课程介绍

不多介绍,看下面目录

课程目录

/14-115-唐宇迪视频37门课程合集/
│├─01、python数据分析与机器学习实战
│├─02、深度学习入门视频课程（上篇）
│├─03、深度学习入门视频课程（下篇）
│├─04、深度学习框架-Tensorflow案例实战视频课程
│├─05、深度学习框架-Caffe使用案例视频课程
│├─06、深度学习项目实战视频课程-人脸检测
│├─07、大数据-深度学习项目实战-关键点定位视频教程
│├─08、Python数据分析(机器学习)经典案例
│├─09、决胜AI-强化学习实战系列视频课程
│├─10、Tensorflow项目实战视频课程-文本分类
│├─11、深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程
│├─12、深度学习项目实战视频课程-Seq2Seq序列生模型
│├─13、深度学习顶级论文算法详解视频课程
│├─14、自然语言处理word2vec
│├─15、深度学习项目实战视频课程-StyleTransfer(基于Tensorflow)
│├─16、机器学习-对抗生成网络
│├─17､ 机器学习-推荐系统
│├─18、TensorFlow-图像处理
│├─19、Tensorflow-自然语言处理
│├─20、Tensorflow-物体检测-Faster-Rcnn
│├─21、数据科学人工智能-必备数学基础
│├─22、NLP-文本相似度
│├─23、深度学习30天系统实训-非加密
│├─24、python-机器学习-进阶实战
│├─25、Python Kaggle竞赛案例实战
│├─26、LSTM行为识别
│├─27、问答机器人
│├─28、OpenCV计算机视觉图像识别深度学习实战
│├─29、python3数据分析与挖掘实战
│├─30、量化交易课程
│├─31、数据挖掘课程
│├─32、OpenCV+TensorFlow 入门人工智能图像处理
│├─33、OpenCV计算机视觉实战(Python版)
│├─34 大数据 Python数据分析处理库-pandas实战视频课程
│├─35 大数据 Python科学计算库-Numpy实战视频课程
│├─36 大数据——Python数据可视化-Matplotlib实战视频课程
│├─37.2024Ai必会Agent(应用解读+项目实战)
│├─37、2024 抖音唐宇迪AI Agent合并版

详细目录

01、python数据分析与机器学习实战/
│├─视频课程
│视频课程/
││├─01人工智能入门指南（有基础的同学请略过！）
││├─02Python科学计算库-Numpy
││├─03python数据分析处理库-Pandas
││├─04Python数据可视化库-Matplotlib
││├─05Python可视化库Seaborn
││├─06线性回归算法原理推导
││├─07梯度下降策略
││├─08逻辑回归算法
││├─09案例实战：Python实现逻辑回归与梯度下降策略
││├─10项目实战-交易数据异常检测
││├─11决策树算法
││├─12案例实战：使用sklearn构造决策树模型
││├─13集成算法与随机森林
││├─14案例实战：泰坦尼克获救预测
││├─15贝叶斯算法
││├─16Python文本数据分析：新闻分类任务
││├─17支持向量机
││├─18案例：SVM调参实例
││├─19聚类算法-Kmeans
││├─20聚类算法-DBSCAN
││├─21案例实战：聚类实践
││├─22降维算法-PCA主成分分析
││├─23神经网络
││├─24Xgboost集成算法
││├─25自然语言处理词向量模型-Word2Vec
││├─26使用Gensim库构造中文维基百度数据词向量模型
││├─27scikit-learn模型建立与评估
││├─28Python库分析科比生涯数据
││├─29Python时间序列分析
││├─30机器学习项目实战-贷款申请最大化利润
││├─31机器学习项目实战-用户流失预警
││├─32探索性数据分析-足球赛事数据集
││├─33探索性数据分析-农粮组织数据集
││├─34机器学习项目实战-HTTP日志聚类分析
││01人工智能入门指南（有基础的同学请略过！）/
│││├─课时1课程介绍（主题与大纲.flv 75.2MB
│││├─课时2AI时代首选Python.flv 20MB
│││├─课时3Python我该怎么学.flv 10.5MB
│││├─课时4人工智能的核心-机器学习.flv 21.8MB
│││├─课时5机器学习怎么学？.mp4 26.6MB
│││├─课时6算法推导与案例.mp4 27.4MB
││02Python科学计算库-Numpy/
│││├─课时10Numpy基础结构.mp4 38.5MB
│││├─课时11Numpy矩阵基础.mp4 24MB
│││├─课时12Numpy常用函数.mp4 49.6MB
│││├─课时13矩阵常用操作.mp4 37MB
│││├─课时14不同复制操作对比.mp4 38.2MB
│││├─课时7使用Anaconda安装python环境（Python新手先看这个）.flv 102.9MB
│││├─课时9科学计算库Numpy.mp4 48.7MB
││03python数据分析处理库-Pandas/
│││├─课时15Pandas数据读取.mp4 72.8MB
│││├─课时16Pandas索引与计算.mp4 56.5MB
