三十天入门人工智能

├── 01、第一章第一节《人工智能基础入门指南》 -.mp4

├── 02、第一章第二节《30天入门人工智能》学习指南 -.mp4

├── 03、第二章第一节《神经网络从输入到输出》 -.mp4

├── 04、第二章第二节《初级神经网络入门指南》 -.mp4

├── 05、第二章第三节《浅层神经网络入门指南》 -.mp4

├── 06、第二章第四节《深度神经网络&迁移学习》 -.mp4

├── 07、第三章第一节输入端优化1：数据增强&归一化 -.mp4

├── 08、第三章第二节输入端优化2：梯度下降&参数随机初始化 -.mp4

├── 09、第三章第三节中间层优化1：激活函数 -.mp4

├── 10、第三章第四节中间层优化2：网络归一化&学习率衰减 -.mp4

├── 11、第三章第五节输出端优化1：softmax多分类器 -.mp4

├── 12、第三章第六节输出端优化2：多任务学习&端到端学习 -.mp4

├── 13、第四章第一节人工智能核心基础：卷积神经网络（上） -.mp4

├── 14、第四章第二节人工智能核心基础：卷积神经网络（下） -.mp4

├── 15、第四章第三节经典卷积神经网络1：Lenet—5 -.mp4

├── 16、第四章第四节经典卷积神经网络2：Alexnet -.mp4

├── 17、第四章第五节经典卷积神经网络3：Vgg—16 -.mp4

├── 18、第四章第六节改进卷积神经网络1：Resnet -.mp4

├── 19、第四章第七节改进卷积神经网络2：Inception -.mp4

├── 20、第五章第一节目标检测算法的背景与分类 -.mp4

├── 21、第五章第二节YOLOv3相关算法的原理及实现（上） -.mp4

├── 22、第五章第三节YOLOv3相关算法的原理及实现（下） -.mp4

├── 23、第五章第四节YOLOv4算法的原理及实现（上） -.mp4

├── 24、第五章第五节YOLOv4算法的原理及实现（下） -.mp4

├── 25、5.6Faster—RCNN算法的原理及实现（上） -.mp4

├── 26、5.7Faster—RCNN算法的原理及实现（下） -.mp4

├── 27、第六章第一节网络训练技巧1：数据集选择及设计 -.mp4

├── 28、第六章第二节网络训练技巧2：错误分析及错误标签修正 -.mp4

├── 29、6.3网络训练问题：欠&过拟合&梯度爆炸&消失 -.mp4

├── 30、6.4过拟合消除技巧：L2正则化&dropout -.mp4

└── 31、第六章第五节项目训练评判：贝叶斯误差及网络评判 -.mp4