百度网盘
5积分
基于行业前沿技术需求设计，采用分阶段递进式学习路径，内容覆盖AI开发全栈技能，适配AI研发工程师、大模型算法工程师等新兴岗位需求。
黑马程序员《2025年Python+人工智能开发教程 V5.0 (AI版) 》59.7GB
阶段014 赠品-AI智慧交通项目实战2.18GB
04-车道线检测930.49MB
18-效果展示.mp410.44MB17-车道线检测流程.mp424.05MB16-车辆偏离中心库里计算.mp429.2MB15-车道线曲率.mp447.43MB14-车道线填充.mp419.73MB13-车道线拟合.mp474.79MB12-车道线定位.mp456.78MB11-车道线提取.mp442.89MB10-图像去畸变.mp421.37MB09-相机较正实现.mp4101.77MB08-双目较正.mp416.78MB07-相机较正流程.mp421.52MB06-优化方法2.mp487.25MB05-优化方法.mp482.63MB04-相机较正方法.mp491.71MB03-内容回顾.mp490.27MB02-相机坐标系转换.mp461.5MB01-车道线检测原理.mp450.4MB03-车流量统计610.58MB
11-deepsort算法跟踪.mp420.4MB10-sort算法实现跟踪.mp488.85MB09-sort算法实现2.mp446.79MB08-sort算法实现1 .mp481.03MB07-卡尔曼滤波实践.mp482.26MB06-卡尔曼滤波思想.mp482.72MB05-卡尔曼滤波.mp462.92MB04-KM算法.mp433.45MB03-sort和deepsort算法.mp427.73MB02-多目标跟踪算法.mp459.19MB01-车流量统计思想.mp425.25MB02-yoloV8159.61MB
05-streamlit的实现.mp459.07MB04-效果展示.mp419.39MB03-V8的使用.mp451.83MB02-V8简介.mp417.65MB01-YOLO发展.mp411.67MB01-opencv536.29MB
17-opencv总结.mp449.71MB16-视频读写.mp440.69MB15-canny边缘检测.mp435.43MB14-sobel边缘检测.mp417.06MB13-边缘检测思想.mp472.58MB12-图像平滑方法.mp467.32MB11-图像噪声.mp411.6MB10-透射变换.mp415.12MB09-图像旋转和仿射变换.mp435.55MB08-图像缩放与平移.mp447.51MB07-图像加法.mp430.53MB06-绘制几何图像.mp436.27MB05-图像读写.mp427.92MB04-opencv介绍.mp416.01MB03-资料共享.mp46.07MB02-项目构成.mp411.58MB01-项目架构.mp415.34MB阶段013 赠品-亿图人脸支付项目2.53GB
04-人脸识别658.49MB
10.人脸支付项目总结.mp437.41MB09.模型部署.mp442.89MB08.可视化.mp4158.83MB07.属性获取.mp436.37MB06.人脸矫正.mp462.95MB05.代码结构.mp429.34MB04.模型集成.mp459.36MB03.模型使用.mp4150.95MB02.模型训练.mp466.54MB01.内容回顾.mp413.85MB03-人脸多任务(1)681.02MB
12.内容总结.mp410.92MB11.arcface.mp458.95MB10.模型构建.mp483.99MB09.数据获取.mp436.85MB08.人脸识别.mp465.68MB07.模型预测.mp441.2MB06.模型训练.mp474.63MB05.模型构建.mp415.85MB04.数据增强.mp428.41MB03.数据加载.mp4141.51MB02.人脸多任务.mp4107.28MB01.内容回顾.mp415.74MB02-人脸姿态636MB
10. 内容总结.mp410.34MB09.模型训练.mp486.38MB08.模型构建.mp489.84MB07.数据增强.mp4136.56MB06.数据集加载.mp445.01MB05.人脸姿态概述.mp453.37MB04.模型预测流程.mp4110.21MB03.模型预测.mp435.16MB02.模型训练结果.mp436.65MB01.内容回顾.mp432.47MB01-人脸检测615.79MB
11.内容总结.mp412.29MB10.模型训练.mp433.1MB09.训练流程.mp478.68MB08.训练策略.mp429.4MB07.参数配置.mp450.93MB06.模型构建.mp4134.37MB05.数据集获取.mp467.55MB04.验证数据集.mp481.13MB03.人脸检测概述.mp444.19MB02.视频读写.mp459.05MB01.内容回顾.mp425.1MB阶段012 赠品-计算机视觉4.12GB
此部分为赠送教程-CV4.12GB
《OpenCV3编程入门》书本配套源代码106.57MB
【OpenCV3版】《OpenCV3编程入门》书本配套源代码.rar24.28MB
OpenCV3编程入门.pdf82.29MBOpencv视频教程4.02GB
15 工具箱199B
4.00B
3.40B
OpenCV下载地址.txt199B14 附赠2：赠送不同环境下安装不同版本的opencv367.33MB
win+opencv3.3+VS2017环境配置指导.flv193.99MBwin+OpenCV 4.0+Python3.6开发环境搭建.flv113.72MBwin 系统 Visual Studio 2017安装及使用教程.flv38.53MB
visualstudiocommunity2017version15.3.exe1.02MB5分钟配置好OpenCV3.2+VS2015开发环境.flv20.07MB13 附赠1：Opencv资料1.14GB
学习opencv书——源代码.zip20.23MB学习OpenCV 中文版.pdf58.8MB图像处理与计算机视觉算法及应用 原书第2版 [（美）帕科尔著],[清华大学出版社],[2012.05],[388页]sample.pdf6.2MB图像处理技术手册.pdf145.15MB图像处理分析与机器视觉(第二版)中译.pdf40.99MB图像处理、分析与机器视觉（第三版）英文版.pdf27.97MB图像处理、分析与机器视觉（第三版）.pdf76.5MB
数字图像处理与机器视觉――Visual C++与Matlab....iso78.25MB视觉计算理论.pdf21.34MB计算机视觉：算法与应用(Richard Szeliski-2010).pdf22.14MB计算机视觉（马颂德、张正友）.pdf13.6MB计算机视觉——算法与应用.pdf.pdf48.36MB基于OpenCV的计算机视觉技术实现.pdf186.08MB机器视觉算法与应用.pdf109.24MB机器视觉测量技术.pdf2.81MB机器视觉-张广军.pdf48.75MB[数字图像处理与机器视觉：Visual.C++.与Matlab实现].张铮.扫描版.pdf50.57MBopencv手册.chm2.58MBOpenCV教程基础篇-于仕琪-北航.pdf23.79MBOpenCV的计算机视觉技术实现.rar13.56MBopencv2手册第五章.pdf51.73MBopencv2计算机视觉编程手册( 扫描版1-35页).pdf68.34MBOpenCV2ComputerVisionApplicationProgrammingCookbookCode.zip116.73KBOpenCV.2.Computer.Vision.Application.Programming.Cookbook.pdf6.78MBMastering OpenCV with Practical Computer Vision Projects [eBook].pdf6.33MBLearning OpenCV 2nd Early Release.pdf10.95MBComputer and Machine Vision Theory Algorithms Practicalities.pdf22.17MBAComputationalApproachtoEdgeDetection-sz4.pdf6.34MB12 深度学习CNN RNN等框架0B
第9课 更多的网络类型0B
第8课 RNN应用0B
第7课 RNN介绍0B
第6课 CNN推展案例0B
第5课 CNN训练注意事项与框架使用0B
第4课 CNN与常用框架0B
第3课 梯度下降法与反向传播0B
第2课 高效计算基础与图像线性分类器0B
第1课 机器学习中数学基础0B
第10课 更多框架0B
11 OpenCV & FFmpeg & Qt C++视频编辑器实战开发0B
06 XVideoEdit视频编辑器实战0B
05 OpenCV视频IO接口0B
04 FFMpeg工具处理音频0B
03 OpenCV图像处理0B
02 OpenCV核心类型 Mat0B
01 介绍0B
10 OpenCV计算机视觉实战(Python版)（课件+源码）2.52GB
资料.rar542.15MB课件.rar549.55MB11-21.rar979.78MB1-10.rar506.27MB09 14个常用OpenCV+C++图像处理0B
14_车牌识别系统0B
13_车型识别系统0B
12_运动车辆检测跟踪系统0B
11_人脸检测与识别系统0B
10_指纹提取与识别系统0B
09_细胞检测与计数系统0B
08_图像检索系统0B
07_遥感图像配准系统0B
06_数字图像水印系统0B
05_CT图像重建系统0B
04_图像编辑器实现0B
03_图片浏览器实现0B
02_绘图板0B
01_所需软件0B
00 如果没有声音或者卡顿，下载到电脑看即可.txt0B阶段011 赠品-投满分项目1.84GB
day0681.6MB
