咕泡学院-人工智能深度学习系统班（第13期）

星***

咕泡学院-人工智能深度学习系统班（第13期）
　 课件资料
　 21-CV大模型实战
　 20-NLP大模型实战
　 7-图像分割实战
　 30-多模态与大模型应用综合实例
　 24-时间序列预测
　 18-强化学习与AI黑科技实例
　 23-自然语言处理经典案例实战
　 15-缺陷检测实战
　 32-推荐系统实战系列
　 28-知识图谱实战系列
　 10-Transformer与视觉应用
　 12-3D点云实战
　 29-AI智能体零基础应用入门实战
　 11-图神经网络实战
　 05 Opencv图像处理框架实战
　 14-对比学习与多模态任务实战
　 19-面向医学领域的深度学习实战
　 8-走向AI论文实验与项目实战的捷径-MMLAB实战系列
　 9-经典视觉项目实战：行为识别、姿态估计、目标追踪
　 03 AI课程所需安装软件教程
　 02 深度学习必备核算法
　 26-自然语言处理通用框架-BERT实战
　 27-论文创新点常用方法及其应用实例
　 22-深度学习模型部署与剪枝优化实战
　 17-对抗生成网络实战
　 31-语音识别实战系列
　 01 直播回放
　 6-物体检测经典算法实战
　 16-行人重识别实战
　 33-文字检测与识别
　 25-自然语言处理必备神器Huggingface系列实战
　 04 深度学习框架PyTorch
　 13-面向深度学习的无人驾驶实战
　　 11-openai-dalle2源码解读
　　 8-视觉QA算法与论文解读
　　 7-视觉大模型SAM
　　 10-openai-dalle2论文解读
　　 2-视觉自监督任务BEITV2论文解读
　　 1- 视觉自监督BEIT算法解读
　　 4-补充-视觉大模型基础-deformableAttention
　　 3-视觉自监督任务BEITV2源码解读
　　 9-扩散模型diffusion架构算法解读
　　 15-Llava与YOLO11
　　 14-SAM2视频分割
　　 5-BEV感知特征空间算法解读
　　 6-BEVformer项目源码解读
　　 解压密码.pdf
　　 第13期课件地址.rar
　　 3-LLM与LORA微调策略解读
　　 8-大模型微调与应用
　　 1-GPT系列算法解读
　　 4-Llama-factory微调框架实例
　　 9-LLM下游任务训练自己模型实战
　　 11-Agent工作流搭建
　　 7-RAGFLOW和function calling
　　 10-斯坦福AI小镇架构与项目解读
　　 2-GPT2训练与预测部署流程
　　 6-Llama3应用
　　 12-time-llm大模型多模态预测任务
　　 5-强化学习微调大模型实例解读
　　 1-图像分割及其损失函数概述
　　 10-物体检测框架-MaskRcnn项目介绍与配置
　　 12-基于MASK-RCNN框架训练自己的数据与任务
　　 6-基于deeplabV3+版本进VOC分割实战
　　 3-unet医学细胞分割实战
　　 5-deeplab系列算法
　　 2-Unet系列算法讲解
　　 11-MaskRcnn网络框架源码详解
　　 9-补充：Mask2former源码解读
　　 8-分割模型Maskformer系列
　　 7-医学脏视频数据集分割建模实战
　　 4-U2NET显著性检测实战
　　 1-Informer原理解读
　　 3-Timesnet时序预测
　　 4-time-llm大模型多模态预测任务
　　 2-Informer源码解读
　　 6-大模型结构化推理理论及实战-第二课
　　 9-Deepseek辅助科研技能学习和科研探索
　　 11-融合大语言模型的人形机器人强化学习训练范式
　　 8-企业知识智能检索系统——从构建 到优化的RAG增强实践 第二课
　　 10-基于分层强化学习的机器人路径规划方法
　　 4-大模型2025年最新算法论文解读
　　 12-融合具身智能的机器人学习范式
　　 1-多模态大模型
　　 13-人形机器人模仿学习范式
　　 5-大模型结构化推理理论及实战
　　 7-企业知识智能检索系统——从构建 到优化的RAG增强实践
　　 7-用A3C玩转超级马里奥
　　 2-PPO算法与公式推导
　　 8-GPT系列生成模型
　　 13-ChatGPT
　　 14-拓展-强化学习
　　 12-Dalle2及其源码解读
　　 4-Q-learning与DQN算法
　　 9-GPT建模与预测流程
　　 1-强化学习简介及其应用
　　 6-Actor-Critic算法分析（A3C）
　　 10-CLIP系列
　　 3-PPO实战-月球登陆器训练实例
　　 11-Diffusion模型解读
　　 5-DQN改进与应用技巧
　　 4-新闻分类任务实战
　　 9-基于word2vec的分类任务
　　 14-对话机器人
　　 6-HMM工具包实战
　　 13-机器人写唐诗
　　 7-语言模型
　　 3-贝叶斯算法
　　 5-HMM隐马尔科夫模型
　　 2-商品信息可视化与文本分析
　　 10-NLP-文本特征方法对比
　　 12-LSTM情感分析
　　 11-NLP-相似度模型
　　 8-使用Gemsim构建词向量
　　 1-NLP常用工具包实战
　　 3-Neo4j数据库实战
　　 5-基于知识图谱的医药问答系统实战
　　 1-知识图谱介绍及其应用领域分析
　　 6-文本关系抽取实践
　　 8-医学糖尿病数据命名实体识别
　　 4-使用python操作neo4j实例
　　 7-金融平台风控模型实践
　　 2-知识图谱涉及技术点分析
　　 3-物体检测框架YOLOV5版本项目配置
　　 10-基于Opencv缺陷检测项实战
　　 4-物体检测框架YOLOV5项目工程源码解读
　　 14-Deeplab铁质材料缺陷检测与开源项应流程
　　 1-课程介绍
　　 11-基于视频流线的Opencv缺陷检测项
　　 7-Opencv图像常处理法实例
　　 2-物体检框架YOLO-V4版本算法解读
　　 8-Opencv梯度计算与边缘检测实例
　　 5-基于YOLOV5的钢材缺陷检测实战
　　 13-基于deeplabV3+版本进VOC分割实战
　　 6-Semi-supervised布料缺陷检测实战
　　 9-Opencv轮廓检测与直图
　　 12-图像分割deeplab系列算法
　　 10-基本统计分析的电影推荐
　　 7-DeepFM算法实战
　　 6-点击率估计FM与DeepFM算法
　　 4-知识图谱与Neo4j数据库实例
　　 1-协同过滤与矩阵分解
　　 5-基于知识图谱的电影推荐实战
　　 2-推荐系统介绍及其应用
　　 9-基于文本数据的推荐实例
　　 8-推荐系统常用工具包演示
　　 3-音乐推荐系统实战
　　 11-补充-基于相似度的酒店推荐系统
　　 15-Mask2former源码解读
　　 5-swintransformer源码解读
　　 4-swintransformer算法原理解析
　　 8-DeformableDetr算法解读
　　 18-时间序列预测
　　 2-视觉Transformer及其源码分析
　　 1-Transformer算法解读
　　 6-基于Transformer的detr目标检测算法
　　 11-MedicalTransformer源码解读
　　 17-BevFormer源码解读
　　 19-Informer时间序列源码解读
　　 14-分割模型Maskformer系列
　　 13-局部特征关键点匹配实战
　　 9-DeformableDetr物体检测源码分析
　　 12-商汤LoFTR算法解读
　　 20-Huggingface与NLP（讲故事）
　　 10-MedicalTrasnformer论文解读
　　 16-BEV特征空间
