尹成人工智能工程师训练营

21-1为什么要学习python · 22-2.什么是编程语言 · 23-3.安装最新的python3.11 · 24-4.python第一个程序 · 25-5.python解释器 · 26-6.安装pycharm并使用 · 27-7.python字面量 · 28-8.python注释 · 29-9.python变量 · 31-1.python办公自动化基础 · 32-2读取excel表格 · 33-3.写入excel表格 · 34-4.写入excel指定格式 · 35-5.读取上市公司报表统计均值 · 36-6.多种写入方式 · 37-7.xlwings操作excel · 38-8.excel统计文件名 · 39-9.excel作业 · 41-1numpy简介 · 42-2numpy创建数组 · 43-3numpy数据类型 · 44-4.numpy数组形状 · 45-4numpy数组属性维度与arange · 46-5numpy数组属性itemsize与flags · 47-6.numpy创建数组 · 48-7.根据已有数组创建Numpy数组 · 49-8创建一定数据范围之内的numpy数组 · 51-1.机器学习入门 · 52-2.机器学习与深度学习差异 · 53-3.numpy优势与特点 · 54-4.numpy数组基础属性 · 55-5.numpy数组创建索引切片类型变换去重 · 56-6.numpy数组计算矩阵计算 · 57-7.pandas与三种数据结构 · 58-8.pandas-dataframe索引切片排序 · 59-9.pandas-dataframe计算 · 61-1.量化交易概述-光大乌龙 · 62-1.量化投资基础 · 63-2.量化投资-艺术走向科学 · 64-2量化投资案例与小结 · 65-3.量化投资背景常识 · 66-3现代数学理论在量化投资中大有用武之地 · 67-4.可转移Alpha策略 · 68-4.量化投资-因子 · 69-5.A型alpha策略 · 71-1qlib简介 · 72-2qlib预备数据 · 73-3qlib-lightGBM · 74-4qlib案例测试 · 75-5.LSTM · 76-6.HIST · 77-7.MLP · 78-8.Transformer · 81-0.AI简史 · 82-1.pytorch简介 · 83-2.pytorch-GPU加速 · 84-3pytorch-自动求导体验 · 85-4.python安装 · 86-5.安装jupyter · 87-6.配置pycharm · 88-7.配置cuda11.1 · 89-8.安装pytorch · 91-1.tensorflow简介 · 92-2.TensorflowGPU加速 · 93-3GPU加速绘图与分析 · 94-4tensorflow自动求导与tensorflow兼容1.x与优缺点对比 · 95-5.python安装 · 96-6.安装visualstudio · 97-7pycharm安装 · 98-8.配置cuda11.1 · 99-9.配置cuda11.1cudnn · 101-opencv概述 · 102-opencv图像读写展示 · 103-opencv视频处理 · 104-opencv绘图实战 · 105-opencv-鼠标绘图 · 106-opencv三原色 · 107-图像基本处理 · 108-图像加法融合 · 111-1.paddleNLP概述 · 112-2.中文分词 · 113-3.词性标注 · 114-4.实体命名识别 · 115-5依存句法分析 · 116-6信息抽取 · 117-7解语知识标注 · 118-8.文本纠错 · 119-9.文本相似度 · 121-1.pytorch回顾与CNN简介 · 122-2.机器视觉概述 · 123-3.卷积核概念 · 124-4.卷积基础 · 125-5.CNN实践 · 126-6.alexnet实战 · 127-7CNN综合实践 · 128-8.自动驾驶模拟 · 129-9.yolov4介绍 · 131-alphago环境 · 132-alphago原理 · 141-1.课程目标介绍 · 142-2深度学习线性代数概述 · 143-3概率论 · 144-4.机器学习分析剩女 · 145-5.机器学习与深度学习差异 · 146-6.神经网络的高数 · 147-7.线性方法基础优化和softmax回归 · 148-8.最大似然估计和逻辑回归 · 149-9.基础回顾 · 151-自动驾驶模拟器概述 · 152-自动驾驶模拟器源码概述 · 153-自动驾驶模拟器分类 · 154-自动驾驶控制感知概述 · 155-自动驾驶视觉信息 · 156-自动驾驶无人机感知与控制 · 157-自动驾驶理论基础 · 158-自动驾驶理论基础传感器与角度控制 · 159-自动驾驶视觉双摄像头计算视差距离 · 161-1.课程目标概述 · 162-2.基于airsim实现机器视觉的模拟器简介 · 163-3.自动驾驶汽车控制与感知 · 164-4视觉的基础回顾 · 165-5.maskRCNN · 166-6.ssd · 167-7.yolov1v2v3概述 · 168-8.yolox实践 · 169-9.yoloact实践 · 171-深度学习概述 · 172-tensorflow概述 · 173-张量基础 · 174-张量计算与矩阵乘法 · 175-tensorflow矩阵拼接广播机制 · 176-张量索引机制 · 177-运算的内存开销 · 178-梯度求导 · 179-线性回归基本概念 · 181-0.如何进入大厂 · 182-1深度学习基础 · 183-2.线性代数与NDarray · 184-3.概率与数理统计 · 185-4.导数逆向传播和复杂度 · 186-5.线性方法 · 187-6.基础优化和层序回归 · 188-7.最大似然估计和逻辑回归 · 189-8.pytorch基础 · 210-10.python.type与类型 · 211-11执行系统命令 · 212-12.字符串三种格式 · 213-13数据类型转换 · 214-14标识符与命名规范 · 215-15常见运算符 · 216-16字符串拼接 · 217-17字符串格式化百分号 · 218-18字符串与变量f格式化 · 219-19字符串格式化表达式 · 220-20输入输出 · 221-21bool类型 · 222-22比较运算符 · 223-23.if语句 · 224-24.ifelse语句 · 225-25.ifelifelse语句 · 226-26ifelifelse语句 · 227-27and运算符 · 228-28or运算符 · 229-29not运算符 · 230-30while死循环 · 231-31while有限循环 · 232-32while循环计算加法 · 233-33while猜数字 · 234-34while循环嵌套 · 235-35while实现九九乘法表 · 236-36for实践 · 237-37for结合range · 238-38for小结 · 239-39for九九乘法表 · 240-40continue结束本次循环 · 241-41continue与嵌套循环 · 242-42break中断循环 · 243-43break嵌套循环 · 244-44.