03-项目串讲.mp415.87MB02-数据集构建方法.mp46.94MB01-面试问题和工作文问题.mp458.79MBday05411.1MB
12-自定义剪枝.mp421.32MB11-全局剪枝.mp426.82MB10-多层剪枝.mp431.64MB09-结构化剪枝.mp411.28MB08-特定层剪枝.mp450.13MB07-剪枝思想.mp411.23MB06-主函数.mp428.94MB06-训练流程.mp431.42MB05-模型训练.mp457.51MB04-损失计算.mp444.98MB03-数据对齐.mp428.43MB02-textCNN介绍.mp452.32MB01-内容回顾.mp415.08MBday04391.58MB
08-textCNN实践.mp480.61MB07-数据迭代实现.mp451.31MB06-数据获取实现.mp413.41MB05-数据获取.mp485.12MB04-词表构建.mp462.58MB03-模型蒸馏项目架构.mp412.79MB02-模型蒸馏思想.mp449.48MB01-昨日回顾.mp436.28MBday03306.99MB
07-模型量化.mp430.75MB06-模型部署.mp427.12MB05-模型预测.mp469.11MB04-实现2.mp470.68MB03-模型训练与评估实现.mp475.15MB02-模型训练与评估思想.mp434MB01-模型构建.mp4191.07KBday02377.84MB
08-时间差计算.mp49.7MB07-数据迭代.mp497.12MB06-bert数据获取.mp4135.95MB05-bert代码结构构建.mp49.95MB04-bert数据信息.mp442.04MB03-模型部署.mp456.62MB02-模型训练.mp410.63MB01-fasttext优化-分词.mp415.81MBday01312.61MB
11-优化1-自动化参数搜索.mp423.56MB10-fasttext模型训练.mp415MB09-fasttext数据集构建.mp434.76MB08-fasttext数据处理.mp430.48MB07-模型构建与训练.mp415.05MB06-特征工程.mp422.55MB05-数据获取.mp422.42MB04-分词.mp427.76MB03-数据分布分析.mp419.63MB02-数据集获取.mp431.36MB01-项目背景和数据集介绍.mp470.03MB10_开源大模型平台-V5.X版本-3天-AI版437.57MB
03-阿里145.22MB
02-阿里PAI.mp476.1MB01-阿里百炼.mp469.12MB02-百度101.77MB
02-千帆模型.mp444.23MB01-百度千帆.mp457.54MB01-讯飞190.58MB
04-语音大模型.mp444MB03-大模型定制平台.mp445.35MB02-API.mp449.36MB01-星火大模型介绍.mp451.88MB09_大模型-V5.X版本【线下】-13天-AI版7.18GB
day13284.28MB
03-内容总结.mp452.68MB02-Agent开发工具.mp4131.38MB01-agent.mp4100.23MBday12571.03MB
10-AssistantAPI实践.mp473.89MB09-AssistantAPI的使用.mp449.33MB08-GPTs.mp489.28MB07-SQL.mp448.42MB06-实践.mp457.29MB05-原理.mp469.83MB04-Function——Call.mp438.44MB03-向量库构建和检索.mp431.11MB02-模型构建.mp423.92MB01-RAG.mp489.52MBday11479.8MB
10-检索器.mp456.48MB09-向量数据库.mp427.85MB08-index.mp429.03MB07-memory.mp446.49MB06-agents.mp454.49MB05-chains.mp445.98MB04-prompts.mp458.37MB03-嵌入模型.mp433.13MB02-Chat模型.mp434.93MB01-Langchain介绍.mp493.04MBday10492.66MB
07-模型预测.mp430.68MB06-模型训练.mp491.4MB05-工具函数.mp423.64MB04-dataloader.mp458.53MB03-数据预处理.mp417.31MB02-配置信息.mp4181.63MB01-项目介绍.mp489.47MBday09639.2MB
08-ptuning的工具函数、训练和预测.mp477.79MB07-ptuning的dataloader.mp415.1MB06-ptuning的数据处理.mp4236.51MB05-模型预测.mp421.64MB04-模型训练.mp459.1MB03-评价指标.mp438.21MB02-id转换.mp448.52MB01-损失计算.mp4142.33MBday08621.53MB
10-子标签找主标签.mp444.62MB09-主标签找子标签.mp468.22MB08-标签词映射.mp424.84MB07-dataloader.mp423.24MB06-datapreprocess.mp4124.01MB05-dataset.mp416.6MB04-template构建2.mp4115.82MB03-template构建1.mp4129.02MB02-PET的项目架构.mp449.84MB01-项目背景.mp425.31MBday07778.39MB
10-前端部署.mp49.19MB09-topK和topP.mp443.61MB08-模型预测.mp4164.12MB07-topK 和topP.mp444.24MB06-损失函数.mp436.23MB05-准确率计算.mp464.01MB04-模型验证.mp438.36MB03-模型训练2.mp472.36MB02-模型训练2.mp4144.87MB01-模型训练.mp4161.4MBday06632.71MB
10-config.mp413.67MB09-模型构建.mp443.34MB08-dataloader.mp462.9MB07-dataset实现.mp438.12MB06-process实现.mp484.93MB05-项目背景和数据.mp4163.46MB04-伪代码.mp417.36MB03-lora.mp479.79MB02-adapter.mp435.95MB01-prefix微调.mp493.19MBday05452.67MB
08-prompt-tuning总结.mp427.65MB07-PPL.mp434.56MB06-p-tuning.mp435.8MB05-prompt tuning.mp469.58MB04-硬模版和软模版.mp428.59MB03-PET微调方法.mp458.44MB02-Prompt微调的方式.mp470.36MB01-NLP的四范式.mp4127.68MBday04663.24MB
08-文本匹配的内容.mp475.67MB07-文本抽取的实现.mp4137.72MB06-文本信息抽取的后处理.mp415.35MB05-文本信息抽取提示词.mp484.19MB04-趋动云使用.mp4124.72MB03-文本分类推理.mp459.3MB02-文本分类提示词.mp477.92MB01-项目背景.mp488.37MBday03701.7MB
09-提示词工程原则.mp4194.58MB08-提示词工程.mp411.27MB07-百川大模型.mp468.43MB06-LLaMa和Bloom.mp4109.11MB05-GLM的特点.mp4109.33MB04-GLM的位置编码.mp418.18MB03-GLM的训练目标.mp467.07MB02- chatGpt的微调方法.mp470.28MB01-chatGPT的微调方法.mp453.44MBday02621.36MB
11-强化学习.mp488.48MB10-GPT3的特点.mp434.92MB09-incontextlearning.mp453.25MB08-GPT3的网络结构.mp461.11MB07-GPT2的特点.mp422.53MB06-GPT2网络和训练.mp4122.58MB05-seq2seq.mp473.69MB04-AR的特点.mp419.24MB03-GPT的微调.mp448.16MB02-GPT的预训练过程.mp441.95MB01-GPT的网络结构.mp455.46MBday01414.37MB
10-AE的BERT模型.mp4110.36MB09-PPL.mp452.98MB08-rough.mp418.77MB07-bleu.mp464.98MB06-神经网络的语言模型.mp448.69MB04-n-gram.mp456.66MB03-语言模型的发展.mp44.45MB02-语言模型.mp423.77MB01-大模型背景.mp433.71MB08_知识图谱-V5.X-10天-AI版4.67GB
day09175.69MB
01-模型debug.mp4175.69MBday08441.94MB
09-检索neo4j.mp458.63MB08-构建neo4j.mp488.98MB07-readydata.mp431.52MB06-getspotype分析.mp469.98MB05-查询节点关系.mp460.08MB04-创建节点关系.mp415.31MB03-cypher使用3.mp441.76MB02-cypher使用2.mp415.76MB01-neo4切换测试库.mp459.93MBday07593.59MB
10-predict.mp487.73MB09-traindebug.mp4179.14MB08-train.mp464.74MB07-extractobjandrel.mp430.11MB06-extractsub.mp427.38MB05-loadmodel.mp468.73MB04-loss.mp435.71MB03-computeloss.mp429.43MB02-getsubs+getobjsforspecificsub.mp452.5MB01-反馈+总结.mp418.12MBday06496.53MB