　　 7-detr目标检测源码解读
　　 3-VIT算法模型源码解读
　　 2-3D点云PointNet算法
　　 8-基础补充-对抗生成网络架构原理与实战解析
　　 5-点云补全PF-Net论文解读
　　 4-Pointnet++项目实战
　　 9-多模态3D目标检测算法源码解读
　　 6-点云补全实战解读
　　 3-PointNet++算法解读
　　 1-3D点云实战 3D点云应用领域分析
　　 7-点云配准及其案例实战
　　 5-图注意力机制与序列图模型
　　 1-图神经网络基础
　　 8-基于图模型的轨迹估计
　　 9-图模型轨迹估计实战
　　 13-KIE基于图模型的关键信息抽取
　　 12-KIE关键信息抽取与视频超分辨率重构
　　 4-使用PyTorch Geometric构建自己的图数据集
　　 3-图模型必备神器PyTorch Geometric安装与使用
　　 7-图相似度计算实战
　　 10-基于图模型的时间序列预测
　　 6-图相似度论文解读
　　 2-图卷积GCN模型
　　 11-异构图神经网络
　　 9-langraph建立旅游资讯agent
　　 4-历史人物自动化剪辑实例
　　 6-数据分析工作流
　　 2-新闻稿创作工作流(循环使用方法)
　　 8-langchain助攻RAG
　　 7-影刀RPA自动化
　　 1-初识COZE打造自己的第一个工作流：新闻搜索与总结
　　 5-智能客服工作流
　　 3-历史人物视频素材生成
　　 90 2-环境配置与预处理.mp4.mp4
　　 77 2-金字塔制作方法.mp4.mp4
　　 56 3-Notebook与IDE环境~1.mp4.mp4
　　 115 1-任务整体流程.mp4.mp4
　　 97 4-透视变换结果.mp4.mp4
　　 64 2-高斯与中值滤波.mp4.mp4
　　 132 2-Lucas-Kanade算法.mp4.mp4
　　 121 7-识别模型构建.mp4.mp4
　　 120 6-车位区域划分.mp4.mp4
　　 138 2-多目标追踪实战.mp4.mp4
　　 74 2-非极大值抑制.mp4.mp4
　　 119 5-按列划分区域.mp4.mp4
　　 103 4-特征归属划分.mp4.mp4
　　 68 4-梯度计算.mp4.mp4
　　 113 2-图像拼接方法.mp4.mp4
　　 58 2-视频的读取与处理~1.mp4.mp4
　　 89 总体流程与方法讲解.mp4.mp4
　　 59 3-ROI区域~1.mp4.mp4
　　 53 Pycharm环境配置与Debug演示(没用过的同学必看).mp4.mp4
　　 100 1-角点检测基本原理.mp4.mp4
　　 146 4-pading与stride.mp4.mp4
　　 136 2-模型加载结果输出.mp4.mp4
　　 116 2-所需数据介绍.mp4.mp4
　　 125 3-填涂轮廓检测.mp4.mp4
　　 73 1-Canny边缘检测流程.mp4.mp4
　　 105 1-尺度空间定义.mp4.mp4
　　 145 3-卷积计算过程.mp4.mp4
　　 141 5-多进程目标追踪.mp4.mp4
　　 71 2-梯度计算方法.mp4.mp4
　　 66 2-膨胀操作.mp4.mp4
　　 107 3-特征关键点定位.mp4.mp4
　　 131 1-基本概念.mp4.mp4
　　 70 1-Sobel算子.mp4.mp4
　　 76 1-图像金字塔定义.mp4.mp4
　　 60 4-边界填充~1.mp4.mp4
　　 118 4-车位直线检测.mp4.mp4
　　 55 2-Python与Opencv配置安装~1.mp4.mp4
　　 81 1-模板匹配方法.mp4.mp4
　　 142 6-多进程效率提升对比.mp4.mp4
　　 123 1-整体流程与效果概述.mp4.mp4
　　 78 1-轮廓检测方法.mp4.mp4
　　 129 3-学习步骤.mp4.mp4
　　 86 4-傅里叶概述~1.mp4.mp4
　　 139 3-深度学习检测框架加载.mp4.mp4
　　 110 6-opencv中sift函数使用.mp4.mp4
　　 87 5-频域变换结果~1.mp4.mp4
　　 154 4-闭眼检测.mp4.mp4
　　 72 3-scharr与lapkacian算子.mp4.mp4
　　 84 2-均衡化原理.mp4.mp4
　　 111 1-特征匹配方法.mp4.mp4
　　 147 5-卷积参数共享.mp4.mp4
　　 85 3-均衡化效果.mp4.mp4
　　 135 1-dnn模块.mp4.mp4
　　 82 2-匹配效果展示.mp4.mp4
　　 69 5-礼帽与黑帽.mp4.mp4
　　 75 3-边缘检测效果.mp4.mp4
　　 54 0-课程简介2.mp4.mp4
　　 143 1-卷积神经网络的应用.mp4.mp4
　　 101 2-基本数学原理.mp4.mp4
　　 155 5-检测效果.mp4.mp4
　　 128 2-混合高斯模型.mp4.mp4
　　 144 2-卷积层解释.mp4.mp4
　　 62 图像阈值.mp4.mp4
　　 117 3-图像数据预处理.mp4.mp4
　　 63 1-图像平滑处理.mp4.mp4
　　 92 4-输入数据处理方法.mp4.mp4
　　 149 1-卷积效果演示.mp4.mp4
　　 112 2-RANSAC算法.mp4.mp4
　　 150 2-卷积操作流程.mp4.mp4
　　 109 5-特征向量生成.mp4.mp4
　　 94 1-整体流程演示.mp4.mp4
　　 95 2-文档轮廓提取.mp4.mp4
　　 106 2-高斯差分金字塔.mp4.mp4
　　 134 4-光流估计实战.mp4.mp4
　　 126 4-选项判断识别.mp4.mp4
　　 137 1-目标追踪概述.mp4.mp4
　　 91 3-模板处理方法.mp4.mp4
　　 83 1-直方图定义.mp4.mp4
　　 124 2-预处理操作.mp4.mp4
　　 96 3-原始与变换坐标计算.mp4.mp4
　　 61 5-数值计算~1.mp4.mp4
　　 122 8-基于视频的车位检测.mp4.mp4
　　 93 5-模板匹配得出识别结果.mp4.mp4
　　 151 1-关键点定位概述.mp4.mp4
　　 140 4-基于dlib与ssd的追踪.mp4.mp4
　　 152 2-获取人脸关键点.mp4.mp4
　　 98 5-tesseract-ocr安装配置.mp4.mp4
　　 104 5-opencv角点检测效果.mp4.mp4
　　 114 4-流程解读.mp4.mp4
　　 65 1-腐蚀操作.mp4.mp4
　　 108 4-生成特征描述.mp4.mp4
　　 80 3-轮廓特征与近似.mp4.mp4
　　 153 3-定位效果演示.mp4.mp4
　　 99 6-文档扫描识别效果.mp4.mp4
　　 148 6-池化层原理.mp4.mp4
　　 127 1-背景消除-帧差法.mp4.mp4
　　 67 3-开运算与闭运算.mp4.mp4
　　 88 6-低通与高通滤波~1.mp4.mp4
　　 130 4-背景建模实战.mp4.mp4
　　 79 2-轮廓检测结果.mp4.mp4
　　 102 3-求解化简.mp4.mp4
　　 133 3-推导求解.mp4.mp4
　　 57 1-计算机眼中的图像~1.mp4.mp4
　　 1-slowfast算法知识点通俗解读
　　 12-deepsort源码解读
　　 14-V5版本项目配置
　　 15-V5项目工程源码解读
　　 10-OpenPose算法源码分析
　　 6-视频异常检测CVPR2021论文及其源码解读
