百战-AI算法工程师就业班|价值18980元|冲击百万年薪|完结无秘

编辑点评

系统学习深度学习原理，掌握TensorFlow、机器学习项目实战，适合有志于AI领域就业者。

⭐ 编辑推荐

全面掌握深度学习原理与TensorFlow工具，实战推荐系统、OCR文本识别等热门项目，助力百万年薪。

✨ 课程亮点

课程目录

📁 13--深度学习-原理和进阶
📁     📁 1--神经网络算法
        5-隐藏层的意义_隐藏层相当于去做预处理_升维降维.mp4  [117.5 MB]
        4-用神经网络理解Softmax回归【优质资源‖关注：cunWorkNotes 解锁】.mp4  [67.2 MB]
        9-tensorflow概要_conda创建虚拟环境_CPU版本的tensorflow安装.mp4  [155.5 MB]
        6-多节点网络输出_sklearn中NN模块的介绍.mp4  [90.6 MB]
        7-sklearn中NN模型的代码使用.mp4  [123.6 MB]
        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  [67.7 MB]
        2-三种常见的激活函数_网络拓扑介绍_优化算法【资源精选‖更多关注：CunworkNotes】.mp4  [53.6 MB]
        8-隐藏层激活函数必须是非线性的【持续更新‖免费提供：CunworknoteS】.mp4  [21.9 MB]
        1-神经网络是有监督的算法_生物神经元到人工神经元.mp4  [94.4 MB]
📁     📁 2--TensorFlow深度学习工具
        7-TF实现DNN来识别MNIST手写数字【公重号：CunWorkNotes】.mp4  [132.7 MB]
        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  [173.5 MB]
        2-CUDA安装_cudnn安装_环境变量配置_检验是否安装成功.mp4  [74.1 MB]
        6-TF实现Softmax回归来识别MNIST手写数字.mp4  [137.0 MB]
        3-Tensorflow代码运行机制_TF基础的代码.mp4  [120.7 MB]
        1-CUDA下载地址_CUDA显卡白名单地址.mp4  [68.6 MB]
        5-TF实现线性回归BGD的方式_使用Optimizer_每轮打乱数据.mp4  [233.3 MB]
📁     📁 3--反向传播推导_Python代码实现神经网络
        6-python实现神经网络训练代码讲解(一)【持续更新‖免费提供：CunworknoteS】.mp4  [84.2 MB]
        2-反向传播推导(一).mp4  [127.9 MB]
        7-python实现神经网络正向反向传播训练.mp4  [112.2 MB]
        5-反向传播推导(四)关于Δ和a还有梯度的更新事宜.mp4  [34.6 MB]
        1-反向传播_链式求导法则【不易整理‖请关注：CunWorkNoteS】.mp4  [86.5 MB]
        4-反向传播推导(三)从输出层到最后一个隐藏层Softmax多分类为例【不易整理‖请关注：CunWorkNoteS】.mp4  [81.2 MB]
        3-反向传播推导(二)从输出层到最后一个隐藏层.mp4  [121.4 MB]
📁 12--机器学习与大数据-推荐系统项目实战
📁     📁 1--推荐系统--流程与架构
        9-推荐系统列表_关联特征权重_基本特征权重的计算_1.mp4  [77.8 MB]
        8-推荐系统架构_实时_离线_2【更多精选‖公众号：CunWorknotes】  .mp4  [104.7 MB]
        2-推荐系统_隐式用户反馈_2.mp4  [119.8 MB]
        4-推荐系统_协同过滤_2【公重号：CunWorkNotes】.mp4  [61.4 MB]
        5-推荐系统_协同过滤_3【整理不易‖记得关注：CunWorKNotes】.mp4  [60.5 MB]
        13-推荐系统_数据源_2【公重号：CunWorkNotes】.mp4  [82.9 MB]
        11-推荐系统列表_关联特征权重_基本特征权重的计算_3.mp4  [103.3 MB]
        1-推荐系统_隐式用户反馈_1.mp4  [88.3 MB]
        3-推荐系统_协同过滤_1.mp4  [60.3 MB]
        6-推荐系统_协同过滤_4.mp4  [56.2 MB]
        12-推荐系统_数据源_1.mp4  [79.1 MB]
        10-推荐系统列表_关联特征权重_基本特征权重的计算_2.mp4  [112.8 MB]
        7-推荐系统架构_实时_离线_1【整理不易‖记得关注：CunWorKNotes】.mp4  [100.7 MB]
📁     📁 3--推荐系统--模型使用和推荐服务
        3-实时在线推荐列表计算逻辑代码讲解_1.mp4  [165.1 MB]
        9-使用Dubbo将推荐系统做成服务_3.mp4  [119.9 MB]
        5-实时在线推荐列表计算逻辑代码讲解_3【整理不易‖记得关注：CunWorKNotes】.mp4  [90.6 MB]
        4-实时在线推荐列表计算逻辑代码讲解_2【公重号：CunWorkNotes】.mp4  [98.5 MB]
        10-Dubbo推荐服务演示_SparkMLlib介绍_1【整理不易‖记得关注：CunWorKNotes】.mp4  [110.2 MB]
        7-使用Dubbo将推荐系统做成服务_1【资源精选‖更多关注：CunworkNotes】.mp4  [82.2 MB]
        11-Dubbo推荐服务演示_SparkMLlib介绍_2.mp4  [140.1 MB]
        12-Dubbo推荐服务演示_SparkMLlib介绍_3.mp4  [157.5 MB]
        2-Redis数据库安装及其使用.mp4  [47.9 MB]
        8-使用Dubbo将推荐系统做成服务_2【资源精选‖更多关注：CunworkNotes】.mp4  [103.9 MB]
        1-推荐模型文件使用思路【资源精选‖更多关注：CunworkNotes】.mp4  [61.9 MB]
        6-实时在线推荐列表计算逻辑代码讲解_4【持续更新‖免费提供：CunworknoteS】.mp4  [94.7 MB]
📁     📁 2--推荐系统--数据预处理和模型构建评估实战
        12-ACC准确率和AUC面积的计算以及意义.mp4  [214.4 MB]
        5-推荐系统_数据预处理_spark构建特征索引_标签列_1【资源精选‖更多关注：CunworkNotes】.mp4  [116.9 MB]
        10-MLlib调用算法计算模型文件并存储_2【整理不易‖记得关注：CunWorKNotes】.mp4  [93.7 MB]
        8-spark构建特征索引_标签列_4.mp4  [98.6 MB]
        2-HQL语句_python脚本构建中间结果_2.mp4  [122.3 MB]
        6-spark构建特征索引_标签列_2.mp4  [91.9 MB]
        7-spark构建特征索引_标签列_3【资源精选‖更多关注：CunworkNotes】.mp4  [97.9 MB]
        11-MLlib调用算法计算模型文件并存储_3.mp4  [107.3 MB]
        4-HQL语句_python脚本构建中间结果_4.mp4  [111.9 MB]
        1-HQL语句_python脚本构建中间结果_1.mp4  [155.8 MB]
        9-MLlib调用算法计算模型文件并存储_1【公重号：CunWorkNotes】.mp4  [99.6 MB]
        3-HQL语句_python脚本构建中间结果_3.mp4  [123.7 MB]
📁 21--深度学习-OCR文本识别
    10-CRNN项目代码剖析.mp4  [306.5 MB]
    7-CTC前向后向算法代码.mp4  [225.4 MB]
    8-GreedySearch和BeamSearch解码的方式与代码逻辑【资源精选‖更多关注：CunworkNotes】.mp4  [308.2 MB]
    5-CTC损失函数的理解【优质资源‖关注：cunWorkNotes 解锁】.mp4  [330.6 MB]
    3-OCR识别的CTC损失思想.mp4  [327.7 MB]
    4-总结理解深度学习文字识别架构.mp4  [121.6 MB]
    6-CTC损失函数前向后向算法推导_梯度求导公式推导【公重号：CunWorkNotes】.mp4  [200.5 MB]
    1-传统OCR识别_深度学习OCR识别【优质资源‖关注：cunWorkNotes 解锁】.mp4  [369.9 MB]
    2-OCR识别本质就是文字检测和文字识别.mp4  [253.3 MB]
    9-CPTN项目代码剖析.mp4  [491.7 MB]
📁 25--【加课】百度飞桨PaddlePaddle实战【新增】
📁     📁 1--PaddlePaddle框架安装_波士顿房价预测
        2-Pycharm运行出现mkl-service或DLL找不到的问题.mp4  [45.2 MB]
        1-安装PaddlePaddle【更多精选‖公众号：CunWorknotes】  .mp4  [87.3 MB]
        3-PaddlePaddle求解线性模型【优质资源‖关注：cunWorkNotes 解锁】.mp4  [50.6 MB]
        5-预测波士顿房价_反向传播_模型保存_模型测试.mp4  [43.7 MB]
        4-预测波士顿房价_数据读取_正向传播.mp4  [60.5 MB]
📁     📁 4--PaddleOCR工具_车牌识别（目标检测+CRNN+CTCLoss)
        3-车牌识别项目_运行保存标签和剪切出的车牌图片.mp4  [57.5 MB]
        5-车牌识别项目_车牌字符识别模型训练【整理不易‖记得关注：CunWorKNotes】.mp4  [61.9 MB]
        1-PaddleOCR_项目配置_CCPD数据集介绍【公重号：CunWorkNotes】.mp4  [69.6 MB]
        4-车牌识别项目_车牌目标框检测模型训练【更多精选‖公众号：CunWorknotes】  .mp4  [61.6 MB]
        6-车牌识别项目_车牌识别模型导出及预测.mp4  [75.6 MB]
        2-车牌识别项目_详解数据准备阶段代码.mp4  [42.9 MB]
📁     📁 3--PaddleDetection工具_PCB电路板缺陷检测
        4-PCB电路板缺陷检测_前期数据的分析【优质资源‖关注：cunWorkNotes 解锁】.mp4  [133.8 MB]
        6-PCB电路板缺陷检测_模型训练【优质资源‖关注：cunWorkNotes 解锁】.mp4  [64.6 MB]
        1-PaddleDetection_项目配置.mp4  [82.9 MB]
        7-PCB电路板缺陷检测_模型预测.mp4  [51.7 MB]
        3-PCB电路板缺陷检测_Images和Annotations【不易整理‖请关注：CunWorkNoteS】.mp4  [83.1 MB]
        2-安装配置VisualStudio_解决安装模块pycocotools或cython_bbox编译报错问题.mp4  [65.5 MB]
        5-PCB电路板缺陷检测_项目配置文件【资源精选‖更多关注：CunworkNotes】.mp4  [42.8 MB]
📁     📁 5--PaddleNLP模块_物流信息提取（BiGRU+CRF）
        6-PaddleNLP_物流信息提取项目_构建网络模型.mp4  [48.5 MB]
        1-PaddleNLP_项目配置【持续更新‖免费提供：CunworknoteS】.mp4  [49.4 MB]
        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  [80.6 MB]
        7-PaddleNLP_物流信息提取项目_模型训练【更多精选‖公众号：CunWorknotes】  .mp4  [47.3 MB]
        4-PaddleNLP_物流信息提取项目_加载数据构建DataSet【不易整理‖请关注：CunWorkNoteS】.mp4  [55.5 MB]
        3-物流信息提取项目_解决导包显示找不到nul问题【整理不易‖记得关注：CunWorKNotes】.mp4  [106.2 MB]
        5-PaddleNLP_物流信息提取项目_进一步通过DataSet构建出DataLoader【更多精选‖公众号：CunWorknotes】  .mp4  [51.9 MB]
        2-PaddleNLP_物流信息提取项目介绍.mp4  [48.0 MB]
📁     📁 2--PaddlePaddle卷积网络_病理性近视识别
        1-预测病理性近视_图片数据读取【优质资源‖关注：cunWorkNotes 解锁】.mp4  [97.2 MB]
        4-预测病理性近视_调用经典卷积神经网络【持续更新‖免费提供：CunworknoteS】.mp4  [91.8 MB]
        3-预测病理性近视_定义模型结构_评估模型.mp4  [84.1 MB]