10-模型init.mp435.82MB09-getdata+debug.mp488.17MB08-dataset.mp423.5MB07-collatefn.mp489.04MB06-填充工作.mp489.23MB05-解析innertriples.mp464.84MB04-label举例解释.mp413.66MB03-label初始化.mp436.03MB02-findheadindex.mp412.86MB01-每日反馈+总结.mp443.38MBday05549.02MB
10-config.mp4123.71MB09-casrel模型细节.mp440.56MB08-casrel架构.mp446.07MB07-predict讲解.mp438.69MB06-model2test实现.mp430.39MB05-train实现.mp474.55MB04-forward实现.mp434.15MB03-forward的shape变化.mp427.4MB02-模型init.mp462.99MB01-每日反馈+总结.mp470.52MBday04615.47MB
11-getloader.mp460.94MB10-collatefn.mp435.31MB09-dataset.mp417.98MB08-getdata.mp460.58MB07-pospadding.mp415.13MB06-sentpadding.mp412.29MB05-数据预处理1.mp459.26MB04-config.mp4125.55MB03-基于规则实现RE.mp464.74MB02-关系抽取基本知识.mp458.77MB01-每日反馈+拓展.mp4104.92MBday03713.99MB
12-train-debug.mp439.8MB11-dataloader-dubug.mp447.66MB10-TransferData-debug.mp464.44MB09-部署上线.mp422.35MB08-extractents.mp465.38MB07-model2text.mp467.4MB06-model2dev.mp4106.64MB04-model2train.mp487.05MB03-lstm-crf搭建.mp491.6MB02-lstm搭建.mp457.5MB01-每日反馈+总结.mp464.18MBday02566.99MB
11-总结.mp430.09MB10-getdata.mp424.34MB09-dataset-collatefn.mp470.93MB08-config.mp437.35MB07-总结.mp428.44MB06-readlabeltext.mp437.73MB05-transfer方法.mp466.53MB04-加载数据集.mp434.24MB03-项目架构.mp430.88MB02-代码架构.mp471.77MB01-CRF损失函数推导.mp4134.68MBday01632.84MB
11-lstm+crf架构.mp4146.19MB10-基于规则案例.mp474.08MB09-ner基本知识.mp455.16MB08-基于规则.mp460.54MB07-总结.mp420.25MB06-doccano使用2.mp414.34MB05-doccano使用1.mp438.27MB04-doccano安装.mp434.36MB03-三个工具.mp434.65MB02-知识图谱技术概况.mp495.73MB01-什么是知识图谱.mp459.26MB07_自然语言处理+GPT-V5.X版-13天-AI版10.75GB
day13893.72MB
19-今日内容总结.mp4101.81MB18-BERTGPTELMO的对比.mp411.45MB17-GPT模型的介绍.mp444.8MB16-ELMO模型的介绍.mp450.14MB15-MacBERT和SpanBERT的介绍.mp431.9MB14-Roberta模型的介绍.mp422.59MB13-AlBERT模型的介绍.mp446.56MB12-BERT模型的特点.mp416.06MB11-BERT模型的优缺点.mp429.58MB10-BERT模型的预训练任务.mp438.12MB09-BERT模型的架构.mp476.13MB08-中文句子关系模型完结.mp436.75MB07-中文句子关系模型训练.mp436.82MB06-中文句子关系构建自定义函数.mp453.5MB05-中文句子关系构建dataset对象.mp467.78MB04-中文完型填空模型预测.mp431.8MB03-中文完型填空模型训练.mp437.77MB02-中文完型填空构建模型.mp450.31MB01-中文完型填空数据预处理.mp4109.85MBday121.07GB
15-今日内容总结.mp454.3MB14-中文分类案例模型评估代码.mp473.33MB13-中文分类案例模型训练代码.mp494.41MB12-中文分类案例模型训练思路.mp421.43MB11-中文分类案例模型搭建.mp468.42MB10-中文分类案例自定义函数实现.mp4132.98MB09-中文分类案例数据加载.mp484.04MB08-迁移学习案例基本介绍.mp457.18MB07-具体模型实现完形填空任务.mp439.75MB06-AutoModel实现NER任务.mp488.57MB05-AutoModel实现文本摘要任务.mp4120.97MB04-AutoModel实现阅读理解任务.mp474.48MB03-AutoModel实现完形填空任务.mp459.25MB02-AutoModel实现特征提取任务.mp495.52MB01-昨日内容回顾.mp435.16MBday11912.52MB
20-今日内容总结.mp427.9MB19-automodel实现文本分类.mp4113.88MB18-pipeline方式实现NER任务.mp453.85MB17-pipeline方式实现文本摘要任务.mp438.54MB16-pipeline方式实现阅读理解任务.mp425.66MB15-pipeline方式实现完形填空.mp434.45MB14-pipeline方式实现特征抽取.mp461.26MB13-pipeline方式实现文本分类.mp478.46MB12-transformers库使用的基本方式.mp445.75MB11-transformers库的使用.mp430.75MB10-transformers库的基本介绍.mp436.06MB09-预训练模型的介绍.mp436.64MB08-迁移学习的概念.mp428MB07-词向量迁移介绍.mp423.23MB06-模型超参数调优.mp421.07MB05-调整学习率-epoch等参数优化模型.mp457.36MB04-数据优化后进行文本分类.mp444.69MB03-fasttext实现文本分类未调优.mp431.85MB02-fasttext文本分类数据获取和分割.mp453.6MB01-文本分类任务的介绍.mp469.54MBday10772.89MB
16-今日内容总结.mp422.52MB15-负采样优化算法原理.mp429.9MB14-层次softmax进行模型训练的原理.mp441.8MB13-层次softmax的哈夫曼树的构建.mp457.39MB12-fasttext工具的介绍.mp420.51MB11-transformer模型架构的实现和测试.mp480.2MB10-EncoderDecoder模型实例化代码分析.mp438.35MB09-EncoderDecoder架构代码实现.mp484.25MB08-transformer模型架构代码分析.mp437.56MB07-输出部分代码的实现.mp422.29MB06-解码器的代码实现.mp430.08MB05-解码器层代码的测试.mp448.85MB04-解码器层代码的实现.mp471.13MB03-编码器代码的实现.mp432.21MB02-编码器层代码的实现.mp456.56MB01-编码器子层连接结构实现.mp499.31MBday09921.67MB
16-今日内容总结.mp430.56MB15-LayerNorm和BatchNorm的区别.mp413.64MB14-规范化层代码的实现.mp427.86MB13-规范化层代码的分析.mp435.78MB12-前馈全连接层代码的实现.mp449.26MB11-多头注意力机制代码的实现.mp4105.98MB10-多头注意力机制代码实现的思路分析.mp4108.48MB09-多头注意力的思想.mp469.05MB08-注意力机制代码的实现.mp479.13MB07-mask机制的讲解.mp440.58MB06-注意力机制代码的分析.mp494.26MB05-下三角矩阵的代码实现.mp457.79MB04-三角函数位置编码的图形化展示.mp453.02MB03-位置编码器的代码实现.mp447.4MB02-位置编码代码分析.mp479.72MB01-昨日内容回顾.mp429.15MBday081007.51MB
15-位置编码代码分析.mp496.69MB14-三角函数位置编码解析.mp479.18MB13-输入部分Embedding代码的实现.mp443.09MB12-transformer模型架构.mp459.48MB11-transformer背景介绍.mp418.09MB10-注意力绘图.mp461.43MB09-模型评估函数.mp438.59MB08-模型测试函数代码实现.mp4133.01MB07-模型测试函数实现.mp471.2MB06-模型评估函数代码分析.mp467.76MB05-模型训练函数后半部分.mp469.12MB04-模型内部训练函数后半部分.mp473.71MB03-模型内部训练函数前半部分.mp465.28MB02-模型训练函数前半部分.mp491.7MB01-昨日内容回顾.mp439.19MBday07981.98MB