函数声明 · 245-45函数形式参数与实际参数的差异 · 246-46函数返回与None · 247-47函数文档 · 248-48函数调用过程 · 249-49变量作用域与全局变量局部变量 · 250-50全局变量global · 251-51模拟银行实践 · 252-52容器概念 · 253-53列表定义 · 254-54列表索引 · 255-55列表反向索引 · 256-56列表方法概述 · 257-57循环列表 · 258-58循环列表练习 · 259-59元组实践 · 260-60元组方法实践 · 261-61循环元组与小结 · 262-62字符串的特点 · 263-63字符串小结 · 264-64切片实践与小结 · 265-65去重的集合 · 266-66集合方法与小结 · 267-67字典原理与一般形式 · 268-68字典常用方法 · 269-69字典的小结 · 270-70容器小结 · 271-71容器的通用方法 · 272-72字符串排序 · 273-73函数多返回值 · 274-74函数参数的几种形式 · 275-75可变参数 · 276-76参数总结 · 277-77函数当作参数 · 278-78匿名函数 · 279-79文件编码 · 280-80读取文件 · 281-81文件读取小结 · 282-82文件写入 · 283-83文件读取 · 284-84文件作业 · 285-85异常与错误 · 286-86捕获异常 · 287-87异常的传递 · 288-88异常复习与模块 · 289-89调用模块函数与主执行模块 · 290-90模块函数重名 · 291-91模块小结 · 292-92包的调用小结 · 293-93外部库 · 294-94综合作业 · 295-95json格式化 · 296-96安装pyecharts · 297-97折线图绘制 · 298-98折线图的疫情绘制 · 299-99地图绘制 · 310-10.excel文件读取小结 · 311-11.excel文件写入小结 · 312-12.excel作业与akshare金融数据作业 · 313-13excel小结 · 314-14.读取word · 315-15读取word写入excel · 316-16读取word更新excel · 317-17遍历文件夹统计word到excel · 318-18遍历文件夹移动文件 · 319-19解决文件移动 · 320-20统计word到excel · 321-21word作业1 · 322-22读取excel写入docx · 323-23读取模板批量生成邀请函 · 324-24.读取doc生成题库 · 325-25读取excel实现工牌生成 · 326-26.批量生成合同 · 327-27批量生成成绩单 · 328-28word作业 · 329-29word小结 · 330-30安装python-pptx以及创造第一个ppt · 331-31pptx插入多行 · 332-32PPT插入文本框 · 333-33.PPT插入图像 · 334-34PPT基本操作 · 335-35ppt作业 · 336-36多页PPT · 337-37读取PDF · 338-38.pdf读取表格 · 339-39pdf合并docx转化成pdf · 340-40批量pdf转docx · 341-41统计pdf表格 · 342-42合并pdf信息到excel · 343-43读取pdf写入excel整合图片 · 344-44pdf合并 · 345-45pdf旋转 · 346-46pdf切割 · 347-47开启邮件服务 · 348-48.发送文本邮件 · 349-49.发送带附件的邮件 · 350-50.邮件群发 · 351-51.发送邮件自带html · 352-52发送邮件本地图片与在线图片 · 353-53收取邮件 · 354-54定时 · 355-55.准时 · 356-56文件搜索 · 357-57文件统计 · 358-58统计照片 · 359-59文件按照文件夹整理 · 360-60.文件按照人名分类 · 361-61.图片文件收纳 · 362-62文件统计 · 363-63.根目录文件搜索 · 364-64批量修改文件名 · 365-65批量删除文件 · 366-66批量创建文件夹 · 367-67批量创建文件 · 368-68创建层级目录 · 369-69批量删除文件与文件夹 · 370-70批量拷贝文件 · 371-71批量移动文件 · 372-72批量拷贝文件夹 · 373-73文件与文件夹作业 · 374-74selenium操作浏览器 · 375-75模拟百度搜索 · 376-76模拟点击 · 377-77模拟google搜索 · 378-78基金数据提取 · 379-79模拟登录小米 · 380-80网页自动化作业 · 381-81selenium小结 · 382-82selenium操作网页的几种方法 · 383-83selenium操作小结 · 384-84.图像格式转化 · 385-85修改图像大小 · 386-86图像添加汉字 · 387-87图像添加logo · 388-88批量生成工资条 · 389-89生成缩略图 · 390-90文字识别 · 391-91生成词云 · 392-92大屏展示 · 393-93作业安装 · 394-94办公自动化复习与延申 · 395-95键盘自动化 · 396-96鼠标自动化 · 397-97截屏与检测时间 · 410-9索引与切片 · 411-10.numpy高级索引-整数索引 · 412-11numpy高级索引-布尔索引 · 413-12numpy广播机制 · 414-13numpy数组迭代 · 415-14numpy数组操作维度 · 416-15numpy数组翻转操作 · 417-16数组维度修改 · 418-17数组的拼接 · 419-18数组切割 · 420-19数组的元素操作 · 421-20numpy位运算 · 422-21numpy字符串实战 · 423-22numpy算数函数 · 424-23numpy矩阵算术函数 · 425-24numpy统计函数 · 426-25搜索排序计数 · 427-26字节交换 · 428-27视图与副本 · 429-28numpy矩阵 · 430-29numpy线性代数 · 431-30numpy初级绘图 · 432-31numpy序列化 · 433-1.pandas快速上手 · 434-2pandas中文绘图 · 435-3.dataframe快速上手 · 436-4.pd.Series索引数组 · 437-5.dataframe矩阵数组快速上手 · 438-6.理解dataframe可以同时包容多个数据类型 · 439-7.dataframe进行截取 · 440-8.布尔索引 · 441-9.