Ai人工智能

  • Ai人工智能领域的最佳实践-打造智能机器人高级项目课程 融合机器+深度+自然语言处理等 ===============课程目录=============== │ 1-1 AI机器人入门篇.mp4 │ ├2-1 什么是TensorFlow.mp4 │ ├2-2 张量、图、会话.mp4 │ ├2-3 TensorFlow原理及模型训练.mp4 │ ├2-4 Android操作系统.mp4 │ ├2-5 Java安装.mp4 │ ├2-6 Java环境搭建.mp4 │ ├2-7 Android安装及运行.mp4 │ └2-8 第一个Android程序.mp4 │ ├3-1 常用模型.mp4 │ ├3-2 BP神经网络.mp4 │ ├3-3 循环神经网络(1).mp4 │ ├3-4 循环神经网络(2).mp4 │ ├3-5 循环神经网络(双向RNN).mp4 │ ├3-6 循环神经网络(梯度爆炸和梯度消失1).mp4 │ ├3-7 循环神经网络(梯度爆炸和梯度消失2).mp4 │ └3-8 长短期记忆网络(LSTM).mp4 │ ├4-1 NLP基础.mp4 │ ├4-10 朴素贝叶斯例子(2).mp4 │ ├4-11 朴素贝叶斯例子(3).mp4 │ ├4-2 分词技术.mp4 │ ├4-3 词性标注.mp4 │ ├4-4 命名实体识别.mp4 │ ├4-5 贝叶斯与朴素贝叶斯(1).mp4 │ ├4-6 贝叶斯与朴素贝叶斯(2).mp4 │ ├4-7 隐马尔科夫模型.mp4 │ ├4-8 隐马尔科夫模型实现命名实体识别.mp4 │ └4-9 朴素贝叶斯例子(1).mp4 │ ├5-1 语料的获取与处理.mp4 │ ├5-2 NLP中的语言模型.mp4 │ ├5-3 NLP中的语言模型 一元模型和二元模型.mp4 │ ├5-4 NLP中的语言模型 N元模型.mp4 │ ├5-5 词向量与Word2vec.mp4 │ └5-6 文本处理方法.mp4 │ ├6-1 数据处理-环境搭建.mp4 │ ├6-10 数据处理-训练语料问答对的处理(2).mp4 │ ├6-11 数据处理-数据模型打包处理.mp4 │ ├6-12 语料处理实战小结.mp4 │ ├6-2 聊天机器人语料处理流程介绍.mp4 │ ├6-3 数据处理-句子的构造和判断.mp4 │ ├6-4 数据处理-正则表达式.mp4 │ ├6-5 数据处理-句子编码化处理(字典定义及转换).mp4 │ ├6-6 数据处理-句子编码化处理(训练字典).mp4 │ ├6-7 数据处理-句子编码化处理(句子和向量之间的转换).mp4 │ ├6-8 数据处理-训练语料库的解压处理.mp4 │ └6-9 数据处理-训练语料问答对的处理(1).mp4 │ ├7-1 Seq2Seq模型.mp4 │ ├7-2 Seq2Seq模型(注意力机制).mp4 │ ├7-3 聊天机器人模型(1).mp4 │ └7-4 聊天机器人模型(2).mp4 │ ├8-1 线程处理(1).mp4 │ ├8-10 batch_flow_bucket(2).mp4 │ ├8-11 batch_flow_bucket(3.mp4 │ ├8-12 batch_flow_bucket(4)生成虚假数据.mp4 │ ├8-13 batch_flow_bucket(5)测试.mp4 │ ├8-2 线程处理(2).mp4 │ ├8-3 TensorFlow环境搭建.mp4 │ ├8-4 TensorFlow相关信息操作.mp4 │ ├8-5 数据操作 转换长度.mp4 │ ├8-6 batch_flow(1).mp4 │ ├8-7 batch_flow(2).mp4 │ ├8-8 batch_flow(3).mp4 │ └8-9 batch_flow_bucket(1).mp4 │ ├9-1 