13-模型训练代码的分析.mp4151.5MB12-基于GRU解码器代码的再次分析.mp447.64MB11-基于GRU的带Attention的代码分析.mp4122.22MB10-基于GRU的无Attention的代码实现和测试.mp491.16MB09-基于GRU的无Attention的解码器代码分析.mp478.64MB08-基于GRU的编码器代码实现.mp459.22MB07-Dataloader类的实现.mp436.06MB06-Dataset类的实现.mp462.39MB05-getdata函数获取英文和法文词典.mp465.8MB04-getdata函数获取mypairs对.mp462.08MB03-数据清洗函数定义.mp452.71MB02-英译法案例基本介绍.mp4104.05MB01-昨日内容回顾.mp448.53MBday06829.34MB
18-seq2seq英译法案例分析.mp413.36MB17-今日内容总结.mp434.96MB16-注意力机制实现扩展.mp442.51MB15-注意力机制代码的实现.mp475.32MB14-注意力机制实现代码的讲解.mp465.42MB13-注意力的作用和计算步骤.mp439.69MB12-三维矩阵乘法解析.mp449.21MB11-注意力计算规则.mp433.79MB10-pytorch版本的attention计算过程.mp459.25MB09-seq2seq框架加入attention计算过程解释.mp455.73MB08-hardAttention和softAttention的介绍.mp428.91MB07-softAttention的讲解.mp443.13MB06-注意力概率分布的计算方式.mp430.12MB05-带Attention的Encoder2Decoder框架解析.mp456.88MB04-不带Attention的Encoder2Decoder框架解析.mp440.26MB03-深度学习注意力机制介绍.mp448.43MB02-seq2seq文本翻译过程解析.mp467.41MB01-昨日内容回顾.mp444.94MBday05845.6MB
12-今日内容总结.mp444.78MB11-LSTM+GRU模型预测.mp433.18MB10-RNN模型预测结果.mp4106.3MB09-模型结果的图形化展示.mp492.58MB08-保存模型训练结果到文件.mp477.75MB07-LSTM模型的训练代码的实现.mp447.01MB06-RNN模型训练代码的实现--后半部分.mp493.02MB05-RNN模型训练代码的实现--前半部分.mp4105.17MB04-GRU模型的搭建和测试.mp420.03MB03-LSTM模型的搭建和测试.mp445.53MB02-RNN模型的搭建和测试.mp4130.66MB01-昨日内容总结.mp449.59MBday04668.94MB
13-今日内容总结.mp419.24MB12-实例化dataloader对象.mp455.98MB11-构建Dataset数据源对象.mp497.8MB10-将文本数据读取到内存中.mp455.63MB09-RNN人名分类导入第三方工具.mp437.55MB08-RNN人名分类案例介绍.mp454.5MB07-GRU模型代码的实现.mp429.55MB06-GRU模型架构原理解析.mp445.48MB05-LSTM模型代码的实现.mp484.8MB04-Bi-LSTM模型原理.mp438.32MB03-LSTM模型内部结构源代码分析.mp423.2MB02-LSTM模型内部结构分析.mp462.32MB01-昨日内容回顾.mp464.55MBday03698.93MB
14-今日内容总结.mp421.41MB13-RNN模型修改层数.mp445.16MB12-RNN模型原理解析.mp437.63MB11-RNN模型改变长度.mp426.61MB10-RNN模型代码的实现--base.mp483.14MB09-传统RNN模型内部结构讲解.mp447.5MB08-RNN模型入门.mp474.46MB07-回忆数据增强方法.mp425.9MB06-句子长短补齐和截断.mp443.51MB05-实现N-Gram的代码.mp452.3MB04-添加N-gram特征的原理.mp442.95MB03-词云展示讲解后半部分.mp443.42MB02-词云展示讲解前半部分.mp4103.77MB01-昨日内容回顾.mp451.17MBday02728.14MB
12-今日内容总结.mp420.78MB11-词频统计代码实现.mp439.4MB10-长度分布散点图.mp436.58MB09-句子长度分布统计.mp493.67MB08-标签数量统计分布.mp457.9MB07-从Embedding中获取某个词的词向量.mp454.42MB06-nn.Embedding的代码实现.mp4147.79MB05-nn.Embedding代码分析.mp440.93MB04-nn.Embedding和word2vec区别.mp410.31MB03-fasttext训练词向量进阶.mp455.8MB03-fasttext训练词向量基础.mp484.44MB02-skipgram的讲解.mp436.48MB01-昨日内容回顾.mp449.65MBday01644.4MB
17-今日内容总结.mp416.98MB16-CBOW推导过程思想.mp442.31MB15-CBOW模型的思想.mp475.53MB14-onehot编码的应用.mp417.76MB13-onehot编码的实现和训练.mp486.93MB12-文本张量的表示方法介绍.mp447.06MB11-NER和Pos的讲解.mp437.5MB10-上午内容回顾.mp432.4MB09-jieba繁体分词和用户自定义词典.mp443.76MB08-jieba全模式和搜索引擎分词.mp443.11MB07-jieba精确模式分词.mp446.04MB06-文本分词的介绍.mp424.86MB05-文本预处理的主要模块.mp416.21MB04-笔记总结.mp47.86MB03-自然语言处理入门.mp475.2MB02-课程内容简介.mp413.59MB01-课程安排.mp417.31MB06_深度学习基础-V5.X版-6天-AI版2.1GB
day06368.61MB
09-内容总结.mp446.48MB08-模型预测.mp440.83MB07-模型训练.mp439.96MB06-模型构建.mp445.84MB05-数据集封装.mp431.47MB04-歌词生成案例.mp483.06MB03-API.mp437.05MB02-RNN的流程.mp414.82MB01-RNN介绍.mp429.12MBday05368.53MB
12-内容总结.mp45.65MB11-词嵌入层.mp458.8MB10-自然语言处理概述.mp416.46MB09-模型训练.mp430.53MB08-网络构建实现.mp429.72MB07-网络结构构建.mp424.45MB06-图像分类案例.mp433.51MB05-池化层.mp431.64MB04-卷积层的实现.mp422.3MB03-卷积层.mp462.59MB02-卷积神经网络的构成.mp413.7MB01-图像是什么.mp439.17MBday04394.19MB
15-训练和预测.mp445.6MB14-手机价格分类案例.mp461.38MB13-BN层.mp410.74MB12-正则化方法.mp433.63MB11-学习率衰减2.mp413.42MB10-学习率衰减.mp436.21MB09-rmsprop+adam.mp48.55MB08-adagrad.mp414.08MB07-动量法.mp422.24MB06-指数加权平均.mp453.4MB05-案例：反向隐藏层.mp48.87MB04-案例：反向输出层.mp419.63MB03-案例：前向过程.mp414.02MB02-前向和反向的过程.mp420.74MB01-内容回顾.mp431.7MBday03344.88MB
13-梯度下降算法.mp429.86MB12-回归损失函数.mp430.84MB11-二分类交叉熵损失.mp415.97MB10-交叉熵损失.mp419.83MB09-损失函数.mp442.29MB08-神经网络优缺点.mp414.29MB07-参数量统计.mp426.8MB06-模型构建.mp455.84MB05-参数初始化.mp449.34MB04-激活函数总结.mp44.7MB03-其他激活函数.mp416.34MB02-softmax.mp422.04MB01-内容回顾.mp416.74MBday02353.54MB
11-tanh+relu.mp432.85MB10-sigmoid.mp427.84MB09-激活函数作用.mp419.44MB08-神经网络介绍.mp447.86MB07-回归案例总结.mp438.64MB06-线性回归案例.mp468.86MB05-自动微分2.mp414.45MB04-自动微分.mp426.28MB03-张量拼接.mp419.49MB02-view.mp419.3MB01-形状变换.mp438.54MBday01323.84MB
16-形状操作.mp415.44MB15-多维索引.mp414.95MB14-范围与布尔索引.mp423.29MB13-索引操作.mp421.11MB12-运算函数.mp422.3MB11-点乘和点积.mp418.35MB10-基本运算.mp414.81MB09-标量.mp47.41MB08-张量和ndarray的转换.mp428.16MB07-元素类型转换.mp48.75MB06-全01张量.mp411.76MB05-线性张量和随机张量.mp418.89MB04-torch张量创建.mp443.78MB03-torch简介.mp421.11MB02-发展历史.mp429.29MB01-深度学习是什么.mp424.42MB05_金融风控-V5.X版-8天-AI版7.34GB
