内容超级丰富,浅显易懂,经典汇聚!非常适合新手自学!
一共60多个G,请另存到自己的网盘再下载,速度可能快意一点!
已选中23个文件/文件夹
01-软件安装及环境配置
02-
人工智能数学基础
03-Python基础+数据科学入门
04-
机器学习算法应用实战
05-李航统计学习方法训练营(含无监督学习部分)
06-机器学习西瓜训练营
07-吴恩达机器学习作业班
08-
深度学习TensorFlow2.0框架班
09-深度学习PyTorch框架班
10-深度学习花训练营
11-李飞飞斯坦福CS231n计算机视觉课
12-斯坦福CS224n自然语言处理课训练营
13-人工智能项目实战班
14-04
神经网络基础知识
15-06 OpenCV 图像基础
16-【论文】baseline基础篇目——NLP
17-【论文】baseline基础篇目——CV
18-【NLP经典大赛】数据科学: 疫情期间网民情绪识别赛
19-面试刷题班
20-05 NLP基础知识
代码资料汇总
课件合集PDF版本
已选中15个文件/文件夹
02-Anaconda介绍及安装
03-【Python 3.6】 Python安装及验证
04-【Python 3.6】 Python配置环境变量
05-【Python 3.6】 Python卸载及验证
06-【PyTorch 1.2】 PyTorch简介与安装
07-【Pytorch1.2】 Pytorch开发环境安装
08-【TensorFlow 2.1.0】环境安装-ubuntu
09-【TensorFlow 2.1.0】环境安装-windows
10-【GPU驱动安装】GPU_driver_windows
11-【GPU驱动安装】GPU_driver_Linux
12-Linux 常用命令
13-【
数据分析工具】 MySQL
14-【数据分析工具】 Navicate
15-【数据分析工具】 Tableau Public
保存到:
我的网盘/我的资源
已选中42个文件/文件夹
05-【第一章 线性代数(上)】章节导读
06-【第一章 线性代数(上)】-1 矩阵及其基本运算①
07-【第一章 线性代数(上)】-2 矩阵及其基本运算②
08-【第一章 线性代数(上)】-3 矩阵的行列式①
09-【第一章 线性代数(上)】-4 矩阵的行列式②
10-【第一章 线性代数(上)】-5 矩阵的行列式③
11-【第一章 线性代数(上)】-6 矩阵的行列式④
12-【第一章 线性代数(上)】-7 矩阵的逆①
13-【第一章 线性代数(上)】-8 矩阵的逆②
14-【第一章 线性代数(上)】-9 矩阵的逆③
15-【第二章 线性代数(下)】章节导读
16-【第二章 线性代数(下)】-1 矩阵的初等变换①
17-【第二章 线性代数(下)】-2 矩阵的初等变换②
18-【第二章 线性代数(下)】-3 矩阵的初等变换③
19-【第二章 线性代数(下)】-4 矩阵的初等变换④
20-【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①
21-【第二章 线性代数(下)】-6 矩阵的特征值与特征向量②
22-【第二章 线性代数(下)】-7 矩阵的特征值与特征向量③
23-【第二章 线性代数(下)】-8 矩阵对角化以及二次型①
24-【第二章 线性代数(下)】-9 矩阵对角化以及二次型②
25-【第二章 线性代数(下)】-10 矩阵对角化以及二次型③
26-【第二章 线性代数(下)】-11svd分解的应用
27-【第三章 微积分】-01常用函数的导数以及到导数的常用公式
28-【第三章 微积分】-02 中值定理&洛必达法则&泰勒公式及应用
29-【第三章 微积分】-03 函数的凹凸性&函数的极值
30-【第三章 微积分】-04 不定积分
31-【第三章 微积分】-05 定积分
32-【第三章 微积分】-06 偏导数&多元函数复合求导法则链式求导法则
33-【第三章 微积分】-07 方向导数与梯度及其应用
34-【第三章 微积分】-08 多元函数泰勒公式与海森矩阵&多元函数的极值
35-【第三章 微积分】-09 矩阵的求导
36-【第三章 微积分】-10 矩阵的求导在深度学习中的应用
37-【第四章 概率论】-01随机实验样本空间随机事件&概率的定义
38-【第四章 概率论】-02全概率公式与贝叶斯公式及应用&独立性
39-【第四章 概率论】-03随机变量与多维随机变量
40-【第四章 概率论】-04期望与方差part1
41-【第四章 概率论】-05期望与方差part2