基本流程介绍.mp4 │ ├9-10 构建单独的编码器cell(2).mp4 │ ├9-11 构建单独的编码器cell(3).mp4 │ ├9-12 构建解码器(1).mp4 │ ├9-13 构建解码器(2).mp4 │ ├9-14 构建解码器(3).mp4 │ ├9-15 构建解码器(4).mp4 │ ├9-16 构建解码器(5).mp4 │ ├9-17 构建解码器(6).mp4 │ ├9-18 构建解码器(7).mp4 │ ├9-19 构建解码器(8).mp4 │ ├9-2 基本参数保存,参数验证(1).mp4 │ ├9-20 构建优化器(1).mp4 │ ├9-21 构建优化器(2).mp4 │ ├9-22 构建优化器(3).mp4 │ ├9-23 输入检查.mp4 │ ├9-24 训练模型.mp4 │ ├9-25 预测模型.mp4 │ ├9-3 基本参数保存,参数验证(2).mp4 │ ├9-4 基本参数保存,参数验证(3).mp4 │ ├9-5 基本参数保存,参数验证(4).mp4 │ ├9-6 构建模型(1).mp4 │ ├9-7 构建模型(2).mp4 │ ├9-8 构建一个单独的RNN cell.mp4 │ └9-9 构建单独的编码器cell(1).mp4 │ ├10-1 第一种模型训练(1).mp4 │ ├10-2 第一种模型训练(2).mp4 │ ├10-3 第一种模型训练(3).mp4 │ ├10-4 第一种模型训练(4).mp4 │ ├10-5 第一种模型训练(5).mp4 │ ├10-6 第二种模型训练(1).mp4 │ ├10-7 第二种模型训练(2).mp4 │ ├10-8 第二种模型训练(3).mp4 │ └10-9 利用flask发布成Webservice接口.mp4 │ ├11-1 新建项目.mp4 │ ├11-10 打包发布.mp4 │ ├11-2 代码结构讲解.mp4 │ ├11-3 私有变量的定义.mp4 │ ├11-4 参数初始化.mp4 │ ├11-5 听写UI监听器.mp4 │ ├11-6 合成回调监听器.mp4 │ ├11-7 听写监听器.mp4 │ ├11-8 语音合成参数设置.mp4 │ └11-9 完善项目.mp4 ├<资料> │ ├coding-267-master.zip │ ├<chapter07.chat_robot> │ │ ├chatbot.pkl │ │ ├data_utils.py │ │ ├dgk_shooter_min.conv │ │ ├extract_conv.py │ │ ├fake_data.py │ │ ├params.json │ │ ├seq_to_seq.py │ │ ├test.py │ │ ├thread_generator.py │ │ ├train.py │ │ ├word_sequence.py │ │ └wx.pkl
    • 737
  • Ai人工智能高阶毕业班课程,打造了选修课程与必修课程不同领域,适合不同阶段的同学们进行学习。如果同学们对于Ai人工智能算法领域也感兴趣的的话,建议可以完成选修课程的学习,虽然数学对于很多同学来说非常头痛,但这方面的知识可以增加自己的内功修炼,可以在算法与人工智能方向走的更远。课程内容包括了选修一的准备课程,选修二线性代数基础,选修三概率论基础,选修四Visual Studio Code使用,必修五机器学习,那么在必修五部分又集中进行了多个选修与必修课程,同学们可以进行学习参考。 (选修)第一部分:开始之前 (选修)第二部分:线性代数基础 (选修)第三部分:概率论基础 (选修) 第四部分:Visual Studio Code使用 (必修)第五部分:机器学习 (必修)第一部分:机器学习简介 (必修)第二部分:模型评估与选择 (必修)第三部分:线性模型 (必修)第四部分:决策树 (必修)第五部分:数据预处理 (必修)第六部分:支持向量机 (必修)第七部分:神经网络 (必修)第八部分:DL (必修)第九部分:贝叶斯分类器 (必修)第十部分:集成学习 (必修)第一十一部分:聚类 (必修)第一十二部分:降维与度量 (1)\(选修)第四部分:Visual Studio Code使用 ├─第一十一讲:Visual Studio Code使用(一).mp4 (2)\(必修)第五部分:机器学习 (3)\(选修)第一部分:开始之前 ├─0.课程简介与机器学习发展史.pptx ├─课程视频 _ 第一讲:课程简介与机器学习发展史.mp4 (4)\(选修)第三部分:概率论基础 (5)\(选修)第二部分:线性代数基础 (6)\(必修)第五部分:机器学习\(必修)第一十二部分:降维与度量 (7)\(必修)第五部分:机器学习\(必修)第八部分:DL ├─第三十九讲:自然语言处理3.mp4 ├─第三十八讲:自然语言处理2.mp4 (8)\(必修)第五部分:机器学习\(必修)第九部分:贝叶斯分类器 (9)\(必修)第五部分:机器学习\(必修)第一十一部分:聚类 ├─第五十三讲:层次聚类.mp4 (10)\(必修)第五部分:机器学习\(必修)第一部分:机器学习简介 (11)\(必修)第五部分:机器学习\(必修)第七部分:神经网络 (12)\(必修)第五部分:机器学习\(必修)第三部分:线性模型 (13)\(必修)第五部分:机器学习\(必修)第二部分:模型评估与选择 (14)\(必修)第五部分:机器学习\(必修)第五部分:数据预处理 ├─第一十九讲:特征选择.mp4 (15)\(必修)第五部分:机器学习\(必修)第六部分:支持向量机 (16)\(必修)第五部分:机器学习\(必修)第十部分:集成学习 ├─第五十一讲:xgboost2.mp4 ├─第四十八讲:Bagging, Boosting, Stacking-1 .mp4 (17)\(必修)第五部分:机器学习\(必修)第四部分:决策树 (18)\(选修)第三部分:概率论基础\第七讲:概率论(一) ├─1.6 概率论1.pptx ├─课程视频 第七讲:概率论(一).mp4 (19)\(选修)第三部分:概率论基础\第九讲:概率论(三) ├─1.8 概率论3.pptx ├─第九讲:概率论(三).mov (20)\(选修)第三部分:概率论基础\第八讲:概率论(二) ├─1.7 概率论2.pptx ├─课程视频 第八讲:概率论(二) .mp4 (21)\(选修)第三部分:概率论基础\第十讲:概率论(四) ├─第十讲:概率论(四).mov (22)\(选修)第二部分:线性代数基础\线性代数基础 (23)\(必修)第五部分:机器学习\(必修)第一十二部分:降维与度量\第五十七讲:主成分分析2 ├─12_DimReduct.rar ├─第五十七讲:主成分分析2.mp4 (24)\(必修)第五部分:机器学习\(必修)第一十二部分:降维与度量\第五十八讲:LDA降维1 ├─12_DimReduct.rar ├─第五十八讲:LDA降维1.mp4 (25)\(必修)第五部分:机器学习\(必修)第一十二部分:降维与度量\第五十六讲:主成分分析 ├─12.降维.pptx ├─第五十六讲:主成分分析.mp4 (26)\(必修)第五部分:机器学习\(必修)第一十二部分:降维与度量\第六十一讲:非线性PCA,流形学习,度量学习2 ├─12_DimReduct.rar ├─第六十一讲:非线性PCA,流形学习,度量学习2.mp4 (27)\(必修)第五部分:机器学习\(必修)第一十二部分:降维与度量\第六十讲:非线性PCA,流形学习,度量学习 ├─12_DimReduct.rar ├─第六十讲:非线性PCA,流形学习,度量学习.mp4 (28)\(必修)第五部分:机器学习\(必修)第八部分:DL\第三十一讲:回归 ├─basic_regression.rar ├─第三十一讲:回归.mp4 (29)\(必修)第五部分:机器学习\(必修)第八部分:DL\第三十七讲:自然语言处理 ├─Natural Language Processing with Word Embeddings-zh.ipynb ├─第三十七讲:自然语言处理.mp4 (30)\(必修)第五部分:机器学习\(必修)第八部分:DL\第三十三讲:模型的保存与恢复 ├─模型.rar ├─第三十三讲:模型的保存与恢复 .mp4 (31)\(必修)第五部分:机器学习\(必修)第八部分:DL\第三十二讲:过拟合与欠拟合 ├─第三十二讲:过拟合与欠拟合.mp4 ├─过拟合.rar (32)\(必修)第五部分:机器学习\(必修)第八部分:DL\第三十五讲:使用CNN识别图像2 ├─第三十五讲:使用CNN识别图像2.mp4 (33)\(必修)第五部分:机器学习\(必修)第八部分:DL\第三十六讲:循环神经网络 ├─8.10.RNN.ppt ├─第三十六讲:循环神经网络.mp4 (34)\(必修)第五部分:机器学习\(必修)第八部分:DL\第三十四讲: 使用CNN图像识别 ├─9_CNN.rar ├─第三十四讲: 使用CNN图像识别.mp4 (35)\(必修)第五部分:机器学习\(必修)第八部分:DL\第三十讲:文本分类 ├─basic_text_classification.rar ├─第三十讲:文本分类.mp4 (36)\(必修)第五部分:机器学习\(必修)第八部分:DL\第二十七讲:开源深度学习框架与常见卷积网络模型 ├─8.2 深度学习框架与网络模型.ppt ├─第二十七讲:开源深度学习框架与常见卷积网络模型.mp4 (37)\(必修)第五部分:机器学习\(必修)第八部分:DL\第二十九讲:基本分类(二) ├─第二十九讲:基本分类(二).mp4 (38)\(必修)第五部分:机器学习\(必修)第八部分:DL\第二十八讲:基本分类(一) ├─classifiction.rar ├─第二十八讲:基本分类(一).mp4 (39)\(必修)第五部分:机器学习\(必修)第八部分:DL\第二十六讲:卷积神经网络CNN基本原理 ├─8.1 卷积神经网络.pptx ├─第二十六讲:卷积神经网络CNN基本原理.mp4 (40)\(必修)第五部分:机器学习\(必修)第八部分:DL\第四十讲:LSTM例子 ├─lstm.rar ├─第四十讲:LSTM例子.mp4 (41)\(必修)第五部分:机器学习\(必修)第九部分:贝叶斯分类器\第四十一讲:极大似然估计 ├─9-1.rar ├─第四十一讲:极大似然估计.mp4 (42)\(必修)第五部分:机器学习\(必修)第九部分:贝叶斯分类器\第四十三讲:朴素贝叶斯2 ├─第四十三讲:朴素贝叶斯2.mp4 (43)\(必修)第五部分:机器学习\(必修)第九部分:贝叶斯分类器\第四十二讲:朴素贝叶斯分类器 ├─native-bay.rar ├─第四十二讲:朴素贝叶斯分类器.mp4 (44)\(必修)第五部分:机器学习\(必修)第九部分:贝叶斯分类器\第四十五讲:朴素贝叶斯4 ├─c4a362742f-hd.mp4 (45)\(必修)第五部分:机器学习\(必修)第九部分:贝叶斯分类器\第四十六讲:EM算法 ├─8aa5e0c985e-hd.mp4 ├─9.3 EM期望值最大化.pptx (46)\(必修)第五部分:机器学习\(必修)第九部分:贝叶斯分类器\第四十四讲:朴素贝叶斯3 ├─9_Baiyes.rar ├─743167deb-hd.mp4 (47)\(必修)第五部分:机器学习\(必修)第一十一部分:聚类\第五十二讲:k-means聚类 ├─11_cluster.rar ├─第五十二讲:k-means聚类.mp4 (48)\(必修)第五部分:机器学习\(必修)第一部分:机器学习简介\第一讲:引言、基本术语、假设空间 ├─机器学习1.1.pptx ├─第一讲:引言、基本术语、假设空间.mov (49)\(必修)第五部分:机器学习\(必修)第一部分:机器学习简介\第二讲:归纳偏好、发展历程、应用现状 ├─机器学习1.2.pptx ├─第二讲:归纳偏好、发展历程、应用现状.mov (50)\(必修)第五部分:机器学习\(必修)第七部分:神经网络\第二十三讲:神经网络基础知识( ├─第二十三讲:神经网络基础知识 .mp4 (51)\(必修)第五部分:机器学习\(必修)第七部分:神经网络\第二十五讲:神经网络(二) ├─efe0eba55ec64932b565ce99d9f604b2-ff1d271d5c9177d0643854e9b1a94459-hd.mp4 (52)\(必修)第五部分:机器学习\(必修)第七部分:神经网络\第二十四讲:神经网络(一) ├─6712bb01b8744ebea37f58f614a9926d-530dad4b1f5796f30401d4f01cf1055f-sd.mp4 (53)\(必修)第五部分:机器学习\(必修)第三部分:线性模型\第一十一讲:逻辑回归(一) ├─第一十一讲:逻辑回归(一).mp4 (54)\(必修)第五部分:机器学习\(必修)第三部分:线性模型\第一十二讲:逻辑回归(二) ├─机器学习1.11-逻辑回归1.zip ├─第一十二讲:逻辑回归(二).mp4 (55)\(必修)第五部分:机器学习\(必修)第三部分:线性模型\第七讲:线性回归(一) ├─第七讲:线性回归(一).mp4 ├─线性回归(一).pptx (56)\(必修)第五部分:机器学习\(必修)第三部分:线性模型\第九讲:线性回归(三) ├─mcxy_ml2_20181030_0.zip.zip ├─第九讲:线性回归(三).mp4 (57)\(必修)第五部分:机器学习\(必修)第三部分:线性模型\第八讲:线性回归(二) ├─第八讲:线性回归(二).mp4 ├─线性回归(二).zip (58)\(必修)第五部分:机器学习\(必修)第三部分:线性模型\第十讲:线性回归(四) ├─mcxy_ml2_20181030_1.zip ├─第十讲:线性回归(四).mp4 (59)\(必修)第五部分:机器学习\(必修)第二部分:模型评估与选择\第三讲:经验误差与过拟合 ├─机器学习1.3.pptx ├─第三讲:经验误差与过拟合.mp4 (60)\(必修)第五部分:机器学习\(必修)第二部分:模型评估与选择\第五讲:评估法代码分析 ├─机器学习1.4-1.5-评估方法.pptx ├─第五讲:评估法代码分析.mp4 (61)\(必修)第五部分:机器学习\(必修)第二部分:模型评估与选择\第六讲:性能度量(混淆矩阵 ,准确率,精确度,敏感度,特异度,F1 score) ├─mcxy_ml2_20181016_1.zip ├─第六讲:性能度量(混淆矩阵 ,准确率,精确度,敏感度,特异度,F1 score).mp4 (62)\(必修)第五部分:机器学习\(必修)第二部分:模型评估与选择\第四讲:评估方法(留出法,交叉验证法,自助法,调参与最终模型) ├─第四讲:评估方法(留出法,交叉验证法,自助法,调参与最终模型).mp4 ├─第四讲:评估方法(留出法,交叉验证法,自助法,调参与最终模型).zip (63)\(必修)第五部分:机器学习\(必修)第五部分:数据预处理\第一十七讲:处理缺失数据,处理类别数据( ├─第一十七讲:处理缺失数据,处理类别数据 .mp4 (64)\(必修)第五部分:机器学习\(必修)第五部分:数据预处理\第一十八讲:数据标准化与归一化( ├─机器学习5.1 数据预处理.zip ├─第一十八讲:数据标准化与归一化 .mp4 (65)\(必修)第五部分:机器学习\(必修)第五部分:数据预处理\第二十讲:特征排序,plot_decision_regions函数讲解 ├─机器学习5.2 plot_decision_regions.zip ├─第二十讲:特征排序,plot_decision_regions函数讲解 .mp4 (66)\(必修)第五部分:机器学习\(必修)第六部分:支持向量机\第二十一讲:使用支持向量机最大化分类间隔 ├─第二十一讲:使用支持向量机最大化分类间隔.mp4 (67)\(必修)第五部分:机器学习\(必修)第六部分:支持向量机\第二十二讲:SVM非线性分类 ├─第二十二讲:SVM非线性分类.mp4 (68)\(必修)第五部分:机器学习\(必修)第十部分:集成学习\第五十讲:xgboost例子 ├─7_xgboost.py ├─第五十讲:xgboost例子.mp4 (69)\(必修)第五部分:机器学习\(必修)第十部分:集成学习\第四十七讲:集成学习概述 ├─9443e356b9c648da94c17d8d55b6d86a-702ed3e2aed75ecf316d2b16f3543a79-hd.mp4 ├─ensembling.rar (70)\(必修)第五部分:机器学习\(必修)第十部分:集成学习\第四十九讲:Bagging, Boosting, Stacking-2 ├─10_ensembling.rar ├─第四十九讲:Bagging, Boosting, Stacking-2.mp4 (71)\(必修)第五部分:机器学习\(必修)第四部分:决策树\第一十三讲:划分选择与算法基本思想(一) ├─第一十三讲:划分选择与算法基本思想(一).mp4 (72)\(必修)第五部分:机器学习\(必修)第四部分:决策树\第一十五讲:代码分析与KNN ├─第一十五讲:代码分析与KNN.mp4 (73)\(必修)第五部分:机器学习\(必修)第四部分:决策树\第一十六讲:机器学习中距离和相似性度量方法概述 ├─第一十六讲:机器学习中距离和相似性度量方法概述.mp4 ├─第一十六讲:机器学习中距离和相似性度量方法概述.zip (74)\(必修)第五部分:机器学习\(必修)第四部分:决策树\第一十四讲:划分选择与算法基本思想(二) ├─决策树.zip ├─第一十四讲:划分选择与算法基本思想(二).mp4 (75)\(选修)第三部分:概率论基础\第十讲:概率论(四)\概率论4 ├─1.9 概率论4.pptx ├─bino.py ├─norm.py (76)\(选修)第二部分:线性代数基础\线性代数基础\第三讲:线性代数(二) ├─1.2 线性代数2.pptx ├─课程视频 _ 第三讲:线性代数(二).mp4 (77)\(选修)第二部分:线性代数基础\线性代数基础\第二讲:线性代数(一) ├─1.1 线性代数1.pptx ├─课程视频 _ 第二讲:线性代数(一) .mp4 (78)\(选修)第二部分:线性代数基础\线性代数基础\第五讲:线性代数(四) ├─mcxy_ml2_20180911_0.zip ├─课程视频 第五讲:线性代数(四).mp4 (79)\(选修)第二部分:线性代数基础\线性代数基础\第六讲:线性代数(五) ├─mcxy_ml2_20180911_1.zip ├─课程视频 第六讲:线性代数(五).mp4 (80)\(选修)第二部分:线性代数基础\线性代数基础\第四讲:线性代数(三) ├─1.3 线性代数3.pptx ├─课程视频 _ 第四讲:线性代数(三) .mp4
    • 590
  • ===============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
    • 451
  • 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
    • 433