人工智能资源下载-AI课程资源-CNCSTO下载

2021-02-10

立即下载 Ai人工智能-刷脸技术实战课程打造人工神经网络实战人脸识别与一键美颜技术实战 ===============课程目录=============== (1)\课程准备阶段 ├─(2) 1-1 课程准备.mp4 ├─(3) 2-1 课程内容.mp4 ├─(4) 2-10 案例4：像素读取写入.mp4 ├─(5) 2-11 tensorflow常量变量定义.mp4 ├─(6) 2-12 tensorflow运算原理.mp4 ├─(7) 2-13 常量变量四则运算.mp4 ├─(8) 2-14 矩阵基础1.mp4 ├─(9) 2-15 矩阵基础2.mp4 ├─(10) 2-16 矩阵基础3.mp4 ├─(11) 2-17 numpy模块使用.mp4 ├─(12) 2-18 matplotlib模块的使用.mp4 ├─(13) 2-19 小综合：人工神经网络逼近股票价格1.mp4 ├─(14) 2-2 Mac下一站式开发环境anaconda搭建.mp4 ├─(15) 2-20 小综合：人工神经网络逼近股票价格2.mp4 ├─(16) 2-21 小综合：人工神经网络逼近股票价格3.mp4 ├─(17) 2-22 小综合：人工神经网络逼近股票价格4.mp4 ├─(18) 2-3 Windows下一站式开发环境anaconda搭建.mp4 ├─(19) 2-4 测试案例helloWorld.mp4 ├─(20) 2-5 案例1：图片的读取和展示.mp4 ├─(21) 2-6 Opencv模块组织结构.mp4 ├─(22) 2-7 案例2：图片写入.mp4 ├─(23) 2-8 案例3：不同图片质量保存.mp4 ├─(24) 2-9 像素操作基础.mp4 ├─(25) 3-1 本章介绍.mp4 ├─(26) 3-10 图片缩放.mp4 ├─(27) 3-11 图片仿射变换.mp4 ├─(28) 3-12 图片旋转.mp4 ├─(29) 3-13 图片几何变换小结.mp4 ├─(30) 3-2 图片缩放1.mp4 ├─(31) 3-3 图片缩放2.mp4 ├─(32) 3-4 图片缩放3.mp4 ├─(33) 3-5 图片剪切.mp4 ├─(34) 3-6 图片位移1.mp4 ├─(35) 3-7 图片移位2.mp4 ├─(36) 3-8 图片移位3.mp4 ├─(37) 3-9 图片镜像.mp4 ├─(38) 4-1 图像特效介绍.mp4 ├─(39) 4-10 边缘检测2.mp4 ├─(40) 4-11 浮雕效果.mp4 ├─(41) 4-12 颜色映射.mp4 ├─(42) 4-13 油画特效.mp4 ├─(43) 4-14 图像特效小结.mp4 ├─(44) 4-15 线段绘制.mp4 ├─(45) 4-16 矩形圆形任意多边形绘制.mp4 ├─(46) 4-17 文字图片绘制.mp4 ├─(47) 4-2 图像灰度处理1.mp4 ├─(48) 4-3 图像灰度处理2.mp4 ├─(49) 4-4 算法优化.mp4 ├─(50) 4-5 颜色反转.mp4 ├─(51) 4-6 马赛克.mp4 ├─(52) 4-7 毛玻璃.mp4 ├─(53) 4-8 图片融合.mp4 ├─(54) 4-9 边缘检测1.mp4 ├─(55) 5-1 美化效果章节介绍.mp4 ├─(56) 5-10 磨皮美白.mp4 ├─(57) 5-11 高斯均值滤波.mp4 ├─(58) 5-12 中值滤波.mp4 ├─(59) 5-13 图像美化章节小结.mp4 ├─(60) 5-2 彩色图片直方图.mp4 ├─(61) 5-3 直方图均衡化.mp4 ├─(62) 5-4 图片修补.mp4 ├─(63) 5-5 灰度直方图源码.mp4 ├─(64) 5-6 彩色直方图源码.mp4 ├─(65) 5-7 灰度直方图均衡化.mp4 ├─(66) 5-8 彩色直方图均衡化.mp4 ├─(67) 5-9 亮度增强.mp4 ├─(68) 6-1 机器学习章节介绍.mp4 ├─(69) 6-10 SVM支持向量机1.mp4 ├─(70) 6-11 SVM支持向量机2.mp4 ├─(71) 6-12 SVM小结.mp4 ├─(72) 6-13 Hog特征1.mp4 ├─(73) 6-14 Hog特征2.mp4 ├─(74) 6-15 Hog特征3.mp4 ├─(75) 6-16 Hog特征4.mp4 ├─(76) 6-17 Hog小结.mp4 ├─(77) 6-18 Hog_SVM小狮子识别1.mp4 ├─(78) 6-19 Hog_SVM小狮子识别2.mp4 ├─(79) 6-2 视频分解图片.mp4 ├─(80) 6-20 Hog_SVM小狮子识别3.mp4 ├─(81) 6-21 Hog_SVM小狮子识别4.mp4 ├─(82) 6-22 Hog_SVM小狮子识别5.mp4 ├─(83) 6-23 机器学习小结.mp4 ├─(84) 6-3 图片合成视频.mp4 ├─(85) 6-4 Haar特征1.mp4 ├─(86) 6-5 Haar特征2.mp4 ├─(87) 6-6 Haar特征3.mp4 ├─(88) 6-7 adaboost分类器1.mp4 ├─(89) 6-8 adaboost分类器2.mp4 ├─(90) 6-9 Haar+adaboost人脸识别.mp4 ├─(91) 7-1 章节介绍.mp4 ├─(92) 7-10 knn数字识别8.mp4 ├─(93) 7-11 knn数字识别9.mp4 ├─(94) 7-12 knn数字识别10.mp4 ├─(95) 7-13 cnn实现手写数字识别1.mp4 ├─(96) 7-14 cnn实现手写数字识别2.mp4 ├─(97) 7-15 cnn实现手写数字识别3.mp4 ├─(98) 7-16 cnn实现手写数字识别4.mp4 ├─(99) 7-17 cnn实现手写数字识别5.mp4 ├─(100) 7-18 cnn实现手写数字识别6.mp4 ├─(101) 7-19 数字识别小结.mp4 ├─(102) 7-2 样本介绍.mp4 ├─(103) 7-3 knn数字识别1.mp4 ├─(104) 7-4 knn数字识别2.mp4 ├─(105) 7-5 knn数字识别3.mp4 ├─(106) 7-6 knn数字识别4.mp4 ├─(107) 7-7 knn数字识别5.mp4 ├─(108) 7-8 knn数字识别6.mp4 ├─(109) 7-9 knn数字识别7.mp4 ├─(110) 8-1 章节介绍.mp4 ├─(111) 8-2 最简单的图片爬虫.mp4 ├─(112) 8-3 ffmpeg初识_音频.mp4.mp4 ├─(113) 8-4 OpenCV预处理.mp4 ├─(114) 8-5 神经网络训练识别1.mp4 ├─(115) 8-6 神经网络训练识别2.mp4 ├─(116) 8-7 神经网络训练识别3.mp4 ├─(117) 8-8 神经网络训练识别4.mp4 ├─(118) 8-9 mp4 ├─(119) 9-1 所有课程收尾.mp4 课程配套源码.zip