│││├─课时17Pandas数据预处理实例.mp4 58MB
│││├─课时18Pandas常用预处理方法.mp4 43.9MB
│││├─课时19Pandas自定义函数.mp4 41.1MB
│││├─课时20Series结构.mp4 84.3MB
││04Python数据可视化库-Matplotlib/
│││├─课时21折线图绘制.mp4 43.4MB
│││├─课时22子图操作.mp4 69.7MB
│││├─课时23条形图与散点图.mp4 59.7MB
│││├─课时24柱形图与盒图.mp4 49.2MB
│││├─课时25细节设置.mp4 50MB
││05Python可视化库Seaborn/
│││├─课时26Seaborn简介.mp4 9.7MB
│││├─课时27整体布局风格设置.mp4 47.8MB
│││├─课时28风格细节设置.mp4 50.7MB
│││├─课时29调色板.mp4 39MB
│││├─课时30调色板颜色设置.mp4 37.5MB
│││├─课时31单变量分析绘图.mp4 47.8MB
│││├─课时32回归分析绘图.mp4 51.2MB
│││├─课时33多变量分析绘图.mp4 46.5MB
│││├─课时34分类属性绘图.mp4 51MB
│││├─课时35Facetgrid使用方法.mp4 35.2MB
│││├─课时36Facetgrid绘制多变量.mp4 54.6MB
│││├─课时37热度图绘制.mp4 76.2MB
││06线性回归算法原理推导/
│││├─课时38线性回归算法概述.mp4 39.7MB
│││├─课时39误差项分析.mp4 34.4MB
│││├─课时40似然函数求解.mp4 24.9MB
│││├─课时41目标函数推导.mp4 25.8MB
│││├─课时42线性回归求解.mp4 30.3MB
││07梯度下降策略/
│││├─课时43梯度下降原理.mp4 37MB
│││├─课时44梯度下降方法对比.mp4 22.3MB
│││├─课时45学习率对结果的影响.mp4 17.4MB
││08逻辑回归算法/
│││├─课时46逻辑回归算法原理推导.mp4 31.3MB
│││├─课时47逻辑回归求解.mp4 44.5MB
││09案例实战：Python实现逻辑回归与梯度下降策略/
│││├─课时48Python实现逻辑回归任务概述.mp4 33.2MB
│││├─课时49完成梯度下降模块.mp4 56.3MB
│││├─课时50停止策略与梯度下降案例.mp4 51.8MB
│││├─课时51实验对比效果.mp4 66.6MB
││10项目实战-交易数据异常检测/
│││├─课时52案例背景和目标.mp4 38.8MB
│││├─课时53样本不均衡解决方案.mp4 47.3MB
│││├─课时54下采样策略.mp4 31.2MB
│││├─课时55交叉验证.mp4 44.5MB
│││├─课时56模型评估方法.mp4 41.9MB
│││├─课时57正则化惩罚.mp4 26.9MB
│││├─课时58逻辑回归模型.mp4 39.6MB
│││├─课时59混淆矩阵.mp4 52MB
│││├─课时60逻辑回归阈值对结果的影响.mp4 46.4MB
│││├─课时61SMOTE样本生成策略.mp4 104MB
││11决策树算法/
│││├─课时62决策树原理概述.mp4 34.9MB
│││├─课时63衡量标准-熵.mp4 35.2MB
│││├─课时64决策树构造实例.mp4 30.5MB
│││├─课时65信息增益率.mp4 16.6MB
│││├─课时66决策树剪枝策略.mp4 49.1MB
││12案例实战：使用sklearn构造决策树模型/
│││├─课时67决策树复习.mp4 27.2MB
│││├─课时68决策树涉及参数.mp4 80.1MB
│││├─课时69树可视化与sklearn库简介.mp4 164.3MB
│││├─课时70sklearn参数选择.mp4 59.2MB
││13集成算法与随机森林/
│││├─课时71集成算法-随机森林.mp4 35.3MB
│││├─课时72特征重要性衡量.mp4 34.6MB
│││├─课时73提升模型.mp4 33.5MB
│││├─课时74堆叠模型.mp4 19.6MB
││14案例实战：泰坦尼克获救预测/
│││├─课时75船员数据分析.mp4 48.1MB
│││├─课时76数据预处理.mp4 52.5MB
│││├─课时77使用回归算法进行预测.mp4 54.2MB
│││├─课时78使用随机森林改进模型.mp4 62.9MB
│││├─课时79随机森林特征重要性分析.mp4 71.4MB
││15贝叶斯算法/
│││├─课时80贝叶斯算法概述.mp4 19.2MB
│││├─课时81贝叶斯推导实例.mp4 20.7MB
│││├─课时82贝叶斯拼写纠错实例.mp4 30.9MB
│││├─课时83垃圾邮件过滤实例.mp4 38.9MB
│││├─课时84贝叶斯实现拼写检查器.mp4 84.1MB
││16Python文本数据分析：新闻分类任务/
│││├─课时85文本分析与关键词提取.mp4 33MB
│││├─课时86相似度计算.mp4 34.5MB
│││├─课时87新闻数据与任务简介.mp4 78.7MB
│││├─课时88TF-IDF关键词提取.mp4 117.6MB
│││├─课时89LDA建模.mp4 69.6MB
│││├─课时90基于贝叶斯算法进行新闻分类.mp4 124MB