　　 5-视频异常检测算法与元学习
　　 11-deepsort算法知识点解读
　　 9-姿态估计OpenPose系列算法解读
　　 2-slowfast项目环境配置与配置文件
　　 13-YOLO-V4版本算法解读
　　 7-基础补充-Resnet模型及其应用实例
　　 3-slowfast源码详细解读
　　 8-课程介绍
　　 4-基于3D卷积的视频分析与动作识别
　　 1-对比学习算法与实例
　　 3-多模态3D目标检测算法源码解读
　　 2-CLIP系列
　　 5-ANINET源码解读
　　 4-多模态文字识别
　　 4-基于Resnet的医学数据集分类实战
　　 7-unet医学细胞分割实战
　　 1-卷积神经网络原理与参数解读
　　 12-基于YOLO5细胞检测实战
　　 10-基于deeplab的心脏视频数据诊断分析
　　 13-知识图谱原理解读
　　 5-图像分割及其损失函数概述
　　 14-Neo4j数据库实战
　　 6-Unet系列算法讲解
　　 8-deeplab系列算法
　　 11-YOLO系列物体检测算法原理解读
　　 9-基于deeplabV3+版本进行VOC分割实战
　　 17-医学糖尿病数据命名实体识别
　　 3-PyTorch框架必备核心模块解读
　　 16-词向量模型与RNN网络架构
　　 15-基于知识图谱的医药问答系统实战
　　 18-第七模块：多模态3D目标检测算法源码解读
　　 11-补充：Mask2former源码解读
　　 13-第四模块：DBNET文字检测
　　 12-KIE关键信息抽取与视频超分辨率重构
　　 3-第一模块：训练结果测试与验证
　　 19-第八模块：模型蒸馏应用实例
　　 15-第四模块：KIE基于图模型的关键信息抽取
　　 2-第一模块：分类任务基本操作
　　 20-第八模块：模型剪枝方法概述分析
　　 16-第五模块：stylegan2源码解读
　　 4-第一模块：模型源码DEBUG演示
　　 22-OCR算法解读
　　 8-第三模块：mmdet训练自己的数据任务
　　 24-追踪新增
　　 5-第二模块：使用分割模块训练自己的数据集
　　 21-第九模块：mmaction行为识别
　　 17-第六模块：BasicVSR++视频超分辨重构源码解读
　　 9-第三模块：DeformableDetr物体检测源码分析
　　 7-第二模块：分割任务CVPR最新Backbone设计及其应用
　　 6-第二模块：基于Unet进行各种策略修改
　　 10-第三模块：DeformableDetr算法解读
　　 23-额外补充-在源码中加入各种注意力机制方法
　　 1-MMCV安装方法
　　 14-第四模块：ANINET文字识别
　　 4-VIT源码解读
　　 3-Transformer
　　 2-卷积神经网络
　　 1-神经网络结构
　　 3.ANACONDA使用(新手看下，老手忽略).mp4
　　 5.PyCharm安装和配置.mp4
　　 2.Python环境安装和搭建.mp4
　　 4.torch（CPU版本安装）.mp4
　　 1.AI课程所需安装软件教程.mp4.mp4
　　 3-项目实战-基于BERT的中文情感分析实战
　　 4-项目实战-基于BERT的中文命名实体识别识别实战
　　 6-必备基础-掌握Tensorflow如何实现word2vec模型
　　 8-医学糖尿病数据命名实体识别
　　 5-必备基础知识点-woed2vec模型通俗解读
　　 2-谷歌开源项目BERT源码解读与应用实例
　　 7-必备基础知识点-RNN网络架构与情感分析应用实例
　　 1-自然语言处理通用框架BERT原理解读
　　 3-模型蒸馏应用实例
　　 1-通用创新点
　　 5-额外补充-在源码中加入各种注意力机制方法
　　 2-论文写作参考范文
　　 4-模型剪枝方法概述分析
　　 3-基于CycleGan开源项目实战图像合成
　　 8-图像超分辨率重构实战
　　 4-stargan论文架构解析
　　 9-基于GAN的图像补全实战
　　 6-基于starganvc2的变声器论文原理解读
　　 11-BasicVSR++视频超分辨重构源码解读
　　 2-对抗生成网络架构原理与实战解析
　　 7-starganvc2变声器项目实战及其源码解读
　　 5-stargan项目实战及其源码解读
　　 10-stylegan2源码解读
　　 1-课程介绍
　　 12 企业知识智能检索系统——从构建 到优化的RAG增强实践.mp4
　　 16 AI浪潮之下的职业新机遇：如何武装自己，拿下未来岗位？.mp4
　　 05 transformer-VIT源码解读.mp4
　　 04 transformer解读.mp4
　　 07 从0-1：论文写作.mp4
　　 03 卷积神经网络.mp4
　　 06 GITHUB开源项目使用方法.mp4.mp4
　　 08 大模型2025年最新算法论文解读.mp4
　　 17 InternVL 2.5 论文解读.mp4
　　 13 企业知识智能检索系统——从构建 到优化的RAG增强实践 第二课.mp4
　　 10 大模型结构化推理理论及实战-第二课.mp4
　　 14 大模型微调与应用和科研思路.mp4
　　 01 开班典礼：如何学好人工智能学科.mp4
　　 15 遥感图像处理与高光谱图像智能解译.mp4
　　 11 时间序列经典算法解读.mp4
　　 02 神经网络.mp4
　　 09 大模型结构化推理理论及实战.mp4
　　 10-模型剪枝-Network Slimming实战解读
　　 5-pyTorch框架部署实践
　　 1-AIoT人工智能物联网之认识 jetson nano
　　 3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
　　 2-AIoT人工智能物联网之AI 实战
　　 4- AIoT人工智能物联网之deepstream
　　 9-模型剪枝-Network Slimming算法分析
　　 11-Mobilenet三代网络模型架构
　　 6-YOLO-V3物体检测部署实例
　　 12-拓展-模型部署
　　 7-语音合成tacotron最新版实战
　　 6-ConvTasnet语音分离实战
　　 3-starganvc2变声器论文原理解读
　　 1-seq2seq序列网络模型
　　 5-语音分离ConvTasnet模型
　　 2-LAS模型语音识别实战
　　 4-staeganvc2变声器源码实战
　　 1-DBNET文字检测
　　 2-ANINET文字识别
　　 3-OCR算法解读
　　 4-AAAI2020顶会算法精讲
　　 2-基于注意力机制的Reld模型论文解读
　　 7-基于拓扑图的行人重识别项目实战
　　 3-基于Attention的行人重识别项目实战
　　 1-行人重识别原理及其应用
　　 8-额外补充：行人搜索源码分析
　　 6-旷视研究院最新算法解读（基于图模型）
　　 5-项目实战-基于行人局部特征融合的再识别实战
　　 10-图谱知识抽取实战
　　 7-GPT系列算法
　　 5-文本标注工具与NER实例
　　 9-文本摘要建模
　　 4-BERT系列算法解读
　　 11-补充Huggingface数据集制作方法实例
　　 6-文本预训练模型构建实例
　　 1-Huggingface与NLP介绍解读
　　 8-GPT训练与预测部署流程
　　 3-transformer原理解读
　　 2-Transformer工具包基本操作实例解读
　　 3-YOLO-V1整体思想与网络架构
　　 5-YOLO-V3核心网络模型
　　 11-YOLO系列（V7）算法解读
　　 2-深度学习经典检测法概述
　　 15-detr目标检测源码解读
　　 16-DeformableDetr算法解读