人工智能深度学习入门课程

2021-02-04

立即下载人工智能深度学习入门课程教程介绍课程内容主要包括：1.神经网络必备基础；2.神经网络整体架构分析；3.动手实现神经网络模型。旨在用最形象的讲解带领大家一步步攻克复杂的神经网络模型。整体风格通俗易懂，用接地气的方式带领大家入门深度学习。用通俗易懂的讲解，一步步的带大家入门深度学习这个当今世界非常火爆的深度学习领域。

机器学习+深度学习【11套课程】

2021-01-31

立即下载机器学习+深度学习【11套课程】

人工智能与大数据特训班视频课程包含基础理论和项目实战

2021-01-29

立即下载人工智能与大数据特训班视频课程包含基础理论和项目实战课程介绍我们有幸站在时代的风口，目睹信息科技掀起的革命风暴，从AlphaGo到无人驾驶，人工智能结合大数据应用场景越来越多，现今每个人的工作都和数据息息相关，无论是大数据分析、机器学习、人工智能还是无人驾驶汽车，它们都将深刻改变我们的生活。课程内容宣传片复杂系统大数据与机器学习人工智能的三个阶段高等数学—元素和极限复杂网络经济学应用机器学习与监督算法阿尔法狗与强化学习算法高等数学—两个重要的极限定理高等数学—导数贝叶斯理论高等数学—泰勒展开高等数学—偏导数高等数学—积分高等数学—正态分布朴素贝叶斯和最大似然估计线性代数—线性空间和线性变换数据科学和统计学线性代数—矩阵、等价类和行列式 Python基础课程线性代数—特征值与特征向量监督学习框架 PCA、降维方法引入 Python操作数据库、 Python爬虫线性分类器 Python进阶 Scikit-Learn 熵、逻辑斯蒂回归、SVM引入决策树数据呈现基础云计算初步 D-Park实战第四范式分享决策树到随机森林数据呈现进阶强化学习 SVM和神经网络引入集成模型总结和GDBT理解及其衍生应用神经网络监督学习－回归与分类神经网络基础与卷积网络时间序列预测人工智能金融应用计算机视觉深度学习入门个性化推荐算法 Pig和Spark巩固人工智能与设计神经网络非线性动力学高频交易订单流模型区块链一场革命统计物理专题复杂网络简介 ABM简介及金融市场建模用伊辛模型理解复杂系统金融市场的复杂性广泛出现的幂律分布自然启发算法机器学习的方法模型可视化工程管理 Value Iteration Networks 最新回放非线性动力学系统自然语言处理导入复杂网络上的物理传输过程 RNN及LSTM 漫谈人工智能创业深度学习其他主题课程总结

深度学习项目实战视频课程-StyleTransfer(基于Tensorflow附代码讲义)

2021-01-29

立即下载深度学习项目实战视频课程-StyleTransfer(基于Tensorflow附代码讲义) 课程介绍： Style-Transfer是深度学习的酷炫应用，课程从基本原理开始讲解，逐步分析如何构造网络模型以及面临的挑战和解决思路，详解如何使用卷积神经网络构造风格转移模型并基于最流行的Tensorflow框架从零开始分模块构造网络模型。课程目标：快速掌握风格转换原理以及如何使用Tensorflow实现网络模型和测试效果。适用人群：深度学习,人工智能,机器学习爱好者课程目录： 1 课程简介 2 Tensorflow安装 3 style-transfer基本原理 4 风格生成网络结构原理 5 风格生成网络细节 6 风格转换效果展示 7 风格转换参数配置 8 数据读取操作 9 VGG体征提取网络结构 10 内容与风格特征提取 11 生成网络结构定义 12 生成网络计算操作 13 参数初始化 14 Content损失计算 15 Style损失计算 16 完成训练模块 17 模型保存与打印结果 18 完成测试代码

优达学城机器学习纳米学位视频课程英文版中文字幕

2021-01-29

立即下载优达学城机器学习纳米学位视频课程英文版中文字幕课程目录: 1、非监督学习简介 2、聚类 3、更多聚类 4、聚类迷你项目 5、特征缩放 6、特征选择 7、PCA 8、PCA迷你项目 9、特征转换 10、结尾 11、项目

ApacheCN机器学习实战视频教程

2021-01-29

立即下载 ApacheCN机器学习实战视频教程课程目录： ApacheCN_机器学习实战_第7章_集成方法-随机森林和AdaBoost【2.理论：随机森林】（2017-08-22 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第7章_集成方法-随机森林和AdaBoost【3.案例：随机森林】（2017-08-23 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第2章_k-近邻算法【3.项目：手写数字识别系统】（2017-08-16 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第5章_Logistic回归【3.案例：从疝气病症预测病马的死亡率】（2017-09-14 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第11章_使用Apriori算法进行关联分析【1.理论】（2017-09-19 @那伊抹微笑）- v2.0.0.mp4 ApacheCN_机器学习实战_第8章_回归-预测数值型数据【3.案例：简单数据集上进行局部加权线性回归】（2017-09-19 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第14章_利用SVD简化数据【3.案例：餐馆菜肴推荐系统】（2017-09-08 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第1章_机器学习基础（2017-08-17 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第3章_决策树【2.案例：判定鱼类和非鱼类】（2017-08-23 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第3章_决策树【3.案例：使用决策树预测隐形眼镜类型】（2017-08-23 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第7章_集成方法-随机森林和AdaBoost【5.案例：AdaBoost】（2017-08-25 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第9章_树回归【1.回归树，理论+项目案例，在简单数据集上构造回归树】（2017-09-21 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第6章_支持向量机SVM【2.案例：简单数据集分类】（2017-09-22 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第15章_大数据与MapReduce【2.理论：分布式SVM的Pegasos算法】（2017-09-15 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第5章_Logistic回归【1.理论】（2017-09-14 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第9章_树回归【4.项目案例，回归树，模型树，线性模型在自行车数据集上的效果比较】（2017-09-21 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第7章_集成方法-随机森林和AdaBoost【4.理论：AdaBoost】（2017-08-22 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第0章_前言【为什么我们要录制《机器学习教学版》】（2017-08-25 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第3章_决策树【1.理论】（2017-08-22 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第8章_回归-预测数值型数据【2.案例：简单数据集上进行线性回归】（2017-09-19 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第9章_树回归【2.树剪枝，预剪枝和后剪枝】（2017-09-21 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第6章_支持向量机SVM【1.理论】（2017-09-22 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第14章_利用SVD简化数据【4.案例：基于SVD的图像压缩】（2017-09-08 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第4章_朴素贝叶斯【3.案例：使用朴素贝叶斯过滤垃圾邮件】（2017-09-01 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第2章_k-近邻算法【2.项目：优化约会网站的配对效果】（2017-08-16 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第5章_Logistic回归【2.案例：使用 Logistic 回归在简单数据集上的分类】（2017-09-14 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第6章_支持向量机SVM【3.案例：(核函数)手写数字识别的优化】（2017-09-22 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第13章_利用PCA来简化数据【2.案例：对半导体数据进行降维处理】（2017-08-29 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第12章_使用 FP-growth 算法来高效发现频繁项集【1.理论】（2017-09-25 @chengwei）- v2.0.0.mp4 ApacheCN_机器学习实战_第4章_朴素贝叶斯【1.理论】（2017-08-31 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第10章_K-Means（K-均值）聚类算法【1.理论】（2017-09-08 @那伊抹微笑）- v2.0.0.mp4 ApacheCN_机器学习实战_第8章_回归-预测数值型数据【1.理论】（2017-09-19 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第14章_利用SVD简化数据【2.理论：推荐系统】（2017-09-08 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第13章_利用PCA来简化数据【1.理论】（2017-08-29 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第2章_k-近邻算法【1.理论】（2017-08-16 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第9章_树回归【3.模型树，理论+项目案例，在分段数据上构造模型树】（2017-09-21 @小瑶）- v2.0.0.mp4 ApacheCN_机器学习实战_第15章_大数据与MapReduce【1.理论】（2017-09-15 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第7章_集成方法-随机森林和AdaBoost【1.理论：集成方法】（2017-08-22 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第14章_利用SVD简化数据【1.理论：SVD】（2017-09-08 @片刻）- v2.0.0.mp4 ApacheCN_机器学习实战_第4章_朴素贝叶斯【2.案例：屏蔽社区留言板的侮辱性言论】（2017-09-01 @小瑶）- v2.0.0.mp4