││17支持向量机/
│││├─课时91支持向量机要解决的问题.mp4 27.2MB
│││├─课时92距离与数据的定义.mp4 28.2MB
│││├─课时93目标函数.mp4 27MB
│││├─课时94目标函数求解.mp4 29.9MB
│││├─课时95SVM求解实例.mp4 38.1MB
│││├─课时96支持向量的作用.mp4 32.9MB
│││├─课时97软间隔问题.mp4 17.9MB
│││├─课时98SVM核变换.mp4 62.9MB
││18案例：SVM调参实例/
│││├─课时100SVM参数选择.mp4 86.7MB
│││├─课时99sklearn求解支持向量机.mp4 62.8MB
││19聚类算法-Kmeans/
│││├─课时101KMEANS算法概述.mp4 32.3MB
│││├─课时102KMEANS工作流程.mp4 25.3MB
│││├─课时103KMEANS迭代可视化展示.mp4 54.5MB
│││├─课时104使用Kmeans进行图像压缩.mp4 33.5MB
││20聚类算法-DBSCAN/
│││├─课时105DBSCAN聚类算法.mp4 34.6MB
│││├─课时106DBSCAN工作流程.mp4 51.3MB
│││├─课时107DBSCAN可视化展示.mp4 54.3MB
││21案例实战：聚类实践/
│││├─课时108多种聚类算法概述.mp4 11.9MB
│││├─课时109聚类案例实战.mp4 134MB
││22降维算法-PCA主成分分析/
│││├─课时110PCA降维概述.mp4 21.9MB
│││├─课时111PCA要优化的目标.mp4 37.4MB
│││├─课时112PCA求解.mp4 32MB
│││├─课时113PCA实例.mp4 49.2MB
││23神经网络/
│││├─课时114初识神经网络.mp4 43.8MB
│││├─课时115计算机视觉所面临的挑战.mp4 31MB
│││├─课时116K近邻尝试图像分类.mp4 29.1MB
│││├─课时117超参数的作用.mp4 30.1MB
│││├─课时118线性分类原理.mp4 23.1MB
│││├─课时119神经网络-损失函数.mp4 25.8MB
│││├─课时120神经网络-正则化惩罚项.mp4 18.9MB
│││├─课时121神经网络-softmax分类器.mp4 34.6MB
│││├─课时122神经网络-最优化形象解读.mp4 20.2MB
│││├─课时123神经网络-梯度下降细节问题.mp4 30.5MB
│││├─课时124神经网络-反向传播.mp4 40.7MB
│││├─课时125神经网络架构.mp4 26.6MB
│││├─课时126神经网络实例演示.mp4 109.1MB
│││├─课时127神经网络过拟合解决方案.mp4 43MB
│││├─课时128感受神经网络的强大.mp4 48.4MB
││24Xgboost集成算法/
│││├─课时129集成算法思想.mp4 14.3MB
│││├─课时130xgboost基本原理.mp4 27.7MB
│││├─课时131xgboost目标函数推导.mp4 33MB
│││├─课时132xgboost求解实例.mp4 36.6MB
│││├─课时133xgboost安装.mp4 16.7MB
│││├─课时134xgboost实战演示.mp4 78MB
│││├─课时135Adaboost算法概述.mp4 39.2MB
││25自然语言处理词向量模型-Word2Vec/
│││├─课时136自然语言处理与深度学习.mp4 32.6MB
│││├─课时137语言模型.mp4 14.3MB
│││├─课时138-N-gram模型.mp4 23.5MB
│││├─课时139词向量.mp4 22.6MB
│││├─课时140神经网络模型.mp4 27.5MB
│││├─课时141Hierarchical Softmax-课时142CBOW模型实例.mp4 59.2MB
│││├─课时143CBOW求解目标.mp4 15.6MB
│││├─课时144梯度上升求解.mp4 27.9MB
│││├─课时145负采样模型.mp4 17.5MB
││26使用Gensim库构造中文维基百度数据词向量模型/
│││├─课时146使用Gensim库构造词向量.mp4 37.8MB
│││├─课时147维基百科中文数据处理.mp4 86.9MB
│││├─课时148Gensim构造word2vec模型.mp4 43.6MB
│││├─课时149测试模型相似度结果.mp4 41.1MB
││27scikit-learn模型建立与评估/
│││├─课时150使用python库分析汽车油耗效率.mp4 60.3MB
│││├─课时151使用scikit-learn库建立回归模型.mp4 50.1MB
│││├─课时152使用逻辑回归改进模型效果.mp4 48.3MB
│││├─课时153 模型效果衡量标准.mp4 74.2MB
│││├─课时154ROC指标与测试集的价值.mp4 70.1MB
│││├─课时155交叉验证.mp4 69.9MB
│││├─课时156多类别问题.mp4 64.2MB
││28Python库分析科比生涯数据/
│││├─课时157Kobe Bryan生涯数据读取与简介.mp4 39.6MB
│││├─课时158特征数据可视化展示.mp4 64.2MB
│││├─课时159数据预处理.mp4 57.6MB