数据设置 · 442-10数据缺失处理 · 443-11数据操作 · 444-12数据合并 · 445-13数据分组 · 446-14形状修改索引层次数据透视 · 447-15处理时间序列 · 448-16.Categorical · 449-17pandas绘图 · 450-18pandas文件读写 · 451-19小结与作业 · 452-1.线性代数与SVD背景消除 · 453-2.SVD与NMF · 454-3.CT扫描与高斯消元 · 455-4.pagerank与线性回归 · 456-pandas复习1python强化 · 457-pandas复习2numpy强化 · 458-pandas复习3pandas基础 · 459-pandas复习4pandas索引 · 460-pandas复习5索引作业 · 461-pandas复习6分组 · 462-pandas复习7变形 · 463-pandas复习8链接 · 464-pandas复习9链接高级 · 465-pandas复习10缺失数据 · 466-pandas复习11文本数据 · 467-pandas复习12分类与区间 · 468-pandas复习13时间序列 · 469-pandas复习14作业回顾 · 470-pandas复习15小结 · 471-1matplotlib绘图上手 · 472-2_matplotlib绘图第一个 · 473-3_matplotlib中文绘图 · 474-4.绘制直方图 · 475-5.绘制散点图 · 476-6绘制堆叠图 · 477-7绘制饼图 · 478-8读取文件绘图 · 479-9.下载网络csv · 480-10.读取csv绘图 · 481-11numpy读取csv · 482-12根据时间绘图 · 483-13专业的时间绘制 · 484-14绘制子图 · 485-15绘制子图其他方式 · 486-16时间处理 · 487-17unix时间序列 · 488-18绘图填充 · 489-19边框与线条绘图 · 490-20K线图 · 491-21绘图样式 · 492-22实时动画 · 493-23文本与注解 · 494-24注解股票最终价格 · 495-25子图绘制 · 496-26更多数据指标 · 497-27自定义填充修建清除 · 498-28共享X轴 · 499-29多个Y轴 · 510-10.pandas文件读写 · 511-11pandas处理数据缺失 · 512-12pandas数据离散化 · 513-13pandas数据合并 · 514-14pandas数据分组聚合交叉透视 · 515-15matplotlib简介 · 516-16matplotlib快速入门430案例 · 517-17seaborn绘图 · 518-18数据分析案例-电影数据 · 519-19数据分析案例-NBA球员数据分析 · 520-20数据分析案例-租房数据分析 · 521-21机器学习概述 · 522-22KNN近邻算法思想 · 523-23.KNN算法实践与交叉验证CV搜索 · 524-24.线性回归思想 · 525-25梯度下降与线性回归 · 526-26.线性回归正则化与岭回归 · 527-27逻辑回归与实验 · 528-28决策树信息熵与实践 · 529-29集成学习随机森林 · 530-30集成学习adaboost概述 · 531-31集成学习adaboost实践 · 532-32集成学习GBDT · 533-33kmean无监督学习 · 534-34聚类优化与PCA降维 · 535-35补充数学常识 · 536-36pca实践 · 537-37朴素贝叶斯理论 · 538-38.朴素贝叶斯实践与小结 · 539-39svm概述 · 540-40svm理论基础 · 541-41SVM实践与小结 · 542-42.EM算法概述 · 543-43.EM算法实验 · 544-44.HMM模型概述 · 545-45HMM模型的前向后向评估算法 · 546-46维特比算法解码隐藏状态序列 · 547-47鲍姆韦尔奇与HMM实验 · 548-48HMM综合实验 · 549-49xgboost概述 · 550-50xgboost综合实验 · 551-51集成学习lightBGM · 552-52lightBGM处理吃鸡数据 · 553-53机器学习常识小结 · 554-54线性回归复习 · 555-55逻辑回归复习 · 556-56近邻算法与决策树算法复习 · 557-57集成学习与聚类复习 · 558-58支持向量机复习 · 559-59EM复习与GMM · 560-60机器学习过程概述 · 561-61人工神经网络 · 562-62数据降维 · 563-63关联规则 · 564-64多元高斯分布解决异常 · 565-65HMM处理股票时间序列 · 566-66LDA主题模型 · 567-67最大熵 · 568-68神经网络处理手写识别 · 569-69贝叶斯邮件分类与优化 · 570-70推荐系统概述 · 571-71推荐系统实践. · 572-72.scikitlearn官方案例概述 · 573-73机器学习案例小结 · 574-74numpy实现机器学习算法上 · 575-75numpy实现机器学习算法中 · 576-76numpy实现机器学习算法下小结. · 577-77vscode插件jupyter · 610-5.BridgeWater风险平价 · 611-6.B型alpha策略 · 612-6.保尔森基金高风险的策略很难持久 · 613-7.X型alpha策略 · 614-7.文艺复兴科技高频策略牺牲了资金规模 · 615-8.量化择时策略与方法 · 616-8埃利奥特量化法律 · 617-9.量化交易策略 · 618-9.量化择时策略与方法小结 · 619-10.量化交易策略分类 · 620-10高频交易概述 · 621-11程序交易概述 · 622-11量化交易套利模型 · 623-12高级CTA · 624-12量化编程工具与语言 · 625-13.量化交易平台 · 626-13期权概述 · 627-14基金评级 · 628-14量化小结 · 629-15.金融中的随机分析与Python实现 · 630-16金融学中的python模拟实践1 · 631-17金融学的python模拟实践2 · 632-18.金融学的python模拟实践3 · 633-19.Python金融应用统计学正太分布 · 634-20雅虎数据提取 · 635-21金融资产组合 · 636-22PCA与贝叶斯回归 · 637-23金融中的数值分析应用 · 638-24金融数值分析实践 · 639-25excel复习 · 640-26面向对象与图形界面 · 641-27mongoDB与大数据回顾 · 642-28.金融衍生品分析模块 · 643-29DX基础库 · 644-30.DX实践上 · 645-31DX估值与期权资产组合 · 646-32.VSTOXX波动率 · 647-33.Python量化投资系统构建与策略回测概述 · 648-34量化代码升级 · 649-1python与金融快速复习 · 650-2.python与金融数学 · 651-3.