机器学习进阶课程深度学习视频教程大神带你实战机器学习进阶课程深度学习视频

2021-01-29

立即下载机器学习进阶课程深度学习视频教程大神带你实战机器学习进阶课程深度学习视频 ==========课程目录========== │ ├<第10课更多框架> │ │ ├5月班第10课_framework.pdf │ │ └第10课更多框架.avi │ ├<第1课机器学习中数学基础> │ │ ├第1课机器学习中数学基础.avi │ │ └五月班第一次课件：机器学习中数学基础 (1).pdf │ ├<第2课高效计算基础与图像线性分类器> │ │ ├5月班第2课课件：高效计算基础与图像线性分类器.pdf │ │ ├image linear classification.zip │ │ ├numpy_operations.ipynb │ │ └第2课高效计算基础与图像线性分类器.avi │ ├<第3课梯度下降法与反向传播> │ │ ├5月班第3课课件：梯度下降法与反向传播 (1).pdf │ │ └第3课梯度下降法与反向传播.avi │ ├<第4课 CNN与常用框架> │ │ ├5月深度学习班第4课--CNN，典型网络结构与常用框架.pdf │ │ └第4课 CNN与常用框架.avi │ ├<第5课 CNN训练注意事项与框架使用> │ │ ├5月班第5次课 - caffe TensorFlow使用与CNN训练注意事项.pdf │ │ └第5课 CNN训练注意事项与框架使用.avi │ ├<第6课 CNN推展案例> │ │ ├5月班第6次课 - CNN扩展图像识别与定位物体检测 NeuralStyle.pdf │ │ └第6课 CNN推展案例.avi │ ├<第7课 RNN介绍> │ │ ├5月班第7课课件_rnn_intrduction.pdf │ │ └第7课 RNN介绍.avi │ ├<第8课 RNN应用> │ │ ├5月班第8课_rnn_appliacation.pdf │ │ └第8课 RNN应用.avi │ ├<第9课更多的网络类型> │ │ ├5月班第9次课课件_more_about_nn.pdf │ │ └第9课更多的网络类型.avi

零基础实战机器学习（Python语言、算法、Numpy库、MatplotLib）

2021-01-29

立即下载零基础实战机器学习（Python语言、算法、Numpy库、MatplotLib）课程目录：第一讲：机器学习的任务和方法第二讲：Python语言基础第三讲：Python语言基础2 第四讲：分类算法介绍第五讲：k-临近算法第六讲：决策树第七讲：基于概率论的分类方法：朴素贝叶斯第八讲：Logistic回归第九讲：支持向量机第十讲：利用AdaBoost元算法提高分类性能第十一讲：利用回归预测数值型数据第十二讲：树回归第十三讲：无监督学习第十四讲：利用K-均值聚类算法对未标注数据分组第十五讲：使用Apriori算法进行关联分析第十六讲：使用FP-growth算法来高效发现频分项集第十七讲：利用PCA来简化数据第十八讲：利用SVD简化数据第十九讲：大数据与MapReduce 第二十讲：学习总结

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

2021-01-29

立即下载深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程课程目标: 掌握RNN与LSTM网络原理，熟练使用Tensorflow进行建模工作。适用人群: 机器学习,深度学习,人工智能方向爱好者课程简介: 课程首先讲解RNN与LSTM网络结构特点以及实例演示如何使用Tensorflow构造网络模型，基于唐诗数据集建立LSTM模型进行序列预测。代码示例演示如何使用Tensorflow从零开始训练唐诗生成网络模型。