│││├─课时160使用Scikit-learn建立模型.mp4 53.1MB
││29Python时间序列分析/
│││├─课时161章节简介.mp4 5.2MB
│││├─课时162Pandas生成时间序列.mp4 62.5MB
│││├─课时163Pandas数据重采样.mp4 42.4MB
│││├─课时164Pandas滑动窗口.mp4 29.8MB
│││├─课时165数据平稳性与差分法.mp4 40.3MB
│││├─课时166ARIMA模型.mp4 27.5MB
│││├─课时167相关函数评估方法.mp4 45.7MB
│││├─课时168建立ARIMA模型.mp4 41.4MB
│││├─课时169参数选择.mp4 72.5MB
│││├─课时170股票预测案例.mp4 62MB
│││├─课时171使用tsfresh库进行分类任务.mp4 120.6MB
│││├─课时172维基百科词条EDA.mp4 111.4MB
││30机器学习项目实战-贷款申请最大化利润/
│││├─课时173数据清洗过滤无用特征.mp4 93.1MB
│││├─课时174数据预处理.mp4 85.5MB
│││├─课时175获得最大利润的条件与做法.mp4 50.3MB
│││├─课时176预测结果并解决样本不均衡问题.mp4 67.9MB
││31机器学习项目实战-用户流失预警/
│││├─课时177数据背景介绍.mp4 39.3MB
│││├─课时178数据预处理.mp4 45.3MB
│││├─课时179尝试多种分类器效果.mp4 33.3MB
│││├─课时180结果衡量指标的意义.mp4 60.6MB
│││├─课时181应用阈值得出结果.mp4 34.4MB
││32探索性数据分析-足球赛事数据集/
│││├─课时182内容简介.mp4 9.6MB
│││├─课时183数据背景介绍.mp4 61.6MB
│││├─课时184数据读取与预处理.mp4 92.4MB
│││├─课时185数据切分模块.mp4 85.5MB
│││├─课时186缺失值可视化分析.mp4 115MB
│││├─课时187特征可视化展示.mp4 73.1MB
│││├─课时188多特征之间关系分析.mp4 68.4MB
│││├─课时189报表可视化分析.mp4 69.2MB
│││├─课时190红牌和肤色的关系.mp4 150.8MB
││33探索性数据分析-农粮组织数据集/
│││├─课时191数据背景简介.mp4 75.5MB
│││├─课时192数据切片分析.mp4 121.5MB
│││├─课时193单变量分析.mp4 118.8MB
│││├─课时194峰度与偏度.mp4 54.8MB
│││├─课时195数据对数变换.mp4 46.3MB
│││├─课时196数据分析维度.mp4 49.3MB
│││├─课时197变量关系可视化展示.mp4 105.2MB
││34机器学习项目实战-HTTP日志聚类分析/
│││├─课时198建立特征工程.mp4 75.2MB
│││├─课时199特征数据预处理.mp4 59.3MB
│││├─课时200应用聚类算法得出异常ip点.mp4 70.5MB
02、深度学习入门视频课程（上篇）/
│├─nn代码.rar 661.4KB
│├─第1章 深度学习必备基础知识点
│├─第2章 神经网络模型
│├─第3章 神经网络案例实战
│第1章 深度学习必备基础知识点/
││├─1.wmv 137.6MB
││├─10.wmv 20.7MB
││├─11.wmv 28.7MB
││├─2.wmv 26MB
││├─3.wmv 26.3MB
││├─4.wmv 27.1MB
││├─5.wmv 16.1MB
││├─6.wmv 21MB
││├─7.wmv 14MB
││├─8.wmv 28.8MB
││├─9.wmv 13.2MB
│第2章 神经网络模型/
││├─1.wmv 19.3MB
││├─2.wmv 74.7MB
││├─3.wmv 31MB
│第3章 神经网络案例实战/
││├─1.wmv 55.8MB
││├─2.wmv 24.4MB
││├─3.wmv 85.4MB
││├─4.wmv 42.9MB
││├─5.wmv 60.9MB
││├─6.wmv 57.4MB
││├─7.wmv 61.8MB
03、深度学习入门视频课程（下篇）/
│├─001、深度学习入门课程01 感受卷积神经网络的强大.mp4 31MB
│├─002、深度学习入门课程02 卷积层详解.mp4 13.7MB
│├─003、深度学习入门课程03 卷积计算流程.mp4 19.7MB
│├─004、深度学习入门课程04 卷积核参数分析.mp4 20MB
│├─005、深度学习入门课程05 卷积参数共享原则.mp4 11.5MB
│├─006、深度学习入门课程06 池化层（Pooling）原理.mp4 11.3MB
│├─007、深度学习入门课程07 卷积神经网络反向传播原理.mp4 21MB
│├─008、深度学习入门课程08 实现卷积层的前向传播与反向传播.mp4 27.1MB
│├─009、深度学习入门课程09 实现Pooling层的前向传播与反向传播.mp4 44.1MB
│├─010、深度学习入门课程10 经典卷及网络架构实例.mp4 51.3MB
│├─011、深度学习入门课程11 RNN网络结构.mp4 9.4MB
│├─012、RNN网络细节.mp4 10MB
│├─013、深度学习入门课程12 python实现RNN算法.mp4 104.8MB