金融数学-曲线无线逼近 · 652-4.金融数学实践 · 653-1.统计学概述 · 654-1python与金融快速复习 · 655-2.python与金融数学 · 656-2.统计学感知机 · 657-3.金融数学-曲线无线逼近 · 658-3.统计学近邻算法 · 659-4.金融数学实践 · 660-4.统计学朴素贝叶斯 · 661-5.统计学决策树 · 662-6.统计学逻辑回归 · 663-7.统计学SVM · 664-8.统计学集成学习adaboost · 665-9.统计学EM算法 · 666-10统计学HMM · 667-11统计学CRF · 668-12统计学小结 · 669-1.backtrader · 670-2.backtrader快速上手 · 671-3backtrade交易 · 672-4.backtrade策略案例上 · 673-7平台策略下 · 674-8数据预览 · 675-9.实践算法数据 · 676-10交易策略详解 · 677-11交易信号 · 678-12talib概述 · 679-13talib指标实践 · 680-14订单得命令 · 681-15定制目标交易 · 682-16OCO订单 · 683-17.订单策略 · 684-17.股票行业轮动 · 685-18.alpha对冲股票期货 · 686-18现货补偿 · 687-19.策略基础 · 688-19条件限制 · 689-20策略用到的基础 · 690-20滑点预测 · 691-21开盘作弊 · 692-22交易填充 · 693-23交易小结 · 694-24佣金保证金 · 695-25股票与期货佣金 · 696-26佣金参数 · 697-27数学分析工具 · 698-28观察员 · 699-29绘图 · 810-9.配置cudnn与pytorch-CUDA加速 · 811-10.测试CUDA与pycharm中文 · 812-11线性回归 · 813-12.线性回归损失函数 · 814-13.线性回归梯度计算 · 815-14线性回归测试 · 816-15mnist概述 · 817-16mnist实践上数据处理 · 818-17mnist实践中数据训练巡视函数趋势 · 819-18mnist实践下计算识别率 · 820-19.pytorch基本类型-类型转换-类型判断 · 821-20.pytorch基本数据类型-向量 · 822-21pytorch基本数据类型高维向量 · 823-22pytorch创建tensor上 · 824-23.pytorch创建tensor下 · 825-24pytorch索引切片上 · 826-25.pytorch索引与切片下 · 827-26pytorch降维与升维 · 828-27pytorch维度变换高级 · 829-28.pytorch-Broadcasting自动拓展 · 830-29.pytorch-拼接-cat · 831-30.pytorch拼接stack · 832-31pytorch拆分 · 833-32pytorch基本计算上 · 834-33pytorch基本计算下 · 835-34pytorch数据统计 · 836-35pytorch高阶操作 · 837-36梯度概念 · 838-37常见函数梯度 · 839-38激活函数与梯度 · 840-39MSE-loss函数与梯度 · 841-40softmax损失函数与梯度 · 842-41.感知机初级 · 843-42.感知机高级-多输出 · 844-43pytorch链式法则 · 845-44pytorch反向传播原理 · 846-45pytorch反向传播实践 · 847-46Pytorch-2D函数优化实例 · 848-47逻辑回归概述 · 849-48逻辑回归实战 · 850-49信息熵 · 851-50交叉熵 · 852-51多分类 · 853-52全链接层 · 854-53损失函数 · 855-54GPU加速 · 856-55GPU加速mnist · 857-56GPU加速batch如何影响训练速度 · 858-57.Loss与Accuracy · 859-58数据可视化环境配置 · 860-59Visdom可视化 · 861-60mnist可视化 · 862-61.TensorboardX · 863-62.过拟合与欠拟合 · 864-63K-fold验证实现防止过拟合 · 865-64.正则化Regularization · 866-65.L2范式正则化实战 · 867-66动量与学习率衰减 · 868-67.L1正则化动量学习率衰减-mnist实战 · 869-68.避免过拟合EarlyStop与Dropout · 870-69.实践避免过拟合EarlyStop与Dropout · 871-70卷积概念 · 872-71卷积神经网络 · 873-72实战卷积神经网络 · 874-73Downupsample · 875-74batchNorm · 876-75经典卷积神经网络 · 877-76深度残差网络ResNet · 878-77nn.Module · 879-78数据增强 · 880-79cifar10图像数据预览 · 881-80cifar10图像识别resnet · 882-81图像识别lenet5 · 883-82ResNet训练cifar · 884-83lenet5训练cifar · 885-84时间序列 · 886-85循环神经网络概述 · 887-86时间序列预测 · 888-87梯度爆炸与梯度消失以及梯度压缩 · 889-88LSTM如何解决梯度消失以及实践 · 890-89LSTM与单元使用 · 891-90LSTM情感分析介绍 · 892-91LSTM情感分析实战 · 893-92AutoEncoder自动编码器原理 · 894-93mnist编码器实战上 · 895-94mnist自动编码器VAE实战 · 896-95自动编码器AE实战 · 897-96对抗神经网络原理 · 898-97对抗神经网络gan实战 · 899-98对抗神经网络wgan · 910-10.配置CUDA · 911-11.安装jupyter · 912-12.安装tensorflow · 913-13.配置tensorflow-gpu加速 · 914-14.配置pycharm · 915-15.回归问题 · 916-16实践线性回归 · 917-17线性回归绘图 · 918-18手写识别 · 919-19手写识别实战-体验tensorflow · 920-20手写识别小结 · 921-21tensorflow基本数据类型 · 922-22.tensorflow基本数据类型类型检查 · 923-23tensorflow类型转换 · 924-24tensorflow数据类型Variable与numpy · 925-24创建tensor上 · 926-25创建tensorflow下 · 927-26.tensorflow创建tensor小结 · 928-27tensorflow切片与索引初级 · 929-28.