NLP实践 TensorFlow打造聊天机器人完整版

2021-01-29

立即下载 NLP实践 TensorFlow打造聊天机器人完整版第1章课程导学对课程章节、知识点、课程安排、适用人群、前提条件以及学习完成后达到的程度进行了介绍，让同学们对本课程有基本的认识。 1-1 课程导学第2章基础知识介绍tensorflow的基础知识和原理，介绍tensorflow的基本训练方法和训练的注意点，介绍什么是Android系统及Android系统的四大基本组件，以及如何开发Android APP，开发工具用什么，环境如何搭建。 2-1 什么是TensorFlow 2-2 张量、图、会话 2-3 TensorFlow原理及模型训练 2-4 Android操作系统 2-5 Java安装 2-6 Java环境搭建 2-7 Android安装及运行 2-8 第一个Android程序第3章循环神经网络（RNN与LSTM）本章主要讲解了循环神经网络的相关知识，并介绍了循环神经网络的衍生网络LSTM，并对sequence to sequence和神经网络训练过程中的梯度爆炸和梯度消失相关内容介绍了解决方法。 3-1 常用模型 3-2 BP神经网络 3-3 循环神经网络（1） 3-4 循环神经网络（2） 3-5 循环神经网络（双向RNN） 3-6 循环神经网络（梯度爆炸和梯度消失1） 3-7 循环神经网络（梯度爆炸和梯度消失2） 3-8 长短期记忆网络（LSTM）第4章 NLP基础介绍什么是RNN和LSTM，并介绍他们在NLP处理中如何去使用，介绍什么是NLP语言模型，以及常用的工作方式，介绍什么是word2vec，并进行详细解释； 4-1 NLP基础 4-2 分词技术 4-3 词性标注 4-4 命名实体识别 4-5 贝叶斯与朴素贝叶斯（1） 4-6 贝叶斯与朴素贝叶斯（2） 4-7 隐马尔科夫模型 4-8 隐马尔科夫模型实现命名实体识别 4-9 朴素贝叶斯例子（1） 4-10 朴素贝叶斯例子（2） 4-11 朴素贝叶斯例子（3）第5章文本处理方法介绍如何建立语料库，以及可以通过什么方式去收集语料库，并介绍常用的语料库，以及介绍如何进行语料的处理和其处理思路等 5-1 语料的获取与处理 5-2 NLP中的语言模型 5-3 NLP中的语言模型一元模型和二元模型 5-4 NLP中的语言模型 N元模型 5-5 词向量与Word2vec 5-6 文本处理方法第6章实战之聊天语料处理结合上章节讲解的内容，本章主要针对我们在聊天机器人训练部分所使用的聊天语料进行处理，处理方法包括但不限于数据清洗、切词、训练语句划分、句子向量等 6-1 数据处理-环境搭建 6-2 聊天机器人语料处理流程介绍 6-3 数据处理-句子的构造和判断 6-4 数据处理-正则表达式 6-5 数据处理-句子编码化处理（字典定义及转换） 6-6 数据处理-句子编码化处理（训练字典） 6-7 数据处理-句子编码化处理（句子和向量之间的转换） 6-8 数据处理-训练语料库的解压处理 6-9 数据处理-训练语料问答对的处理（1） 6-10 数据处理-训练语料问答对的处理（2） 6-11 数据处理-数据模型打包处理 6-12 语料处理实战小结第7章聊天机器人原理介绍什么是聊天机器人，以及聊天机器人的基本原理，并介绍如何将我们拿到的基础语料处理成我们想要的形式，最后整体阐述聊天机器人的架构设计及详细设计。 7-1 Seq2Seq模型 7-2 Seq2Seq模型(注意力机制) 7-3 聊天机器人模型（1） 7-4 聊天机器人模型（2）第8章聊天机器人训练-TensorFlow的模型前期处理本章介绍了TensorFlow关于模型的处理部分的内容，其中包括GPU和CPU的选择，batch的操作等，这些方法是模型训练的基础，在模型训练过程中起着关键的作用。 8-1 线程处理（1） 8-2 线程处理（2） 8-3 TensorFlow环境搭建 8-4 TensorFlow相关信息操作 8-5 数据操作转换长度 8-6 batch_flow（1） 8-7 batch_flow（2） 8-8 batch_flow（3） 8-9 batch_flow_bucket（1） 8-10 batch_flow_bucket（2） 8-11 batch_flow_bucket（3） 8-12 batch_flow_bucket（4）生成虚假数据 8-13 batch_flow_bucket（5）测试第9章聊天机器人训练-seq2seq的模型编写本章使用TensorFlow来进行seq2seq模型训练，从头开始构建了一个seq2seq模型，并将这个模型在训练中进行使用。 9-1 基本流程介绍 9-2 基本参数保存，参数验证（1） 9-3 基本参数保存，参数验证（2） 9-4 基本参数保存，参数验证（3） 9-5 基本参数保存，参数验证（4） 9-6 构建模型（1） 9-7 构建模型（2） 9-8 构建一个单独的RNN cell 9-9 构建单独的编码器cell（1） 9-10 构建单独的编码器cell（2） 9-11 构建单独的编码器cell（3） 9-12 构建解码器（1） 9-13 构建解码器（2） 9-14 构建解码器（3） 9-15 构建解码器（4） 9-16 构建解码器（5） 9-17 构建解码器（6） 9-18 构建解码器（7） 9-19 构建解码器（8） 9-20 构建优化器（1） 9-21 构建优化器（2） 9-22 构建优化器（3） 9-23 输入检查 9-24 训练模型 9-25 预测模型第10章聊天机器人模型的训练和验证本章讲解如何使用tensorflow来训练聊天机器人，并将训练好的聊天机器人进行验证，验证后打包成webservice接口进行发布，从而使前端可以进行调用。 10-1 第一种模型训练（1） 10-2 第一种模型训练（2） 10-3 第一种模型训练（3） 10-4 第一种模型训练（4） 10-5 第一种模型训练（5） 10-6 第二种模型训练（1） 10-7 第二种模型训练（2） 10-8 第二种模型训练（3） 10-9 利用flask发布成Webservice接口第11章 Android的打包与发布介绍开发好的Android应用程序如何进行打包部署，以及在是打包部署过程中的注意事项，并带领大家将聊天机器人应用进行发布。 11-1 新建项目 11-2 代码结构讲解 11-3 私有变量的定义 11-4 参数初始化 11-5 听写UI监听器 11-6 合成回调监听器 11-7 听写监听器 11-8 语音合成参数设置 11-9 完善项目 11-10 打包发布

Google工程师亲授 Tensorflow2.0－入门到进阶完整版

2021-01-29

立即下载 Google工程师亲授 Tensorflow2.0－入门到进阶完整版第1章 Tensorflow简介与环境搭建本门课程的入门章节，简要介绍了tensorflow是什么，详细介绍了Tensorflow历史版本变迁以及tensorflow的架构和强大特性。并在Tensorflow1.0、pytorch、Tensorflow2.0之间做了对比。最后通过实战讲解了在Google cloud和AWS两个平台上的环境配置。第2章 Tensorflow keras实战本门课程的基础章节，详细介绍了如何使用tf.keras进行模型的搭建以及大量的深度学习的理论知识。理论知识包括分类问题、回归问题、损失函数、神经网络、激活函数、dropout、批归一化、深度神经网络、Wide&Deep模型、密集特征、稀疏特征、超参数搜索等及其在图像分类、房价预测上的实现。... 第3章 Tensorflow基础API使用接上一节课中使用高级抽象的API tf.keras搭建模型，本节课则介绍了基础的API来方便大家更加灵活的定义和使用模型。课程内容包括tensorflow基础数据类型、自定义模型和损失函数、自定义求导、tf.function、图结构等以及其在图像分类、房价预测上的实现。... 第4章 Tensorflow dataset使用介绍Tensorflow dataset空间下API的使用，dataset API主要用于读取数据。本届课程通过在房价预测问题上的实战详细的介绍如何使用tf.dataset读取csv文件和tfrecord文件。第5章 Tensorflow Estimator使用与tf1.0 本节课分为两部分，第一部分介绍tensorflow中estimator和特征列的API的使用，estimator是和keras平级的用于模型抽象的高级API，会使用泰坦尼克生存预测项目来详细的讲解特征抽取和estimator使用。学习完以上的基础知识后，在第二部分中会讲解tf1.0的知识点来方便大家对比2.0与1.0的区别。... 第6章卷积神经网络本节课程依托图像分类与两个Kaggle数据集项目，主要讲解卷积神经网络，包括卷积、池化、卷积网络、数据增强、迁移学习等知识。详细的讲解了卷积操作的过程。同时还对如何使用Kaggle平台上的GPU进行的讲解。第7章循环神经网络本节课程依托文本分类和文本生成两个项目，对序列式问题、循环神经网络、LSTM、双向LSTM等模型进行了详细的讲解和实战。第8章 Tensorflow分布式本节课程依托图像分类项目，对tensorflow框架中的分布式原理和策略进行了详细的讲解，并在实战中予以实现。尤其是对参数服务器的分布式的并行架构进行详细的阐述。第9章 Tensorflow模型保存与部署本节课程依托图像分类项目，对tensorflow模型和部署进行了详细的讲解，包括普通的模型保存、tflite的使用、模型的android的部署、在js上的部署等以及对应的实战。第10章机器翻译与tensor2tensor使用本节课程依托机器翻译项目，对transformer模型进行了详细的讲解，包括可缩放点积注意力、多头注意力等知识。并对该模型进行了实现。同时，讲解了tensorflow中常用算法库tensor2tensor的使用，并使用tensor2tensor中已有的最新算法在图像分类和机器翻译上进行了最高效果的训练。.