│├─014、深度学习入门课程13 LSTM网络结构简介.mp4 11.8MB
│├─015、深度学习入门课程14 分类与回归（Location）任务应用详解.mp4 42.5MB
│├─016、深度学习入门额课程15 物体检测实例.mp4 45.5MB
│├─017、深度学习入门课程16 如何巧妙设计网络结构.mp4 28.3MB
│├─018、深度学习入门课程17 训练技巧之数据增强.mp4 16.5MB
│├─019、深度学习入门课程18 训练技巧之Transfer Learning.mp4 13.7MB
│├─020、深度学习入门课程19 深度学习框架Caffe简介.mp4 43.3MB
│├─021、深度学习入门课程20 深度学习框架Caffe训练过程.mp4 173MB
│├─022、深度学习入门课程21 深度学习框架Caffe接口使用实例.mp4 42.9MB
04、深度学习框架-Tensorflow案例实战视频课程/
│├─001、Tensorflow案例实战视频课程01 课程简介.mp4 1MB
│├─002、Tensorflow案例实战视频课程02 Tensorflow安装.mp4 20.6MB
│├─003、Tensorflow案例实战视频课程03 基本计算单元-变量.mp4 17.8MB
│├─004、Tensorflow案例实战视频课程04 常用基本操作.mp4 38.1MB
│├─005、Tensorflow案例实战视频课程05 构造线性回归模型.mp4 38.9MB
│├─006、Tensorflow案例实战视频课程06 Mnist数据集简介.mp4 35.5MB
│├─007、Tensorflow案例实战视频课程07 逻辑回归框架.mp4 26.3MB
│├─008、Tensorflow案例实战视频课程08 迭代完成逻辑回归模型.mp4 64.1MB
│├─009、Tensorflow案例实战视频课程09 神经网络模型架构.mp4 14.6MB
│├─010、Tensorflow案例实战视频课程10 训练神经网络.mp4 46.1MB
│├─011、Tensorflow案例实战视频课程11 卷积神经网络模型架构.mp4 23.8MB
│├─012、Tensorflow案例实战视频课程12 卷积神经网络模型参数.mp4 91.3MB
│├─013、Tensorflow案例实战视频课程13 模型的保存和读取.mp4 93MB
│├─014、Tensorflow案例实战视频课程14 加载训练好的VGG网络模型.mp4 29.6MB
│├─015、Tensorflow案例实战视频课程15 使用VGG模型进行测试.mp4 67.7MB
│├─016、Tensorflow案例实战视频课程16 使用RNN处理Mnist数据集.mp4 15.5MB
│├─017、Tensorflow案例实战视频课程17 RNN网络模型.mp4 44MB
│├─018、Tensorflow案例实战视频课程18 训练RNN网络.mp4 92MB
│├─019、Tensorflow案例实战视频课程19 验证码数据生成.mp4 34.1MB
│├─020、Tensorflow案例实战视频课程20 构造网络的输入数据和标签.mp4 30.1MB
│├─021、Tensorflow案例实战视频课程21 卷积网络模型定义.mp4 60MB
│├─022、Tensorflow案例实战视频课程22 迭代及测试网络效果.mp4 48.8MB
│├─唐宇迪-Tensorflow课程
│唐宇迪-Tensorflow课程/
││├─tensorflow.pptx 792.8KB
││├─tensorflow代码.zip 2.1MB
││├─验证码识别.zip 156.9MB
05、深度学习框架-Caffe使用案例视频课程/
│├─01深度学习框架caffe简介.mp4 27.8MB
│├─03网络配置-数据层详解.mp4 60.2MB
│├─04网络配置-各计算层详解.mp4 82.2MB
│├─05solver超参数配置文件.mp4 71.1MB
│├─06制作LMDB数据源训练分类网络.mp4 130.1MB
│├─07多label问题之HDF5数据源.mp4 88.9MB
│├─08使用命令行训练网络1.mp4 65.2MB
│├─09使用python定义自己的层.mp4 86.7MB
│├─10绘制网络结构图.mp4 46.3MB
│├─11生成网络配置文件.mp4 48.2MB
│├─12对训练的网络模型绘制LOSS曲线.mp4 47.5MB
│├─13对训练结果进行分类任务.mp4 88.3MB
│├─caffe案例资料-昕昕网络教程【www.xinxin2018.com】.txt 92byte
│├─唐宇迪-深度学习-caffe案例.zip 432.8MB
06、深度学习项目实战视频课程-人脸检测/
│├─01-人脸检测项目概述.mp4 6.2MB
│├─02-课程数据，代码下载链接.txt 31byte
│├─03-数据收集.mp4 50.4MB
│├─04-正负样本裁剪策略.mp4 47.4MB
│├─05-Caffe数据源准.mp4 50.7MB
│├─06-LMDB脚本文件.mp4 30.2MB
│├─07-制作LMDB数据源.mp4 42.9MB
│├─08-网络模型配置文件.mp4 46.2MB
│├─09-选择合适的参数并训练网络模型.mp4 53.8MB
│├─10-检测算法框架原理.mp4 53.1MB