42-【第四章 概率论】-06参数的估计
43-【第五章 最优化】-1 无约束最优化梯度下降
44-【第五章 最优化】-2 无约束最优化梯度下降
45-【第五章 最优化】-3 约束最优化
保存到:
我的网盘/我的资源
05-第一章 绪论和环境配置
06-【作业讲解】第一章:助教实际演示配置环境过程
07-第二章 Python 基本语法元素
08-【作业讲解】第二章:Python基本语法元素
09-第三章 基本数据类型
10-【作业讲解】第三章:基本数据类型
11-第四章 组合数据类型
12-【作业讲解】第四章:复杂数据类型
13-第五章 程序控制结构
14-【作业讲解】第五章:程序控制结构
15-第六章 函数-面向过程的编程
16-【作业讲解】第六章:函数
17-第七章 类-面向对象的编程
18-【作业讲解】第七章:类
19-第八章 文件-异常和模块
20-【作业讲解】第八章:文件-异常和模块
21-第九章 有益的探索
22-【作业讲解】第九章:有益的探索
23-第十章 Python标准库
24-【作业讲解】第十章:Python标准库
25-第十一章 科学计算库—Numpy应用
26-【作业讲解】第十一章:Numpy库
27-第十二章 Pandas库
28-【作业讲解】第十二章:Pandas库
29-第十三章 Matplotlib
30-【作业讲解】第十三章:Matplotlib
31-第十四章 Sklearn常规用法
32-【作业讲解】第十四章:Sklearn常规用法
33-第十五章 再谈编程
35-【比赛实战】大牛手把手指导如何打一场完整的二分类比赛
36-【比赛实战】二分类算法比赛小测验—提供银行精准营销解决方案
已选中100个文件/文件夹
06-第一章 1.1 导论
07-第一章 1.2 极大似然估计
08-第一章 1.3 梯度下降法
09-第一章作业讲解-极大似然估计
10-第二章 2.1 导论
100-第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法
101-第十九章 作业讲解
102-第二十章20.1LDA分布-模型与Gibbs抽样算法
103-第二十章20.2LDA的变分EM算法
104-第二十章 作业讲解
105-第二十一章21.1PageRank算法的定义与幂法计算
106-第二十一章 作业讲解 06-【第一周】机器学习绪论
08-【第二周】西瓜书公式推导学习指南
09-【第二周】一元线性回归公式
10-【第二周】多元线性回归公式
11-【第二周】对数几率回归公式
14-【第二周】【作业讲解】逻辑回归
15-【第三周】决策树的分裂准则
19-【第三周】【作业讲解】决策树
20-【第四周】支持向量机原始模型的建立和求解
21-【第四周】核函数和软间隔支持向量机
24-【第四周】【作业讲解】SVM
25-【第五周】极大似然估计与朴素贝叶斯
26-【第五周】EM算法1
27-【第五周】EM算法2
28-【第五周】EM算法3
31-【第五周】【作业讲解】贝叶斯和EM算法
32-【第六周】神经网络结构
35-【第六周】【作业讲解】神经网络
41-【第七周】【作业讲解】模型评估与选择
47-【第八周】【作业讲解】特征选择
52-【第九周】【作业讲解】k-means
53-【第十周】聚类
54-【第十周】HMM-1
55-【第十周】HMM-2
56-【第十周】HMM-3
61-【达观杯nlp比赛】第一节课 了解NLP任务和熟悉比赛题目-赛前介绍和准备
62-【达观杯nlp比赛】第二节课 了解NLP任务和熟悉比赛题目-赛题介绍和思路分析
63-【达观杯nlp比赛】第三节课 数据分析及处理
64-【达观杯nlp比赛】第四节课——Baseline实现
65-【达观杯nlp比赛】第五节课 验证集构建和交叉验证
已选中23个文件/文件夹
06-【先修】学习绪论视频,了解预备知识
07-【学前准备】开营仪式回放-老师部分
08-【学前准备】开营仪式回放-班主任部分
14-Week2 Day2【作业讲解】对照作业讲解视频查漏补缺
19-Week3-Day2 【作业讲解】完成编程作业2 (1)
20-Week3-Day2 【作业讲解】完成编程作业2 (2)
21-Week3-Day4 【达观杯文本智能处理挑战赛】(入门指导)
25-Week4-Day2【作业讲解】编程作业3:神经网络(上)
26-Week4-Day2【作业讲解】编程作业3:神经网络(下)
27-Week4-Day4【达观杯文本智能处理挑战赛】(进阶指导)