机器学习及其matlab实现—从基础到实践 MATLAB入门基础到进阶视频教程

2021-01-29

立即下载机器学习及其matlab实现—从基础到实践 MATLAB入门基础到进阶视频教程课程简介: 近年来,随着人工智能的发展,机器学习已经广泛应用于各行各业中,如语言识别、文本分类、智能推荐、网络安全、物联网等。然而,对于绝大部分非数学专业出身的人而言, 谈到机器学习,就会被大量的数学公式吓到退避三舍。实际上,随着计算机与信息技术的快速发展,越来越多的人仅需要会使用机器学习这一工具即可,无需了解各种机器学习算法的细枝末节。正如,我们每天都在使用计算机,但是我们不需要了解 CPU 和内存在每一时刻的具体运行过程。因此,我们推出本课程,旨在帮助学员了解各种常见机器学习算法的原理与思想,同时,以具体案例的形式,引导学员自己动手实践编程。考虑到众多学员基础不一,本次课程将会分成三大部分:MATLAB 入门基础与提高、机器学习基础和具体案例实践。课程目录: 第一课:MATLAB 入门基础 1、简单介绍 MATLAB 的安装、版本历史与编程环境 2、MATLAB 基础操作(包括矩阵操作、逻辑与流程控制、函数与脚本文件、基本绘图等) 3、文件导入(mat、txt、xls、csv 等格式) 第二课:MATLAB 进阶与提高 1、MATLAB 编程习惯与风格 2、MATLAB 调试技巧 3、向量化编程与内存优化 4、图形对象和句柄第三课:BP 神经网络 1、BP神经网络的基本原理 2、BP神经网络的 MATLAB 实现 3、案例实践 4、BP神经网络参数的优化第四课:RBF、GRNN 和 PNN 神经网络 1、RBF 神经网络的基本原理 2、GRNN 神经网络的基本原理 3、PNN 神经网络的基本原理 4、案例实践第五课:竞争神经网络与 SOM 神经网络 1、竞争神经网络的基本原理 2、自组织特征映射(SOM)神经网络的基本原理 3、案例实践第六课:支持向量机(Support Vector Machine, SVM) 1、SVM 分类的基本原理 2、SVM 回归拟合的基本原理 3、SVM 的常见训练算法(分块、SMO、增量学习等) 4、案例实践第七课:极限学习机(Extreme Learning Machine, ELM) 1、ELM 的基本原理 2、ELM 与 BP 神经网络的区别与联系 3、案例实践第八课:决策树与随机森林 1、决策树的基本原理 2、随机森林的基本原理 3、案例实践第九课:遗传算法(Genetic Algorithm, GA) 1、遗传算法的基本原理 2、常见遗传算法工具箱介绍 3、案例实践第十课:粒子群优化(Particle Swarm Optimization, PSO)算法 1、粒子群优化算法的基本原理 2、案例实践第十一课:蚁群算法(Ant Colony Algorithm, ACA) 1、粒子群优化算法的基本原理 2、案例实践第十二课:模拟退火算法(Simulated Annealing, SA) 1、模拟退火算法的基本原理 2、案例实践第十三课:降维与特征选择 1、主成分分析的基本原理 2、偏最小二乘的基本原理 3、常见的特征选择方法(优化搜索、Filter 和 Wrapper 等)

OpenCV+TensorFlow入门人工智能图像处理视频教程完整版

2021-01-29

立即下载 OpenCV+TensorFlow入门人工智能图像处理视频教程完整版第1章课程导学包括课程概述、课程安排、学习前提等方面的介绍，让同学们对计算机视觉有所理解第2章计算机视觉入门通过OpenCV以及TensorFlow两个方面介绍计算机入门的相关知识。OpenCV侧重点在于为大家补充图像处理的相关基础，如像素、文件封装格式、灰度等级、颜色通道等的概念。TensorFlow重点在于通过对常量、变量、矩阵等的介绍，学习并掌握TensorFlow的基本使用。... 第3章计算机视觉加强之几何变换本章节主要为大家介绍图像的几何变换。几何变换顾名思义就是对图片外形轮廓进行操作以适应不同的场景。如缩放、剪切、位移、镜像、旋转、仿射变换等。第4章计算机视觉加强之图像特效&线段文字绘制视频滤镜也是目前在计算机算法处理上比较火的一个方向之一，在本章节中将结合灰度、底板、马赛克、毛玻璃、边缘检测、油画效果等为大家介绍视频滤镜的使用第5章计算机视觉加强之图像美化每个人都有一个爱美的心，在这个章节中大家可以通过磨皮美白、亮度增强、直方图均衡化、图像滤波等方法自己美化自己的照片。第6章计算机视觉加强之机器学习本章节将结合haar+adaboost以及hog+svm分别实现人脸识别、卡通小狮子识别。将为大家介绍一个从训练到识别一个完整的机器学习案例。第7章手写数字识别通过knn、cnn两种方式，并结合每种方法的矩阵维度变化，深层次的讲解手写数字识别案例，讲述不一样的案例。第8章 “刷脸”识别在第六章的基础上，通过识别某个具体的人脸来达到“刷脸”的效果。该案例架构包含样本收集+图像预处理+神经网络训练识别。可以说是一个从样本到训练的完整项目。第9章课程总结对课程进行整体的回顾与总结