│├─11-实现多尺度人脸检测算法.mp4 69.2MB
│├─12-坐标映射变换.mp4 57.6MB
│├─13-完成检测代码.mp4 38.7MB
│├─14-检测效果及改进.mp4 44.9MB
│├─15-优化策略分析.mp4 56.2MB
│├─16-模型准确率影响因素分析.mp4 27.1MB
│├─17-项目总结.mp4 59MB
│├─人脸检测-昕昕网络教程【www.xinxin2018.com】.docx 491.3KB
│├─唐宇迪 深度学习 人脸检测数据代码
│唐宇迪 深度学习 人脸检测数据代码/
││├─alexnet_iter_50000_full_conv.caffemodel 217MB
││├─alexnet_trainval.prototxt 5.4KB
││├─deploy.prototxt 暂时无用 4.7KB
││├─deploy_full_conv.prototxt 4.6KB
││├─face-lmdb.sh 1.6KB
││├─faceTrain.zip 3.1GB
││├─face_detect.ipynb 205.5KB
││├─face_rect.txt 1.1MB
││├─result.jpg 329.4KB
││├─run_face_detect_batch.py 7.8KB
││├─solver.prototxt 493byte
││├─testTrain.zip 796.6MB
││├─tmp9055.jpg 185.5KB
││├─train.prototxt 5.7KB
││├─train.sh 218byte
││├─train.txt 1022.7KB
││├─train.zip 647.2MB
07、大数据-深度学习项目实战-关键点定位视频教程/
│├─001、深度学习项目实战01 人脸关键点检测算法框架.mp4 18.8MB
│├─002、深度学习项目实战02 多标签数据源制作以及标签坐标转换.mp4 105.4MB
│├─003、深度学习项目实战03 对原始数据进行数据增强.mp4 37.2MB
│├─004、深度学习项目实战04 完成第一阶段HDF5数据源制作.mp4 68.8MB
│├─005、深度学习项目实战05 第一阶段网络训练.mp4 40.2MB
│├─006、深度学习项目实战06 第二三阶段网络数据源制作.mp4 120.6MB
│├─007、深度学习项目实战07 第二三阶段网络模型训练.mp4 46.8MB
│├─008、深度学习项目实战08 网络模型参数初始化.mp4 48.8MB
│├─009、深度学习项目实战09 完成全部测试结果.mp4 53.8MB
│├─010、深度学习项目实战10 人脸关键点检测效果.mp4 46.8MB
│├─011、深度学习项目实战11 项目总结分析.mp4 30.3MB
│├─012、深度学习项目实战12 算法框架分析.mp4 35.7MB
│├─唐宇迪-深度学习-人脸关键点
│唐宇迪-深度学习-人脸关键点/
││├─deep_landmark.zip 586MB
││├─课上代码
││课上代码/
│││├─code.zip 21.4KB
08、Python数据分析(机器学习)经典案例/
│├─课时01.课程简介.flv 26.9MB
│├─课时02.课程数据，代码下载.swf 111.3KB
│├─课时03.使用Anaconda搭建python环境.flv 67.9MB
│├─课时04.Kobe.Bryan生涯数据读取与简介.flv 32.2MB
│├─课时05.特征数据可视化展示.flv 66.5MB
│├─课时06.数据预处理.flv 52.2MB
│├─课时07.使用scikit-learn建立分类模型.flv 47.9MB
│├─课时08.数据简介及面临的挑战.flv 48.3MB
│├─课时09.数据不平衡问题解决方案.flv 47.8MB
│├─课时10.逻辑回归进行分类预测.flv 71.5MB
│├─课时11.使用阈值来衡量预测标准.flv 90.8MB
│├─课时12.使用数据生成策略.flv 82.6MB
│├─课时13.数据简介与特征课时化展示.flv 62.3MB
│├─课时14.不同特征的分布规则.flv 26.8MB
│├─课时15.决策树模型参数详解.flv 43.2MB
│├─课时16.决策树中参数的选择.flv 46.7MB
│├─课时17.将建立好决策树可视化展示出来.flv 54.8MB
│├─课时18.船员数据分析.flv 19.7MB
│├─课时19.数据预处理.flv 50MB
│├─课时20.使用回归算法进行预测.flv 66.5MB
│├─课时21.使用随机森林改进模型.flv 61.3MB
│├─课时22.随机森林特征重要性分析.flv 53.3MB
│├─课时23.级联模型原理.flv 13.5MB
│├─课时24.数据预处理与热度图.flv 51.5MB
│├─课时25.二阶段输入特征制作.flv 16.3MB
│├─课时26.使用级联模型进行预测.flv 100.1MB
│├─课时27.数据简介与特征预处理.flv 63.1MB
│├─课时28.员工不同属性指标对结果的影响.flv 67.8MB
│├─课时29.数据预处理.flv 45.6MB
│├─课时30.构建预测模型.flv 34MB
│├─课时31.基于聚类模型的分析.flv 29.9MB
│├─课时32.tensorflow框架的安装.flv 18.4MB