索引与切片高级 · 930-29维度变幻 · 931-30broadcast · 932-31tensorflow数学计算 · 933-32tensorflow前向传播计算 · 934-33tensorflow合并与切割 · 935-34tensorflow数据统计 · 936-35tensorflow张量排序 · 937-36tensorflow填充与复制 · 938-37tensorflow张量限幅 · 939-38.tensorflow.clip_by_global_norm防止梯度爆炸与梯度弥散 · 940-39tensorflow高阶op · 941-40.tensorflow高阶OP生成坐标系 · 942-41tensorflow数据加载 · 943-42张量测试实战上-forward · 944-43张量测试下-mnist-tensor · 945-44全链接层 · 946-45输出方式 · 947-46损失函数MSE.Entropy.交叉熵 · 948-47损失函数小结 · 949-48梯度计算 · 950-49keras.MEtrics · 951-50CompileFit · 952-51激活函数及其梯度 · 953-52loss函数与梯度 · 954-53单输出感知机及其梯度 · 955-54多输出感知机及其梯度 · 956-55链式法则 · 957-56多层感知机梯度 · 958-57激活函数导数 · 959-58Himmelblau函数优化 · 960-59Fashion.MNIST实战 · 961-60tensorflow可视化 · 962-61.tf.keras.Keras.Metrics · 963-62.tf.keras.complie.fit · 964-63tf.keras自定义神经网络与层 · 965-64.tf.keras.模型序列化 · 966-65.tf.keras.cifar10图像识别 · 967-66过拟合与欠拟合 · 968-68交叉验证检测并防止过拟合 · 969-69.正则化防止过拟合 · 970-69动态学习率防止收敛过慢与梯度跳跃 · 971-70动量防止过拟合 · 972-71EarlyStopping避免过拟合 · 973-72Dropout防止过拟合 · 974-73卷积概念 · 975-74池化与采样 · 976-75cifar100实战 · 977-76cifar10实战 · 978-77BatchNorm · 979-78ResNet实战 · 980-79ResNet34训练过程 · 981-80循环神经网络 · 982-81时间序列 · 983-82RNN常规操作 · 984-83IMDB电影数据RNN-cell实现情感分析分类 · 985-84IMDB电影数据RNN-Layer实现情感分析分类 · 986-85梯度爆炸与梯度弥散 · 987-86.LSTM简介 · 988-87LSTM-cell实现情感数据分类 · 989-88LSTM-layer实现情感数据分类 · 990-89GRU原理 · 991-90GRU-cell实现情感数据分类 · 992-91GRU-layers实现情感数据分类 · 993-92自动编码器概述 · 994-93自动编码器实战 · 995-94变化自动编码器实战 · 996-95对抗神经网络 · 997-96对抗神经网络实现卡通头像生成 · 998-97wagan对抗神经网络生成卡通头像 · 999-98自定义数据集 · 1010-opencv颜色变换上 · 1011-opencv颜色变换下 · 1012-opencv图像变换 · 1013-opencv图像阈值 · 1014-图像平滑 · 1015-图像形态学 · 1016-图像梯度 · 1017-opencv图像边缘检测 · 1018-图像金字塔 · 1019-轮廓 · 1020-opencv直方图 · 1021-轮廓高级 · 1022-直方图颜色均衡 · 1023-直方图高级 · 1024-傅里叶变换 · 1025-傅里叶高级 · 1026-模板匹配 · 1027-霍夫线变换 · 1028-霍夫圈变换 · 1029-图像分割分水岭算法 · 1030-图像背景处理 · 1031-哈里斯角检测 · 1032-拐角检测 · 1033-SIFT尺度不变特征变换 · 1034-SURF检测斑点 · 1035-用于角点检测的FAST算法 · 1036-orb与brief · 1037-特征检测匹配 · 1038-特征查找单向性 · 1039-背景分离 · 1040-视频移动目标检测算法 · 1041-光流 · 1042-相机校准 · 1043-对极几何 · 1044-双目摄像头检测视差深度 · 1045-knn与opencv · 1046-手写识别SVM · 1047-kmeans与图像简化 · 1048-图像去除噪声 · 1049-图像修补 · 1050-曝光合成 · 1051-Haar级联对象检测 · 1052-CV小结 · 1053-虚拟环境 · 1054-adaboost人脸检测 · 1055-centernet物体检测 · 1056-face_recognition基础 · 1057-face_recognition解决虚拟环境 · 1058-face_recognition人脸识别 · 1059-face_recognition照片提取人脸 · 1060-opencv回顾1 · 1061-opencv回顾2 · 1062-活体识别 · 1063-活体识别实验 · 1064-机器视觉模型调用概述 · 1065-口罩识别 · 1066-美颜算法与opencv官方案例库文档库简介 · 1067-年龄性别识别 · 1068-批量提取人脸与摄像头提取人脸 · 1069-人脸识别常见操作 · 1070-人脸识别机器学习与深度学习 · 1071-人脸识别基础 · 1072-人脸特征 · 1073-人脸特征定位 · 1074-视频处理与视频卡通风格 · 1075-图像处理基础回顾 · 1076-图像与人脸漫画风格 · 1077-机器视觉概述 · 1078-图像分类概述 · 1079-图像分类基础 · 1080-图像分类-神经网络基础 · 1081-图像分类的CNN基础 · 1082-猫狗识别小结 · 1083-垃圾分类概述 · 1084-目标检测fasterRCNN · 1085-yolo目标检测 · 1086-yolo系应用 · 1087-目标检测小结 · 1088-目标切割 · 1089-unet目标分割 · 1090-deeplabv3 · 1091-maskrcnn · 1092-目标追踪概述 · 1093-智慧交通概述 · 1094-多目标追踪算法 · 1095-卡尔曼滤波 · 1096-卡尔曼滤波器 · 1097-基于卡尔曼的目标估计模型 · 1098-匈牙利算法与EM算法实现目标匹配 · 1099-数据关联 · 1110-10.情感分析 · 1111-11.情感分析高级 · 1112-12CPM问答 · 1113-13.写诗机器人 · 1114-14.