M
  | | ├──8-与领导意见分歧，你是怎么做的？.mp4 54.19M
  | | └──9-世界那么大，趋势知多少？.mp4 37.09M
  ├──【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
  | ├──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
  | ├──第一章 1-阶段五—NLP基础补充视频
  | | ├──0-1 文本预处理阶段补充
  | | ├──0-2 RNN及其变体阶段补充
  | | ├──0-3 Transformer阶段补充
  | | ├──0-4 迁移学习阶段补充
  | | └──0-5 虚拟机的使用
  | ├──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）
  | ├──第二章 2-深度学习核心模型与实战
  | | ├──0-1 卷积神经网络基础
  | | ├──0-2 卷积神经网络案例
  | | ├──0-3 循环神经网络基础
  | | └──0-4 循环神经网络案例
  | ├──第六章 6-04 – 智慧交通
  | | ├──0-1 项目简介
  | | ├──0-10 相机标定
  | | ├──0-11 图像去畸变
  | | ├──0-12 车道线提取
  | | ├──0-13 透视变换
  | | ├──0-14 车道线定位与拟合
  | | ├──0-15 车道线曲率计算
  | | ├──0-2 算法原理
  | | ├──0-3 多目标跟踪
  | | ├──0-4 卡尔曼滤波
  | | ├──0-5 匈牙利算法
  | | ├──0-6 sort
  | | ├──0-7 yolo目标检测
  | | ├──0-8 车流量统计
  | | └──0-9 车道线检测
  | ├──第三章 3-01 – 目标检测
  | | ├──0-1 目标检测概述
  | | ├──0-2 FasterRCNN原理与实现
  | | ├──0-3 FasterRCNN案例
  | | ├──0-4 yolo v1-v3算法介绍
  | | ├──0-5 yolo v4算法介绍
  | | ├──0-6 yolo v5算法介绍
  | | └──0-7 yolo v5案例
  | ├──第四章 4-02 – OpenCV
  | | ├──0-1 opencv简介
  | | ├──0-2 几何变换
  | | ├──0-3 形态学操作
  | | ├──0-4 图形平滑
  | | ├──0-5 直方图
  | | ├──0-6 边缘检测
  | | ├──0-7 视频读写
  | | └──0-8 视频追踪
  | ├──第五章 5-03 – 人脸支付
  | | ├──0-1 项目背景介绍
  | | ├──0-2 人脸检测子任务
  | | ├──0-3 人脸姿态任务
  | | ├──0-4 人脸多任务
  | | ├──0-5 人脸识别
  | | └──0-6 项目集成
  | └──第一章 1-Pytorch与深度学习基础
  | | ├──0-1 Pytorch基础
  | | ├──0-2 Pytorch张量操作
  | | ├──0-3 Pytorch高阶操作
  | | ├──0-4 Pytorch案例实战
  | | ├──0-5 深度学习基础理论
  | | ├──0-6 深度学习优化理论
  | | └──0-7 BP神经网络案例
  ├──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