│├─课时33.神经网络模型概述.flv 28.5MB
│├─课时34.使用tensorflow设定基本参数.flv 34.9MB
│├─课时35.卷积神经网络模型.flv 29MB
│├─课时36.构建完整的神经网络模型.flv 51.1MB
│├─课时37.训练神经网络模型.flv 81.2MB
│├─课时38.PCA原理简介.flv 9.4MB
│├─课时39.数据预处理.flv 31.2MB
│├─课时40.协方差分析.flv 38.8MB
│├─课时41.使用PCA进行降维.flv 32.6MB
│├─课时42.数据简介与故事背景.flv 27.9MB
│├─课时43.基于词频的特征提取.flv 52.7MB
│├─课时44.改进特征选择方法.flv 64.6MB
│├─课时45.数据清洗.flv 60.8MB
│├─课时46.数据预处理.flv 69.8MB
│├─课时47.盈利方法和模型评估.flv 42.5MB
│├─课时48.预测结果.flv 60.1MB
09、决胜AI-强化学习实战系列视频课程/
│├─1-1.强化学习简介.mp4 72.1MB
│├─1-10.求解流程详解.mp4 101.2MB
│├─1-2.强化学习基本概念.mp4 48.3MB
│├─1-3.马尔科夫决策过程.mp4 38.4MB
│├─1-4.Bellman方程.mp4 58.5MB
│├─1-5.值迭代求解.mp4 58.6MB
│├─1-6.代码实战求解过程.mp4 78.8MB
│├─1-7.Q-Learning基本原理.mp4 38.2MB
│├─1-8.Q-Learning迭代计算实例.mp4 43.7MB
│├─1-9.Q-Learning迭代效果.mp4 41.7MB
│├─2-1.Deep-Q-Network原理.mp4 34.9MB
│├─2-10.完整代码流程分析.mp4 123.2MB
│├─2-11.Deep Q-Learning效果演示.mp4 45.1MB
│├─2-2.Deep-Q-Learning网络细节.mp4 53.8MB
│├─2-3,Deep Q-Learning网络参数配置.mp4 55.6MB
│├─2-4.搭建Deep Q-Learning网络模型.mp4 81.5MB
│├─2-5.Deep Q Learning卷积操作定义.mp4 74.8MB
│├─2-6.数据预处理.mp4 84.5MB
│├─2-7.实现阶段数据存储.mp4 59.5MB
│├─2-8.实现训练模块.mp4 76MB
│├─2-9.Debug解读训练代码.mp4 53.4MB
│├─唐宇迪-强化学习课件及代码
│唐宇迪-强化学习课件及代码/
││├─ValueIteration.py 2.4KB
││├─bird.zip 125.7MB
││├─强化学习.pdf 2.2MB
10、Tensorflow项目实战视频课程-文本分类/
│├─1.wmv 6.4MB
│├─10.wmv 66MB
│├─11.wmv 58.9MB
│├─12.wmv 67MB
│├─13.wmv 64.5MB
│├─14.wmv 35.9MB
│├─15.wmv 50.7MB
│├─2.wmv 9.6MB
│├─3.wmv 16.3MB
│├─4.wmv 28.6MB
│├─5.wmv 61.2MB
│├─6.wmv 52.6MB
│├─7.wmv 56.4MB
│├─8.wmv 52.2MB
│├─9.wmv 52.9MB
│├─文本分类
│文本分类/
││├─数据-代码.zip 174byte
11、深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程/
│├─RNN手写字体识别（三课时）
│├─TensorFlow打造唐诗生成网络（八课时）
│├─唐诗生成资料
│├─递归神经网络原理(四课时)
│RNN手写字体识别（三课时）/
││├─1.wmv 40.1MB
││├─2.wmv 50MB
││├─3.wmv 62MB
│TensorFlow打造唐诗生成网络（八课时）/
││├─1.wmv 34.9MB
││├─2.wmv 41.9MB
││├─3.wmv 64.4MB
││├─4.wmv 53.3MB
││├─5.wmv 26.4MB
││├─6.wmv 55.7MB
││├─7.wmv 17.2MB
││├─8.wmv 40.2MB
│唐诗生成资料/
││├─RNN与LSTM.pptx 1.1MB
││├─poem.zip 97MB
││├─tensorflow-RNN.pptx 792.8KB
│递归神经网络原理(四课时)/
││├─1.wmv 3.5MB
││├─2.wmv 22.8MB
││├─3.wmv 18.9MB
││├─4.wmv 18.4MB
12、深度学习项目实战视频课程-Seq2Seq序列生模型/
│├─Seq2Seq网络.rar 658.1KB
│├─seq2seq网络架构原理
│├─序列排序生成
│├─文章摘要生成
│seq2seq网络架构原理/
││├─1.wmv 7.4MB
││├─2.wmv 14.4MB
││├─3.wmv 14MB
││├─4.wmv 24.7MB
││├─5.wmv 26.5MB
│序列排序生成/
││├─1.wmv 27.8MB
││├─2.wmv 39.2MB
││├─3.wmv 48MB
││├─4.wmv 51.7MB
││├─5.wmv 48.2MB
│文章摘要生成/
││├─1.wmv 50.1MB
││├─2.wmv 48.3MB