　　 19-EfficientDet检测算法
　　 8-YOLO-V4版本算法解读
　　 1-物体检测评估指标
　　 10-V5项目工程源码解读
　　 12-V7源码解读
　　 18-EfficientNet网络
　　 17-半监督物体检测
　　 13-YOLOV8
　　 14-基于Transformer的detr目标检测算法
　　 4-YOLO-V2改进细节详解
　　 9-V5版本项目配置
　　 7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
　　 6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
　　 20-YOLO V9
　　　 3-实现流程路线图.mp4
　　　 5-VQA任务总结.mp4
　　　 4-答案关注区域分析.mp4
　　　 1-视觉QA要解决的问题.mp4
　　　 2-论文概述分析.mp4
　　　 2-源码实现细节分析.mp4
　　　 4-Decoder模块实现细节解读.mp4
　　　 3-源码公式对应论文分析.mp4
　　　 5-源码实现流程总结.mp4
　　　 1-项目整体流程分析.mp4
　　 12-TSDF实战案例
　　 9-NeuralRecon项目环境配置
　　 1-深度估计算法原理解读
　　 8-NeuralRecon算法解读
　　 3-车道线检测算法与论文解读
　　 10-NeuralRecon项目源码解读
　　 4-基于深度学习的车道线检测项目实战
　　 15-特斯拉无人驾驶解读
　　 13-轨迹估计算法与论文解读
　　 11-TSDF算法与应用
　　 5-商汤LoFTR算法解读
　　 7-三维重建应用与坐标系基础
　　 6-局部特征关键点匹配实战
　　 2-深度估计项目实战
　　 14-轨迹估计预测实战
　　 20 5-损失与训练模块分析2~1.mp4.mp4
　　 45 5-预料表与字符切分.mp4.mp4
　　 31 5-输出层与梯度设置1~1.mp4.mp4
　　 41 1-数据集与任务目标分析.mp4.mp4
　　 50 1-基本结构与训练好的模型加载.mp4.mp4
　　 42 2-文本数据处理基本流程分析.mp4.mp4
　　 38 2-图像数据与标签路径处理1~1.mp4.mp4
　　 44 4-训练模型所需基本配置参数分析.mp4.mp4
　　 22 7-参数对结果的影响2~1.mp4.mp4
　　 24 1-输入特征通道分析2~1.mp4.mp4
　　 32 6-输出类别个数修改1~1.mp4.mp4
　　 15 2-CPU与GPU版本安装方法解读1~1.mp4.mp4
　　 51 2-服务端处理与预测函数.mp4.mp4
　　 33 7-优化器与学习率衰减1~1.mp4.mp4
　　 16 1-数据集与任务概述2~1.mp4.mp4
　　 36 10-测试结果演示分析1~1.mp4.mp4
　　 49 9-模型训练任务与总结.mp4.mp4
　　 37 1-Dataloader要完成的任务分析1~1.mp4.mp4
　　 27 1-任务分析与图像数据基本处理2~1.mp4.mp4
　　 19 4-数据源定义简介2~1.mp4.mp4
　　 39 3-Dataloader中需要实现的方法分析1~1.mp4.mp4
　　 35 9-重新训练全部模型1~1.mp4.mp4
　　 14 1-PyTorch框架与其他框架区别分析1~1.mp4.mp4
　　 28 2-数据增强模块2~1.mp4.mp4
　　 21 6-训练一个基本的分类模型2~1.mp4.mp4
　　 23 第三章神经网络回归任务-气温预测1~1.mp4.mp4
　　 43 3-命令行参数与DEBUG.mp4.mp4
　　 47 7-LSTM网络结构基本定义.mp4.mp4
　　 52 3-基于Flask测试模型预测结果.mp4.mp4
　　 46 6-字符预处理转换ID.mp4.mp4
　　 25 2-卷积网络参数解读2~1.mp4.mp4
　　 48 8-网络模型预测结果输出.mp4.mp4
　　 34 8-模型训练方法1~1.mp4.mp4
　　 26 3-卷积网络模型训练2~1.mp4.mp4
　　 29 3-数据集与模型选择1~1.mp4.mp4
　　 18 3-网络结构定义方法2~1.mp4.mp4
　　 17 2-基本模块应用测试2~1.mp4.mp4
　　 30 4-迁移学习方法解读1~1.mp4.mp4
　　 40 4-实用Dataloader加载数据并训练模型1~1.mp4.mp4
　　　 1-论文基本思想与核心模块分析.mp4
　　　 2-不同模块对比分析.mp4
　　　 3-算法核心流程解读.mp4
　　　 4-各模块实现细节讲解.mp4
　　　 8-实现细节分析.mp4
　　　 4-数据闭环方法.mp4
　　　 6-Decoder的作用与项目源码.mp4
　　　 9-总结分析.mp4
　　　 7-分割任务模块设计.mp4
　　　 3-完成的任务分析.mp4
　　　 2-论文解读分析.mp4
　　　 5-预训练模型的作用.mp4
　　　 1-DEMO效果演示.mp4
　　　 1-建模流程分析与效果展示.mp4
　　　 3-任务总结分析.mp4
　　　 2-codebook模块的作用.mp4
　　　 5-论文细节模块实现解读.mp4
　　　 3-整体网络架构图分析.mp4
　　　 1-BEITV2版本论文出发点解读.mp4
　　　 4-框架实现细节流程分析.mp4
　　　 2-自监督任务中两大核心任务分析.mp4
　　　 1-mmselfup源码实现解读.mp4
　　　 3-源码实现流程总结.mp4
　　　 2-网络结构搭建细节解读.mp4
　　　 1-Llava与YOLO11.mp4
　　　 1-DeformableAttention概述分析.mp4
　　　 2-可变形偏移量分析.mp4
　　　 9-案例流程分析.mp4
　　　 1-扩散模型概述与GAN遇到的问题.mp4
　　　 3-公式原理推导解读.mp4
　　　 2-要完成的任务分析.mp4
　　　 6-公式推导结果分析.mp4
　　　 8-论文流程图解读.mp4
　　　 4-分布相关计算操作.mp4
　　　 5-算法实现细节推导.mp4
　　　 7-细节实现总结.mp4
　　　 10-基本建模训练效果.mp4
　　　 1-SAM2视频分割 .mp4
　　　 2-LLM落地微调分析.mp4
　　　 3-LLAMA与LORA介绍.mp4
　　　 4-LORA微调的核心思想.mp4
　　　 1-大模型如何做下游任务.mp4
　　　 5-LORA模型实现细节.mp4
　　　 12-损失函数与预测可视化.mp4
　　　 11-Decoder级联校正模块.mp4
　　　 9-Decoder要完成的任务分析.mp4
　　　 4-特征对齐与位置编码初始化.mp4
　　　 1-环境配置方法解读.mp4
　　　 5-Reference初始点构建.mp4
　　　 6-BEV空间与图像空间位置对应.mp4
　　　 2-数据集下载与配置方法.mp4
　　　 7-注意力机制模块计算方法.mp4
　　　 8-BEV空间特征构建.mp4
　　　 3-特征提取以及BEV空间初始化.mp4
　　　 10-获取当前BEV特征.mp4
　　　 1-BEV要解决的问题通俗解读.mp4
　　　 6-空间注意力模块解读.mp4
　　　 3-特征融合过程中可能遇到的问题.mp4
　　　 5-DeformableAttention回顾.mp4
　　　 4-BEV汇总特征方法实例解读.mp4
　　　 7-时间模块与拓展补充.mp4
　　　 9-核心模块论文分析.mp4
　　　 2-BEV中的3D与4D分析.mp4
　　　 10-整体架构总结.mp4