        2-预测病理性近视_模型训练.mp4  [86.7 MB]
📁     📁 6--PaddleNLP模块_物流信息提取（ERNIE版）
        2-PaddleNLP_物流信息提取项目_ERNIE实战_详解Tokenizer作用.mp4  [57.4 MB]
        1-PaddleNLP_物流信息提取项目_ERNIE实战_加载数据集构建Dataset【资源精选‖更多关注：CunworkNotes】.mp4  [49.5 MB]
        3-PaddleNLP_物流信息提取项目_ERNIE实战_讲解模型训练和评估代码【更多精选‖公众号：CunWorknotes】  .mp4  [47.8 MB]
        4-PaddleNLP_物流信息提取项目_ERNIE实战_讲解ChunkEvaluator和输出预测结果【优质资源‖关注：cunWorkNotes 解锁】.mp4  [57.9 MB]
📁 15--深度学习-图像识别项目实战
📁     📁 1--车牌识别
        4-基于CascadeClassifier来提取目标框做车牌识别代码详解_04【持续更新‖免费提供：CunworknoteS】.mp4  [73.1 MB]
        1-基于CascadeClassifier来提取目标框做车牌识别代码详解_01.mp4  [83.2 MB]
        5-车牌识别项目关于目标检测的问题.mp4  [39.5 MB]
        2-基于CascadeClassifier来提取目标框做车牌识别代码详解_02.mp4  [86.4 MB]
        3-基于CascadeClassifier来提取目标框做车牌识别代码详解_03【优质资源‖关注：cunWorkNotes 解锁】.mp4  [48.8 MB]
📁     📁 2--自然场景下的目标检测及源码分析
        24-FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_01【优质资源‖关注：cunWorkNotes 解锁】.mp4  [53.4 MB]
        13-FasterRCNN代码_根据RPN网络得到校正后的预测的框_01【不易整理‖请关注：CunWorkNoteS】.mp4  [84.0 MB]
        10-FasterRCNN代码_构建head【持续更新‖免费提供：CunworknoteS】.mp4  [67.6 MB]
        14-FasterRCNN代码_根据RPN网络得到校正后的预测的框_02.mp4  [119.9 MB]
        19-FasterRCNN代码_给RPN准备正负例样本_04.mp4  [46.7 MB]
        11-FasterRCNN代码_构建RPN网络_01.mp4  [124.4 MB]
        3-FasterRCNN项目代码_数据增强【持续更新‖免费提供：CunworknoteS】.mp4  [71.8 MB]
        2-FasterRCNN项目代码_数据加载【公重号：CunWorkNotes】.mp4  [96.2 MB]
        8-回归整体训练流程_详解读取数据blob_03【公重号：CunWorkNotes】.mp4  [39.2 MB]
        4-FasterRCNN项目代码_数据初始化【更多精选‖公众号：CunWorknotes】  .mp4  [73.3 MB]
        17-FasterRCNN代码_给RPN准备正负例样本_02【优质资源‖关注：cunWorkNotes 解锁】.mp4  [165.7 MB]
        5-FasterRCNN项目代码_模型的训练.mp4  [39.3 MB]
        18-FasterRCNN代码_给RPN准备正负例样本_03【不易整理‖请关注：CunWorkNoteS】.mp4  [43.6 MB]
        26-FasterRCNN代码_添加Loss损失_smoothL1loss.mp4  [76.4 MB]
        12-FasterRCNN代码_构建RPN网络_02.mp4  [88.5 MB]
        20-FasterRCNN代码_给RPN准备正负例样本_05.mp4  [78.0 MB]
        6-回归整体训练流程_详解读取数据blob_01【更多精选‖公众号：CunWorknotes】  .mp4  [81.2 MB]
        25-FasterRCNN代码_给最终RCNN准备正负例样本_ROI池化_02.mp4  [74.4 MB]
        7-回归整体训练流程_详解读取数据blob_02.mp4  [75.7 MB]
        23-FasterRCNN代码_给RPN准备正负例样本_08.mp4  [57.3 MB]
        1-FasterRCNN项目代码_环境说明_数据集详解_项目结构说明.mp4  [116.5 MB]
        21-FasterRCNN代码_给RPN准备正负例样本_06【资源精选‖更多关注：CunworkNotes】.mp4  [114.6 MB]
        9-回归整体训练流程_详解读取数据blob_04【不易整理‖请关注：CunWorkNoteS】.mp4  [64.5 MB]
        22-FasterRCNN代码_给RPN准备正负例样本_07【持续更新‖免费提供：CunworknoteS】.mp4  [100.0 MB]
        15-FasterRCNN代码_bbox剪裁_NMS非极大值抑制.mp4  [91.4 MB]
        16-FasterRCNN代码_给RPN准备正负例样本_01【公重号：CunWorkNotes】.mp4  [100.3 MB]
📁     📁 3--图像风格迁移
        4-图片风格融合项目_架构_代码实现要点_4【优质资源‖关注：cunWorkNotes 解锁】.mp4  [86.9 MB]
        2-图片风格融合项目_架构_代码实现要点_2.mp4  [85.2 MB]
        1-图片风格融合项目_架构_代码实现要点_1【公重号：CunWorkNotes】.mp4  [81.1 MB]
        3-图片风格融合项目_架构_代码实现要点_3.mp4  [75.4 MB]
📁 11--机器学习与大数据-海量数据挖掘工具
📁     📁 3--Spark机器学习MLlib和ML模块
        23-SparkML网页分类案例代码实战续（1）_2.mp4  [143.9 MB]
        15-模型的训练以及评估和调超参_1【不易整理‖请关注：CunWorkNoteS】.mp4  [84.6 MB]
        22-SparkML网页分类案例代码实战续（1）_1【资源精选‖更多关注：CunworkNotes】.mp4  [144.0 MB]
        10-SparkMLlib调用KMeans聚类_调用决策树(1)_3.mp4  [104.5 MB]
        18-SparkML机器学习库概念讲解_1【更多精选‖公众号：CunWorknotes】  .mp4  [146.8 MB]
        4-SparkMLlib调用逻辑回归_使用标准归一化_1.mp4  [105.0 MB]
        26-SparkML网页分类案例代码实战续（3）【整理不易‖记得关注：CunWorKNotes】.mp4  [9.8 MB]
        14-从数据转化到训练集的构建【整理不易‖记得关注：CunWorKNotes】.mp4  [146.4 MB]
        13-使用逻辑回归和随机森林对股票Stock预测案例实战_3【持续更新‖免费提供：CunworknoteS】.mp4  [84.2 MB]
        21-SparkML机器学习库代码实战讲解_2.mp4  [169.5 MB]
        5-SparkMLlib调用逻辑回归_使用标准归一化_2.mp4  [255.3 MB]
        17-模型的训练以及评估和调超参_3【优质资源‖关注：cunWorkNotes 解锁】.mp4  [161.7 MB]
        25-SparkML网页分类案例代码实战续（2）_2.mp4  [99.3 MB]
        8-SparkMLlib调用KMeans聚类_调用决策树(1)_1.mp4  [80.2 MB]
        7-SparkMLlib调用逻辑回归_使用标准归一化_4【整理不易‖记得关注：CunWorKNotes】.mp4  [140.9 MB]
        11-使用逻辑回归和随机森林对股票Stock预测案例实战_1.mp4  [89.7 MB]
        19-SparkML机器学习库概念讲解_2.mp4  [121.3 MB]
        2-SparkMLlib调用逻辑回归_自定义阈值_1【资源精选‖更多关注：CunworkNotes】.mp4  [120.6 MB]
        9-SparkMLlib调用KMeans聚类_调用决策树(1)_2.mp4  [145.7 MB]
        6-SparkMLlib调用逻辑回归_使用标准归一化_3.mp4  [63.1 MB]
        24-SparkML网页分类案例代码实战续（2）_1.mp4  [177.1 MB]
        12-使用逻辑回归和随机森林对股票Stock预测案例实战_2【更多精选‖公众号：CunWorknotes】  .mp4  [92.2 MB]
        1-SparkMLlib对于逻辑回归算法的调用.mp4  [170.4 MB]
        16-模型的训练以及评估和调超参_2.mp4  [88.9 MB]
        20-SparkML机器学习库代码实战讲解_1.mp4  [146.5 MB]
        3-SparkMLlib调用逻辑回归_自定义阈值_2【不易整理‖请关注：CunWorkNoteS】.mp4  [109.4 MB]
📁     📁 2--Spark计算框架深入
        2-Spark宽依赖和窄依赖_01.mp4  [39.7 MB]
        12-构建LabeledPoint【公重号：CunWorkNotes】.mp4  [111.1 MB]
        3-Spark宽依赖和窄依赖_02【不易整理‖请关注：CunWorkNoteS】.mp4  [38.9 MB]
        11-讲解构建稀疏和稠密向量_01.mp4  [101.8 MB]
        7-Spark程序启动运行流程详解_01.mp4  [49.4 MB]
        13-介绍SparkMLlib模块中实现的算法和调用.mp4  [91.2 MB]
        9-Spark程序启动运行流程详解_03.mp4  [47.3 MB]
        6-分布式文件系统Block块的大小配置【整理不易‖记得关注：CunWorKNotes】.mp4  [114.5 MB]
        5-Spark术语总结.mp4  [89.7 MB]
        1-Spark数据缓存机制.mp4  [54.4 MB]
        10-讲解构建稀疏和稠密向量_01【更多精选‖公众号：CunWorknotes】  .mp4  [80.6 MB]
        4-Spark宽依赖和窄依赖_03.mp4  [28.0 MB]
        8-Spark程序启动运行流程详解_02.mp4  [71.4 MB]
📁     📁 1--Spark计算框架基础
        6-分布式计算框架Shuffle的原理_02.mp4  [44.9 MB]
        12-Spark算子操作实战讲解_代码实战WordCount_01.mp4  [69.4 MB]
        15-Spark算子操作实战讲解_代码实战WordCount_04.mp4  [41.9 MB]
        11-两种算子操作本质区别【优质资源‖关注：cunWorkNotes 解锁】.mp4  [56.3 MB]
        7-分布式计算框架Shuffle的原理_03.mp4  [29.3 MB]
        10-分布式计算所需进程.mp4  [26.3 MB]
        4-回顾hadoop讲解shuffle.mp4  [35.8 MB]
        3-Spark对比hadoop优势.mp4  [19.3 MB]
        13-Spark算子操作实战讲解_代码实战WordCount_02.mp4  [56.1 MB]
        1-Spark特性_01.mp4  [41.7 MB]
        8-Spark的RDD特性_01.mp4  [33.1 MB]
        9-Spark的RDD特性_02.mp4  [33.4 MB]
        14-Spark算子操作实战讲解_代码实战WordCount_03.mp4  [44.1 MB]
        5-分布式计算框架Shuffle的原理_01【优质资源‖关注：cunWorkNotes 解锁】.mp4  [46.2 MB]
        2-Spark特性_02.mp4  [35.1 MB]
📁 课件
    人工智能课件.txt  [5.2 KB]
📁 10--机器学习与大数据-Kaggle竞赛实战
📁     📁 2--网页分类案例
        4-竞赛其他相关提交成绩排行榜【不易整理‖请关注：CunWorkNoteS】.mp4  [40.2 MB]
        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  [62.5 MB]
        11-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_03【优质资源‖关注：cunWorkNotes 解锁】.mp4  [68.8 MB]
        10-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_02【公重号：CunWorkNotes】.mp4  [85.6 MB]