开放式对话 · 1115-15.代码生成 · 1116-16新闻摘要 · 1117-17NLP复习 · 1118-18文档智能 · 1119-19.问题生成 · 1120-20零样本的文本分类 · 1121-21多模态特征提取 · 1122-22.定制模型二次训练 · 1123-23.定制NLP模型数据增强 · 1124-24.快速复习 · 1125-25.自定义医疗数据分类模型改进 · 1126-1.paddleNLP概述 · 1127-2.解语概述与paddleNLP环境部署Ubuntu22.10 · 1128-3.paddleNLP代码部署 · 1129-4.paddleNLP环境修复 · 1130-5.paddleNLP中文分词 · 1131-6.paddleNLP词性标注 · 1132-7.paddleNLP命名实体识别 · 1133-8.paddleNLP依存句法分析 · 1134-9.paddleNLP信息抽取 · 1135-10.paddleNLP解语知识标注 · 1136-11.文本纠错 · 1137-12.文本相似度 · 1138-13.情感分析 · 1139-14.CPU对话 · 1140-15GPU智能对话 · 1141-16智能写诗 · 1142-17开放式对话 · 1143-18代码生成 · 1144-19根据文字生成图像 · 1145-20文本摘要 · 1146-21智能文档提取 · 1147-22问题生成 · 1148-23paddleNLP小结 · 1149-24paddleNLP定制数据 · 1150-25定制训练 · 1151-26自定义改进的方法 · 1152-27paddleNLP小结 · 1153-28paddle-speech介绍与环境 · 1154-29语音识别 · 1155-30声纹提取 · 1156-31语音翻译 · 1157-32语音合成 · 1158-33声音加标点 · 1159-34paddle-speech小结 · 1160-35paddle-强化学习概述 · 1161-36paddle-检测 · 1162-37运行paddle检测模型 · 1163-38paddle检测路标 · 1210-10.deeplabv3语义分割 · 1410-10.pytorch张量与jupyter使用 · 1411-11.pytorch张量创建与加法 · 1412-12.pytorch内存共享与索引机制 · 1413-13.pytorch张量扩展机制 · 1414-14pytorch内存计算开销 · 1415-15.pytorch对象转换 · 1416-16pytorch张量GPU与CPU转换 · 1417-17pytorch计算梯度 · 1418-18.pytorch线性回归 · 1419-19.Fashion-MNIST数据集 · 1420-20softmax简介 · 1421-21pytorch激活函数 · 1422-22.多层感知机基础 · 1423-23.多层感知机实战 · 1424-24.模型选择欠拟合与过拟合权重衰减和丢弃法 · 1425-25.权重衰减与dropout解决欠拟合 · 1426-26.K折验证测试波士顿房价 · 1427-27.数值稳定性激活函数和硬件 · 1428-28.泛化表现协变量偏移和对抗性数据 · 1429-29.pytorch自定义神经网络 · 1430-30.卷积原理 · 1431-31.卷积核原理 · 1432-32卷积和池化层 · 1433-33CNN-leLet · 1434-33卷积与池化层实验 · 1435-34.CNN-ALexNet · 1436-34-CNN-GoolgeLelet与批量归一化 · 1437-35.CNN-VGG · 1438-35-resnet与densenet · 1439-36.CNN-NIN · 1440-36RNN原理与实验 · 1441-37RNN-GRU · 1442-38.RNN-LSTM · 1443-39.凸优化梯度下价格 · 1444-40梯度下降优化 · 1445-41.动量优化梯度下降 · 1446-42.AdaGrad梯度下降算法优化 · 1447-43.RMSProp算法 · 1448-44.AdaDelta算法 · 1449-45Adam算法 · 1450-46.混合编程_异步计算_多GPU训练 · 1451-47混合编程异步计算多GPU训练实验 · 1452-48-视觉-图像增强 · 1453-49-视觉微调 · 1454-50-视觉样式迁移 · 1455-51-目标检测和边界框描框 · 1456-52常见目标检测 · 1457-53-ssd机器视觉 · 1458-54.RCNN实践 · 1459-55.yolox目标检测 · 1460-55.移植程序到jetsnano · 1461-56语义分割deeplabv3 · 1462-57语义分割hrnet · 1463-58整合图像分割与目标检测 · 1464-59.yolo系算法小结 · 1465-60语义分割unet · 1466-61语义分割pspnet · 1467-62目标检测maskRCNN · 1468-63目标检测算法实验收尾 · 1510-自动驾驶机器视觉-图像特征检测匹配 · 1511-自动驾驶视觉图像分割对象距离计算 · 1512-自动驾驶图像编程快速回顾 · 1513-自动驾驶路径规划 · 1514-地图映射绘制 · 1515-寻路算法 · 1516-自动驾驶规划准则 · 1517-自动驾驶轨迹规划的基础 · 1518-自动驾驶汽车控制总和 · 1519-自动驾驶10个小实验 · 1520-airsim模型训练教程 · 1521-小结 · 1610-10.yolov5实践 · 1611-11.yolov4实践 · 1612-12.yolov4-tiny实验 · 1614-14.efficientnet-yolo3实验 · 1615-15deeplab语义分割 · 1616-16.hrnet语义分割 · 1710-线性回归实践 · 1711-softmax概念 · 1712-softmax实验 · 1713-MLP多层感知机初级 · 1714-MLP多层感知机中级 · 1715-MLP多层感知机实战 · 1716-MLP多层感知机与激活函数 · 1717-过拟合与欠拟合 · 1718-权重衰减 · 1719-dropout · 1720-正向传播反向传播计算图梯度衰减梯度爆炸 · 1721-21.kaggle与K验证 · 1722-神经网络操作基础 · 1723-卷积概念 · 1724-卷积神经网络经典概念 · 1725-深度学习lenet · 1726-Alex卷积神经网络 · 1727-VGG · 1728-NIN · 1729-GoogleLenet · 1730-bm · 1731-Resnet · 1732-DenseNet · 1733-深度学习基础复习 · 1734-RNN循环神经网络概述 · 1735-RNN实践 · 1736-RNN-tf简化 · 1737-GRU-避免梯度爆炸 · 1738-LSTM避免梯度衰减与梯度爆炸 · 