Ai专家带队-倾力打造深度Ai人工智能架构师全新Ai就业实战课程 Ai人工智能教程

2021-01-28

立即下载 Ai专家带队-倾力打造深度Ai人工智能架构师全新Ai就业实战课程 Ai人工智能教程倾力打造深度Ai人工智能架构师课程由一线Ai人工智能专家亲自带队授课，引领同学们进入AI人工智能领域。可以肯定的说，目前Ai领域的顶尖人才缺口是极大的，如果同学们有志向在此领域进行发展，就一定要在“硬”技术上下足功夫，因为Ai人工智能的学习本身就是一种调整，加上一些算法的枯燥，无疑都加大了AI学习的难度。但是对于总喜欢挑战的同学们来说，在具备一些基础的技能后，进行本课程的研习，包括机器学习算法，深度学习框架，卷积神经网络，循环神经网络，生成式对抗神经网络，PyTorch，深度强化学习，人脸识别等等，会越发激起学习的动力。 ===============课程目录=============== (0)；目录中文件数:13个 ├─cuda_9.0.176_win10.exe ├─numpy&pandas.pptx ├─python01.pdf ├─python02.pdf ├─python03.pdf ├─python04.pdf ├─Python学习手册(第4版).pdf ├─Python编程：从入门到实践.pdf ├─tensorflow-1.8.0-cp36-cp36m-win_amd64.whl ├─torch-1.0.1-cp36-cp36m-win_amd64-nocuda.whl ├─torch-1.0.1-cp36-cp36m-win_amd64.whl ├─深度学习（一）.pdf (1)\25-第一天-Python入门(一)-数据类型一 (2)\27-第二天-Python入门(二)-数据类型二 ├─练习题.docx (3)\04-第三天-Python入门(三)-语句 (4)\06-第四天-Python入门(四)-函数 ├─练习题.docx ├─练习题2.docx ├─练习题2答案.docx ├─练习题答案.docx (5)\11-第五天-Python入门(五)-面向对象编程 (6)\13-第六天-Python入门(六)-PIL&图像处理 ├─PIL.txt (7)\18-第七天-Python入门(七)-数值计算框架 (8)\20-第八天-Python入门(八)-文件XML、多线程 (9)\25-第九天-Python入门(九)-正则表达式、HTP、爬虫 (10)\27-第十天-传统机器学习算法KNN、Kmeans ├─test01.py (11)\03-第十一天-深度学习框架Tensflow、Pytorch ├─Ai人工智能教程_03_14_22_17_264.mp4 ├─Ai人工智能教程_03_15_11_19_122.mp4 (12)第十二天-高等数学 (13)第十三天-线性代数 (14)第十四天-线性代数、概率论 (15)第十五天-概率论 (16)第十六天-深度学习(一)线性问题、损失函数 (17)第十七天-深度学习(二)-梯度下降、拟合 (18)第十八天-深度学习(三)-卷积神经网络 (19)第十九天-深度学习(四)-卷积神经网络模型 (20)第二十天-深度学习(五) (21)第二十一天-深度学习(六) (22)第二十二天-深度学习(七)-优化器 (23)第二十三天-深度学习(八)-循环神经网络 (24)第二十四天-深度学习(九)-循环神经网络二 (25)第二十五天-深度学习(十) (26)第二十六天-深度学习(十一)-生成式对抗神经网络 (27)第二十七天-深度学习-自编码 (28)第二十八天-深度强化学习 (29)第二十九天-PyTorch (30)第三十天-人脸识别算法 (31)第一天-Python入门(一)-数据类型一\视频 ├─Ai人工智能教程_25_14_04_00_667.mp4 ├─Ai人工智能教程_25_15_14_20_221.mp4 ├─Ai人工智能教程_25_16_30_47_812.mp4 (32)\25-第一天-Python入门(一)-数据类型一\资料 (33)\25-第一天-Python入门(一)-数据类型一\软件 ├─Anaconda3-5.2.0-Windows-x86_64.exe ├─pycharm-community-.2.2.exe (34)\27-第二天-Python入门(二)-数据类型二\视频 ├─Ai人工智能教程_27_10_01_22_853.mp4 ├─Ai人工智能教程_27_11_12_47_440.mp4 ├─Ai人工智能教程_27_13_59_38_729.mp4 ├─Ai人工智能教程_27_15_06_15_392.mp4 ├─Ai人工智能教程_27_16_06_14_661.mp4 (35)\04-第三天-Python入门(三)-语句\视频 ├─Ai人工智能教程_04_10_28_59_928.mp4 ├─Ai人工智能教程_04_11_16_26_415.mp4 ├─Ai人工智能教程_04_14_00_15_457.mp4 ├─Ai人工智能教程_04_15_23_47_929.mp4 (36)\06-第四天-Python入门(四)-函数\视频 ├─Ai人工智能教程_06_10_03_54_994.mp4 ├─Ai人工智能教程_06_14_01_34_875.mp4 ├─Ai人工智能教程_06_15_15_54_36.mp4 ├─Ai人工智能教程_06_16_39_57_206.mp4 (37)\11-第五天-Python入门(五)-面向对象编程\代码 (38)\11-第五天-Python入门(五)-面向对象编程\视频 ├─Ai人工智能教程_11_10_03_50_503.mp4 ├─Ai人工智能教程_11_11_10_23_805.mp4 ├─Ai人工智能教程_11_14_03_12_779.mp4 ├─Ai人工智能教程_11_15_22_16_684.mp4 (39)\13-第六天-Python入门(六)-PIL&图像处理 (40)\13-第六天-Python入门(六)-PIL&图像处理\视频 ├─Ai人工智能教程_13_10_04_59_768.mp4 ├─Ai人工智能教程_13_11_11_31_58.mp4 ├─Ai人工智能教程_13_14_02_34_581.mp4 ├─Ai人工智能教程_13_15_00_14_294.mp4 (41)\18-第七天-Python入门(七)-数值计算框架\img (42)\18-第七天-Python入门(七)-数值计算框架\test_1122 ├─file.npy ├─test01.py ├─test02.py ├─test03.py (43)\18-第七天-Python入门(七)-数值计算框架\代码 test (44)\18-第七天-Python入门(七)-数值计算框架\视频 ├─Ai人工智能教程_18_10_02_09_983.mp4 ├─Ai人工智能教程_18_11_25_33_272.mp4 ├─Ai人工智能教程_18_14_00_41_95.mp4 ├─Ai人工智能教程_18_15_24_56_7.mp4 ├─Ai人工智能教程_18_16_33_08_966.mp4 (45)\20-第八天-Python入门(八)-文件XML、多线程\代码 (46)\20-第八天-Python入门(八)-文件XML、多线程\视频 ├─Ai人工智能教程_20_10_10_16_222.mp4 ├─Ai人工智能教程_20_11_16_47_925.mp4 ├─Ai人工智能教程_20_13_59_55_435.mp4 ├─Ai人工智能教程_20_15_39_26_731.mp4 (47)\25-第九天-Python入门(九)-正则表达式、HTP、爬虫\代码 ├─正则表达式.png (48)\25-第九天-Python入门(九)-正则表达式、HTP、爬虫\视频 ├─Ai人工智能教程_25_10_00_13_223.mp4 ├─Ai人工智能教程_25_11_47_11_168.mp4 ├─Ai人工智能教程_25_14_17_03_908.mp4 ├─Ai人工智能教程_25_15_22_46_283.mp4 (49)\27-第十天-传统机器学习算法KNN、Kmeans\代码 (50)\27-第十天-传统机器学习算法KNN、Kmeans\视频 ├─Ai人工智能教程_27_10_03_52_960.mp4 ├─Ai人工智能教程_27_11_36_52_814.mp4 ├─Ai人工智能教程_27_14_00_20_991.mp4 ├─Ai人工智能教程_27_16_12_57_467.mp4 (51)\08-第十二天-高等数学\代码 (52)\08-第十二天-高等数学\视频 ├─Ai人工智能教程_08_10_02_43_851.mp4 ├─Ai人工智能教程_08_11_24_20_123.mp4 ├─Ai人工智能教程_08_14_02_23_818.mp4 ├─Ai人工智能教程_08_15_28_41_34.mp4 (53)\10-第十三天-线性代数\视频 ├─Ai人工智能教程_10_10_31_37_215.mp4 ├─Ai人工智能教程_10_11_30_35_942.mp4 ├─Ai人工智能教程_10_14_00_07_260.mp4 ├─Ai人工智能教程_10_15_27_53_704.mp4 (54)\15-第十四天-线性代数、概率论\视频 ├─Ai人工智能教程_15_10_17_55_361.mp4 ├─Ai人工智能教程_15_11_21_44_346.mp4 ├─Ai人工智能教程_15_14_01_28_458.mp4 ├─Ai人工智能教程_15_14_24_47_127.mp4 ├─Ai人工智能教程_15_15_11_54_376.mp4 (55)\17-第十五天-概率论\视频 ├─Ai人工智能教程_17_10_19_41_471.mp4 ├─Ai人工智能教程_17_11_30_18_254.mp4 ├─Ai人工智能教程_17_14_00_23_353.mp4 ├─Ai人工智能教程_17_15_16_53_681.mp4 (56)\22-第十六天-深度学习(一)线性问题、损失函数\PPT (57)\22-第十六天-深度学习(一)线性问题、损失函数\代码 (58)\22-第十六天-深度学习(一)线性问题、损失函数\视频 ├─Ai人工智能教程_22_10_00_57_719.mp4 ├─Ai人工智能教程_22_10_47_08_752.mp4 ├─Ai人工智能教程_22_11_50_43_711.mp4 ├─Ai人工智能教程_22_14_03_38_656.mp4 ├─Ai人工智能教程_22_15_10_08_222.mp4 ├─Ai人工智能教程_22_16_13_19_411.mp4 (59)\24-第十七天-深度学习(二)-梯度下降、拟合\代码 (60)\24-第十七天-深度学习(二)-梯度下降、拟合\视频 ├─Ai人工智能教程_24_10_03_46_373.mp4 ├─Ai人工智能教程_24_11_48_55_738.mp4 ├─Ai人工智能教程_24_14_02_17_766.mp4 ├─Ai人工智能教程_24_15_44_49_686.mp4 (61)\30-第十八天-深度学习(三)-卷积神经网络\代码 (62)\30-第十八天-深度学习(三)-卷积神经网络\视频 ├─Ai人工智能教程_30_10_04_21_870.mp4 ├─Ai人工智能教程_30_11_03_37_528.mp4 ├─Ai人工智能教程_30_14_03_57_235.mp4 ├─Ai人工智能教程_30_15_25_51_849.mp4 ├─Ai人工智能教程_30_16_36_52_748.mp4 (63)\07-第十九天-深度学习(四)-卷积神经网络模型\sample (64)\07-第十九天-深度学习(四)-卷积神经网络模型\yellow (65)\07-第十九天-深度学习(四)-卷积神经网络模型\视频 ├─Ai人工智能教程_07_10_05_13_118.mp4 ├─Ai人工智能教程_07_11_24_53_141.mp4 (66)\09-第二十天-深度学习(五)\代码 ├─generate_empty.py ├─generate_sample.py ├─Net.py ├─random_sample_test.py ├─random_sample_train.py ├─sample_test.py ├─sample_train.py (67)\09-第二十天-深度学习(五)\视频 ├─Ai人工智能教程_09_10_19_17_145.mp4 ├─Ai人工智能教程_09_11_34_51_261.mp4 (68)\14-第二十一天-深度学习(六)\代码 (69)\14-第二十一天-深度学习(六)\视频 ├─Ai人工智能教程_14_11_03_07_96.mp4 ├─Ai人工智能教程_14_14_22_27_961.mp4 ├─Ai人工智能教程_14_15_35_22_560.mp4 (70)\16-第二十二天-深度学习(七)-优化器\代码 (71)\16-第二十二天-深度学习(七)-优化器\视频 ├─Ai人工智能教程_16_10_03_14_726.mp4 ├─Ai人工智能教程_16_11_17_22_727.mp4 ├─Ai人工智能教程_16_13_59_15_289.mp4 ├─Ai人工智能教程_16_15_27_15_25.mp4 (72)\21-第二十三天-深度学习(八)-循环神经网络\代码 (73)\21-第二十三天-深度学习(八)-循环神经网络\视频 ├─Ai人工智能教程_21_10_02_53_502.mp4 ├─Ai人工智能教程_21_11_31_59_563.mp4 ├─Ai人工智能教程_21_14_00_02_3.mp4 ├─Ai人工智能教程_21_15_16_55_149.mp4 (74)\23-第二十四天-深度学习(九)-循环神经网络二\代码 (75)\23-第二十四天-深度学习(九)-循环神经网络二\视频 ├─Ai人工智能教程_23_10_01_33_787.mp4 ├─Ai人工智能教程_23_11_20_38_440.mp4 ├─Ai人工智能教程_23_14_01_55_446.mp4 ├─Ai人工智能教程_23_15_32_40_364.mp4 (76)\28-第二十五天-深度学习(十)\代码 (77)\28-第二十五天-深度学习(十)\视频 ├─Ai人工智能教程_28_10_02_50_454.mp4 ├─Ai人工智能教程_28_11_22_12_422.mp4 ├─Ai人工智能教程_28_14_00_20_936.mp4 ├─Ai人工智能教程_28_15_23_54_257.mp4 ├─Ai人工智能教程_28_16_28_16_660.mp4 (78)\30-第二十六天-深度学习(十一)-生成式对抗神经网络\代码 ├─DCGAN.py ├─GAN.py (79)\30-第二十六天-深度学习(十一)-生成式对抗神经网络\数据 ├─Cartoon_faces.zip (80)\30-第二十六天-深度学习(十一)-生成式对抗神经网络\视频 ├─Ai人工智能教程_30_10_01_34_895.mp4 ├─Ai人工智能教程_30_11_10_09_318.mp4 ├─Ai人工智能教程_30_14_05_09_625.mp4 ├─Ai人工智能教程_30_15_11_32_790.mp4 (81)\04-第二十七天-深度学习-自编码\代码 (82)\04-第二十七天-深度学习-自编码\视频 ├─Ai人工智能教程_04_10_03_48_209.mp4 ├─Ai人工智能教程_04_11_26_16_335.mp4 ├─Ai人工智能教程_04_14_01_38_706.mp4 ├─Ai人工智能教程_04_15_26_25_716.mp4 ├─Ai人工智能教程_04_16_42_58_967.mp4 (83)\06-第二十八天-深度强化学习\代码 (84)\06-第二十八天-深度强化学习\视频 ├─Ai人工智能教程_06_10_02_32_334.mp4 ├─Ai人工智能教程_06_11_32_07_322.mp4 ├─Ai人工智能教程_06_14_00_37_503.mp4 ├─Ai人工智能教程_06_15_27_42_987.mp4 ├─Ai人工智能教程_06_17_14_26_154.mp4 (85)\11-第二十九天-PyTorch\代码 ├─img.zip (86)\11-第二十九天-PyTorch\视频 ├─Ai人工智能教程_11_10_04_36_971.mp4 ├─Ai人工智能教程_11_11_16_25_409.mp4 ├─Ai人工智能教程_11_14_01_20_547.mp4 ├─Ai人工智能教程_11_15_33_44_202.mp4 (87)\13-第三十天-人脸识别算法\视频 ├─Ai人工智能教程_13_10_03_37_585.mp4 ├─Ai人工智能教程_13_11_38_30_153.mp4 ├─Ai人工智能教程_13_14_00_55_329.mp4 (88)\11-第五天-Python入门(五)-面向对象编程\代码\test_0311 ├─test01.py ├─test02.py ├─test03.py ├─test04.py ├─test05.py ├─test06.py ├─test07.py 内容过多，中间省略部分代码目录 ├─misc.xml ├─modules.xml ├─test.iml ├─workspace.xml (129)\23-第二十四天-深度学习(九)-循环神经网络二\代码\test_0523\code ├─0000.jpg