        9-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_01【公重号：CunWorkNotes】.mp4  [87.5 MB]
        6-MLlib对网页分类竞赛数据预处理.mp4  [103.0 MB]
        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【更多精选‖公众号：CunWorknotes】  .mp4  [74.7 MB]
        1-Kaggle网页分类竞赛介绍.mp4  [25.1 MB]
        3-评估指标ROC和AUC.mp4  [49.0 MB]
        5-数据导入【资源精选‖更多关注：CunworkNotes】.mp4  [68.4 MB]
        7-MLlib对网页分类竞赛数据预处理_模型训练.mp4  [71.3 MB]
        2-评估指标ROC和AUC.mp4  [56.2 MB]
📁     📁 1--药店销量预测案例
        4-对数据里面的目标变量sales的一个分析【公重号：CunWorkNotes】.mp4  [44.9 MB]
        1-Rossmann药店销量预测_kaggle的介绍.mp4  [36.3 MB]
        6-模型的训练_评估.mp4  [66.6 MB]
        2-对数据字段的介绍_导包.mp4  [19.9 MB]
        7-kaggle竞赛网站学习【公重号：CunWorkNotes】.mp4  [172.2 MB]
        3-自定义损失函数.mp4  [21.1 MB]
        5-数据的预处理【更多精选‖公众号：CunWorknotes】  .mp4  [111.8 MB]
📁 24--【加课】Pytorch项目实战
📁     📁 4--PyTorch循环神经网络_词性标注
        3-PyTorch词性标注_构建数据索引化和训练模型代码.mp4  [44.6 MB]
        4-PyTorch词性标注_测试模型效果.mp4  [11.7 MB]
        2-PyTorch词性标注_构建词嵌入层LSTM层和词性输出层.mp4  [47.0 MB]
        1-PyTorch词性标注_构建数据和词索引号【整理不易‖记得关注：CunWorKNotes】.mp4  [28.1 MB]
📁     📁 5--PyTorch编码器解码器_机器翻译
        5-PyTorch中英文翻译_构建带Attention注意力机制的Decoder解码器.mp4  [79.3 MB]
        2-PyTorch中英文翻译_数据预处理.mp4  [42.7 MB]
        8-PyTorch中英文翻译_绘制Attentions注意力权重.mp4  [33.7 MB]
        6-PyTorch中英文翻译_构建训练函数之Decoder计算.mp4  [59.1 MB]
        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  [57.7 MB]
        4-PyTorch中英文翻译_构建训练函数之Encoder计算【更多精选‖公众号：CunWorknotes】  .mp4  [50.9 MB]
        7-PyTorch中英文翻译_评估模型函数【优质资源‖关注：cunWorkNotes 解锁】.mp4  [56.5 MB]
        1-PyTorch中英文翻译_规范化语料库_构建中英文词典索引.mp4  [50.4 MB]
📁     📁 2--PyTorch基础_Tensor张量运算
        1-Tensor的创建【整理不易‖记得关注：CunWorKNotes】.mp4  [55.1 MB]
        2-修改Tensor的形状_索引操作.mp4  [76.5 MB]
        3-广播机制_逐元素操作.mp4  [44.5 MB]
        4-归并操作_比较操作_矩阵操作.mp4  [59.4 MB]
📁     📁 3--PyTorch卷积神经网络_实战CIFAR10
        7-使用VGG16模型提供准确率.mp4  [52.9 MB]
        9-迁移学习_PyTorch代码实战冻结预训练模型参数.mp4  [67.7 MB]
        1-PyTorch实战CIFAR10数据_读取和展示.mp4  [83.9 MB]
        4-PyTorch实战CIFAR10_分类别打印模型准确率【整理不易‖记得关注：CunWorKNotes】.mp4  [30.6 MB]
        10-PyTorch代码实战加入数据增强【不易整理‖请关注：CunWorkNoteS】.mp4  [34.2 MB]
        5-使用全局平均池化_使用LeNet模型.mp4  [41.0 MB]
        3-PyTorch实战CIFAR10_训练模型_测试模型【整理不易‖记得关注：CunWorKNotes】.mp4  [51.5 MB]
        8-torchvision里面的预训练模型【不易整理‖请关注：CunWorkNoteS】.mp4  [29.8 MB]
        2-PyTorch实战CIFAR10_构建网络_打印网络层次.mp4  [58.6 MB]
        6-使用集成学习思想训练识别模型.mp4  [87.0 MB]
📁     📁 1--PyTorch运行环境安装_运行环境测试
        2-PyTorch的安装【持续更新‖免费提供：CunworknoteS】.mp4  [76.5 MB]
        3-Pycharm关联PyTorch运行环境【整理不易‖记得关注：CunWorKNotes】.mp4  [38.0 MB]
        1-PyTorch概述.mp4  [29.3 MB]
        4-Jupyter关联PyTorch运行环境【更多精选‖公众号：CunWorknotes】  .mp4  [31.2 MB]
📁 8--机器学习-决策树系列
📁     📁 3--GBDT
        3-GBDT每棵树都是回归树_准备数据才能训练下一颗小树.mp4  [77.4 MB]
        1-GBDT试图使用有监督最优化算法梯度下降求解F(x).mp4  [65.5 MB]
        15-GBDT二分类举例详解.mp4  [86.7 MB]
        20-GBDT在sklearn中源码剖析_初始化F(x)【持续更新‖免费提供：CunworknoteS】.mp4  [115.1 MB]
        9-GBDT应用于多分类任务【资源精选‖更多关注：CunworkNotes】.mp4  [73.3 MB]
        17-计算特征重要度进行特征选择【更多精选‖公众号：CunWorknotes】  .mp4  [54.9 MB]
        10-GBDT多分类如何每轮给K颗小树准备要去拟合的负梯度.mp4  [72.1 MB]
        8-GBDT中shrinkage学习率和最优树权重ρ可以共存.mp4  [61.5 MB]
        18-GBDT用于特征组合降维【优质资源‖关注：cunWorkNotes 解锁】.mp4  [43.7 MB]
        7-GBDT二分类拟合的负梯度依然是残差.mp4  [83.8 MB]
        2-GBDT令每个弱学习器f(x)去拟合负梯度【优质资源‖关注：cunWorkNotes 解锁】.mp4  [88.4 MB]
        12-对比GBDT回归、二分类、多分类相同点与不同点.mp4  [60.8 MB]
        16-GBDT多分类举例详解【整理不易‖记得关注：CunWorKNotes】.mp4  [91.7 MB]
        5-GBDT回归举例_总结【更多精选‖公众号：CunWorknotes】  .mp4  [108.5 MB]
        23-GBDT+LR架构预测评估代码实现【不易整理‖请关注：CunWorkNoteS】.mp4  [66.5 MB]
        4-GBDT应用于回归问题【不易整理‖请关注：CunWorkNoteS】.mp4  [84.7 MB]
        6-GBDT应用于二分类问题.mp4  [70.4 MB]
        21-GBDT在sklearn中源码剖析_负梯度计算和叶子节点分值计算.mp4  [71.7 MB]
        13-GBDT二分类叶子节点分值计算推导.mp4  [74.0 MB]
        22-GBDT+LR架构训练模型代码实现.mp4  [88.4 MB]
        14-GBDT多分类叶子节点分值计算【不易整理‖请关注：CunWorkNoteS】.mp4  [54.6 MB]
        19-特征组合降维在GBDT+LR架构应用.mp4  [51.3 MB]
        11-GBDT多分类流程【整理不易‖记得关注：CunWorKNotes】.mp4  [73.8 MB]
📁     📁 4--XGBoost
        4-回顾基于树集成学习的模型和参数并举例说明【整理不易‖记得关注：CunWorKNotes】.mp4  [93.4 MB]
        5-通过目标函数Obj来达到准确率和复杂度平衡【不易整理‖请关注：CunWorkNoteS】.mp4  [48.3 MB]
        6-Objective_vs_Heuristic.mp4  [60.4 MB]
        16-样本权重对于模型学习的影响.mp4  [59.8 MB]
        11-由每个叶子节点重组目标函数Obj.mp4  [68.6 MB]
        10-重新定义树ft和树的复杂度Ω.mp4  [77.7 MB]
        12-推导XGBoost出Wj计算公式_推导评价树好坏的Obj.mp4  [72.3 MB]
        9-Obj化简常数项_明确训练每颗回归树需要准备gi和hi.mp4  [67.4 MB]
        8-推导XGBoost对Loss二阶泰勒展开之后的Obj【公重号：CunWorkNotes】.mp4  [48.6 MB]
        13-根据Obj收益指导每一次分裂从而学习一棵树结构.mp4  [106.7 MB]
        7-得出XGBoost最开始的Obj目标函数.mp4  [94.9 MB]
        17-总结XGBoost的特性_包括缺失值的处理策略【更多精选‖公众号：CunWorknotes】  .mp4  [101.5 MB]
        1-回顾有监督机器学习三要素.mp4  [82.5 MB]
        2-Bias_Variance_Trade-off.mp4  [66.0 MB]
        3-基于树集成学习4个优点.mp4  [91.4 MB]
        15-XGBoost中防止过拟合的前剪枝_后剪枝_学习率.mp4  [71.2 MB]
        14-举例说明从连续型和离散型变量中寻找最佳分裂条件【公重号：CunWorkNotes】.mp4  [73.8 MB]
📁     📁 1--决策树
        9-代码实战决策树对鸢尾花数据集分类.mp4  [77.9 MB]
        13-CCP代价复杂度后剪枝.mp4  [130.7 MB]
        3-如何构建一颗决策树【更多精选‖公众号：CunWorknotes】  .mp4  [84.9 MB]
        8-预剪枝以及相关超参数【不易整理‖请关注：CunWorkNoteS】.mp4  [127.1 MB]
        11-代码训练回归树拟合SineWave.mp4  [93.8 MB]
        4-什么是更好的一次划分【整理不易‖记得关注：CunWorKNotes】.mp4  [57.0 MB]
        6-信息增益【资源精选‖更多关注：CunworkNotes】.mp4  [75.3 MB]
        14-CCP代价复杂度剪枝_α超参数设定.mp4  [62.2 MB]
        10-绘制决策树模型_寻找最优树深度【整理不易‖记得关注：CunWorKNotes】.mp4  [97.1 MB]
        2-决策树的数学表达【公重号：CunWorkNotes】.mp4  [89.9 MB]
        1-决策树模型的特点【不易整理‖请关注：CunWorkNoteS】.mp4  [74.9 MB]
        5-Gini系数.mp4  [107.5 MB]
        7-熵与Gini系数关系_信息增益率.mp4  [118.2 MB]
        12-后剪枝的意义【更多精选‖公众号：CunWorknotes】  .mp4  [50.5 MB]
📁     📁 2--集成学习和随机森林
        5-OOB袋外数据【资源精选‖更多关注：CunworkNotes】.mp4  [106.1 MB]
        4-代码实战随机森林对鸢尾花数据集分类【资源精选‖更多关注：CunworkNotes】.mp4  [101.8 MB]
        6-Adaboost算法思路.mp4  [106.3 MB]
        3-随机森林.mp4  [108.1 MB]
        7-调整数据权重让权重正确率达到50%【更多精选‖公众号：CunWorknotes】  .mp4  [66.8 MB]
        8-Adaboost如何调整样本权重和求基模型权重【优质资源‖关注：cunWorkNotes 解锁】.mp4  [90.5 MB]
        2-Bagging_Boosting_Stacking.mp4  [59.0 MB]
        1-不同聚合方式_生成不同弱学习器方式.mp4  [80.5 MB]
📁 2--人工智能基础-Python基础
📁     📁 1--Python开发环境搭建
        4-Jupyter安装和代码运行.mp4  [37.1 MB]
        6-Conda虚拟环境创建与Python模块安装【资源精选‖更多关注：CunworkNotes】.mp4  [73.1 MB]