1739-梯度与学习率 · 1740-动量提升训练 · 1741-adagrad与rmsprop · 1742-adam优化 · 1743-adadelta · 1744-命令与函数编程 · 1745-异步计算 · 1746-CPU与GPU异步计算 · 1747-图像增强 · 1748-热狗识别微调 · 1749-图像标签描框 · 1750-检测描框 · 1751-目标检测数据集与RCNN · 1752-人脸识别实验 · 1753-fasterRCNN模型实验 · 1754-人脸检测实验 · 1755-语义分割实验 · 1756-FCN语义分割 · 1757-DogBreedIdentification · 1758-图像风格转换 · 1759-NLP词嵌入模型 · 1760-NLP近义词类比词 · 1761-NLP情感分析 · 1810-9.pytorch基础数据操作 · 1811-10.pytorch数据预处理 · 1812-11.pytorch线性代数实践 · 1813-12.pytorch与微积分 · 1814-13pytorch自动求导 · 1815-14pytorch概率实践 · 1816-15pytorch帮助 · 1817-16.0线性回归实践 · 1818-16.1数据集与softmax · 1819-16.2线性回归实践 · 1820-17自定义线性回归实现图像分类softmax · 1821-18pytorch线性回归实现图像分类softmax · 1822-19多层感知机基础 · 1823-20多层感知机实践 · 1824-21过拟合与欠拟合 · 1825-22.权重衰减解决欠拟合 · 1826-23.dropout实现解决过拟合 · 1827-24数据稳定性 · 1828-25.房价预测与K折交叉验证避免过拟合 · 1829-26自定义神经网络与GPU优化 · 1830-27泛化表现协变量偏移和对抗性数据 · 1831-28框架简介 · 1832-29CNN与卷积核 · 1833-30yolox机器视觉视频演示 · 1834-31.卷积与池化 · 1835-32.lenet第一个CNN · 1836-33.LeNetAlexNet_VGG和NiN · 1837-34.训练alexNet · 1838-35训练测试vggnet · 1839-36训练测试nin · 1840-37.Inception与Googlenet · 1841-38批量规范化 · 1842-39残差神经网络 · 1843-40densenet稠密神经网络 · 1844-41时间序列 · 1845-42时间序列与文本预处理 · 1846-43.循环神经网络高级 · 1847-44GRU循环神经网络 · 1848-45LSTM长短期记忆神经网络 · 1849-46深度循环神经网络 · 1850-47双向循环神经网络 · 1851-48机器翻译数据集 · 1852-49词向量与翻译 · 1853-50束搜索 · 1854-51注意力机制 · 1855-52注意力汇聚 · 1856-53注意力评分 · 1857-54Seq2seq与注意力机制 · 1858-55.Transformer · 1859-56.BERT简介 · 1860-57训练优化 · 1861-58训练优化凸性 · 1862-59训练优化梯度下降 · 1863-60随机梯度下降与学习率 · 1864-61小批量随机梯度下降 · 1865-62.动量法 · 1866-63.adagrad算法 · 1867-64rmsprop算法 · 1868-65adadelta算法 · 1869-66adam算法 · 1870-67.学习率 · 1871-68高性能编程 · 1872-69GPU与CPU速度对比 · 1873-70自动并行 · 1874-71多GPU分布式训练 · 1875-72多GPU小结 · 1876-73.机器视觉图像增强 · 1877-74.机器视觉-微调 · 1878-75图像风格迁移 · 1879-76目标检测描框 · 1880-77RCNN简介 · 1881-78fastRCNN实践 · 1882-79faskrcnn实践 · 1883-80轻量级SSD · 1884-81重量级SSD实践 · 1885-82yolo基础概述 · 1886-83.最优秀的yolox · 1887-84同时染色与分割的yoact · 1888-85yolov5概述 · 1889-86yolov5与深度学习训练优化 · 1890-87yolov5架构 · 1891-88.yolov4与yolotinyv4 · 1892-89efficientnet与efficientnetYoloV3 · 1893-90certenet · 1894-91maskrcnn实践 · 1895-92fastrcnn实践 · 1896-93语义分割与deeplabv3 · 1897-94.hrnet语义分割 · 1898-95视觉复习与回顾 · 1899-96目标检测复习 · 2100-100.全国疫情地图 · 2101-101每个省疫情地图 · 2102-102柱状图 · 2103-103柱状图时间线 · 2104-104字典序排序 · 2105-105GDP柱状图时间线 · 2106-106pyecharts小结 · 2107-107妹子类与面向对象 · 2108-108妹子类的成员方法 · 2109-109类与对象 · 2110-110类的构造函数 · 2111-111类的字符串展示 · 2112-112类对象的比较 · 2113-113类的封装与私有权限 · 2114-114类的继承单继承 · 2115-115类的继承构造函数与成员变量成员函数覆盖 · 2116-116super关键词 · 2117-117多继承 · 2118-118继承覆盖小结 · 2119-120注解的一般形式 · 2120-121函数的注解 · 2121-122union · 2122-123多态实现软件的可拓展性 · 2123-124百度搜索多态练习 · 2124-125安装mysql · 2125-126.配置windowsmysql · 2126-127安装数据库工具 · 2127-128SQL语句操作数据库与表 · 2128-129SQL语言数据插入 · 2129-130SQL语言数据删除 · 2130-131SQL语言数据更新 · 2131-132SQLselect数据查询 · 2132-133SQLselect分组聚合 · 2134-135SQLselect查询分页 · 2135-136安装python操作Mysql的库 · 2136-137python链接数据库 · 2137-138python创建数据表 · 2138-139python查询数据库 · 2139-140python数据库递交 · 4100-30自定义图例 · 4101-31地理位置绘图 · 4102-32全球地图绘制 · 4103-33绘制坐标 · 4104-34.三维绘图 · 4105-35绘图高级 · 4106-36绘图小结 · 6100-30时间 · 6101-31实盘环境 · 6102-32.