30-Week5-Day2【作业讲解】编程作业4(上)
31-Week5-Day2【作业讲解】编程作业5
32-Week5-Day2【作业讲解】编程作业4(下)
36-Week6-Day2【作业讲解】编程作业5
40-Week7-Day2【作业讲解】编程作业6(上)
41-Week7-Day2【作业讲解】编程作业6(下)
47-Week8-Day4【作业讲解】编程作业7(上)
48-Week8-Day4【作业讲解】编程作业7(下)
52-Week9-Day4【作业实操】编程作业编程作业8:异常检测与推荐系统P1
53-Week9-Day4【作业实操】编程作业编程作业8:异常检测与推荐系统P2
54-Week9-Day4【作业实操】编程作业编程作业8:异常检测与推荐系统P3
56-Week10-Day1【kaggle大赛】进阶指导
已选中29个文件/文件夹
05-Week1【任务1】tensorflow 2.0简介
06-Week1【任务2】tensorflow2.0环境安装-ubuntu
07-Week1【任务2】tensorflow2.0环境安装-windows
09-Week2【任务1】张量与操作 & 三种自定义模型
10-Week2【任务2】keras模型训练
11-Week2【任务3】tensorflow2.0模型训练
12-Week2【任务4】计算图机制详解
13-Week2【任务5】计算图机制详解
15-Week3【任务1】自定义层详解
16-Week3【任务2】常用损失函数和自定义损失函数
17-Week3【任务3】常用评估函数和自定义评估函数
18-Week3【任务4】tensorboard小试牛刀
19-Week4【任务1】tf.data简介
20-Week4【任务2】tf.data简介
21-Week4【任务3】tfrecord详解
23-Week5【任务1】cnn介绍
24-Week5【任务2】实战项目上
25-Week5【任务3】实战项目下
26-Week6 【任务1】循环神经网络讲解
27-Week6【任务2】word2vec简介
28-Week6【任务3】实战四
29-Week7【任务1】ransformer简介
30-Week7【任务2】实战5
31-Week8【任务1】GPU分布式训练
32-Week 8【任务2】TPU训练
33-Week 9【任务1】TF.hub使用
34-Week 9【任务2】BERT实战
35-Week9【任务3】模型部署已选中49个文件/文件夹
05-【必看】深入浅出PyTorch
06-【第一周】PyTorch简介与安装
07-【第一周】补充-pytorch开发环境安装
08-【第一周】张量简介与创建
09-【第一周】张量操作与线性回归
10-【第一周】计算图与动态图机制
11-【第一周】autograd与逻辑回归
12-【第一周】作业讲解1
13-【第一周】作业讲解2
14-【第一周】作业讲解3
15-【第二周】数据读取机制Dataloader与Dataset
16-【第二周】数据预处理transforms模块机制
17-【第二周】二十二种transforms数据预处理方法
18-【第二周】学会自定义transforms方法
19-【第二周】作业讲解
20-【第三周】模型创建步骤与nn.Module
21-【第三周】模型容器与AlexNet构建
22-【第三周】nn网络层-卷积层
23-【第三周】nn网络层-池化-线性-激活函数层
24-【第三周】作业讲解
25-【第四周】权值初始化
26-【第四周】损失函数(一)
27-【第四周】损失函数(二)
28-【第四周】优化器optimizer的概念
29-【第四周】torch.optim.SGD
30-【第四周】作业讲解
31-【第五周】学习率调整策略
32-【第五周】TensorBoard简介与安装
33-【第五周】TensorBoard使用(一)
34-【第五周】TensorBoard使用(二)
35-【第五周】hook函数与CAM可视化
36-【第五周】作业讲解
37-【第六周】正则化之weight_decay
38-【第六周】正则化之Dropout
39-【第六周】Batch Normalization
40-【第六周】Normalizaiton_layers
41-【第六周】作业讲解
42-【第七周】模型保存与加载
43-【第七周】模型finetune
44-【第七周】GPU的使用
45-【第七周】PyTorch常见报错
46-【第七周】作业讲解
47-【第八周】图像分类一瞥
48-【第八周】图像分割一瞥