day08906.72MB
20【理解】面试流程说明.mp470.26MB19【了解】简历和项目文档概述.mp433.88MB18【理解】冲突的解决.mp438.29MB17【实现】分支代码合并.mp430.09MB16【实操】更新远程仓库代码.mp419.36MB15【实操】PyCharm整合git操作.mp451.56MB14【回顾】上午内容回顾.mp418.42MB13【实现】PyCharm拉取代码.mp419.89MB12【了解】git命令拉取代码.mp414.18MB11【实现】配置账号及公钥.mp436.03MB10【了解】gitee及分支描述.mp431.35MB09【了解】git分支.mp419.79MB08【理解】git架构.mp430.18MB07【理解】概念区分.mp432.38MB06【了解】Git及安装.mp416.94MB05【了解】版本控制系统之集中式和分布式.mp417.71MB05-面试流程说明.mp4107.77MB04【了解】版本控制系统简述.mp414.55MB04-冲突解决.mp445.98MB03【了解】git简单历史.mp411.8MB03-PyCharm操作.mp442.45MB02【总结】项目总结-画图.mp453.41MB02-git配置.mp449.51MB01【总结】项目总结-xmind.mp483.88MB01-git分支介绍.mp417.06MBday07878.13MB
18【小结】今日内容总结.mp4111.93MB17【了解】preA模型.mp459.4MB16【实现】异常点检测-IF案例.mp491.11MB15【理解】异常点检测-IF概述.mp428.26MB14【实现】异常点检测-LOF案例.mp497.06MB13【理解】异常点检测-LOF概述.mp429.96MB12【了解】异常点检测-zscore介绍.mp47.35MB11【了解】异常点检测说明.mp416.7MB10【了解】反欺诈检测.mp426.71MB09【回顾】上午内容回顾.mp48.05MB08【实现】杨不均衡-SMOTE案例实现.mp490.38MB07【理解】样本不均衡-SMOTE案例流程说明.mp476.43MB06【理解】样本不均衡-过采样介绍.mp419.49MB05【实现】样本不均衡-代价敏感案例.mp445.81MB04【理解】样本不均衡-代价敏感介绍.mp415.36MB03【理解】样本不均衡及处理方式说明.mp412.47MB02【了解】今日内容介绍.mp45.78MB01【回顾】昨日内容回顾.mp4135.87MBday061.71GB
18【总结】今日内容总结.mp456.11MB17【理解】toad库梳理整个流程.mp4207.96MB16【理解】集成学习评分卡-模型报告说明.mp445.6MB15【实现】集成学习评分卡-评分映射.mp443.57MB14【实现】集成学习评分卡-模型训练&特征筛选.mp4113.23MB14【实现】集成学习评分卡-模型评估&画图.mp433.78MB13【理解】LightGBM参数&训练思路分析.mp464.49MB12【实现】集成学习评分卡-加载数据并数据划分.mp446.42MB11【理解】集成学习评分卡-LightGBM分布式含义解释.mp434.01MB10【回顾】上午内容回顾.mp422.26MB09【理解】集成学习评分卡-LightGBM原理.mp462.12MB08【实现】逻辑回归评分卡-评级划分.mp422.67MB08-toad整体流程梳理.mp4142.56MB07【实现】逻辑回归评分卡-评分映射.mp460.96MB07-toad官网简介.mp473.29MB06【理解】逻辑回归评分卡-模型报告可视化.mp413.94MB06-集成学习评分卡.mp4179.39MB05【实现】逻辑回归评分卡-模型报告-报告实现（下）.mp467.57MB05-LightGBM思路梳理.mp439.31MB04【实现】逻辑回归评分卡-模型报告-报告实现（上）.mp461.79MB04-LightGBM优势.mp472.36MB03【实现】逻辑回归评分卡-模型报告-数据准备.mp453.87MB03-评分卡转换.mp461.95MB02【了解】今日内容介绍.mp421.34MB02-评分卡逻辑转换.mp420.22MB01【回顾】昨日内容回顾.mp464.56MB01-昨日内容回顾.mp461.9MBday05708.74MB
19【总结】今日内容总结.mp428.5MB18【理解】模型报告解读.mp454.17MB17【实现】逻辑回归评分卡-特征筛选.mp4113.94MB16【实现】逻辑回归评分卡-模型评估.mp452.97MB15【实现】逻辑回归评分卡-模型训练.mp429.77MB14【理解】逻辑回归评分卡-到底是先做特征还是先训练模型.mp423.75MB13【实现】逻辑回归评分卡-加载数据.mp417.81MB12【理解】逻辑回归评分卡-评分映射方法.mp430.92MB11【理解】模型构建流程（下）.mp415.07MB10【了解】模型构建流程（中）.mp425.37MB09【了解】模型构建流程（上）.mp427.97MB08【了解】模型评分卡内容安排说明.mp410.05MB07【小结】特征工程小结.mp430.08MB06【理解】特征监控.mp435.8MB05【实现】多特征筛选-L1特征选择.mp438.26MB04【实现】多特征筛选-递归特征消除.mp441.58MB03【实现】多特征筛选-方差膨胀系数案例.mp493.56MB02【理解】多特征筛选-方差膨胀系数.mp417.1MB01【回顾】昨日内容回顾.mp422.07MBday04771.14MB
23【总结】今日内容总结.mp452.59MB22【实现】特征筛选-Boruta案例.mp487.01MB21【理解】特征筛选-Boruta.mp419.52MB20【理解】特征筛选-星座特征.mp49.75MB19【理解】好特征的标准-稳定性及小结.mp414.13MB18【实现】好特征的标准-相关性案例.mp455.69MB17【理解】好特征的标准-相关性.mp424.51MB16【理解】好特征的标准-区分度.mp421.54MB15【理解】好特征的标准-覆盖度.mp47.88MB14【扩展】信贷业务和可解释性.mp435.02MB13【了解】用户关联特征.mp414.79MB12【了解】特征组合.mp49.69MB11【了解】多值有序类型编码.mp45.86MB10【理解】三种编码小结.mp413.97MB09【小结】toad库分箱案例-小结.mp430.52MB08【实现】toad库分箱案例-WOE编码.mp428.46MB07【实现】toad库分箱案例-badrate坏人的比例及调整.mp485.07MB06【实现】toad库分箱案例-WOE编码.mp434.95MB05【实现】toad库分箱案例-其他分箱展示.mp47.46MB04【实现】toad库分箱案例-调整箱数.mp428.6MB03【实现】toad库分箱案例-并可视化.mp470.19MB02【实现】toad库分箱案例-加载数据.mp458.84MB01【回顾】昨日内容回顾.mp455.07MBday03768.08MB
21【总结】今日内容回顾.mp433.64MB20【理解】toad库大致说明.mp418.9MB19【理解】卡方分箱.mp433.3MB18【理解】分箱介绍.mp439.85MB17【理解】时间序列特征未来信息处理.mp415.4MB16【理解】时间序列特征缺失值处理.mp429.15MB15【理解】时间序列特征衍生方式.mp473.65MB14【理解】时间截面特征&静态信息特征.mp431.05MB13【了解】梳理数据内置逻辑.mp432.61MB12【理解】数据准备-征信数据介绍.mp456.7MB11【小结】业务规则案例-小结.mp429.5MB10【实现】业务规则案例-模型训练&可视化.mp460.62MB09【实现】业务规则案例-类别型衍生.mp417.03MB08【实现】业务规则案例-数值型衍生.mp441.89MB07【实现】业务规则案例-数据处理（填充，过滤，去重）.mp457.18MB06【实现】业务规则案例-加载数据.mp438.11MB05【理解】业务规则案例-数据字典.mp425.73MB04【理解】业务规则案例-需求.mp410.44MB03【理解】规则挖掘案例介绍.mp436.52MB02【了解】今日内容介绍.mp49.28MB01【回顾】昨日内容回顾.mp477.57MBday02898.54MB
22【理解】上线运营.mp424.2MB21【理解】模型构建-模型训练&模型评估.mp411.93MB20【理解】特征工程-特征评估.mp410.98MB19【理解】特征工程-特征构建.mp420.98MB18【理解】特征工程-数据收集.mp431.27MB17【理解】项目准备期-样本设计.mp413.26MB16【理解】姓名准备期-数据集划分.mp46.8MB15【理解】项目准备期-观察期和表现期.mp417.65MB14【理解】项目准备期-样本的概述.mp426.74MB13【掌握】项目准备期-Y标签的定义.mp451.01MB12【理解】机器学习流程.mp424.8MB11【理解】互联网金融组成三部分.mp438.15MB10【理解】业务流程&ABC卡介绍.mp440.82MB09【了解】下午内容介绍.mp43.03MB08【理解】金融风控项目流程梳理.mp413.07MB07【了解】通过率表（2）.mp449.12MB06【了解】通过率表（1）.mp445.34MB05【了解】各阶段转化率表（4）.mp465.14MB04【了解】各阶段转换率表（3）.mp4113.83MB03【了解】各阶段转化率表（2）.mp497.64MB02【了解】各阶段转化率表（1）.mp4109.84MB01【回顾】昨日内容回顾.mp482.92MBday01839.58MB