掘金量化小结 · 6103-32回测小结 · 6104-33.qlib微软量化 · 6105-34qlib概述 · 6106-35回测期货 · 6107-36回测股票 · 6108-1量化模拟实盘概述 · 6109-2.期货-菲阿里四价策略 · 6110-3.期货-双均线策略 · 6111-4.期货-DualThrust · 6112-5.期货-R-Breaker · 6113-6.期货-网格交易 · 6114-7.期货-跨品种套利 · 6115-8.期货-跨期套利 · 6116-9.期货-海龟交易 · 6117-10期货-做市商策略 · 6118-11股票布林线均值回归 · 6119-12股票指数增强 · 6120-13股票日内回转交易 · 6121-14.股票机器学习 · 6122-15.股票多因子选股 · 6123-16.股票小市值策略 · 6124-1qlib简介 · 6125-2qlib预备数据 · 6126-3qlib-lightGBM · 6127-4qlib案例测试 · 6128-5.LSTM · 6129-6.HIST · 6130-7.MLP · 6131-8.Transformer · 8100-99gan与wgan_gp差异 · 8101-100图卷积网络GCN · 8102-101处理自定义数据 · 10100-多目标追踪 · 18100-97语义分割过程上 · 18101-98语义分割过程下 · 18102-99resnet实现cifar图像分类 · 18103-100狗品种识别 · 18104-101图像识别实战 · 18105-102词向量 · 18106-103.近似训练与词嵌入数据集 · 18107-104预训练嵌入词 · 18108-105词嵌入与子词嵌入 · 18109-106词的相似性和类⽐任务.mp4 · 18110-107.Bert基本原理与Bert数据预处理 · 18111-108.Bert微调预训练 · 18112-109IMDB情感分析数据集 · 18113-110RNN情感分析 · 18114-111TextCNN情感分析 · 18115-112自然语言推断数据集 · 18116-113.自然语言处理-注意力 · 18117-114自然语言推断微调BERT · 18118-115写诗机器人实验 · 18119-116强化学习 · 18120-117愤怒小鸟的AI强化学习 · 18121-118.强化学习-alphago基础原理 · 18122-119alphago实验 · 18123-120强化学习与GYM · 18124-121Markov决策过程强化学习寻路 · 18125-122有模型数值迭代强化学习冰面寻路 · 18126-123回合更新价值迭代21点游戏强化学习 · 18127-124时序差分价值迭代出租车调度 · 18128-125深度Q小车上山 · 18129-126.回车更新策略梯度方法 · 18130-127执行者评论者方法实现双节倒立摆强化学习 · 18131-128自动驾驶模拟器简介 · 18132-129自动驾驶模拟器运行介绍 · 18133-130自动驾驶控制 · 18134-131汽车自动驾驶感知与强化学习 · 18135-132无人机控制与感知 · 18136-133无人机强化学习 · 18137-134Airsim自动驾驶强化学习 · 18138-135强化学习倒立摆 · 18139-136游戏强化学习 · 18140-137alpha井字棋 · 18141-138alpahzero翻转棋 · 18142-139知识图谱概念 · 18143-140知识图谱经典案例 · 18144-141.知识图谱应用 · 18145-142知识表示 · 18146-143.知识建模 · 18147-144知识抽取 · 18148-145-数据获取-爬虫技术 · 18149-146-知识图谱-实体识别 · 18150-147知识图谱-关系抽取 · 18151-148-知识图谱事件抽取 · 18152-149-知识融合 · 18153-150.知识图谱表示学习 · 18154-151-知识图谱知识存储 · 18155-152微软小冰案例 · 18156-153.实体链接概念 · 18157-154知识图谱知识推理 · 18158-155腾讯知识图谱结构 · 18159-156行业实际案例分析 · 18160-157知识图谱经典应用 · 18161-158知识图谱 · 18162-159知识图谱回顾 · 18163-160安装anaconda · 18164-161机器学习要素回顾 · 18165-162jieba分词 · 18166-163分词小结 · 18167-164命名实体概念 · 18168-165paddleNLP概述 · 18169-166paddle接口 · 18170-167编码 · 18171-168NLP十大人物实验上 · 18172-169.0NLP十大实验下 · 18173-169.1百度NLP实验综合 · 18174-169.2定制百度NLP · 18175-170NLP高级实验环境搭建 · 18176-171NLP前沿算法实验 · 18177-172-NLP文本表示 · 18178-173-NLP词向量Skip-gram模型 · 18179-174-word2vec模型 · 18180-175-doc2VEC · 18181-177自定义分词 · 18182-178Google在线服务器 · 18183-179知识图谱数据设计 · 18184-180知识图谱数据读取 · 18185-181知识谱图数据抽取 · 18186-182知识融合 · 18187-183知识推理 · 18188-184安装neo4j数据库桌面工具 · 18189-185安装neo4j数据库配置环境运行起来 · 18190-186CQL语句概念创建节点 · 18191-187CQL语句小结 · 18192-188neo4j数据库小结 · 18193-189金融知识图谱实战 · 18194-190问答机器人 · 18195-191企业经营风险挖掘 · 18196-192bert知识抽取 · 18197-193法律知识图谱 · 18198-194医药知识图谱 · 18199-195农业知识图谱 · 18200-196针对人的标签与知识图谱 · 18201-197汽车知识图谱 · 18202-198DGL概述与安装 · 18203-199图神经网络可视化 · 18204-200DGL小结 · 18205-201图卷积神经网络特性 · 18206-202图域卷积 · 18207-203GCN特性 · 18208-204空域与谱域卷积 · 18209-205图卷积神经网络过平滑解决办法 · 18210-206图卷积应用与交通预测 · 18211-207图卷积tensorflow2处理数据 · 18212-208图卷积神经网络pytorch · 18213-209图卷积神经网络与知识图谱与文本分类 · 18214-210图卷积神经网络 · 18215-211图神经网络