49-【第八周】图像目标检测一瞥(上)
50-【第八周】图像目标检测一瞥(下)
51-【第九周】生成对抗网络一瞥
52-【第九周】循环神经网络一瞥
保存到:
我的网盘/我的资源
已选中56个文件/文件夹
05-第一周【任务1】矩阵对角化以及SVD分解
06-第一周【任务1】逆矩阵-最小二乘及PCA原理推导
07-第一周【任务2】:极大似然估计
08-第一周【任务2】:无约束最优化
09-第一周【任务2】:有约束最优化
10-【第一周作业讲解】为什么要用最小二乘
11-【第一周作业讲解】矩阵的分解及其应用
12-【第一周作业讲解】极大似然估计以及优化理论
13-【第一周作业讲解】熟悉svd分解算法的流程
14-第二周【任务1】:机器学习算法基本概念
15-第二周【任务1】:过拟合欠拟合超参数验证集
16-第二周【任务2】:估计-偏差和方差
17-第二周【任务2】:贝叶斯估计
18-第二周【任务2】:逻辑回归
19-第二周作业讲解
20-第三周【任务1】学习支持向量机LDA
21-第三周【任务1】其他监督学习算法SVM
22-第三周【任务2】决策树-kmeans算法
23-第三周作业讲解
24-第四周【任务1】:前馈神经网络结构表达能力
25-第四周【任务1】:激活函数损失函数
26-第四周【任务2】前馈神经网络技巧
27-第四周【任务2】前向后向算法
28-第四周作业讲解
29-第五周【任务1】范数惩罚正则化
30-第五周【任务1】:数据增强bagging&dropout
31-第五周【任务2】深度模型中的优化
32-第五周作业讲解
33-第六周【任务1】cnn前向后向
34-第六周【任务1】局部感知权值共享
35-第六周【任务2】lenet&alexnet
36-第六周【任务2】vggnet googlenet
37-第六周【任务3】CNN应用——RCNN目标检测
38-第六周【任务3】CNN应用——Bounding_box regression
39-第六周【任务3】CNN应用——FastRCNN
40-第六周【任务3】CNN应用——CNN人脸特征点定位
41-第六周作业讲解
42-【论文精读(选修)】mobilenet-01-背景介绍
43-【论文精读(选修)】mobilenet-02-论文结构&摘要精读
44-【论文精读(选修)】mobilenet-03-主体架构&深度可分离卷积
45-【论文精读(选修)】mobilenet-04-超参数
46-【论文精读(选修)】mobilenet-05-后续创新及改进
47-【论文精读(选修)】mobilenet-06-代码结构
48-【论文精读(选修)】mobilenet-07-模型设计
49-【论文精读(选修)】mobilenet-08-模型评估
50-第七周【任务1】RNN概念&前向传播
51-第七周【任务1】RNN反向传播与并行计算
52-第七周【任务2】lstm
53-第七周【任务2】gru
54-第七周【任务3】plstm&lstm在ocr的应用
55-第七周作业讲解
56-第八周【任务1】推理加速
57-第八周【任务1】训练加速
58-第八周【任务2】自适应技术
59-第8周作业讲解
保存到:
我的网盘/我的资源
05-计算机视觉发展历史及一些计算机视觉任务概念
08-knn与线性分类器知识点提点
10-学习内容总结+观看作业解答视频
11-损失函数和优化导读
12-svm多分类损失函数与softmax
15-学习反向传播
16-作业讲解视频
17-作业讲解视频
19-学习卷积神经网络历史
20-学习卷积和池化
21-学习激活函数-数据处理-权重初始化
22-作业讲解视频
25-学习优化策略
27-作业讲解视频
30-学习比较流行的cnn网络结构
31-学习rnn,lstm,gru
33-学习图像分割学习任务,分类和定位
35-学习特征可视化方法
37-学习Pixel RNN,Pixel CNN与变分自编码
45-【kaggle猫狗分类比赛】比赛简介
46-【学习kaggle猫狗分类比赛】详细操作
已选中30个文件/文件夹
05-学习CS224n第一课和课程导学
06-【作业讲解】:assignment1讲解
07-打达观杯NLP比赛(报名指导和入门指导)
08-学习CS224n第二课和重难点讲解视频
09-学习CS224n第三课和课程导学
10-python numpy pytorch学习及编程作业解析
11-学习CS224n第四课和课程导学
12-观看看作业解答
13-学习CS224n Lecture 05及导学