22【了解】数据导入.mp415.68MB21【了解】风控报表指标介绍.mp48.21MB20【了解】前置操作（配置终端工具和datagrip）.mp433.2MB19【了解】业务表说明.mp467.56MB18【了解】业务转换和漏斗.mp418.63MB17【理解】信贷业务如何运行.mp437.13MB16【小结】风控业务案例小结.mp421.65MB15【实现】风控业务案例-回收账单数.mp443.25MB14【实现】风控业务案例-就散入催率.mp471.76MB13【实现】风控业务案例-计算坏账率.mp459.03MB12【实现】风控业务案例-季度转换和过滤.mp451.87MB11【实现】风控业务案例-增加中间字段.mp464.26MB10【实现】风控业务案例-数据处理.mp461.45MB09【实现】风控业务案例-数据加载.mp436.66MB08【理解】风控业务案例-背景&需求说明.mp434.82MB07【理解】风控术语名词.mp426.18MB06【了解】常见风险介绍.mp422.53MB05【了解】消费贷和现金贷.mp477.74MB04【理解】信贷&风控介绍.mp453.96MB03【了解】-今日内容介绍.mp413.62MB02【了解】-项目整体介绍.mp412.81MB01【了解】-课程资料说明.mp47.56MB04_机器学习-V5.X版-10天-AI版5.67GB
day10-总结+拓展610.27MB
06-大模型时代-2.mp4111MB05-大模型时代-1.mp4104.87MB04-总结回顾-4.mp478.13MB03-总结回顾-3.mp499.24MB02-总结回顾-2.mp4104.92MB01-总结回顾-1.mp4112.1MBday09-聚类kmeans算法+SVM553.9MB
10-SVM核函数.mp442.09MB09-SVM算法原理.mp461MB08-SVM-C值测试.mp413.25MB07-SVM案例-鸢尾花-模型训练展示.mp477.27MB06-SVM案例-鸢尾花-数据读取处理.mp450.94MB05-SVM思想.mp434.67MB04-案例-客户分析-模型训练及结果分析.mp496.55MB03-案例-客户分析-数据展示.mp482.89MB02-K-means总结.mp438.1MB01-朴素贝叶斯+特征降维总结.mp457.14MBday08-朴素贝叶斯和特征降维+聚类K-means578.49MB
14-K-Means评估指标.mp481.08MB13-K-means实现流程.mp424.53MB12-K-means API.mp422.65MB11-聚类基本介绍.mp418.47MB10-特征降维总结.mp422.76MB09-朴素贝叶斯总结.mp438.14MB08-特征降维总结.mp48.66MB07-相关系数法mp4.mp449.84MB06-PCA.mp417.88MB05-低方差过滤法.mp422.91MB04-朴素贝叶斯情感分类案例.mp490.09MB03-总结.mp418.55MB02-朴素贝叶斯思想.mp462.83MB01-昨日回顾.mp4100.1MBday07-集成学习622.01MB
09-XGBoost案例.mp4105.32MB08-XGBoost原理.mp457.11MB07-GBDT 案例-泰坦尼克号-代码实现.mp434.32MB06-GBDT思想.mp445.45MB05-adaboost案例-葡萄酒分类 .mp465.49MB04-随机森林案例.mp434.14MB04-Adaboost思想.mp4113.22MB03-随机森林思想.mp465.55MB02-集成学习思想.mp439.03MB01-昨日回顾.mp462.37MBday06-决策树575.45MB
16-今日总结.mp478.47MB15-决策树剪枝.mp436.82MB14-回归决策树-案例.mp429.82MB13-回归决策树-思想.mp434.53MB12-泰坦尼克号案例-代码实现.mp495.47MB11-泰坦尼克号案例-讲解.mp441.73MB10-CART决策树-案例+总结.mp428.1MB09-CART决策树-案例.mp437.08MB08-C4.5总结.mp46.96MB07-C4.5-案例.mp420.58MB06-C4.5-信息增益率.mp420.95MB05-ID3决策树-总结.mp443.03MB04-信息增益-详解.mp411.61MB03-ID3决策树-信息增益.mp433.4MB02-决策树思想.mp49.93MB01-昨日回顾.mp446.99MBday05-逻辑回归616.3MB
08-今日总结.mp458.8MB07-案例-客户流失-模型训练.mp470.52MB06-案例-客户流失-数据预处理.mp4109.98MB06-AUCAPI.mp426.34MB05-ROCAUC.mp455.58MB04-评估-PRf1-score.mp438.57MB03-评估-混淆矩阵.mp444.65MB02-逻辑回归案例-cancer预测.mp498.63MB01-总结回顾.mp4113.23MBday04-线性回归+逻辑回归638.83MB
15-逻辑回归基本原理.mp440.03MB14-逻辑回归基本介绍.mp438.49MB13-线性回归总结.mp481.53MB12-正则化-L2正则化及代码实现.mp452.98MB11-正则化-L1.mp450.86MB10-过拟合欠拟合实现.mp439.66MB09-波士顿房价预测-梯度下降法.mp421.57MB08-波士顿房价预测-正规方程法.mp445.56MB07-梯度下降法+正规方程法API.mp419.05MB06-评估指标.mp425.63MB05-梯度下降算法总结.mp48.8MB04-梯度下降法算法分类.mp450.73MB03-案例-银行信贷.mp458.21MB02-梯度下降法案例.mp421.77MB01-昨日回顾.mp483.97MBday03-线性回归428.89MB
10-梯度下降法.mp412.87MB09-正规方程法.mp429.49MB08-练习题.mp417.97MB07-导数和矩阵.mp486.06MB06-线性回归基本求解及概念介绍.mp450.49MB05-线性回归介绍.mp412.88MB04-KNN-作业.mp412.41MB03-KNNMINIST-模型训练.mp478MB02-KNN-MINIST-数据获取.mp463.86MB01-昨日回顾.mp464.86MBday02-KNN算法543.49MB
14-今日总结.mp455.92MB13-交叉验证代码解析.mp421.17MB12-交叉验证网格搜索.mp451.46MB11-模型预测评估.mp468.57MB10-数据可视化+数据集切分.mp427.2MB09-鸢尾花特征数据展示.mp452.94MB08-模型预处理案例-鸢尾花-数据导入.mp429.82MB07-模型预处理-标准化及总结.mp436.77MB06-模型预处理-归一化.mp436.3MB05-距离度量.mp424.01MB04-KNN-API.mp421.14MB03-KNN思想2.mp434.08MB02-KNN思想.mp410.74MB01-昨日回顾.mp473.35MBday01-机器学习概述524.81MB
14-今日总结.mp432.14MB13-sklearn库.mp46.77MB12-过拟合欠拟合.mp415.96MB11-特征工程.mp417.94MB10-kmeans案例.mp478.21MB09-KNN案例.mp443.69MB08-线性回归-模型保存.mp422.24MB07-Anaconda+Pycharm.mp438.25MB06-建模流程+线性回归案例demo.mp468.26MB05-机器学习算法分类.mp442.86MB04-常用术语（特征，样本，标签）.mp416.57MB03-应用领域及发展史.mp431.87MB02-人工智能三大概念.mp460.67MB01-课前内容.mp449.38MB算法-毕天宇-滑动窗口法.mp476.91MB每日算法.mp437.49MB03-数据处理和统计分析-V5.X版-10天-AI版6.35GB
day10745.67MB
18.总结NumpyPandas.mp461.98MB17.总结LinuxMySQL.mp433.42MB16.扩展迭代器.mp449.57MB15.RFM案例-面向对象版.mp490.9MB14.RFM案例-总结及细节.mp425.28MB13.RFM案例-导出结果到本地文件或者数据库.mp446.32MB12.RFM案例-绘制3D柱状图.mp435.57MB11.RFM案例-计算最终结果.mp416.79MB10.上午内容回顾.mp438.15MB09.RFM案例-计算RFM各项指标值.mp495.91MB08.RFM案例-汇总数据.mp420.1MB07.RFM案例-数据预处理.mp465.49MB06.RFM案例-加载数据及查看格式.mp451.44MB05.RFM案例-数据源介绍.mp410.96MB04.RFM案例-背景介绍.mp411.51MB03.RFM案例-基本实现过程介绍.mp422.7MB02.会员价值度预估模型介绍.mp432.05MB01.昨日内容回顾.mp437.54MBday09454.63MB
16.Seaborn-样式介绍.mp420.82MB15.Seaborn-双变量-小提琴图.mp423.56MB14.Seaborn-双变量-箱线图.mp435.68MB13.Seaborn-双变量-2D密度图.mp416.74MB12.上午内容回顾.mp48.27MB11.Seaborn-双变量-散点图.mp457.55MB10.Seaborn-单变量-计数图.mp48.93MB09.Seaborn-单变量-密度图.mp414.8MB08.Seaborn-单变量-直方图.mp430.77MB07.Pandas-单变量-折线图-面积图-饼图.mp426.2MB06.Pandas-单变量-柱状图(条形图).mp434MB05.MatPlotlib-多变量-散点图.mp440.58MB04.MatPlotlib-双变量-散方图.mp414.63MB03.MatPlotlib-单变量-直方图.mp428.46MB02.anscombe数据集可视化.mp452.81MB01.今日内容大纲介绍.mp440.82MBday08671.48MB