　　　 8-论文知识点分析.mp4
　　　 2-GPT三代版本分析.mp4
　　　 1-GPT系列算法概述.mp4
　　　 6-GPT3的提示与生成方法.mp4
　　　 5-采样策略与多样性.mp4
　　　 7-应用场景CODEX分析.mp4
　　　 8-DEMO应用演示.mp4
　　　 3-GPT初代版本要解决的问题.mp4
　　　 4-GPT第二代版本训练策略.mp4
　　　 2-基本API调用方法.mp4
　　　 5-数据切块方法.mp4
　　　 1-提示工程的作用.mp4
　　　 3-数据文档切分操作.mp4
　　　 4-样本索引与向量构建.mp4
　　　 1-大模型微调与应用.mp4
　　　 3-3-微调与量化和推理预测.mp4
　　　 1-1-环境配置方法.mp4
　　　 2-2-多模态数据集配置.mp4
　　　 1-Agent工作流搭建.mp4
　　　 1-RAGFLOW和function calling.mp4
　　　 1-整体故事解读.mp4
　　　 7-整体流程框架图.mp4
　　　 8-感知模块解读.mp4
　　　 6-计划模块实现细节.mp4
　　　 4-Agent的记忆信息.mp4
　　　 10-项目环境配置方法解读.mp4
　　　 3-论文基本框架分析.mp4
　　　 9-思考模块解读.mp4
　　　 5-感知与反思模块构建流程.mp4
　　　 2-要解决的问题和整体框架分析.mp4
　　　 2-数据样本生成方法.mp4
　　　 5-部署与网页预测展示.mp4
　　　 3-训练所需参数解读.mp4
　　　 1-生成模型可以完成的任务概述.mp4
　　　 4-模型训练过程.mp4
　　　 3-MIOU评估标准.mp4
　　　 2-分割任务中的目标函数定义.mp4
　　　 1-语义分割与实例分割概述.mp4
　　　 1-time-llm大模型多模态预测任务.mp4
　　　 1-Llama3应用.mp4
　　　 5-5-PPO迭代方法.mp4
　　　 6-6-基本训练逻辑解读.mp4
　　　 1-1. 用强化学习来按照偏好微调大模型.mp4
　　　 2-2-环境与数据预处理配置..mp4
　　　 4-4-优势计算方法与样本构建.mp4
　　　 3-3-奖励定义方法.mp4
　　　 2-开源项目数据集.mp4
　　　 1-Mask-Rcnn开源项目简介.mp4
　　　 3-开源项目数据集.mp4
　　　 6-模型效果验证.mp4
　　　 3-Debug模式演示网络计算流程.mp4
　　　 1-医学细胞数据集介绍与参数配置.mp4
　　　 2-数据增强工具.mp4
　　　 4-特征融合方法演示.mp4
　　　 5-迭代完成整个模型计算任务.mp4
　　　 1-PascalVoc数据集介绍.mp4
　　　 5-分割模型训练.mp4
　　　 2-项目参数与数据集读取.mp4
　　　 4-ASPP层特征融合.mp4
　　　 3-网络前向传播流程.mp4
　　　 1-Labelme工具安装.mp4
　　　 4-maskrcnn源码修改方法.mp4
　　　 5-基于标注数据训练所需任务.mp4
　　　 6-测试与展示模块.mp4
　　　 2-使用labelme进行数据与标签标注.mp4
　　　 3-完成训练数据准备工作.mp4
　　　 2-网络计算流程.mp4
　　　 3-Unet升级版本改进.mp4
　　　 1-Unet网络编码与解码过程.mp4
　　　 4-后续升级版本介绍.mp4
　　　 11-RorAlign操作的效果.mp4
　　　 2-FPN网络架构实现解读.mp4
　　　 8-DetectionTarget层的作用.mp4
　　　 4-基于不同尺度特征图生成所有框.mp4
　　　 1-FPN层特征提取原理解读.mp4
　　　 6-候选框过滤方法.mp4
　　　 9-正负样本选择与标签定义.mp4
　　　 3-生成框比例设置.mp4
　　　 10-RoiPooling层的作用与目的.mp4
　　　 5-RPN层的作用与实现解读.mp4
　　　 12-整体框架回顾.mp4
　　　 7-Proposal层实现方法.mp4
　　　 5-ASPP特征融合策略.mp4
　　　 6-deeplabV3Plus版本网络架构.mp4
　　　 1-deeplab分割算法概述.mp4
　　　 2-空洞卷积的作用.mp4
　　　 3-感受野的意义.mp4
　　　 4-SPP层的作用.mp4
　　　 4-偏移量与权重计算并转换.mp4
　　　 7-Decoder中的AttentionMask方法.mp4
　　　 12-最终损失计算流程.mp4
　　　 6-query要预测的任务解读.mp4
　　　 1-Backbone获取多层级特征.mp4
　　　 8-损失模块输入参数分析.mp4
　　　 2-多层级采样点初始化构建.mp4
　　　 10-正样本筛选损失计算.mp4
　　　 3-多层级输入特征序列创建方法.mp4
　　　 11-标签分类匹配结果分析.mp4
　　　 5-Encoder特征构建方法实例.mp4
　　　 9-标签分配策略解读.mp4
　　　 13-汇总所有损失完成迭代.mp4
　　　 1-分割模型Maskformer系列.mp4
　　　 5-损失函数与应用效果.mp4
　　　 2-显著性检测任务与目标概述.mp4
　　　 4-解码器输出结果.mp4
　　　 1-任务目标与网络整体介绍.mp4
　　　 3-编码器模块解读.mp4
　　　 4-Query采样方法解读.mp4
　　　 5-probAttention计算流程.mp4
　　　 2-常用模块分析.mp4
　　　 7-解码器流程分析.mp4
　　　 6-编码器全部计算流程.mp4
　　　 3-论文要解决的问题分析.mp4
　　　 1-时间序列预测要完成的任务.mp4
　　　 4-文献报告分析.mp4
　　　 5-补充：视频数据源特征处理方法概述.mp4
　　　 3-任务流程解读.mp4
　　　 1-数据集与任务概述.mp4
　　　 2-项目基本配置参数.mp4
　　　 6-补充：R(2plus1)D处理方法分析.mp4
　　　 大模型结构化推理理论及实战-第二课.mp4
　　　 6-时间相关特征提取方法.mp4
　　　 4-数据集构建与读取方式.mp4
　　　 13-解码器预测输出.mp4
　　　 5-数据处理相关模块.mp4
　　　 7-dataloader构建实例.mp4
　　　 8-整体架构分析.mp4
　　　 3-模型训练所需参数解读.mp4
　　　 11-完成注意力机制计算模块.mp4
　　　 9-编码器模块实现.mp4
　　　 2-数据集解读.mp4
　　　 1-项目使用说明.mp4
　　　 10-核心采样计算方法.mp4
　　　 12-平均向量的作用.mp4
　　　 3-时序特征周期拆解.mp4
　　　 7-源码流程解读.mp4
　　　 9-整体计算流程.mp4
　　　 1-时序预测故事背景.mp4
　　　 4-计算公式流程拆解.mp4
　　　 2-论文核心思想解读.mp4
　　　 5-全部计算流程解读.mp4
　　　 6-周期间特征分析.mp4
　　　 8-傅里叶变换流程.mp4
　　　 1-time-llm大模型多模态预测任务.mp4
　　　 企业知识智能检索系统——从构建 到优化的RAG增强实践 第二课.mp4
　　　 融合大语言模型的人形机器人强化学习训练范式.mp4
　　　 Deepseek辅助科研技能学习和科研探索.mp4
　　　 基于分层强化学习的机器人路径规划方法.mp4
　　　 融合具身智能的机器人学习范式.mp4
　　　 多模态大模型.mp4
　　　 大模型2025年最新算法论文解读.mp4
　　　 人形机器人模仿学习范式.mp4
　　　 大模型结构化推理理论及实战.mp4
　　　 企业知识智能检索系统——从构建 到优化的RAG增强实践.mp4