15-Assignment 3作业讲解
16-学习CS224n Lecture 06及导学
18-观看作业解答视频
19-观看作业解答视频2
20-观看作业解答视频3
21-神经机器翻译及attention
23-Neural Machine Translation with RNN
24-基于卷积神经网络的nlp
26-观看作业解答视频
27-观看A5作业讲解视频2
28-transformers and BERT
29-Lecture 14
30-Natural Language Generation
33-Lecture 18
35-Future of NLP + Deep Learning
36-kaggle文本分类比赛-比赛介绍
37-kaggle文本分类比赛-数据分析
38-kaggle文本分类比赛-baseline模型(1)
39-kaggle文本分类比赛-baseline模型(2)
40-kaggle文本分类比赛-提交数据+提分策略
保存到:
我的网盘/我的资源
已选中68个文件/文件夹
05-【试听CV项目】1.1-背景介绍
06-【试听CV项目】1.2.1-图像初步-可视化
07-【试听】算法工作分享——1面试准备
08-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅰ课程导读
09-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅱ
知识图谱的概念与应用
10-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅲ信息抽取构建知识图谱实例
11-【NLP项目一人工智能辅助信息抽取】第三周第二节-正则表达式与AC自动机算法讲解与应用
12-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅰ中文自然语言处理基础
13-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅱ命名实体识别详解
14-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅲ隐马尔可夫模型与维特比算法
15-【NLP项目一人工智能辅助信息抽取】第三周第四节:条件随机场
16-【NLP项目一人工智能辅助信息抽取】第四周-2.1深度学习NLP问题
17-【NLP项目一人工智能辅助信息抽取】第四周-2.2文本表示
18-【NLP项目一人工智能辅助信息抽取】第四周-2.3文本特征抽取
19-【NLP项目一人工智能辅助信息抽取】第四周-2.4常见NLP任务模型结构
20-【NLP项目一人工智能辅助信息抽取】第四周-2.5 bilstm-crf模型介绍
21-【NLP项目一人工智能辅助信息抽取】第四周-2.6 bilstm-crf实战
22-【NLP项目一人工智能辅助信息抽取】第四周-2.7 关系抽取介绍
23-【NLP项目一人工智能辅助信息抽取】第四周-2.8 PCNN介绍
24-【NLP项目一人工智能辅助信息抽取】第四周-2.9 PCNN实战
25-【NLP项目一人工智能辅助信息抽取】3.1 图像预训练模型
26-【NLP项目一人工智能辅助信息抽取】3.2 NLP预训练模型
27-【NLP项目一人工智能辅助信息抽取】3.3 信息抽取深度学习综述
28-【NLP项目一人工智能辅助信息抽取】3.4 BERT NER实战
29-【NLP项目一人工智能辅助信息抽取】3.5 总结与展望
30-【CV项目一图像分割深度学习实战】第一周-1.1-背景介绍
31-【CV项目一图像分割深度学习实战】第一周1.2.1-图像初步-可视化
32-【CV项目一图像分割深度学习实战】第一周1.2.2-图像初步-图像运算
33-【CV项目一图像分割深度学习实战】第一周1.3-训练数据准备
34-【CV项目一图像分割深度学习实战】第一周-1.4-1-深度学习代码框架
35-【CV项目一图像分割深度学习实战】第一周-1.4-2-pytorch基础知识
36-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-A
37-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-B
38-【CV项目一图像分割深度学习实战】第二周2.2-调参基础篇
39-【CV项目一图像分割深度学习实战】第二周2.3-选择损失函数