        3-Pycharm安装和代码运行【公重号：CunWorkNotes】.mp4  [71.6 MB]
        2-Miniconda安装和测试.mp4  [57.1 MB]
        1-下载Miniconda运行环境【公重号：CunWorkNotes】.mp4  [100.7 MB]
        7-关联虚拟环境运行代码.mp4  [38.1 MB]
        5-Jupyter常用快捷键.mp4  [32.2 MB]
📁     📁 2--Python基础语法
        3-Python_控制语句_多分支_三元条件运算符.mp4  [31.0 MB]
        22-Python_函数式编程_高阶函数.mp4  [24.6 MB]
        8-Python_切片操作【公重号：CunWorkNotes】.mp4  [40.2 MB]
        23-Python_函数式编程_map_reduce_filter_匿名函数.mp4  [37.9 MB]
        2-Python_控制语句_单双分支【整理不易‖记得关注：CunWorKNotes】.mp4  [50.7 MB]
        5-Python_控制语句_for循环.mp4  [22.8 MB]
        14-Python_集合操作_字典和常见操作.mp4  [38.0 MB]
        31-Python_类对象_子类复用父类构造器和方法_方法重写【整理不易‖记得关注：CunWorKNotes】.mp4  [32.0 MB]
        16-Python_os模块_shutil模块.mp4  [51.5 MB]
        17-Python_打开并读取文件_中文编码问题【公重号：CunWorkNotes】.mp4  [58.8 MB]
        27-Python_类对象_实例属性和方法_类属性和方法.mp4  [38.4 MB]
        18-Python_函数_定义_调用_返回值_注释【优质资源‖关注：cunWorkNotes 解锁】.mp4  [23.8 MB]
        19-Python_函数_局部变量_全局变量【更多精选‖公众号：CunWorknotes】  .mp4  [31.2 MB]
        15-Python_集合操作_字典keys方法_enumerate函数【更多精选‖公众号：CunWorknotes】  .mp4  [22.4 MB]
        26-Python_类对象_定义与实例化对象.mp4  [44.2 MB]
        30-Python_类对象_面向对象三大特性_类的继承【优质资源‖关注：cunWorkNotes 解锁】.mp4  [24.7 MB]
        12-Python_集合操作_列表的常用方法【优质资源‖关注：cunWorkNotes 解锁】.mp4  [37.3 MB]
        9-Python_数据类型.mp4  [25.4 MB]
        20-Python_函数_默认参数_可变参数.mp4  [24.5 MB]
        13-Python_集合操作_元组.mp4  [43.5 MB]
        29-Python_类对象_运算符重载_私有对象方法_isinstance函数.mp4  [38.5 MB]
        25-Python_函数_装饰器.mp4  [30.3 MB]
        10-Python_集合操作_列表.mp4  [34.7 MB]
        1-Python是强类型的动态脚本语言.mp4  [44.1 MB]
        28-Python_类对象_内置方法.mp4  [29.2 MB]
        11-Python_集合操作_列表的基本操作.mp4  [49.4 MB]
        4-Python_控制语句_while循环.mp4  [25.0 MB]
        7-Python_控制语句_break_continue.mp4  [25.2 MB]
        6-Python_控制语句_嵌套循环.mp4  [36.2 MB]
        21-Python_函数_递归.mp4  [23.5 MB]
        24-Python_函数_闭包.mp4  [41.6 MB]
📁 1--人工智能基础-快速入门
📁     📁 1--人工智能就业、薪资、各行业应用
        3-人工智能时代是发展的必然.mp4  [23.2 MB]
        1-人工智能就业前景与薪资.mp4  [52.1 MB]
        2-人工智能适合人群与必备技能【整理不易‖记得关注：CunWorKNotes】.mp4  [44.6 MB]
        4-人工智能在各领域的应用【资源精选‖更多关注：CunworkNotes】.mp4  [57.7 MB]
📁     📁 2--机器学习和深度学习、有监督和无监督
        4-有监督机器学习任务与本质【整理不易‖记得关注：CunWorKNotes】.mp4  [37.5 MB]
        5-无监督机器学习任务与本质.mp4  [50.2 MB]
        3-深度学习比传统机器学习有优势.mp4  [84.8 MB]
        2-机器学习不同的学习方式.mp4  [83.5 MB]
        1-人工智能常见流程.mp4  [89.6 MB]
📁 26--【加课】Linux 环境编程基础
📁     📁 1--Linux
        21-Linux_常用配置_快照与克隆.mp4  [16.5 MB]
        1-Linux_课程介绍【公重号：CunWorkNotes】.mp4  [3.7 MB]
        3-Linux_VMWare安装及使用【不易整理‖请关注：CunWorkNoteS】.mp4  [20.9 MB]
        23-Linux_上传与下载_Xftp的使用【不易整理‖请关注：CunWorkNoteS】.mp4  [20.3 MB]
        4-Linux_安装Linux.mp4  [42.0 MB]
        9-Linux_常用命令_ls与ll命令.mp4  [34.4 MB]
        8-Linux_常用命令_cd命令【更多精选‖公众号：CunWorknotes】  .mp4  [8.1 MB]
        19-Linux_常用配置_修改网段.mp4  [12.8 MB]
        5-Linux_目录介绍【不易整理‖请关注：CunWorkNoteS】.mp4  [20.3 MB]
        18-Linux_常用配置_启动网络.mp4  [15.6 MB]
        24-Linux_上传与下载_lrzsz工具.mp4  [43.3 MB]
        12-Linux_常用命令_mkdir命令【资源精选‖更多关注：CunworkNotes】.mp4  [10.6 MB]
        26-Linux_安装MySQL【资源精选‖更多关注：CunworkNotes】.mp4  [79.0 MB]
        20-Linux_常用配置_设置网络类型【持续更新‖免费提供：CunworknoteS】.mp4  [25.7 MB]
        10-Linux_常用命令_clear、touch、cat命令.mp4  [10.1 MB]
        7-Linux_常用命令_pwd命令.mp4  [5.8 MB]
        13-Linux_常用命令_cp命令.mp4  [16.1 MB]
        11-Linux_常用命令more、head、tail命令.mp4  [16.3 MB]
        15-Linux_常用命令_vi、vim.mp4  [30.6 MB]
        14-Linux_常用命令_rm、mv命令【不易整理‖请关注：CunWorkNoteS】.mp4  [31.8 MB]
        17-Linux_常用配置_设置时区【优质资源‖关注：cunWorkNotes 解锁】.mp4  [28.8 MB]
        2-Linux_Linux简介【不易整理‖请关注：CunWorkNoteS】.mp4  [17.6 MB]
        16-Linux_常用命令_reboot、halt【公重号：CunWorkNotes】.mp4  [4.8 MB]
        25-Linux_文件的压缩与解压缩处理.mp4  [43.1 MB]
        22-Linux_Xshell的安装与使用.mp4  [19.5 MB]
        6-Linux_Linux中的路径【公重号：CunWorkNotes】.mp4  [18.7 MB]
📁 16--深度学习-目标检测YOLO(V1-V4全版本)实战
📁     📁 3--YOLOv3详解
        5-YOLOv4论文概述_BOS_BOF.mp4  [297.3 MB]
        4-YOLOv4论文概述_介绍.mp4  [139.5 MB]
        2-YOLOv3论文详解_引入了FPN的思想特征融合_多路输出_DarkNet53【持续更新‖免费提供：CunworknoteS】.mp4  [158.6 MB]
        1-YOLOv3论文详解_每个框都要预测多个类别概率【更多精选‖公众号：CunWorknotes】  .mp4  [86.5 MB]
        3-YOLOv3论文详解_总结_FocalLoss【持续更新‖免费提供：CunworknoteS】.mp4  [147.5 MB]
📁     📁 2--YOLOv2详解
        2-YOLOv2论文详解_mAP更better的一些点.mp4  [257.4 MB]
        3-YOLOv2论文详解_Darknet19_分类数据和检测数据集融合_多标签.mp4  [141.4 MB]
        1-YOLOv2论文详解_BN_高分辨率_引入AnchorBoxes.mp4  [158.8 MB]
        4-YOLOv2论文详解_层级分类_层级分类用于目标检测.mp4  [183.5 MB]
📁     📁 5--YOLOv4详解
        3-YOLOv4_BOS_ASPP_SAM_SoftNMS_Mish.mp4  [216.1 MB]
        1-YOLOv4_BOF_DropBlock_FocalLoss.mp4  [207.1 MB]
        2-YOLOv4_BOF_GIoU_DIoU_CIoU.mp4  [90.5 MB]
        4-YOLOv4_BOS_SAM_PAN_CSP_CmBN.mp4  [220.9 MB]
📁     📁 1--YOLOv1详解
        2-YOLOv1论文详解_网络架构_思想【不易整理‖请关注：CunWorkNoteS】.mp4  [215.9 MB]
        1-YOLOv1论文详解_算法特点介绍【公重号：CunWorkNotes】.mp4  [179.7 MB]
        3-YOLOv1论文详解_训练中的技巧_Loss损失函数.mp4  [253.2 MB]
        4-YOLOv1论文详解_NMS_局限性【优质资源‖关注：cunWorkNotes 解锁】.mp4  [82.1 MB]
📁     📁 4--YOLOv3代码实战
        5-YOLOv3代码剖析_weights到h5模型的转换.mp4  [144.7 MB]
        6-YOLOv3代码剖析_模型的训练部分详解【公重号：CunWorkNotes】.mp4  [316.6 MB]
        3-YOLOv3代码剖析_model输出之后的预测框的计算【更多精选‖公众号：CunWorknotes】  .mp4  [223.6 MB]
        1-YOLOv3代码剖析_项目介绍【公重号：CunWorkNotes】.mp4  [157.0 MB]
        2-YOLOv3代码剖析_聚类anchors_构建backbone主干网络.mp4  [238.1 MB]
        4-YOLOv3代码剖析_使用model预测的其余代码.mp4  [86.5 MB]
📁 6--机器学习-线性分类
📁     📁 1--逻辑回归
        16-实战逻辑回归对鸢尾花数据集进行多分类.mp4  [40.5 MB]
        3-逻辑回归为什么用sigmoid函数_预备知识.mp4  [31.0 MB]
        5-回想多元线性回归公式其实也是从广义线性回归推导出来的.mp4  [6.7 MB]
        6-推导逻辑回归损失函数_得到总似然的公式【资源精选‖更多关注：CunworkNotes】.mp4  [29.6 MB]
        7-推导逻辑回归损失函数_得到最终形式.mp4  [12.4 MB]
        4-证明伯努利分布是指数族分布_推导出逻辑回归公式.mp4  [42.0 MB]
        2-sigmoid函数作用【不易整理‖请关注：CunWorkNoteS】.mp4  [38.2 MB]
        13-对逻辑回归的损失函数求导_推导出导函数的形式【持续更新‖免费提供：CunworknoteS】.mp4  [42.5 MB]
        8-绘制逻辑回归损失函数_读入数据计算最优解模型_实现逻辑回归预测_实现逻辑回归损失函数.mp4  [56.6 MB]
        11-绘制逻辑回归损失函数_绘制3D的图形_分析X1X2两个维度的重要度.mp4  [43.9 MB]
        10-绘制逻辑回归损失函数_探索两个参数和损失函数变换关系【资源精选‖更多关注：CunworkNotes】.mp4  [39.8 MB]
        14-实战逻辑回归对鸢尾花数据集进行二分类.mp4  [46.6 MB]
        9-绘制逻辑回归损失函数_探索单个参数和损失的关系.mp4  [30.7 MB]
        15-OneVsRest将多分类问题转化成多个二分类问题.mp4  [26.1 MB]
        12-对逻辑回归函数进行求导_结论在后面会用到.mp4  [20.5 MB]
        1-逻辑回归_Sigmoid函数.mp4  [21.1 MB]