　　　 4-策略梯度推导.mp4
　　　 3-要完成的目标分析.mp4
　　　 1-基本情况介绍.mp4
　　　 5-baseline方法.mp4
　　　 8-PPO算法整体思路解析.mp4
　　　 2-与环境交互得到所需数据.mp4
　　　 7-importance sampling的作用.mp4
　　　 6-OnPolicy与OffPolicy策略.mp4
　　　 1-整体流程与环境配置.mp4
　　　 2-启动游戏环境.mp4
　　　 5-与环境交互得到训练数据.mp4
　　　 6-训练网络模型.mp4
　　　 4-初始化局部模型并加载参数.mp4
　　　 3-要计算的指标回顾.mp4
　　　 1-ChatGPT.mp4
　　　 1-GPT系列.mp4
　　　 1-强化学习的基础原理与应用等.mp4
　　　 1-Dalle2源码解读.mp4
　　　 2-强化学习的指导依据.mp4
　　　 4-应用领域简介.mp4
　　　 3-强化学习AI游戏DEMO.mp4
　　　 6-计算机眼中的状态与行为.mp4
　　　 5-强化学习工作流程.mp4
　　　 1-一张图通俗解释强化学习.mp4
　　　 2-数据样本生成方法.mp4
　　　 1-生成模型可以完成的任务概述.mp4
　　　 5-部署与网页预测展示.mp4
　　　 4-模型训练过程.mp4
　　　 3-训练所需参数解读.mp4
　　　 4-训练与更新.mp4
　　　 7-Qlearning算法实例解读.mp4
　　　 9-DQN简介.mp4
　　　 8-Q值迭代求解.mp4
　　　 2-探索与action获取.mp4
　　　 1-整体任务流程演示.mp4
　　　 5-算法原理通俗解读.mp4
　　　 3-计算target值.mp4
　　　 6-目标函数与公式解析.mp4
　　　 4-A3C整体架构分析.mp4
　　　 2-优势函数解读与分析.mp4
　　　 5-损失函数整理.mp4
　　　 1-AC算法回顾与知识点总结.mp4
　　　 3-计算流程实例.mp4
　　　 1-CLIP系列.mp4
　　　 1-DoubleDqn要解决的问题.mp4
　　　 2-DuelingDqn改进方法.mp4
　　　 4-MultiSetp策略.mp4
　　　 5-连续动作处理方法.mp4
　　　 3-Dueling整体网络架构分析.mp4
　　　 1-Diffusion模型解读.mp4
　　　 3-参数与网络结构定义.mp4
　　　 4-得到动作结果.mp4
　　　 2-PPO2版本公式解读.mp4
　　　 1-Critic的作用与效果.mp4
　　　 6-参数迭代与更新.mp4
　　　 5-奖励获得与计算.mp4
　　　 4-使用gensim构建word2vec词向量（新）.mp4
　　　 2-基于词袋模型训练分类器.mp4
　　　 3-准备word2vec输入数据.mp4
　　　 1-影评情感分类.mp4
　　　 3-数据处理.mp4
　　　 5-seq网络.mp4
　　　 2-参数配置与数据加载.mp4
　　　 4-词向量与投影.mp4
　　　 1-效果演示.mp4
　　　 6-网络训练.mp4
　　　 4-TF-IDF关键词提取.mp4
　　　 1-文本分析与关键词提取.mp4
　　　 3-新闻数据与任务简介.mp4
　　　 5-LDA建模.mp4
　　　 2-相似度计算.mp4
　　　 6-基于贝叶斯算法进行新闻分类.mp4
　　　 2-工具包使用方法.mp4
　　　 1-hmmlearn工具包.mp4
　　　 4-实现中文分词.mp4
　　　 3-中文分词任务.mp4
　　　 8-Baum-Welch算法.mp4
　　　 1-马尔科夫模型.mp4
　　　 7-前向算法求解实例.mp4
　　　 2-隐马尔科夫模型基本出发点.mp4
　　　 4-暴力求解方法.mp4
　　　 9-参数求解.mp4
　　　 10-维特比算法.mp4
　　　 6-前向算法.mp4
　　　 5-复杂度计算.mp4
　　　 3-组成与要解决的问题.mp4
　　　 2-贝叶斯推导实例.mp4
　　　 5-贝叶斯实现拼写检查器.mp4
　　　 4-垃圾邮件过滤实例.mp4
　　　 3-贝叶斯拼写纠错实例.mp4
　　　 1-贝叶斯算法概述.mp4
　　　 8-CBOW求解目标.mp4
　　　 4-词向量.mp4
　　　 6-Hierarchical Softmax.mp4
　　　 7-CBOW模型实例.mp4
　　　 2-语言模型.mp4
　　　 10-负采样模型.mp4
　　　 3-N-gram模型.mp4
　　　 9-锑度上升求解.mp4
　　　 1-开篇.mp4
　　　 5-神经网络模型.mp4
　　　 4-batch数据制作.mp4
　　　 5-RNN模型定义.mp4
　　　 7-训练唐诗生成模型.mp4
　　　 6-完成训练模块.mp4
　　　 1-任务概述与环境配置.mp4
　　　 2-参数配置.mp4
　　　 8-测试唐诗生成效果.mp4
　　　 3-数据预处理模块.mp4
　　　 4-情感数据集处理.mp4
　　　 3-案例：使用LSTM进行情感分类.mp4
　　　 1-RNN网络架构.mp4
　　　 5-基于word2vec的LSTM模型.mp4
　　　 2-LSTM网络架构.mp4
　　　 3-商品类别可视化展示.mp4
　　　 4-商品描述长度对价格的影响分析.mp4
　　　 5-关键词的词云可视化展示.mp4
　　　 1-在线商城商品数据信息概述.mp4
　　　 8-聚类分析与主题模型展示.mp4
　　　 2-商品类别划分方式.mp4
　　　 6-基于tf-idf提取关键词信息.mp4
　　　 7-通过降维进行可视化展示.mp4
　　　 6-深度学习模型.mp4
　　　 3-词袋模型分析.mp4
　　　 4-TFIDF模型.mp4
　　　 1-任务概述.mp4
　　　 2-词袋模型.mp4
　　　 5-word2vec词向量模型.mp4
　　　 4-数据预处理.mp4
　　　 3-正负样本制作.mp4
　　　 1-任务概述.mp4
　　　 5-网络模型定义.mp4
　　　 6-基于字符的训练.mp4
　　　 7-基于句子的相似度训练.mp4
　　　 2-数据展示.mp4
　　　 3-Gensim构造word2vec模型.mp4
　　　 1-使用Gensim库构造词向量.mp4
　　　 2-维基百科中文数据处理.mp4
　　　 4-测试模型相似度结果.mp4
　　　 8-加载所有实体数据.mp4
　　　 4-环境配置与所需工具包安装.mp4
　　　 10-完成对话系统构建.mp4
　　　 9-实体关键词字典制作.mp4
　　　 6-创建关系边.mp4
　　　 2-医疗数据介绍及其各字段含义.mp4
　　　 5-提取数据中的关键字段信息.mp4
　　　 1-项目概述与整体架构分析.mp4
　　　 7-打造医疗知识图谱模型.mp4
　　　 3-任务流程概述.mp4
　　　 1-Neo4j图数据库介绍.mp4
　　　 4-创建与删除操作演示.mp4
　　　 2-Neo4j数据库安装流程演示.mp4
　　　 5-数据库更改查询操作演示.mp4
　　　 3-可视化例子演示.mp4
　　　 7-词性标注.mp4
　　　 1-Python字符串处理.mp4
　　　 2-正则表达式基本语法.mp4
　　　 12-统计分析结果.mp4
　　　 14-词云展示.mp4
　　　 6-停用词过滤.mp4
　　　 13-结巴分词器.mp4
　　　 9-Spacy工具包.mp4
　　　 5-NLTK工具包简介.mp4
　　　 10-名字实体匹配.mp4
　　　 4-常用函数介绍.mp4
　　　 11-恐怖袭击分析.mp4
　　　 3-正则常用符号.mp4
　　　 8-数据清洗实例.mp4
　　　 2-提取所需的指标信息.mp4