41-【CV项目一图像分割深度学习实战】第二周-2.5-调参-总结
42-【CV项目一图像分割深度学习实战】第二周2.6-U-Net理论课
43-【CV项目一图像分割深度学习实战】第二周2.7-DeepLabv3+理论课
49-【CV项目一图像分割深度学习实战】第三周-3.3-梯度累积法
50-【CV项目一图像分割深度学习实战】第三周-3.4-选择模型权重
51-【CV项目一图像分割深度学习实战】第三周-U-Net理论课进阶-迁移学习
53-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-a
54-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-b
58-【CV项目一图像分割深度学习实战】第四周-4.3-bad
59-【CV项目一图像分割深度学习实战】第四周-算法工作分享——1面试准备
60-【CV项目一图像分割深度学习实战】第四周-算法工作分享——2工作日常
61-【CV项目一图像分割深度学习实战】第四周-算法工作分享——3职业前景
62-【推荐系统项目一电影推荐项目】1.1:推荐系统简介
63-【推荐系统项目一电影推荐项目】1.2: 简单的电影推荐
64-【推荐系统项目一电影推荐项目】1.3: IMDB评分
65-【推荐系统项目一电影推荐项目】1.4:基于内容推荐
66-【推荐系统项目一电影推荐项目】1.5:协同过滤算法
67-【推荐系统项目】2.1criteo ctr
68-【推荐系统项目】2.2FM&FFM
69-【推荐系统项目】2.3Wide&Deep
70-【推荐系统项目】2.4DeepFM
71-【医疗知识图谱构建及图表征学习实践项目】课时0:项目先导课
72-【医疗知识图谱构建及图表征学习实践项目】课时1:数据获取—爬虫
73-【医疗知识图谱构建及图表征学习实践项目】课时2:数据处理
74-【医疗知识图谱构建及图表征学习实践项目】课时3:BiLSTM+CRF
75-【医疗知识图谱构建及图表征学习实践项目】课时4:NLP前沿技术讲解
76-【医疗知识图谱构建及图表征学习实践项目】课时5:Neo4j
77-【医疗知识图谱构建及图表征学习实践项目】课时6:图表征学习
78-【医疗知识图谱构建及图表征学习实践项目】课时7:图表征算法代码学习
79-【医疗知识图谱构建及图表征学习实践项目】课时8:项目总结
80-【医疗知识图谱构建及图表征学习实践项目】补充内容:额外的LSTM
81-【医疗知识图谱构建及图表征学习实践项目】补充内容:额外的python编码
已选中12个文件/文件夹
02-01-神经网络基础与多层感知机-0
03-01-神经网络基础与多层感知机-1
04-01-神经网络基础与多层感知机-2
05-01-神经网络基础与多层感知机-3
06-01-神经网络基础与多层感知机-4
07-02-卷积神经网络-0
08-02-卷积神经网络-1
09-02-卷积神经网络-2
10-03-循环神经网络-0
11-03-循环神经网络-1
12-03-循环神经网络-2
已选中75个文件/文件夹
02-1.1 joint-bert
03-1.2 joint-bert
04-1.3 joint-bert
05-1.4 joint-bert
06-1.5 joint-bert
07-1.6 joint-bert
08-1.7 joint-bert
09-1.8 joint-bert-代码
10-1.9 joint-bert-代码
11-01 cnn_for-re-01(新版)
12-01 cnn_for-re-02(新版)
13-01 cnn_for-re-03(新版)
14-01 cnn_for-re-04(新版)
15-01 cnn_for-re-05(新版)
16-01 code_cnn_for_re-06(新版)
17-01 code_cnn_for_re-07(新版)
18-01 code_cnn_for_re-08(新版)
19-01 code_cnn_for_re-09(新版)
20-01 code_cnn_for_re-10(新版)
21-03elmo-01-elmo的下游任务介绍.
22-03elmo-02-feature_based和fine_tuning
23-03elmo-03-word2vec和charcnn回顾
24-03elmo-04-Bidirectional_language_models
25-03elmo-05-how to use emol.