VR虚拟现实入门及项目开发视频教程

2021-01-28

立即下载 VR虚拟现实入门及项目开发视频教程通过十几节课的讲解，首先普及虚拟现实（VR）产业的产生、发展、预测辉煌的发展未来等，然后以具体的VR产品，讲解具体的安装、使用、开发VR项目。让你短时间内对VR产业的整体有个总体的了解与掌握！【课程目录】 1.什么是虚拟现实 2.VR技术特性 3.VR技术原理 4.国内整体产业布局 5.国外三大VR产品 6.Occuls产品介绍 7.HTC与SonyVR介绍 8.国内3GlassesVR应用介绍 9.国内3GlassesVR内容讲解 10.Occuls开发示例简介 11.3Glasses导入SDK 12.开发HelloWorld_VR 13.编写HelloWorld_VR项目移动控制脚本 14.测试与评估VR项目 15.射击项目改造VR版本A 16.射击项目改造VR版本B

全新升级第三代机器学习课程流形学习+强化学习+概念学习+神经网络+机器学习+课程答疑

2021-01-28

立即下载全新升级第三代机器学习升级课程，融汇了最新总结的流形学习，强化学习，概念学习及神经网络课程，全新升级的机器学习等一系列课程，还对于有难度的章节和课程部分安排了课程答疑，以便汇总各类同学们学习中非常容易遇到的问题，帮助大家提高学习质量。同时课程为同学们提供了全面的课程配套学习资料，这样在结合视频课程学习，文档学习以及课程的答疑，相信同学们一定可以将机器学习这块技术难点攻克下来。 ===============课程目录=============== ├─1、机器学习的数学基础.flv ├─2、机器学习的数学基础.flv ├─3、机器学习的哲学.flv ├─4 、机器学习的数学基础..flv ├─5、经典机器学习模型.flv ├─6、经典机器学习模型.flv ├─7、经典机器学习模型.flv ├─8、线性模型.flv ├─9、线性模型.flv ├─10、核方法.flv ├─11、核方法.flv ├─12、统计学习.flv ├─13、统计学习.flv ├─14、统计学习.flv ├─15、统计学习.flv ├─16、无监督学习.flv ├─17、流形学习.flv ├─18、概念学习.flv ├─19、神经网络.flv ├─20、强化学习.flv ├─第10课_答疑.flv ├─第12课_答疑.flv ├─第15课_答疑.flv ├─第17课_答疑.flv ├─第18课_答疑.flv ├─第1课_答疑.flv ├─第20课_答疑.flv ├─第2课_答疑.flv ├─第3课_答疑.flv ├─第4课_答疑.flv ├─第5课_答疑.flv ├─第6课_答疑.flv ├─第7课_答疑.flv ├─第9课_答疑.flv (1)\02.资料；目录中文件数:41个 ├─10、核方法.pdf ├─12、统计学习.pdf ├─15、统计学习.pdf ├─16、无监督学习.pdf ├─1、机器学习的数学基础.pdf ├─2、机器学习的数学基础.pdf ├─3、机器学习的哲学.pdf ├─4、机器学习的数学基础.pdf ├─5、经典机器学习模型.pdf ├─6、经典机器学习模型.pdf ├─72-Guo-PRICAI.pdf ├─7、经典机器学习模型.pdf ├─8、线性模型.pdf ├─lda_exp.zip ├─lle.pdf ├─Logistic Regression.zip ├─Note11_Lagrange.pdf ├─Note12_Lagrange2.pdf ├─Note_10_GOLS.pdf ├─Note_13_MaxMargin.pdf ├─Note_14_Kernel.pdf ├─Note_15_GeoIntMaxMargin.pdf ├─Note_16_ EM.pdf ├─Note_16_Expectation Maximization Algorithm.pdf ├─Note_17_Locally Linear Embedding.pdf ├─Note_3_LNorm.pdf ├─Note_4-GradientDescent.pdf ├─Note_5_NaiveBayes.pdf ├─Note_6_CART.pdf ├─Note_7_EnsembleLearning.pdf ├─Note_7_GBDT.pdf ├─Note_8_OLS.pdf ├─probability ( MIT Bertsekas).pdf ├─RandomForest.zip ├─第一课：相关资料chapter03.pdf ├─第一课：笔记Note_1_MachineLearningIntro.pdf ├─第一课：笔记Note_2_Geometric Interpretation of Determinant(1).pdf ├─第一课：笔记Note_3_LNorm(1).pdf ├─第五课_代码.zip ├─第六课_代码.zip ├─第六课_代码Py3.rar

Hi，欢迎来到CNCSTO！