　　　 3-在图中创建实体.mp4
　　　 4-根据给定实体创建关系.mp4
　　　 1-使用Py2neo建立连接.mp4
　　　 1-数据与任务介绍.mp4
　　　 6-医疗数据集（糖尿病）实体识别.mp4
　　　 4-输入样本填充补齐.mp4
　　　 2-整体模型架构.mp4
　　　 3-数据-标签-语料库处理.mp4
　　　 5-训练网络模型.mp4
　　　 5-数据获取分析.mp4
　　　 1-知识图谱通俗解读.mp4
　　　 2-知识图谱在搜索引擎中的应用.mp4
　　　 4-金融与推荐领域的应用.mp4
　　　 3-知识图谱在医疗领域应用实例.mp4
　　　 4-得到分词与词性标注结果.mp4
　　　 3-pyltp安装与流程演示.mp4
　　　 1-关系抽取要完成的任务演示与分析.mp4
　　　 2-LTP工具包概述介绍.mp4
　　　 6-句法分析结果整理.mp4
　　　 5-依存句法概述.mp4
　　　 7-语义角色构建与分析.mp4
　　　 8-设计规则完成关系抽取.mp4
　　　 2-训练自己的数据集方法.mp4
　　　 4-测试DEMO演示.mp4
　　　 3-训练数据参数配置.mp4
　　　 1-整体项目概述.mp4
　　　 1-竞赛任务目标.mp4
　　　 3-节点权重特征提取(PageRank).mp4
　　　 6-app安装特征.mp4
　　　 7-图中联系人特征.mp4
　　　 2-图模型信息提取.mp4
　　　 5-各项统计特征.mp4
　　　 4-deepwalk构建图顶点特征.mp4
　　　 4-整体流程解读.mp4
　　　 3-缺陷形态学操作.mp4
　　　 1-任务需求与环境配置.mp4
　　　 2-数据读取与基本处理.mp4
　　　 5-缺陷检测效果演示.mp4
　　　 3-graph-embedding的作用与效果.mp4
　　　 4-金融领域图编码实例.mp4
　　　 5-视觉领域图编码实例.mp4
　　　 6-图谱知识融合与总结分析.mp4
　　　 2-常用NLP技术点分析.mp4
　　　 1-数据关系抽取分析.mp4
　　　 1-课程介绍.mp4
　　　 4-源码的利用方法.mp4
　　　 2-开源项目应用方法.mp4
　　　 5-数据集制作方法.mp4
　　　 3-github与kaggle中需要注意的点.mp4
　　　 7-训练模型.mp4
　　　 1-数据集与任务概述.mp4
　　　 6-数据路径配置.mp4
　　　 8-任务总结.mp4
　　　 4-视频数据遍历方法.mp4
　　　 3-目标质心计算.mp4
　　　 5-缺陷区域提取.mp4
　　　 7-检测效果演示.mp4
　　　 6-不同类型的缺陷检测方法.mp4
　　　 1-数据与任务概述.mp4
　　　 2-视频数据读取与轮廓检测.mp4
　　　 6-getItem构建batch.mp4
　　　 11-前向传播计算.mp4
　　　 5-数据四合一方法与流程演示.mp4
　　　 2-图像数据源配置.mp4
　　　 14-Head层流程解读.mp4
　　　 19-训练流程解读.mp4
　　　 16-输出结果分析.mp4
　　　 15-上采样与拼接操作.mp4
　　　 21-模型迭代过程.mp4
　　　 13-SPP层计算细节分析.mp4
　　　 3-加载标签数据.mp4
　　　 12-BottleneckCSP层计算方法.mp4
　　　 18-命令行参数介绍.mp4
　　　 8-V5网络配置文件解读.mp4
　　　 4-Mosaic数据增强方法.mp4
　　　 20-各种训练策略概述.mp4
　　　 17-超参数解读.mp4
　　　 7-网络架构图可视化工具安装.mp4
　　　 10-完成配置文件解析任务.mp4
　　　 9-Focus模块流程分析.mp4
　　　 1-数据源DEBUG流程解读.mp4
　　　 4-Sobel算子.mp4
　　　 1-Canny边缘检测流程.mp4
　　　 5-梯度计算方法.mp4
　　　 2-非极大值抑制.mp4
　　　 3-边缘检测效果.mp4
　　　 6-scharr与lapkacian算子.mp4
　　　 4-各版本模型介绍分析.mp4
　　　 3-标签转换格式脚本制作.mp4
　　　 6-缺陷检测模型训练.mp4
　　　 1-任务需求与项目概述.mp4
　　　 5-项目参数配置.mp4
　　　 2-数据与标签配置方法.mp4
　　　 7-输出结果与项目总结.mp4
　　　 3-ROI区域.mp4
　　　 10-膨胀操作.mp4
　　　 5-数值计算.mp4
　　　 6-图像阈值.mp4
　　　 7-图像平滑处理.mp4
　　　 11-开运算与闭运算.mp4
　　　 13-礼帽与黑帽.mp4
　　　 2-视频的读取与处理.mp4
　　　 9-腐蚀操作.mp4
　　　 8-高斯与中值滤波.mp4
　　　 1-计算机眼中的图像.mp4
　　　 12-梯度计算.mp4
　　　 4-边界填充.mp4
　　　 6-CIOU损失函数定义.mp4
　　　 9-SAM注意力机制模块.mp4
　　　 5-损失函数遇到的问题.mp4
　　　 4-DropBlock与标签平滑方法.mp4
　　　 10-PAN模块解读.mp4
　　　 1-V4版本整体概述.mp4
　　　 11-激活函数与整体架构总结.mp4
　　　 2-V4版本贡献解读.mp4
　　　 7-NMS细节改进.mp4
　　　 8-SPP与CSP网络结构.mp4
　　　 3-数据增强策略分析.mp4
　　　 4-SPP层的作用.mp4
　　　 1-deeplab分割算法概述.mp4
　　　 2-空洞卷积的作用.mp4
　　　 3-感受野的意义.mp4
　　　 6-deeplabV3Plus版本网络架构.mp4
　　　 5-ASPP特征融合策略.mp4
　　　 2-论文思想与模型分析.mp4
　　　 1-任务目标与流程概述.mp4
　　　 3-项目配置解读.mp4
　　　 5-输出结果展示.mp4
　　　 4-网络流程分析.mp4
　　　 3-网络前向传播流程.mp4
　　　 4-ASPP层特征融合.mp4
　　　 1-PascalVoc数据集介绍.mp4
　　　 5-分割模型训练.mp4
　　　 2-项目参数与数据集读取.mp4
　　　 9-均衡化原理.mp4
　　　 8-直方图定义.mp4
　　　 7-匹配效果展示.mp4
　　　 4-轮廓检测结果.mp4
　　　 11-傅里叶概述.mp4
　　　 1-图像金字塔定义.mp4
　　　 13-低通与高通滤波.mp4
　　　 6-模板匹配方法.mp4
　　　 10-均衡化效果.mp4
　　　 5-轮廓特征与近似.mp4
　　　 3-轮廓检测方法.mp4
　　　 12-频域变换结果.mp4
　　　 2-金字塔制作方法.mp4
　　　 8-3-可视化例子演示.mp4
　　　 5-5-数据获取分析.mp4
　　　 1-1-知识图谱通俗解读.mp4
　　　 9-4-创建与删除操作演示.mp4
　　　 7-2-Neo4j数据库安装流程演示.mp4
　　　 10-5-数据库更改查询操作演示.mp4
　　　 2-2-知识图谱在搜索引擎中的应用.mp4
　　　 4-4-金融与推荐领域的应用.mp4
　　　 3-3-知识图谱在医疗领域应用实例.mp4
　　　 6-1-Neo4j图数据库介绍.mp4
　　　 1-1-数据集介绍与环境配置.mp4
　　　 5-5-一阶权重参数设计.mp4
　　　 4-4-Index与Value数据制作.mp4
　　　 3-3-数据处理模块Embedding层.mp4
　　　 8-8-完成FM模块计算.mp4
　　　 9-9-DNN模块与训练过程.mp4
　　　 6-6-二阶特征构建方法.mp4
　　　 2-2-广告点击数据预处理实例.mp4
　　　 7-7-特征组合方法实例分析.mp4