📁     📁 2--Softmax回归
        13-实战音乐分类器_模型的测试和调优_解决双通道音乐文件的问题.mp4  [78.0 MB]
        12-实战音乐分类器_代码读取600首傅里叶变换后的数据_构建训练集并训练模型.mp4  [47.7 MB]
        4-再次证明Softmax损失函数当K=2时就是逻辑回归损失函数【整理不易‖记得关注：CunWorKNotes】.mp4  [28.2 MB]
        1-证明多项式分布属于指数族分布一种.mp4  [27.9 MB]
        9-实战音乐分类器_傅里叶变换可以帮助我们做什么【不易整理‖请关注：CunWorkNoteS】.mp4  [25.1 MB]
        10-实战音乐分类器_代码使用傅里叶变换将混音文件进行投影.mp4  [42.7 MB]
        7-实战音乐分类器_讲解需求和读取数据.mp4  [32.6 MB]
        3-有了Softmax函数的公式就可以去计算loss_Softmax的Loss函数形式其实就是LR的泛化版本.mp4  [33.4 MB]
        11-实战音乐分类器_代码对单首歌曲进行傅里叶变换_代码对600首音乐文件进行傅里叶变换并保存结果.mp4  [49.2 MB]
        2-从广义线性回归的η推导出来Softmax的公式【更多精选‖公众号：CunWorknotes】  .mp4  [21.3 MB]
        5-证明Softmax公式K=2的时候就是逻辑回归_平移不变性.mp4  [13.9 MB]
        6-逻辑回归和Softmax回归在多分类任务模型参数上的区别_与算法在选择上的区别【优质资源‖关注：cunWorkNotes 解锁】.mp4  [46.7 MB]
        8-实战音乐分类器_探索不同曲风音乐文件的时间频率图【公重号：CunWorkNotes】.mp4  [52.4 MB]
📁     📁 4--SMO优化算法
        7-启发式选择两个α【资源精选‖更多关注：CunworkNotes】.mp4  [23.1 MB]
        9-SVM的SMO实现读取数据和计算fx与Ei.mp4  [73.4 MB]
        8-如何计算阈值b.mp4  [50.2 MB]
        13-关于sklearn中的SVM封装的类和超参.mp4  [15.5 MB]
        15-OVR和OVO多分类_算法小结_对比逻辑回归.mp4  [36.5 MB]
        10-SVM的SMO实现判断违背条件的α1.mp4  [19.2 MB]
        11-SVM的SMO实现应用公式计算alphas和b【持续更新‖免费提供：CunworknoteS】.mp4  [20.9 MB]
        2-SMO算法求解思路_分解成很多个子二次规划问题分别求解【整理不易‖记得关注：CunWorKNotes】.mp4  [65.4 MB]
        1-SVM算法流程总结【整理不易‖记得关注：CunWorKNotes】.mp4  [58.4 MB]
        3-SMO将交给它的目标函数变成二元函数进一步变成一元函数.mp4  [63.2 MB]
        5-将公式467带入导函数进一步简化_对求解出的新的α2进行剪裁.mp4  [92.4 MB]
        12-SVM绘制已有数据点和超平面以及边界.mp4  [21.1 MB]
        6-再次说明α2如何进行剪裁的思路_根据α2求α1【持续更新‖免费提供：CunworknoteS】.mp4  [37.6 MB]
        14-概率化输出_SVM的合页损失函数_Tensorflow实现GD方式求解SVM.mp4  [69.0 MB]
        4-对一元函数求极值点_推导出旧的α和新的α的关系.mp4  [53.2 MB]
📁     📁 3--SVM支持向量机算法
        9-SVM在sklearn中的使用_超参数【不易整理‖请关注：CunWorkNoteS】.mp4  [144.3 MB]
        4-数学预备知识_拉格朗日函数【资源精选‖更多关注：CunworkNotes】.mp4  [122.4 MB]
        8-非线性SVM【整理不易‖记得关注：CunWorKNotes】.mp4  [54.4 MB]
        7-软间隔SVM和总结流程.mp4  [135.8 MB]
        5-硬间隔SVM的两步优化.mp4  [102.9 MB]
        1-SVM与感知机关系_几何距离与函数距离.mp4  [114.2 MB]
        3-几种SVM_SVM的损失函数.mp4  [74.9 MB]
        2-SVM的思想.mp4  [55.6 MB]
        6-总结硬间隔SVM【持续更新‖免费提供：CunworknoteS】.mp4  [39.0 MB]
📁 20--深度学习-NLP自然语言处理项目实战
📁     📁 6--BERT新浪新闻10分类项目
        1-BERT新浪新闻10分类项目【持续更新‖免费提供：CunworknoteS】.mp4  [104.5 MB]
📁     📁 5--实战NER命名实体识别项目
        6-BiLSTM-CRF模型的预测代码.mp4  [64.1 MB]
        3-NER代码读取数据和预处理.mp4  [97.6 MB]
        2-介绍了代码目录结构.mp4  [23.4 MB]
        8-对比逻辑回归_相比HMM优势【不易整理‖请关注：CunWorkNoteS】.mp4  [143.6 MB]
        5-通过CRF层来计算Loss损失以及训练.mp4  [80.5 MB]
        1-回顾了一下CRF训练和使用过程.mp4  [73.7 MB]
        7-CRF中的特征函数们.mp4  [126.0 MB]
        9-补充标注偏置问题_HMM做分词代码结构【不易整理‖请关注：CunWorkNoteS】.mp4  [141.4 MB]
        4-feature进入BiLSTM进行正向传播的过程【持续更新‖免费提供：CunworknoteS】.mp4  [70.9 MB]
📁     📁 4--Seq2Seq聊天机器人
        2-Seq2Seq版Chatbot的数据预处理【整理不易‖记得关注：CunWorKNotes】.mp4  [93.8 MB]
        1-从AI写唐诗到Seq2Seq再到Encoder-Decoder.mp4  [118.8 MB]
        3-Seq2Seq版Chatbot训练和模型使用.mp4  [133.3 MB]
📁     📁 1--词向量
        5-Word2Vec项目代码_评估比较相似度_最后的训练绘图【不易整理‖请关注：CunWorkNoteS】.mp4  [83.3 MB]
        1-回顾了词向量里面训练的Topology.mp4  [121.7 MB]
        6-Word2Vec项目代码_总结串讲【资源精选‖更多关注：CunworkNotes】.mp4  [22.5 MB]
        4-Word2Vec项目代码_正向传播的Graph构建_NCE损失的计算本质.mp4  [102.8 MB]
        2-Word2Vec项目代码_加载数据_构建字典.mp4  [96.8 MB]
        3-Word2Vec项目代码_构建一个个批次数据.mp4  [82.3 MB]
📁     📁 7--GPT2聊天机器人
        1-GPT2闲聊机器人.mp4  [62.3 MB]
📁     📁 3--AI写唐诗
        2-AI写唐诗_训练数据的构建.mp4  [69.8 MB]
        3-MultiRNNCell单元.mp4  [38.9 MB]
        1-AI写唐诗_数据的读取_字典的构建_文本的索引化.mp4  [115.0 MB]
        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  [61.7 MB]
        6-AI写唐诗_模型的使用_增加随机性【不易整理‖请关注：CunWorkNoteS】.mp4  [93.9 MB]
        4-AI写唐诗_从词嵌入到构建RNN再到输出层概率输出【持续更新‖免费提供：CunworknoteS】.mp4  [67.0 MB]
📁     📁 2--自然语言处理--情感分析
        1-Keras实战RNN以及词嵌入来做情感分析.mp4  [71.1 MB]
        8-代码讲解_05【不易整理‖请关注：CunWorkNoteS】.mp4  [35.9 MB]
        4-代码讲解_01.mp4  [52.3 MB]
        5-代码讲解_02【整理不易‖记得关注：CunWorKNotes】.mp4  [60.8 MB]
        2-数据预处理_01.mp4  [79.7 MB]
        6-代码讲解_03【持续更新‖免费提供：CunworknoteS】.mp4  [53.9 MB]
        3-数据预处理_02.mp4  [45.7 MB]
        7-代码讲解_04.mp4  [57.2 MB]
📁 9--机器学习-概率图模型
📁     📁 3--CRF算法
        7-计算CRF所有可能路径的总分数.mp4  [135.6 MB]
        1-NER与分词和POS的关系_NER的标注策略_NER的主要方法【优质资源‖关注：cunWorkNotes 解锁】.mp4  [127.8 MB]
        2-讲解了一下常见的深度学习LSTM+CRF的网络拓扑.mp4  [71.9 MB]
        4-EmissionScore_TransitionScore【不易整理‖请关注：CunWorkNoteS】.mp4  [61.3 MB]
        5-CRF的目标函数.mp4  [23.7 MB]
        8-通过模型来预测新的句子的序列标签.mp4  [83.2 MB]
        3-了解CRF层添加的好处.mp4  [105.9 MB]
        6-计算CRF真实路径的分数【更多精选‖公众号：CunWorknotes】  .mp4  [50.4 MB]
📁     📁 2--HMM算法
        1-HMM隐马的定义【持续更新‖免费提供：CunworknoteS】.mp4  [36.8 MB]
        4-HMM预测问题使用维特比算法【整理不易‖记得关注：CunWorKNotes】.mp4  [33.4 MB]
        2-HMM隐马的三组参数_三个基本问题.mp4  [104.3 MB]
        5-HMM复习_明确概率计算问题要解决的目标.mp4  [76.0 MB]
        3-HMM预测问题使用前向算法【持续更新‖免费提供：CunworknoteS】.mp4  [44.3 MB]
        6-前向算法来解决概率计算问题.mp4  [33.0 MB]
        7-Viterbi算法案例详解.mp4  [107.1 MB]
        8-Viterbi算法代码实现【更多精选‖公众号：CunWorknotes】  .mp4  [42.4 MB]
📁     📁 1--贝叶斯分类
        4-sklearn中调用NB_顺便讲解了GridSearchCV【整理不易‖记得关注：CunWorKNotes】.mp4  [131.8 MB]
        1-朴素贝叶斯分类算法【优质资源‖关注：cunWorkNotes 解锁】.mp4  [126.7 MB]
        3-NB代码实现解析.mp4  [126.7 MB]
        6-贝叶斯网络_马尔可夫链.mp4  [38.7 MB]
        2-TF-IDF【整理不易‖记得关注：CunWorKNotes】.mp4  [53.1 MB]
        5-语言模型的设计目的_MLE的作用进行参数估计.mp4  [107.1 MB]
📁 14--深度学习-图像识别原理
📁     📁 5--现代目标检测之FasterRCNN
        2-FasterRNN的核心RPN_正向传播的框过滤_NMS.mp4  [214.1 MB]
        1-回顾RCNN_SPPnet_Fast-RCNN.mp4  [121.2 MB]
        5-FasterRCNN论文讲解_从RPN损失到评估指标对比【更多精选‖公众号：CunWorknotes】  .mp4  [248.0 MB]
        3-NMS代码实现流程_mAP目标检测平均指标.mp4  [157.2 MB]
        4-FasterRCNN论文讲解_从介绍到RPN的loss【资源精选‖更多关注：CunworkNotes】.mp4  [210.0 MB]
📁     📁 4--古典目标检测
        5-从FastRCNN引入FasterRCNN.mp4  [120.8 MB]
        2-使用OpenCV调用分类器找到目标框【优质资源‖关注：cunWorkNotes 解锁】.mp4  [98.2 MB]
        1-图像识别任务_古典目标检测【整理不易‖记得关注：CunWorKNotes】.mp4  [196.5 MB]
        4-R-CNN和SPP-net.mp4  [124.1 MB]
        3-IOU以及python计算的代码.mp4  [23.6 MB]
📁     📁 3--经典卷积网络算法
        9-Mobilenet网络架构.mp4  [150.0 MB]
        7-DenseNet在Keras里面的代码实现【不易整理‖请关注：CunWorkNoteS】.mp4  [66.7 MB]
        3-InceptionV1_V2【公重号：CunWorkNotes】.mp4  [165.9 MB]
        5-ResNet残差单元_BottlenetBlocK.mp4  [121.5 MB]