26-03elmo-06-论文回顾.
27-03elmo-07-代码预处理部分
28-03elmo-08-代码模型结构部分
29-03elmo-09-代码crf流程.
30-03elmo-10-代码crf实现.
31-01nodevec-01-研究背景
32-01nodevec-02-研究成果
33-01nodevec-03-图的应用
34-01nodevec-04-模型结构&BFS&DFS
35-01nodevec-05-模型算法&alias算法
36-01nodevec-06-实验分析
37-01nodevec-07-论文总结
38-01nodevec-08-代码整体介绍
39-01nodevec-09-代码节点和边的alias实现
40-01nodevec-10-代码有偏随机游走和模型训练
41-01nodevec-11-代码结果展示和总结
42-01transformer-01-论文背景&研究成果
43-01transformer-02-attention回顾
44-01transformer-03-模型框架和self_attention
45-01transformer-04-模型小trick.
46-01transformer-05-代码框架部分和encoder
47-01transformer-06-代码decoder和self_attention
48-01transformer-07-代码训练部分和预测部分
49-1.1 word2vec1-1背景知识
50-1.2 word2vec1-2论文泛读
51-1.3 word2vec2-1对比模型
52-1.4 word2vec2-2原理
53-1.5 word2vec2-3word2vec关键技术
54-1.6 word2vec2-4模型复杂度
55-1.7 word2vec2-5实验结果
56-1.8 word2vec3-1代码部分上
57-1.9 word2vec3-2代码部分下
58-1.1- BiLSTM-CRF-论文研究背景
59-1.2- BiLSTM-CRF-论文算法总览
60-1.3-BiLSTM-CRF模型结构
61-1.4-BiLSTM-CRF损失函数与维特比解码
62-1.5- BiLSTM-CRF-实验结果与论文总结
63-1.6- BiLSTM-CRF代码讲解
64-1.7- BiLSTM-CRF-NCR-Fpp代码详解
65-01DSSM-00专题引言
66-01DSSM-01-学习目标.
67-01DSSM-02-论文背景-贡献及意义
68-01DSSM-03摘要精读-总结
69-01DSSM-04-上节回顾
70-01DSSM-05-词哈希
71-01DSSM-06-DSSM整体结构
72-01DSSM-07-优化函数-实验与总结
73-01DSSM-08-代码总览
74-01DSSM-09-词哈希表的建立与数据载入
75-01DSSM-10-模型的搭建与训练-测试
已选中7个文件/文件夹
01-打造舒适的AI开发环境
02-【01课】赛题详解
03-【02课】比赛专题讲解
04-【03课】模型调参和文本增强比赛专题讲解
05-【04课】比赛思路进阶专题讲解
06-【05课】比赛思路全复盘(纯干货)
已选中69个文件/文件夹
05-【了解机器学习中的特征工程和模型评估】P1快速排序
06-【了解机器学习中的特征工程和模型评估】P2堆排序
07-【了解机器学习中的特征工程和模型评估】P3滑动窗口
08-【了解机器学习中的特征工程和模型评估】P4双指针
09-【了解监督学习中的经典算法】P1逻辑回归
10-【了解监督学习中的经典算法】P2决策树
12-【学习支持向量机】P1几个重要的概念
13-【学习支持向量机】P2svm最优化问题
14-【学习支持向量机】P3硬间隔SVM最优化问题的推导
15-【学习支持向量机】P4线性可分SVM
16-【学习支持向量机】P5核函数
17-【学习支持向量机】P6smo算法
18-【数据结构和算法】P1KMP算法
19-【数据结构和算法】P2二分搜索
20-【数据结构和算法】P3哈希表
21-【了解机器学习中如何降维处理】PCA和LDA
23-【了解机器学习中的非监督学习算法】K-means
24-【数据结构和算法】P1虚拟头结点
25-【数据结构和算法】P2链表中环的入口结点