　　　 5-5-FM算法解析.mp4
　　　 1-1-CTR估计及其经典方法概述.mp4
　　　 8-8-Embedding层的作用与总结.mp4
　　　 2-2-高维特征带来的问题.mp4
　　　 6-6-DeepFm整体架构解读.mp4
　　　 7-7-输入层所需数据样例.mp4
　　　 3-3-二项式特征的作用与挑战.mp4
　　　 4-4-二阶公式推导与化简.mp4
　　　 6-6-缺失值填充方法.mp4
　　　 5-5-数据清洗概述.mp4
　　　 9-9-得出推荐结果.mp4
　　　 4-4-特征可视化.mp4
　　　 2-2-数据与关键词信息展示.mp4
　　　 1-1-电影数据与环境配置.mp4
　　　 7-7-推荐引擎构造.mp4
　　　 8-8-数据特征构造.mp4
　　　 3-3-关键词云与直方图展示.mp4
　　　 5-5-常用技术点分析.mp4
　　　 3-3-应用领域与多方位评估指标.mp4
　　　 6-6-与深度学习的结合.mp4
　　　 2-2-推荐系统发展简介.mp4
　　　 1-1-推荐系统通俗解读.mp4
　　　 4-4-任务流程与挑战概述.mp4
　　　 5-5-矩阵分解演示.mp4
　　　 6-6-LDA主题模型效果演示.mp4
　　　 3-3-文本数据预处理.mp4
　　　 7-7-推荐结果分析.mp4
　　　 4-4-TFIDF构建特征矩阵.mp4
　　　 2-2-数据科学相关数据介绍.mp4
　　　 1-1-数据与环境配置介绍.mp4
　　　 3-3-相似度计算与推荐实例.mp4
　　　 7-7-隐式情况分析.mp4
　　　 4-4-矩阵分解的目的与效果.mp4
　　　 1-1-协同过滤与矩阵分解简介.mp4
　　　 8-8-Embedding的作用.mp4
　　　 5-5-矩阵分解中的隐向量.mp4
　　　 2-2-基于用户与商品的协同过滤.mp4
　　　 6-6-目标函数简介.mp4
　　　 1-1-知识图谱推荐系统效果演示.mp4
　　　 6-6-图谱查询与匹配操作.mp4
　　　 3-3-图谱需求与任务流程解读.mp4
　　　 5-5-构建用户电影知识图谱.mp4
　　　 2-2-kaggle电影数据集下载与配置.mp4
　　　 7-7-相似度计算与推荐引擎构建.mp4
　　　 4-4-项目所需环境配置安装.mp4
　　　 5-5-SVD矩阵分解.mp4
　　　 1-1-音乐推荐任务概述.mp4
　　　 6-6-基于矩阵分解的音乐推荐.mp4
　　　 3-3-基于物品的协同过滤.mp4
　　　 2-2-数据集整合.mp4
　　　 4-4-物品相似度计算与推荐.mp4
　　　 5-5-评估指标概述.mp4
　　　 2-2-电影数据集预处理分析.mp4
　　　 1-1-环境配置与数据集介绍.mp4
　　　 4-4-模型测试集结果.mp4
　　　 3-3-surprise工具包基本使用.mp4
　　　 4-4-文本清洗.mp4
　　　 5-5-相似度计算.mp4
　　　 2-2-文本词频统计.mp4
　　　 1-1-酒店数据与任务介绍.mp4
　　　 6-6-得出推荐结果.mp4
　　　 3-3-ngram结果可视化展示.mp4
　　　 9-标签分配策略解读.mp4
　　　 1-Backbone获取多层级特征.mp4
　　　 13-汇总所有损失完成迭代.mp4
　　　 3-多层级输入特征序列创建方法.mp4
　　　 5-Encoder特征构建方法实例.mp4
　　　 6-query要预测的任务解读.mp4
　　　 7-Decoder中的AttentionMask方法.mp4
　　　 8-损失模块输入参数分析.mp4
　　　 10-正样本筛选损失计算.mp4
　　　 11-标签分类匹配结果分析.mp4
　　　 12-最终损失计算流程.mp4
　　　 4-偏移量与权重计算并转换.mp4
　　　 2-多层级采样点初始化构建.mp4
　　　 1-DeformableDetr算法解读.mp4
　　　 1-时间序列预测.mp4
　　　 4-获取各窗口输入特征.mp4
　　　 9-下采样操作实现方法.mp4
　　　 10-分层计算方法.mp4
　　　 7-偏移细节分析及其计算量概述.mp4
　　　 5-基于窗口的注意力机制解读.mp4
　　　 6-窗口偏移操作的实现.mp4
　　　 8-整体网络架构整合.mp4
　　　 1-swintransformer整体概述.mp4
　　　 2-要解决的问题及其优势分析.mp4
　　　 3-一个block要完成的任务.mp4
　　　 5-窗口位移模块细节分析.mp4
　　　 1-数据与环境配置解读.mp4
　　　 2-图像数据patch编码.mp4
　　　 6-patchmerge下采样操作.mp4
　　　 7-各block计算方法解读.mp4
　　　 4-基础attention计算模块.mp4
　　　 8-输出层概述.mp4
　　　 3-数据按window进行划分计算.mp4
　　　 1-视觉Transformer及其源码分析.mp4
　　　 3-位置信息初始化query向量.mp4
　　　 2-整体网络架构分析.mp4
　　　 5-训练过程的策略.mp4
　　　 4-注意力机制的作用方法.mp4
　　　 1-DETR目标检测基本思想解读.mp4
　　　 1-项目环境配置.mp4
　　　 7-局部特征提取与计算.mp4
　　　 2-医学数据介绍与分析.mp4
　　　 6-注意力计算过程与方法.mp4
　　　 3-基本处理操作.mp4
　　　 4-AxialAttention实现过程.mp4
　　　 5-位置编码向量解读.mp4
　　　 1-Transformer算法解读.mp4
　　　 1-分割模型Maskformer系列.mp4
　　　 6-cross关系计算方法实例.mp4
　　　 2-DEMO效果演示.mp4
　　　 1-项目与参数配置解读.mp4
　　　 3-backbone特征提取模块.mp4
　　　 7-粗粒度匹配过程.mp4
　　　 8-完成基础匹配模块.mp4
　　　 9-精细化调整方法与实例.mp4
　　　 4-注意力机制的作用与效果分析.mp4
　　　 10-得到精细化输出结果.mp4
　　　 5-特征融合模块实现方法.mp4
　　　 11-通过期望计算最终输出.mp4
　　　 8-BEV空间特征构建.mp4
　　　 6-BEV空间与图像空间位置对应.mp4
　　　 11-Decoder级联校正模块.mp4
　　　 2-数据集下载与配置方法.mp4
　　　 4-特征对齐与位置编码初始化.mp4
　　　 3-特征提取以及BEV空间初始化.mp4
　　　 5-Reference初始点构建.mp4
　　　 1-环境配置方法解读.mp4
　　　 7-注意力机制模块计算方法.mp4
　　　 9-Decoder要完成的任务分析.mp4
　　　 12-损失函数与预测可视化.mp4
　　　 10-获取当前BEV特征.mp4
　　　 1-Informer时间序列源码解读.mp4
　　　 1-Huggingface与NLP（讲故事）.mp4
　　　 4-论文公式计算分析.mp4
　　　 1-论文整体分析.mp4
　　　 6-拓展应用分析.mp4
　　　 5-位置编码的作用与效果.mp4
　　　 2-核心思想分析.mp4

下载地址:

游客，如果您要查看本帖隐藏内容请回复

XiaoX***

星颖，一个充满正能量的社群，人生转折点啊，改变我很多

马***

天天等着官方更新，建议出一个更新提示，省的我闲了就登陆看下...

LinShu***

今天的收获：把课程当字典反复看，每遍都有新收获，投资自己永不亏

王***

想要成功，就要 敢于拥抱成功 。觉得自己能干大事，才有机会干成大事！

SunB***

先顶一下，后面认真拆解这篇内容。