        4-InceptionV3_以及InceptionV3对皮肤癌图片识别.mp4  [167.0 MB]
        2-VGG16_Fine-tuning_对MNIST做手写数字识别.mp4  [116.6 MB]
        1-Keras介绍_以及不同项目调用不同的python环境和CUDA环境.mp4  [141.1 MB]
        6-DenseNet和Keras里面的实现【不易整理‖请关注：CunWorkNoteS】.mp4  [150.6 MB]
        8-BatchNormalization.mp4  [99.2 MB]
📁     📁 1--卷积神经网络原理
        6-卷积的计算TF中的API操作与参数.mp4  [93.5 MB]
        7-池化的概念和TF中的API的操作与参数.mp4  [64.1 MB]
        2-单通道卷积的计算.mp4  [104.0 MB]
        1-回顾深度神经网络_卷积层是局部连接.mp4  [131.2 MB]
        8-经典的CNN架构和LeNet5【不易整理‖请关注：CunWorkNoteS】.mp4  [137.2 MB]
        3-彩色图片卷积的计算【资源精选‖更多关注：CunworkNotes】.mp4  [52.8 MB]
        5-卷积的补充与Padding填充模式【整理不易‖记得关注：CunWorKNotes】.mp4  [97.0 MB]
        4-卷积层权值共享【不易整理‖请关注：CunWorkNoteS】.mp4  [63.9 MB]
📁     📁 2--卷积神经网络优化
        5-深度学习网络对应ACC准确率忽然下降的思考点.mp4  [104.1 MB]
        7-减轻梯度消失问题中参数初始化发挥的作用.mp4  [66.5 MB]
        2-Dropout技术点思想和运用【优质资源‖关注：cunWorkNotes 解锁】.mp4  [113.9 MB]
        9-Optimizer_SGD_Momentum【不易整理‖请关注：CunWorkNoteS】.mp4  [89.7 MB]
        1-AlexNet网络结构_连续使用小的卷积核好处【更多精选‖公众号：CunWorknotes】  .mp4  [109.4 MB]
        11-Optimizer_Adam【不易整理‖请关注：CunWorkNoteS】.mp4  [141.1 MB]
        3-数据增强技术点_CNN对MNIST数据集分类_卷积池化代码【优质资源‖关注：cunWorkNotes 解锁】.mp4  [77.6 MB]
        6-减轻梯度消失问题中激活函数发挥的作用.mp4  [42.0 MB]
        10-Optimizer_Adagrad_Adadelta_RMSprop【持续更新‖免费提供：CunworknoteS】.mp4  [121.4 MB]
        4-CNN对MNIST数据集分类_全连接层以及训练代码【公重号：CunWorkNotes】.mp4  [125.9 MB]
        8-VGG网络结构_以及1乘1的卷积核的作用和好处.mp4  [123.2 MB]
📁 31--【加课】 强化学习【新增】
📁     📁 1--Q-Learning与SARSA算法
        12-代码实战Sarsa_Agent选择行为和训练模型【公重号：CunWorkNotes】.mp4  [42.7 MB]
        10-代码实战Q-Learning智能体训练模型.mp4  [40.3 MB]
        3-详解Q值和V值以及它们之间关系.mp4  [82.7 MB]
        8-代码实战Q-Learning_Agent和Env整体交互.mp4  [34.2 MB]
        9-代码实战Q-Learning智能体选择行为【整理不易‖记得关注：CunWorKNotes】.mp4  [38.4 MB]
        5-蒙特卡洛和时序差分估算状态V值.mp4  [82.1 MB]
        13-代码实战SarsaLambda_训练模型【公重号：CunWorkNotes】.mp4  [42.5 MB]
        2-引入马尔科夫链和价值评估的Q值与V值.mp4  [59.8 MB]
        6-SARSA算法和Q-learning算法.mp4  [76.3 MB]
        11-代码实战Sarsa_Agent和Env整体交互【更多精选‖公众号：CunWorknotes】  .mp4  [45.4 MB]
        7-理解Q-table_创建maze交互环境.mp4  [78.6 MB]
        4-蒙特卡洛采样回溯计算V值.mp4  [74.2 MB]
        1-强化学习通过智能体与环境交互进行学习【整理不易‖记得关注：CunWorKNotes】.mp4  [81.8 MB]
📁     📁 4--Actor Critic (A3C)
        8-代码实战_A3C_讲解Coordinator调度多线程运算【不易整理‖请关注：CunWorkNoteS】.mp4  [32.0 MB]
        10-代码实战_A3C_增加actor探索性用到熵_定义worker正太分布抽样和求梯度的逻辑【资源精选‖更多关注：CunworkNotes】.mp4  [36.1 MB]
        11-代码实战_A3C_定义AC网络结构_定义worker拉取参数和更新全局网络参数的逻辑【公重号：CunWorkNotes】.mp4  [40.2 MB]
        13-代码实战_A3C_讲解线程中worker和环境交互.mp4  [51.5 MB]
        4-代码实战_Actor网络构建及训练.mp4  [58.1 MB]
        2-AdvantageActorCritic_共享参数和修改reward技巧.mp4  [86.4 MB]
        3-代码实战_ActorCritic与环境交互【更多精选‖公众号：CunWorknotes】  .mp4  [82.5 MB]
        7-Pendulum环境_根据网络预测的μ和σ得到连续型的action值【整理不易‖记得关注：CunWorKNotes】.mp4  [77.6 MB]
        1-ActorCritic原理_把PG和QLearning结合起来【资源精选‖更多关注：CunworkNotes】.mp4  [55.3 MB]
        5-代码实战_详解Critic网络构建及训练【持续更新‖免费提供：CunworknoteS】.mp4  [87.9 MB]
        6-A3C架构和训练流程【不易整理‖请关注：CunWorkNoteS】.mp4  [74.7 MB]
        12-代码实战_A3C_结合流程图分三点总结前面讲的代码【更多精选‖公众号：CunWorknotes】  .mp4  [39.7 MB]
        14-代码实战_A3C_讲解线程中worker和GlobalNet交互_代码运行效果展示.mp4  [47.2 MB]
        9-代码实战_A3C_定义Worker计算loss的逻辑_针对连续型的action提高actor探索性.mp4  [36.6 MB]
📁     📁 2--Deep Q-Learning Network
        13-困难样本挖掘_Multi-step_NoiseyNet系统的探索.mp4  [91.0 MB]
        10-DoubleDQN缓解over-estimate.mp4  [44.1 MB]
        12-DuelingDQN.mp4  [88.1 MB]
        4-代码实战DQN_Agent和Env整体交互.mp4  [52.2 MB]
        7-代码实战DQN_训练阶段得到Q网络的预测值和真实值.mp4  [53.5 MB]
        15-Rainbow_DQN如何计算连续型的Actions.mp4  [65.3 MB]
        6-代码实战DQN_定义损失函数_构建Target网络更新逻辑.mp4  [85.8 MB]
        9-DQN会over-estimate的本质原因【资源精选‖更多关注：CunworkNotes】.mp4  [44.9 MB]
        1-DQN算法思想.mp4  [59.2 MB]
        2-DQN算法具体流程.mp4  [56.2 MB]
        3-ε-greedy_ReplayBuffer_FixedQ-targets.mp4  [96.7 MB]
        14-计算Action的方差避免风险.mp4  [54.2 MB]
        8-代码实战DQN_训练阶段最小化损失_记录loss方便展示_随着learn的越多选择action随机性减小.mp4  [58.9 MB]
        11-DoubleDQN代码实战.mp4  [44.5 MB]
        5-代码实战DQN_构建Q网络【整理不易‖记得关注：CunWorKNotes】.mp4  [70.5 MB]
📁     📁 3--Policy Gradient 策略梯度
        1-策略梯度PG_对比基于值和基于策略网络的区别.mp4  [68.2 MB]
        8-代码实战_策略梯度PG选择行为和参数训练.mp4  [54.7 MB]
        6-代码实战_策略梯度PG和CartPole交互【持续更新‖免费提供：CunworknoteS】.mp4  [75.6 MB]
        10-策略梯度PG_同一个回合中不同的action回溯不同的TotalReward_代码实战【公重号：CunWorkNotes】.mp4  [34.2 MB]
        4-策略梯度PG_总结整体流程_对比交叉熵损失函数求导【优质资源‖关注：cunWorkNotes 解锁】.mp4  [33.4 MB]
        7-代码实战_策略梯度PG网络构建【更多精选‖公众号：CunWorknotes】  .mp4  [48.9 MB]
        2-策略梯度PG_明确目标函数和导函数【整理不易‖记得关注：CunWorKNotes】.mp4  [62.2 MB]
        9-策略梯度PG_对TotalReward进行均值归一化.mp4  [33.1 MB]
        5-策略梯度PG_讲解CartPole环境.mp4  [55.6 MB]
        3-策略梯度PG_简化导函数的公式推导【公重号：CunWorkNotes】.mp4  [36.7 MB]
📁     📁 5--DDPG、PPO、DPPO算法
        4-代码实战_DDPG_与环境之间的互动_AC训练调整参数_效果展示.mp4  [44.2 MB]
        6-PPO_强调AC如何输出连续型动作_区分On-Policy与Off-Policy【持续更新‖免费提供：CunworknoteS】.mp4  [38.4 MB]
        15-代码实战_DPPO_GlobalPPO和Workers交替执行.mp4  [54.7 MB]
        14-代码实战_DPPO_创建一个PPO和多个Worker_创建多线程【整理不易‖记得关注：CunWorKNotes】.mp4  [37.8 MB]
        10-代码实战_PPO与环境整体交互_Actor与Critic网络构建【持续更新‖免费提供：CunworknoteS】.mp4  [32.5 MB]
        13-DPPO分布式PPO【资源精选‖更多关注：CunworkNotes】.mp4  [63.8 MB]
        11-代码实战_定义PPO1和PPO2不同版本Actor的Loss计算逻辑.mp4  [41.0 MB]
        3-代码实战_DDPG_Critic网络构建_Actor网络链式求导.mp4  [57.1 MB]
        1-DDPG解决DQN不能输出连续型动作的问题_DDPG如何训练Actor和Critic.mp4  [81.9 MB]
        2-代码实战_DDPG_构建Actor和Critic四个网络_定义Critic求loss和求梯度的逻辑【更多精选‖公众号：CunWorknotes】  .mp4  [51.4 MB]
        12-代码实战_剖析PPO代码中如何体现Off-Policy的学习方式_效果展示.mp4  [42.1 MB]
        5-TD3_使用DoubleNetwork优化DDPG.mp4  [63.9 MB]
        7-PPO_通过重要性采样使得PPO可以做Off-Policy学习.mp4  [35.5 MB]
        9-PPO_PPO1、TRPO、PPO2三种不同的方式解决两个分布不同的问题【持续更新‖免费提供：CunworknoteS】.mp4  [61.8 MB]
        8-PPO_重要性采样的问题_期望矫正但是方差还是不同带来的问题【持续更新‖免费提供：CunworknoteS】.mp4  [38.1 MB]
📁 4--人工智能基础-高等数学知识强化
📁     📁 1--数学内容概述
        3-最优化知识_数学内容学习重点.mp4  [40.4 MB]
        2-线性代数_概率论知识点.mp4  [26.8 MB]
        1-人工智能学习数学的必要性_微积分知识点.mp4  [28.8 MB]
📁     📁 4--多元函数微分学
        3-雅可比矩阵_在神经网络中应用.mp4  [37.7 MB]
        4-Hessian矩阵【持续更新‖免费提供：CunworknoteS】.mp4  [32.9 MB]
        1-多元函数求偏导.mp4  [22.6 MB]
        2-高阶偏导数_梯度.mp4  [27.2 MB]
📁     📁 2--一元函数微分学
        5-复合函数求导法则.mp4  [19.7 MB]
        2-导数的几何意义和物理意义【公重号：CunWorkNotes】.mp4  [14.5 MB]
        4-导数求解的四则运算法则.mp4  [26.5 MB]