26-【数据结构和算法】P3删除链表中重复的结点
27-【数据结构和算法】P4栈,队列
28-【机器学习中的概率图模型】P1hmm的引出和问题的介绍
29-【机器学习中的概率图模型】P2HMM预测问题之维特比算法
30-【机器学习中的概率图模型】P3crf的一些基础概念
31-【机器学习中的概率图模型】P4crf具体介绍
33-【数据结构和算法】P1DFS和BFS
34-【数据结构和算法】P2最短路径
35-【数据结构和算法】P3最小生成树
36-【数据结构和算法】P4二叉树的遍历
37-【数据结构和算法】P4二叉搜索树和平衡二叉树
38-【前向神经网络】P1网络图和激活函数
39-【前向神经网络】P2前向传播
40-【前向神经网络】P3损失函数选用
41-【前向神经网络】P4反向传播1
42-【前向神经网络】P5反向传播2
43-【了解序列数据中常用的循环神经网络】P1RNN
44-【了解序列数据中常用的循环神经网络】P2GRU和LSTM
46-【集成学习的原理和常见的集成学习】P1提升树算法
47-【集成学习的原理和常见的集成学习】P2梯度提升树算法
48-【集成学习的原理和常见的集成学习】P3二分类问题
49-【集成学习的原理和常见的集成学习】P4多分类问题和回归问题
50-【数据结构和算法】01背包问题
51-【数据结构和算法】什么是动态规划(leetcode 70题)
52-【数据结构和算法】回溯法(机器人的运动范围)
53-【数据结构和算法】什么是递归(斐波那契额数列-跳台阶-变态跳台阶)
54-【数据结构和算法】leetcode416(01背包实例)
55-【数据结构和算法】最长公共子序列(leetcode 1143题)
56-【数据结构和算法】最长上升子序列(leetcode 300题)
57-【xgboost的原理以及常见面试题】P1xgboost的一些预备知识
58-【xgboost的原理以及常见面试题】P2结构分
59-【xgboost的原理以及常见面试题】P3贪心算法寻找分裂点
60-【xgboost的原理以及常见面试题】P4近似算法和加权分桶
61-【xgboost的原理以及常见面试题】P5缺失值处理算法
62-【xgboost的原理以及常见面试题】P6其他优化
64-【了解优化算法的原理】P1深度学习中的优化问题
65-【了解优化算法的原理】P2梯度下降简单的数学原理
66-【了解优化算法的原理】P3随机梯度下降和小批量随机梯度下降
67-【了解优化算法的原理】P4动量法
68-【了解优化算法的原理】P5常见的一些改进的优化算法
69-【了解常见的采样方法-作用-具体实现,以及应用】P1蒙塔卡罗模拟定积分和重要性采样
70-【了解常见的采样方法-作用-具体实现,以及应用】P2
71-【了解常见的采样方法-作用-具体实现,以及应用】P3
72-【了解常见的采样方法-作用-具体实现,以及应用】P4
74-面试刷题班 8月5日直播答疑
76-面试刷题班 8月9日直播答疑
78-面试刷题班 8月15日直播答疑
80-面试刷题班 8月22日直播答疑
保存到:
我的网盘/我的资源
已选中23个文件/文件夹
02-1-1 前言.
03-1-2 研究方向概述.
04-2-1 预备知识.
05-2-2 NLP问题中的特征.
06-2-3 特征输入.
07-2-4 文本的向量化表示与案例实现.
08-3-1 统计语言模型简介与案例实现.
09-3-2 语言模型任务评估.
10-3-3 神经语言模型简介与代码实现.
11-3-4 预训练的词表示及其使用实例.
12-4-1 word2vec原理.
13-4-2 word2vec代码复现.
14-4-3 word2vec项目实战展示.
15-4-4 BERT使用实战讲解.
16-4-5 MLP模型与实战.
17-4-6 RNN模型原理-代码复现与实战.
18-5-1 HMM序列标注.
19-5-2 HMM模型简介.
20-5-3 HMM样本生成.
21-5-4 HMM训练.
22-5-5 HMM预测.
23-5-6 HMM代码实现.
保存到:
我的网盘/我的资源
已选中10个文件/文件夹
02线性回归
03逻辑回归
04决策树
05朴素贝叶斯
06支持向量机
07聚类
08主成分分析
09集成学习
10案例
文件太多,无法一一列举,欢迎下载学习!!