││├─3.wmv 51MB
││├─4.wmv 76.7MB
13、深度学习顶级论文算法详解视频课程/
│├─DeepLearning(期刊论文)
│├─第一课.课程简介.txt 74byte
│├─第七课.wmv 48.4MB
│├─第三课.wmv 130.4MB
│├─第九课.wmv 26.7MB
│├─第二课.wmv 205.6MB
│├─第五课.wmv 50.4MB
│├─第八课.wmv 22.5MB
│├─第六课.wmv 82.9MB
│├─第十一集.wmv 62.8MB
│├─第十三课.avi 235MB
│├─第十二课.mp4 45.3MB
│├─第十五课.wmv 173.9MB
│├─第十六课.avi 222.8MB
│├─第十四.avi 221.7MB
│├─第十课.wmv 33.1MB
│├─第四课.wmv 64.3MB
│DeepLearning(期刊论文)/
││├─4166643538787b5802a551e0f477a5ee0a76aa.pdf 5.1MB
││├─61991ea3586e3039a1f35302945da0e62ed276.pdf 800.2KB
││├─83f2b0137888ff19f7d3236cfac42ffbee5685.pdf 4.6MB
││├─c2da8f6984015ae113e2401190107a348be42c.pdf 2.9MB
││├─d9a9027182bae247583555443e5015383b2c29.pdf 6.5MB
14、自然语言处理word2vec/
│├─Gensim构造词向量模型
│├─word2vec
│├─实战word2vec
│Gensim构造词向量模型/
││├─1-昕昕网络教程【www.xinxin2018.com】.wmv 35.2MB
││├─2-昕昕网络教程【www.xinxin2018.com】.wmv 72.2MB
││├─3-昕昕网络教程【www.xinxin2018.com】.wmv 40.2MB
││├─4-昕昕网络教程【www.xinxin2018.com】.wmv 37.3MB
│word2vec/
││├─1-昕昕网络教程【www.xinxin2018.com】.wmv 14.6MB
││├─10-昕昕网络教程【www.xinxin2018.com】.wmv 22.3MB
││├─11-昕昕网络教程【www.xinxin2018.com】.wmv 14MB
││├─2-昕昕网络教程【www.xinxin2018.com】.wmv 26.6MB
││├─3-昕昕网络教程【www.xinxin2018.com】.wmv 10.9MB
││├─4-昕昕网络教程【www.xinxin2018.com】.wmv 20.5MB
││├─5-昕昕网络教程【www.xinxin2018.com】.wmv 16.4MB
││├─6-昕昕网络教程【www.xinxin2018.com】.wmv 24.1MB
││├─7-昕昕网络教程【www.xinxin2018.com】.wmv 20.4MB
││├─8-昕昕网络教程【www.xinxin2018.com】.wmv 28.5MB
││├─9-昕昕网络教程【www.xinxin2018.com】.wmv 13.2MB
│实战word2vec/
││├─1-昕昕网络教程【www.xinxin2018.com】.wmv 15.1MB
││├─2-昕昕网络教程【www.xinxin2018.com】.wmv 45.9MB
││├─3-昕昕网络教程【www.xinxin2018.com】.wmv 38.5MB
││├─4-昕昕网络教程【www.xinxin2018.com】.wmv 33.5MB
││├─5-昕昕网络教程【www.xinxin2018.com】.wmv 44.1MB
││├─6-昕昕网络教程【www.xinxin2018.com】.wmv 44.8MB
││├─7-昕昕网络教程【www.xinxin2018.com】.wmv 42.8MB
15、深度学习项目实战视频课程-StyleTransfer(基于Tensorflow)/
│├─001、课程简介.mp4 21.1MB
│├─002、Tensorflow安装.mp4 10.6MB
│├─003、style-transfer基本原理.mp4 24MB
│├─004、风格生成网络结构原理.mp4 13.9MB
│├─005、风格生成网络细节.mp4 21.5MB
│├─006、风格转换效果展示.mp4 27.8MB
│├─007、风格转换参数配置.mp4 56.9MB
│├─008、数据读取操作.mp4 37.4MB
│├─009、VGG体征提取网络结构.mp4 42.3MB
│├─010、内容与风格特征提取.mp4 37.9MB
│├─011、生成网络结构定义.mp4 9.6MB
│├─012、生成网络计算操作.mp4 44.2MB
│├─013、参数初始化.mp4 37.1MB
│├─014、Content损失计算.mp4 17.5MB
│├─015、Style损失计算.mp4 32.2MB
│├─016、完成训练模块.mp4 38.4MB
│├─017、模型保存与打印结果.mp4 32.5MB
│├─018、完成测试代码.mp4 56.8MB
│├─唐宇迪-StyleTransfer
│唐宇迪-StyleTransfer/
││├─style-transfer代码.zip 84MB
││├─数据