        6-推导激活函数的导函数.mp4  [33.4 MB]
        8-导数判断凹凸性_导数用于泰勒展开.mp4  [44.2 MB]
        3-常见函数的求导公式.mp4  [22.8 MB]
        7-高阶导数_导数判断单调性_导数与极值.mp4  [22.0 MB]
        1-导数的定义_左导数和右导数.mp4  [28.4 MB]
📁     📁 3--线性代数基础
        2-行向量列向量_转置_数乘_加减乘除【持续更新‖免费提供：CunworknoteS】.mp4  [19.3 MB]
        10-矩阵的逆矩阵【资源精选‖更多关注：CunworkNotes】.mp4  [38.5 MB]
        11-矩阵的行列式.mp4  [20.1 MB]
        8-矩阵的运算_加减法_转置【优质资源‖关注：cunWorkNotes 解锁】.mp4  [22.8 MB]
        4-学习向量计算的用途举例.mp4  [20.3 MB]
        6-特殊的向量.mp4  [26.5 MB]
        9-矩阵相乘.mp4  [20.0 MB]
        3-向量的内积_向量运算法则【资源精选‖更多关注：CunworkNotes】.mp4  [19.8 MB]
        7-矩阵_方阵_对称阵_单位阵_对角阵.mp4  [18.1 MB]
        1-向量的意义_n维欧式空间空间.mp4  [20.8 MB]
        5-向量的范数_范数与正则项的关系【不易整理‖请关注：CunWorkNoteS】.mp4  [32.4 MB]
📁     📁 7--最优化
        7-凸集.mp4  [21.9 MB]
        9-凸优化的性质_一般表达形式.mp4  [20.8 MB]
        2-迭代求解的原因.mp4  [20.2 MB]
        6-坐标下降法_数值优化面临的问题.mp4  [23.9 MB]
        4-梯度下降法的推导【整理不易‖记得关注：CunWorKNotes】.mp4  [43.6 MB]
        10-拉格朗日函数.mp4  [27.5 MB]
        1-最优化的基本概念.mp4  [35.1 MB]
        3-梯度下降法思路【公重号：CunWorkNotes】.mp4  [26.3 MB]
        5-牛顿法公式推导以及优缺点.mp4  [45.8 MB]
        8-凸函数.mp4  [16.9 MB]
📁     📁 6--概率论
        2-条件概率_贝叶斯公式【资源精选‖更多关注：CunworkNotes】.mp4  [32.6 MB]
        6-随机向量_独立性_协方差_随机向量的正太分布【整理不易‖记得关注：CunWorKNotes】.mp4  [32.5 MB]
        1-概率论_随机事件与随机事件概率.mp4  [21.7 MB]
        5-常用随机变量服从的分布.mp4  [22.5 MB]
        7-最大似然估计思想【资源精选‖更多关注：CunworkNotes】.mp4  [23.4 MB]
        4-数学期望和方差【公重号：CunWorkNotes】.mp4  [23.0 MB]
        3-随机变量.mp4  [22.6 MB]
📁     📁 5--线性代数高级
        6-多元函数的泰勒展开_矩阵和向量的求导.mp4  [44.8 MB]
        4-特征值和特征向量(2)【整理不易‖记得关注：CunWorKNotes】.mp4  [30.1 MB]
        10-SVD用于PCA降维.mp4  [24.9 MB]
        5-特征值分解.mp4  [38.7 MB]
        11-SVD用于协同过滤_求逆矩阵.mp4  [35.9 MB]
        1-二次型【优质资源‖关注：cunWorkNotes 解锁】.mp4  [27.7 MB]
        3-特征值和特征向量(1).mp4  [29.8 MB]
        9-奇异值分解性质_数据压缩【持续更新‖免费提供：CunworknoteS】.mp4  [38.7 MB]
        7-奇异值分解定义.mp4  [22.6 MB]
        8-求解奇异值分解中的UΣV矩阵【整理不易‖记得关注：CunWorKNotes】.mp4  [49.5 MB]
        2-补充关于正定负定的理解【不易整理‖请关注：CunWorkNoteS】.mp4  [23.5 MB]
📁 18--深度学习-人脸识别项目实战
    9-总结MTCNN_缩放因子_注意3阶段网络里面的全连接.mp4  [54.8 MB]
    19-人脸识别项目代码_人脸匹配以及最后的绘图展示【资源精选‖更多关注：CunworkNotes】.mp4  [40.4 MB]
    3-人脸识别项目代码整体结构.mp4  [30.4 MB]
    14-FaceNet论文_TripleLoss思路来源和目标【持续更新‖免费提供：CunworknoteS】.mp4  [44.3 MB]
    1-人脸识别任务种类_具体做法思路【持续更新‖免费提供：CunworknoteS】.mp4  [40.7 MB]
    16-FaceNet论文_TripleSelection很至关重要.mp4  [131.8 MB]
    4-MTCNN论文_摘要和介绍.mp4  [68.5 MB]
    15-FaceNet论文_TripleLoss损失函数【资源精选‖更多关注：CunworkNotes】.mp4  [63.8 MB]
    17-FaceNet论文_ZF和Inception对比_总结【优质资源‖关注：cunWorkNotes 解锁】.mp4  [59.2 MB]
    6-PRelu_每阶段输出多分支意义【更多精选‖公众号：CunWorknotes】  .mp4  [56.1 MB]
    10-人脸识别项目代码_加载MTCNN模型.mp4  [72.1 MB]
    13-FaceNet论文_相关的介绍.mp4  [39.6 MB]
    12-FaceNet论文_摘要和前情介绍【资源精选‖更多关注：CunworkNotes】.mp4  [71.5 MB]
    7-每一个阶段每个分支的Loss损失_整合每个分支的Loss.mp4  [69.9 MB]
    2-开源的FaceNet项目介绍【资源精选‖更多关注：CunworkNotes】.mp4  [38.1 MB]
    18-人脸识别项目代码_FaceNet模型加载和使用【整理不易‖记得关注：CunWorKNotes】.mp4  [42.8 MB]
    8-训练数据的准备_每一阶段训练的流程.mp4  [98.1 MB]
    11-人脸识别项目代码_读取图片带入MTCNN网络给出人脸候选框【持续更新‖免费提供：CunworknoteS】.mp4  [66.6 MB]
    5-MTCNN论文_网络整体架构【持续更新‖免费提供：CunworknoteS】.mp4  [76.6 MB]
📁 3--人工智能基础-Python科学计算和可视化
📁     📁 3--数据处理分析模块Pandas
        4-Python_Pandas_获取DataFrame对象的值【整理不易‖记得关注：CunWorKNotes】.mp4  [28.3 MB]
        6-Python_Pandas_空值的删除与填充【更多精选‖公众号：CunWorknotes】  .mp4  [46.7 MB]
        3-Python_Pandas_获取Series对象的值【持续更新‖免费提供：CunworknoteS】.mp4  [22.4 MB]
        2-Python_Pandas_DataFrame对象创建.mp4  [37.2 MB]
        1-Python_Pandas_Series对象创建.mp4  [33.4 MB]
        5-Python_Pandas_条件过滤.mp4  [24.7 MB]
        7-Python_Pandas_拼接和合并【更多精选‖公众号：CunWorknotes】  .mp4  [44.8 MB]
📁     📁 1--科学计算模型Numpy
        4-Numpy_ndarray属性_zeros_ones_like等创建数组函数.mp4  [45.4 MB]
        9-Numpy_聚合函数.mp4  [23.7 MB]
        8-Numpy_算术运算_向上向下取整【整理不易‖记得关注：CunWorKNotes】.mp4  [34.6 MB]
        3-Numpy_random随机数生成【优质资源‖关注：cunWorkNotes 解锁】.mp4  [50.5 MB]
        2-Numpy_array_arange.mp4  [35.5 MB]
        7-Numpy_数组的切分和转置【公重号：CunWorkNotes】.mp4  [28.3 MB]
        5-NumPy_reshape_切片操作_copy函数.mp4  [34.5 MB]
        1-Numpy_概述_安装_创建数组_获取shape形状【优质资源‖关注：cunWorkNotes 解锁】.mp4  [39.9 MB]
        6-Numpy_改变数组维度_数组的拼接.mp4  [46.5 MB]
📁     📁 2--数据可视化模块
        2-Matplotlib_绘制正余弦曲线_散点图_添加图例.mp4  [37.7 MB]
        1-Matplotlib_概述_绘制直线图.mp4  [40.8 MB]
        4-Matplotlib_绘制饼图_直方图_同时绘制多组数据分布.mp4  [29.5 MB]
        5-Matplotlib_绘制等高线图_绘制三维图像.mp4  [34.9 MB]
        3-Matplotlib_绘制柱状图_画布切分多个子画布_柱状图对比.mp4  [52.2 MB]
📁 5--机器学习-线性回归
📁     📁 3--归一化
        3-归一化的副产品_有可能会提高模型的精度.mp4  [21.6 MB]
        6-代码完成标准归一化.mp4  [41.1 MB]
        1-归一化的目的_维度之间数量级不同产生的矛盾.mp4  [63.6 MB]
        5-标准归一化.mp4  [51.9 MB]
        2-归一化的目的_举例子来理解做归一化和不做归一化的区别.mp4  [34.1 MB]
        4-最大值最小值归一化.mp4  [24.9 MB]
📁     📁 4--正则化
        5-通过L1和L2的导函数理解区别的本质原因.mp4  [55.6 MB]
        3-常用的L1和L2正则项以及数学意义【资源精选‖更多关注：CunworkNotes】.mp4  [41.6 MB]
        4-L1稀疏性和L2平滑性.mp4  [51.6 MB]
        2-正则化通过损失函数加入惩罚项使得W越小越好【不易整理‖请关注：CunWorkNoteS】.mp4  [35.3 MB]
        1-正则化的目的防止过拟合.mp4  [30.7 MB]
📁     📁 1--多元线性回归
        8-引入正太分布的概率密度函数【不易整理‖请关注：CunWorkNoteS】.mp4  [26.5 MB]
        12-推导出目标函数的导函数形式【持续更新‖免费提供：CunworknoteS】.mp4  [46.4 MB]
        21-调用Scikit-learn中的多元线性回归求解模型(上)【更多精选‖公众号：CunWorknotes】  .mp4  [25.2 MB]
        4-理解多元线性回归表达式几种写法的原因.mp4  [34.0 MB]
        17-解析解的方式求解多元线性回归_数据Xy.mp4  [40.4 MB]
        5-理解维度这个概念.mp4  [41.4 MB]
        9-明确目标通过最大总似然求解θ.mp4  [25.8 MB]
        3-扩展到多元线性回归【资源精选‖更多关注：CunworkNotes】.mp4  [32.2 MB]
        11-把目标函数按照线性代数的方式去表达.mp4  [27.0 MB]
        2-最优解_损失函数_MSE.mp4  [39.6 MB]
        7-假设误差服从正太分布_最大似然估计MLE.mp4  [43.1 MB]
        18-解析解的方式求解多元线性回归_求解模型_使用模型_绘制图形.mp4  [48.3 MB]
        14-Python开发环境版本的选择及下载【整理不易‖记得关注：CunWorKNotes】.mp4  [54.1 MB]
        6-理解回归一词_中心极限定理_正太分布和做预测.mp4  [65.8 MB]
        20-Scikit-learn模块的介绍.mp4  [29.2 MB]
        10-对数似然函数_推导出损失函数MSE.mp4  [41.9 MB]
        19-解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换.mp4  [34.7 MB]
        16-Pycharm创建脚本并测试python开发环境【资源精选‖更多关注：CunworkNotes】.mp4  [40.5 MB]
        1-理解简单线性回归.mp4  [51.1 MB]
        22-调用Scikit-learn中的多元线性回归求解模型(下).mp4  [41.0 MB]
        13-θ解析解的公式_是否要考虑损失函数是凸函数【优质资源‖关注：cunWorkNotes 解锁】.mp4  [59.2 MB]
        15-Anaconda环境安装_Pycharm环境安装【持续更新‖免费提供：CunworknoteS】.mp4  [61.1 MB]
📁     📁 5--Lasso回归_Ridge回归_多项式回归