25.Matplotlib-面向对象方式绘图.mp410.44MB24.Matplotlib-状态接口方式绘图.mp425.19MB23.Python可视化组件介绍.mp411.16MB22.获取连续的日期.mp422.8MB21.日期运算.mp452.33MB20.提取日期的各个部分.mp425.37MB19.Pandas中的日期类型介绍.mp427.5MB18.回顾python中的日期类型.mp410.33MB17.零售会员数据分析-会员增量等级分布.mp457.68MB16.零售会员数据分析-计算月存量.mp427.88MB15.零售会员数据分析-透视表方式计算月增量.mp49.63MB14.零售会员数据分析-月增量实现及可视化.mp434.29MB13.零售会员数据分析-需求介绍.mp430.38MB12.上午内容回顾.mp419.8MB11.GroupBy分组对象介绍.mp426.41MB10.分组过滤演示.mp49.9MB09.分组转换演示.mp470.84MB08.分组聚合演示.mp434.57MB07.apply函数-结合lambda表达式使用.mp415.09MB06.向量化函数介绍.mp421.35MB05.apply函数案例-计算某列的缺失值占比.mp437.6MB04.apply函数-操作df对象.mp430.46MB03.apply函数-操作Series对象.mp426.21MB02.今日内容大纲介绍.mp49.6MB01.昨日反馈处理及内容回顾.mp424.68MBday07799.47MB
23.缺失值处理-线性填充.mp443.33MB22.缺失值处理-非线性填充.mp414.67MB21.缺失值处理-删除.mp418.1MB20.缺失值-查看.mp433.77MB19.缺失值-加载.mp417.49MB18.缺失值-初识.mp422.34MB17.数组聚合-join方式(了解).mp445.08MB16.数据组合-merge-多对一.mp441.64MB15.数据组合-merge-一对一.mp473.72MB14.数据组合-append()函数.mp438.32MB13.数据组合-concat()函数.mp456.55MB12.上午内容回顾.mp414.84MB11.链家案例-9~12需求.mp439.83MB10.链家案例-6~8需求.mp449.67MB09.链家案例-前5个需求.mp483.91MB08.DataFrame-常用排序方法.mp438.95MB07.DataFrame-常用的统计值的方法.mp415.44MB06.DataFrame-基本绘图.mp48.2MB05.DataFrame-聚合统计.mp438.51MB04.DataFrame-加载指定行列的数据.mp429.51MB03.DataFrame-加载行, 列数据.mp457.99MB02.今日内容大纲介绍.mp45.74MB01.昨日内容回顾.mp411.86MBday06713.71MB
20.DataFrame-导入和导出数据.mp489.42MB19.DataFrame-添加-删除-插入列.mp447.43MB18.DataFrame-修改行索引和列名.mp452.63MB17.DataFrame-索引操作-入门.mp448.85MB16.DataFrame-计算.mp420.49MB15.DataFrame-布尔索引.mp413.92MB14.DataFrame-常用函数介绍.mp438.08MB13.DataFrame-常用属性介绍.mp416.6MB12.上午内容回顾.mp427.91MB11.Series-计算.mp428.94MB10.Series-结合布尔值操作.mp440.57MB09.Series案例-电影数据.mp448.76MB08.Series对象常用函数.mp440.06MB07.Series对象常用属性.mp468.61MB06.创建DataFrame对象.mp436.31MB05.扩展通过元组字典创建Series对象.mp45.82MB04.通过列表创建Series对象.mp438.11MB03.Panda-数据结构介绍.mp428.01MB02.今日内容大纲介绍.mp45.85MB01.昨日反馈处理.mp417.33MBday05656.51MB
22.ndarray运算.mp442.39MB21.ndarray内置函数比较-排序-去重.mp434.52MB20.ndarray内置函数-统计函数.mp423.93MB19.ndarray内置函数-基本函数.mp437.46MB18.创建ndarray数组logspace等比数列和linspace等差数列.mp421.16MB17.创建ndarray数组astype函数.mp411.84MB16.创建ndarray数组randrandintuniform.mp414.26MB15.创建ndarray数组arangematrix.mp423.38MB14.创建ndarray数组zerosonesempty.mp450.21MB13.Numpy-常用属性.mp442.98MB12.上午内容回顾.mp452.99MB11.PyCharm集成Anaconda-jupyter Notebook.mp457.81MB10.扩展Jupyter lab演示.mp415.26MB09.Jupyter Notebook-常用快捷键.mp424.44MB08.Jupyter Notebook-入门.mp445.04MB07.Anaconda-沙箱相关操作.mp430.21MB06.Anaconda-如何安装第三方资源库.mp423.45MB05.Anaconda-环境搭建.mp431.19MB04.Python-常见的开源库.mp423.22MB03.Python数据分析的优势.mp412.99MB02.今日内容大纲介绍.mp421.87MB01.昨日反馈处理.mp415.92MBday04659.18MB
16.窗口函数入门.mp459.63MB15.多表查询-自关联查询.mp472.94MB14.多表查询-子查询.mp433.45MB13.多表查询-连接查询.mp427.53MB12.多表查询-交叉查询.mp421.57MB11.扩展多表建表-一对一.mp47.38MB10.扩展多表建表-多对多.mp437.9MB09.多表建表-一对多.mp468.17MB08.上午内容回顾.mp421.51MB07.单表查询-分页查询.mp455.47MB06.单表查询-分组查询.mp469.47MB05.单表查询-聚合查询.mp449.35MB04.单表查询-排序查询.mp413.59MB03.单表查询-条件查询.mp446.22MB02.单表查询-简单查询.mp458.69MB01.昨日内容回顾及反馈处理.mp416.3MBday03604.6MB
22.约束详解.mp440.09MB21.扩展如何备份数据表.mp420.46MB20.delete from 和 truncate table区别.mp430.12MB19.DML-修改和删除表数据.mp442.83MB18.DML-添加表数据.mp438.5MB17.DDL-操作字段.mp431.05MB16.DDL-操作数据表.mp429.5MB15.DDL-操作数据库.mp442MB14.上午内容回顾.mp430.41MB13.SQL语句-通用语法和常用数据类型.mp437.59MB12.SQL语句-分类.mp419.91MB11.扩展DataGrip基本设置.mp411.05MB10.扩展PyCharm连接MySQL.mp411.06MB09.DataGrip连接MySQL.mp445.62MB08.MySQL-登陆和登出.mp431.71MB07.MySQL-安装时可能遇到的问题.mp423.1MB06.MySQL-安装.mp438.77MB05.MySQL版本介绍.mp429.33MB04.数据库分类.mp422.17MB03.数据库简介.mp416.02MB02.今日内容大纲介绍.mp45.16MB01.昨日内容回顾.mp48.16MBday02553.85MB
扩展65.51MB
03.MySQL环境搭建.mp437.99MB02.Shell脚本-运行方式.mp416.29MB01.Shell入门.mp411.24MB22.压缩和解压缩-zip方式.mp410.09MB21.压缩和解压缩-tarball 归档方式.mp431.72MB20.Linux-上传和下载.mp420.61MB19.环境变量相关.mp429.65MB18.进程相关.mp413.66MB17.网络相关-端口号相关操作.mp412.08MB16.网络传输-下载和发起网络请求.mp443.53MB15.网络相关-配置域名映射.mp434.09MB14.IP地址-介绍.mp411.24MB13.上午内容回顾.mp48.07MB12.Linux-硬链接.mp411.82MB11.Linux-软连接.mp420.73MB10.Linux-服务管理命令-systemctl.mp418.13MB09.Linux-yum方式安装软件.mp430.8MB08.Linux-常用快捷键.mp411.58MB07.权限管理命令-chown.mp414.7MB06.权限管理命令-chmod.mp429.81MB05.权限查看相关.mp428.84MB04.用户和用户组相关操作.mp438.44MB03.root用户-初识.mp438.04MB02.今日内容大纲介绍.mp43.63MB01.昨日反馈处理.mp427.07MBday01643.87MB
23.扩展man命令 和 help选项.mp412.03MB22.Linux基础命令-vi常用快捷键.mp435.69MB21.Linux基础命令-vi命令入门.mp414.87MB20.Linux基础命令-echo, 重定向, tail命令.mp429.7MB19.Linux基础命令-grep和管道命令.mp425.93MB18.Linux基础命令-查找命令.mp436.6MB17.Linux基础命令-文件操作(下).mp430.58MB16.Linux基础命令-文件操作(上).mp433.2MB15.Linux基础命令-创建目录.mp49.87MB14.Linux基础命令-cd和pwd.mp419.77MB13.Linux基础命令-ls命令.mp423.09MB12.上午内容回顾.mp419.35MB11.Linux目录-介绍.mp438.93MB11.Linux-命令格式介绍.mp49.76MB10.FinalShell-连接Linux虚拟机.mp459.28MB09.Linux-快照.mp414.18MB08.挂载虚拟机到Vmware软件(掌握).mp416.54MB07.手动安装虚拟机(了解即可).mp447MB06.Vmware-软件安装.mp421.45MB05.虚拟化软件介绍.mp436.39MB04.Linux系统介绍.mp436.73MB03.计算机介绍.mp447.85MB02.今日内容大纲介绍.mp415.08MB01.阶段大纲介绍.mp49.99MB02_Python进阶-V5.X版-9天-AI版4.53GB
day09_算法和数据结构724.25MB
21.根据遍历结果-逆推树形结构.mp414.83MB20.模拟树形结构-遍历-深度优先.mp455.65MB19.模拟树形结构-遍历-广度优先.mp430.92MB18.自定义代码-模拟树形结构-添加元素.mp487.76MB17.树形结构-相关公式.mp415.94MB16.树形结构-应用场景-简介.mp49.1MB15.数据结构-树-应用场景和存储.mp440.45MB14.数据结构-树-相关概述.mp433.52MB13.二分查找-非递归版.mp422.83MB12.二分查找-递归版.mp426.27MB11.上午内容回顾.mp416.31MB10.快速排序-图解.mp439.98MB09.快速排序-代码实现.mp461.49MB08.快速排序-思路分析.mp428.23MB07.选择排序-代码实现.mp452.06MB06.选择排序-代码实现.mp429.09MB05.选择排序-分析流程.mp427.03MB04.冒泡排序-代码实现.mp431.18MB03.冒泡排序-原理介绍.mp438.73MB02.排序算法-稳定性介绍.mp414.01MB01.昨日内容回顾.mp448.87MBday08_算法和数据结构675.69MB
25.顺序表和链表区别.mp419.72MB24.链表类-查找元素.mp424.41MB23.链表类-删除元素.mp438.31MB22.链表类-往中间添加元素.mp453.19MB21.链表类-往末尾添加元素.mp417.82MB20.链表类-往头部添加元素.mp416.42MB19.链表类-遍历链表.mp413.56MB18.链表类-获取长度.mp412.66MB17.链表类-判断链表是否为空.mp419.37MB16.链表类-架构搭建.mp436.93MB15.自定义代码模拟链表-创建节点类.mp429.66MB14.链表-介绍.mp456.69MB13.上午内容回顾.mp423.41MB12.数据结构-线性结构-顺序表-添加和删除.mp432.22MB11.数据结构-线性结构-顺序表扩容策略.mp425.38MB10.数据结构-线性结构-顺序表介绍.mp431.78MB09.数据结构-划分.mp423.6MB08.回顾-数据结构和算法概述.mp413.85MB07.空间复杂度介绍(了解).mp418.08MB06.常见的时间复杂度介绍(掌握).mp427.58MB05.最优最坏时间复杂度介绍.mp417.27MB04.时间复杂度计算.mp430.31MB03.时间复杂度介绍.mp443.67MB02.今日内容大纲介绍.mp411.55MB01.昨日反馈处理.mp438.25MBday07_正则表达式721.33MB
20.时间复杂度简介.mp437.87MB19.数据结构和算法-特点.mp438.16MB18.数据结构和算法-入门.mp418.86MB17.正则表达式-分组详解.mp476.59MB16.正则表达式-或者 和 分组.mp453.09MB15.正则表达式-校验开头和结尾.mp438.2MB14.正则表达式-校验多个字符.mp437.65MB13.正则表达式-校验单个字符.mp448.7MB12.上午内容回顾.mp424.43MB11.正则表达式-替换.mp436.35MB10.正则表达式-数量词.mp426.28MB09.正则表达式-入门.mp432.25MB08.正则表达式-相关概述.mp428.05MB07.property-修饰类变量.mp420.12MB06.property-装饰器用法.mp432.27MB05.生成器-自定义数据迭代器.mp487.22MB04.生成器-yield关键字.mp425.24MB03.生成器-推导式写法.mp427.34MB02.今日内容大纲介绍.mp46.78MB01.昨日反馈处理.mp425.88MBday06_多线程_生成器562.92MB
19.自定义代码实现-上下文管理器(了解).mp467.07MB18.回顾-with open语法.mp425.76MB17.多线程和多进程的区别.mp420.96MB16.多线程-解决线程安全问题.mp439.86MB15.多线程-操作共享变量-出现非法值.mp445.59MB14.多线程-线程间共享数据.mp423.55MB13.上午内容回顾.mp427.47MB12.多线程-守护线程.mp413.53MB11.多线程-执行顺序.mp436.39MB10.多线程-参数解释.mp418.76MB09.多线程-入门.mp414.05MB08.多线程-基本概述.mp424.86MB07.设置主进程结束-子进程同步结束.mp438.51MB06.默认-主进程会等待子进程结束再结束.mp421.45MB05.多进程-进程之间数据相互隔离.mp435.09MB04.多进程-获取进程编号.mp439.1MB03.多进程-参数解释.mp439.3MB02.今日内容大纲介绍.mp410.76MB01.昨日反馈处理.mp420.87MBday05_网编和多线程759.79MB
20.多进程-代码实现.mp471.11MB19.多任务介绍.mp444.96MB18.并行和并发介绍.mp452.86MB17.扩展文件上传支持多客户端.mp427.88MB16.扩展文件上传.mp454.75MB15.扩展长连接.mp439.73MB14扩展.服务器端-接收多客户端消息.mp453.15MB13.服务器端-端口号复用.mp428.75MB12.上午内容回顾.mp435.65MB11.案例-收发1句话-客户端代码实现.mp437.6MB10.案例-收发1句话-服务器端代码实现.mp441.58MB09.字符串和二进制数据相互转换.mp439.38MB08.TCP流程分析.mp430.32MB07.socket-入门.mp414.65MB06.网络通信-原理.mp422.82MB05.协议-介绍.mp438.59MB04.端口号-介绍.mp432.07MB03.网络编程-介绍.mp452.33MB02.今日内容大纲介绍.mp46.37MB01.昨日反馈处理.mp435.25MBday04_闭包和装饰器518.68MB
17.带有参数的装饰器(下).mp418.42MB16.带有参数的装饰器(上).mp462.13MB15.多个装饰器-执行流程.mp435.03MB14.多个装饰器-装饰1个函数.mp427.52MB13.装饰器-可变参数.mp420.06MB12.装饰器-有参有返回值.mp413.12MB11.装饰器-无参有返回值.mp424.09MB10.上午内容回顾.mp418.07MB09.装饰器-有参无返回值.mp413.5MB08.装饰器-无参无返回值.mp429.01MB07.装饰器-入门.mp448.7MB06.闭包-nonlocal关键字.mp436.62MB05.闭包-图解.mp422.53MB04.闭包-入门.mp461.44MB03.函数名-作为实参传递.mp421.17MB02.函数名-作为对象.mp438.67MB01.昨日内容回顾.mp428.59MBday03-学生管理系统-深拷贝浅拷贝678.86MB
22.今日内容总结.mp423.67MB21.深浅拷贝-深拷贝.mp452.15MB20.深浅拷贝-浅拷贝.mp440.91MB19.深浅拷贝-普通赋值.mp444.37MB18.扩展-把showview()函数定义成静态方法.mp421.51MB17.学生管理系统文件-加载学生信息.mp460.24MB16.学生管理系统文件-保存学生信息.mp424.63MB15.扩展withopen语法.mp412.69MB14.扩展dict属性.mp426.71MB13.上午内容回顾.mp413.93MB12.学生管理系统文件-查询单个学生信息.mp410.47MB11.学生管理系统文件-删除学生信息.mp417.53MB10.学生管理系统文件-修改学生信息.mp438.32MB09.学生管理系统文件-查看所有学生信息.mp417.42MB08.学生管理系统文件-添加学生.mp427.13MB07.main模块-搭建程序的主入口.mp418.23MB06.学生管理系统文件-业务逻辑代码实现.mp445.36MB05.学生管理系统文件-搭建基本框架.mp425.16MB04.学生管理系统文件-搭建提示界面.mp422.32MB03.学生类-代码实现.mp428.27MB02.面向对象版-学生管理系统-需求分析.mp433.91MB01.昨日反馈和作业处理.mp473.92MBday02-面向对象高级0B
day01-面向对象基础0B
01_Python基础-V5.X版-14天-AI版0B