        2-代码调用Lasso回归.mp4  [28.7 MB]
        5-多项式升维代码实战_传入不同超参数对比.mp4  [44.8 MB]
        3-代码调用ElasticNet回归.mp4  [53.7 MB]
        12-实战保险花销预测_模型训练和评估【整理不易‖记得关注：CunWorKNotes】.mp4  [58.9 MB]
        9-实战保险花销预测_模型训练和评估_选择非线性算法改进.mp4  [84.1 MB]
        10-实战保险花销预测_特征选择思路.mp4  [40.3 MB]
        8-实战保险花销预测_数据预处理.mp4  [41.4 MB]
        1-代码调用Ridge岭回归.mp4  [76.3 MB]
        11-实战保险花销预测_特征工程【优质资源‖关注：cunWorkNotes 解锁】.mp4  [18.0 MB]
        7-实战保险花销预测_数据介绍和加载数据.mp4  [35.3 MB]
        6-多项式升维代码实战_训练模型和评估.mp4  [35.1 MB]
        4-升维的意义_多项式回归.mp4  [48.1 MB]
📁     📁 2--梯度下降法
        2-梯度下降法公式.mp4  [57.1 MB]
        5-多元线性回归下的梯度下降法【不易整理‖请关注：CunWorkNoteS】.mp4  [43.3 MB]
        15-代码改进实现随着迭代增加动态调整学习率.mp4  [39.2 MB]
        6-全量梯度下降.mp4  [62.8 MB]
        7-随机梯度下降_小批量梯度下降【不易整理‖请关注：CunWorkNoteS】.mp4  [47.6 MB]
        8-对应梯度下降法的问题和挑战.mp4  [47.1 MB]
        1-梯度下降法产生的目的和原因以及思想【不易整理‖请关注：CunWorkNoteS】.mp4  [59.4 MB]
        14-代码改进保证训练数据全都能被随机取到【持续更新‖免费提供：CunworknoteS】.mp4  [40.3 MB]
        4-梯度下降法迭代流程总结【整理不易‖记得关注：CunWorKNotes】.mp4  [30.3 MB]
        3-学习率设置的学问_全局最优解.mp4  [56.5 MB]
        12-代码实现随机梯度下降【更多精选‖公众号：CunWorknotes】  .mp4  [26.7 MB]
        10-代码实现全量梯度下降第1步和第2步.mp4  [25.7 MB]
        13-代码实现小批量梯度下降.mp4  [27.3 MB]
        11-代码实现全量梯度下降第3步和第4步.mp4  [30.7 MB]
        9-轮次和批次【公重号：CunWorkNotes】.mp4  [45.2 MB]
📁 27--【加课】算法与数据结构
📁     📁 1--算法与数据结构
        25-最大堆的删除操作.mp4  [45.6 MB]
        27-二叉树获取最小值.mp4  [25.2 MB]
        18-选择排序.mp4  [43.3 MB]
        12-哈希表冲突问题2.mp4  [72.3 MB]
        14-递归与栈【更多精选‖公众号：CunWorknotes】  .mp4  [50.8 MB]
        29-二叉树的删除【公重号：CunWorkNotes】.mp4  [120.1 MB]
        13-哈希扩容.mp4  [111.0 MB]
        20-归并排序.mp4  [84.5 MB]
        9-栈与双端队列【更多精选‖公众号：CunWorknotes】  .mp4  [28.1 MB]
        15-线性查找【资源精选‖更多关注：CunworkNotes】.mp4  [57.8 MB]
        17-冒泡排序【更多精选‖公众号：CunWorknotes】  .mp4  [53.2 MB]
        24-最大堆的增加操作.mp4  [45.4 MB]
        4-单线链表1【整理不易‖记得关注：CunWorKNotes】.mp4  [68.4 MB]
        8-队列(线式)【整理不易‖记得关注：CunWorKNotes】.mp4  [31.0 MB]
        16-二分查找【整理不易‖记得关注：CunWorKNotes】.mp4  [52.3 MB]
        11-哈希表冲突问题【更多精选‖公众号：CunWorknotes】  .mp4  [75.9 MB]
        3-线性结构.mp4  [53.1 MB]
        21-快速排序.mp4  [36.6 MB]
        1-数据结构与算法简介【资源精选‖更多关注：CunworkNotes】.mp4  [35.7 MB]
        23-树结构的遍历.mp4  [61.1 MB]
        22-树结构【公重号：CunWorkNotes】.mp4  [96.9 MB]
        7-队列(链式).mp4  [74.1 MB]
        2-大O表示法.mp4  [25.6 MB]
        28-二叉树的添加.mp4  [72.7 MB]
        19-插入排序.mp4  [31.4 MB]
        5-单链表2.mp4  [221.7 MB]
        6-双链表.mp4  [103.6 MB]
        26-二叉树的查找【更多精选‖公众号：CunWorknotes】  .mp4  [100.2 MB]
        10-哈希表的基本结构.mp4  [54.3 MB]
📁 17--深度学习-语义分割原理和实战
📁     📁 3--蒙版弹幕MaskRCNN语义分割
        1-MaskRCNN网络结构【优质资源‖关注：cunWorkNotes 解锁】.mp4  [106.4 MB]
        5-MaskRCNN项目关于运行代码环境的说明.mp4  [44.2 MB]
        6-MaskRCNN源码config和model【优质资源‖关注：cunWorkNotes 解锁】.mp4  [244.5 MB]
        2-MaskRCNN的项目展示.mp4  [250.5 MB]
        4-MaskRCNN根据文档和论文总结重要的知识点.mp4  [239.1 MB]
        3-MaskRCNN网络架构回顾【整理不易‖记得关注：CunWorKNotes】.mp4  [151.3 MB]
📁     📁 1--上采样_双线性插值_转置卷积
        6-双线性插值作为转置卷积核的初始参数.mp4  [145.0 MB]
        2-上采样_repeat.mp4  [23.9 MB]
        8-FPN思想与网络结构.mp4  [92.1 MB]
        7-ROI Align【资源精选‖更多关注：CunworkNotes】.mp4  [58.4 MB]
        4-双线性插值【整理不易‖记得关注：CunWorKNotes】.mp4  [125.7 MB]
        5-转置卷积_以及TF的API.mp4  [114.2 MB]
        3-线性插值【公重号：CunWorkNotes】.mp4  [34.5 MB]
        9-FPN应用于FasterRCNN_ResNetFPN.mp4  [95.5 MB]
        1-前言【整理不易‖记得关注：CunWorKNotes】.mp4  [19.5 MB]
📁     📁 2--医疗图像UNet语义分割
        1-语义分割的基本概念.mp4  [18.3 MB]
        4-UNet网络医疗图像的语义分割【整理不易‖记得关注：CunWorKNotes】.mp4  [81.2 MB]
        3-UNet网络结构.mp4  [30.4 MB]
        2-FCN全卷积网络做语义分割.mp4  [36.5 MB]
📁 7--机器学习-无监督学习
📁     📁 1--聚类系列算法
        5-KMeans代码测试不同情况下的聚类效果【更多精选‖公众号：CunWorknotes】  .mp4  [148.7 MB]
        4-mini-batchKMeans_Canopy聚类_聚类评估指标.mp4  [214.7 MB]
        3-KMeans的一些变形_KMeans的损失函数推导及假设.mp4  [167.2 MB]
        1-KMeans聚类流程_距离测度欧式距离和余弦距离.mp4  [174.0 MB]
        6-层次聚类_密度聚类_谱聚类【优质资源‖关注：cunWorkNotes 解锁】.mp4  [264.0 MB]
        2-距离测度欧式距离和余弦距离的场景_TFIDF.mp4  [153.5 MB]
📁     📁 3--PCA降维算法
        5-PCA的几种应用.mp4  [54.6 MB]
        2-PCA的最大投影方差思路【资源精选‖更多关注：CunworkNotes】.mp4  [186.8 MB]
        3-最大投影方差推导_最小投影距离思路【资源精选‖更多关注：CunworkNotes】.mp4  [115.7 MB]
        4-SVD其实就可以去实现PCA了【不易整理‖请关注：CunWorkNoteS】.mp4  [93.0 MB]
        1-特征选择与特征映射.mp4  [49.4 MB]
📁     📁 2--EM算法和GMM高斯混合模型
        2-理解GMM高斯混合分布的对数似然函数【持续更新‖免费提供：CunworknoteS】.mp4  [95.2 MB]
        5-将EM算法应用到GMM中并且推导出了μ和Σ的公式【持续更新‖免费提供：CunworknoteS】.mp4  [157.6 MB]
        3-GMM参数估计Πμσ的流程.mp4  [112.2 MB]
        9-通过声音文件利用GMM算法识别是谁【持续更新‖免费提供：CunworknoteS】.mp4  [51.5 MB]
        8-通过声音文件利用GMM算法识别性别.mp4  [134.4 MB]
        1-单个高斯分布GM的参数估计.mp4  [112.7 MB]
        6-将EM算法应用到GMM中并且推导出Π的公式.mp4  [44.1 MB]
        7-GMM前景背景分离【持续更新‖免费提供：CunworknoteS】.mp4  [16.0 MB]
        4-Jensen不等式的应用.mp4  [109.2 MB]
📁 19--深度学习-NLP自然语言处理原理和进阶
📁     📁 1--词向量与词嵌入
        2-NPLM神经网络语言模型.mp4  [155.8 MB]
        5-Skip-gram模型思想和计算过程.mp4  [44.3 MB]
        3-词向量的作用.mp4  [58.0 MB]
        6-Huffman树_分层Softmax的思想【资源精选‖更多关注：CunworkNotes】.mp4  [113.8 MB]
        4-CBOW模型思想和计算过程【优质资源‖关注：cunWorkNotes 解锁】.mp4  [196.6 MB]
        1-N-gram语言模型.mp4  [116.3 MB]
        8-负采样和负采样应用到CBOW模型上【资源精选‖更多关注：CunworkNotes】.mp4  [66.1 MB]
        7-分层Softmax应用到CBOW模型上【优质资源‖关注：cunWorkNotes 解锁】.mp4  [64.3 MB]
📁     📁 4--ELMO_BERT_GPT
        1-ELMO【持续更新‖免费提供：CunworknoteS】.mp4  [62.4 MB]
        2-BERT理论【公重号：CunWorkNotes】.mp4  [99.7 MB]
        3-ERNIE_GPT【公重号：CunWorkNotes】.mp4  [56.3 MB]
📁     📁 3--从Attention机制到Transformer
        2-Transformer_Self-Attention_Multi-head【整理不易‖记得关注：CunWorKNotes】.mp4  [100.4 MB]
        3-Transformer_Positional_使用逻辑_网络结构总结.mp4  [102.4 MB]
        1-Seq2Seq中Attention注意力机制【持续更新‖免费提供：CunworknoteS】.mp4  [87.7 MB]
📁     📁 2--循环神经网络原理与优化
        8-双向RNN_LSTM.mp4  [52.0 MB]
        9-RNN里面应用的Topology结构【公重号：CunWorkNotes】.mp4  [23.0 MB]
        2-理解RNN循环神经网络计算流程.mp4  [55.9 MB]
        4-理解LSTM长短时记忆_记住Topo和公式.mp4  [185.3 MB]
        3-利用RNN循环神经网络对MNIST手写数字识别【优质资源‖关注：cunWorkNotes 解锁】.mp4  [127.7 MB]
        6-补充讲一下为什么RNN中链越长越容易梯度消失.mp4  [44.2 MB]
        1-理解RNN循环神经网络拓扑结构.mp4  [122.6 MB]
        5-VanillaRNN的回顾复习【整理不易‖记得关注：CunWorKNotes】.mp4  [123.5 MB]
        7-LSTM的回顾复习_LSTM手写数字识别.mp4  [35.3 MB]

适合人群

• AI领域求职者
• 深度学习爱好者
• 机器学习初学者

🎯 学习收获

• 掌握深度学习原理
• 精通TensorFlow工具
• 完成机器学习项目实战

🎉 祝您学习愉快！