【黑马程序员】年度钻石会员-人工智能AI进阶 - 学盘搜-大学生必备云盘搜索平台

• file:25-迁移学习—迁移理论—迁移学习实践增补内容-模型上传后加载使用.mp4
• file:08-RNN及其变体-RNN架构解析-注意力机制的增补attention公式讲解.mp4
• file:11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建.mp4
• file:01-文本预处理-文本预处理-文本数据增强讲解.mp4
• file:13-Transformer—新增案例机器翻译模型-4掩码的构建.mp4
• file:03-文本预处理- 新闻主题分类任务-数据加载方式的增补代码解读.mp4
• file:21-迁移学习—迁移理论—加载和使用预训练模型全小节增补-4加载语言模型头结果输出.mp4
• file:18-迁移学习—迁移理论—加载和使用预训练模型全小节增补-1tokenizer加载.mp4
• file:19-迁移学习—迁移理论—加载和使用预训练模型全小节增补-2加载带头和不带头的预训练模型.mp4
• file:06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理.mp4
• file:16-Transformer—新增案例机器翻译模型-7训练模型和定义解码函数.mp4
• file:17-Transformer—新增案例机器翻译模型-8翻译函数的定义和9模型保存.mp4
• file:26-虚拟机的使用.mp4
• file:15-Transformer—新增案例机器翻译模型-6构建训练函数和评估函数.mp4
• file:README.md
• file:02-阶段4 （计算机视觉CV) 阶段6 （CV项目）.zip
• file:干货工具箱priceeasy.png
• file:03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.zip
• file:01-阶段1-3（python基础 、python高级、机器学习）.zip
• file:18-深度学习基础-图像分类-图像分类案例补充(8)-网络构建（输出流）.mp4
• file:07-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-损失函数的计算.mp4
• file:05-深度学习基础-深度神经网络-神经网络的优化方法-反向传播算法增补-前向传播过程（输入层到隐藏层）.mp4
• file:21-深度学习基础-图像分类-图像分类案例补充(11)-模型预测.mp4
• file:02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用.mp4
• file:03-深度学习基础-深度神经网络-神经网络介绍-网络是如何工作的-参数初始化增补-初始化方式的对比.mp4
• file:14-深度学习基础-图像分类-图像分类案例补充(4)-Xception模型介绍.mp4
• file:10-深度学习基础-深度神经网络-卷积神经网络CNN增补-网络参数量的计算.mp4
• file:15-深度学习基础-图像分类-图像分类案例补充(5)-项目网络介绍.mp4
• file:12-深度学习基础-图像分类-图像分类案例补充(2)-数据接获取与可视化.mp4
• folder:【黑马程序员】年度钻石会员-人工智能AI进阶
• folder:【 主学习路线】01、阶段一 人工智能Python基础
• folder:【 主学习路线】05、阶段五 NLP自然语言处理
• folder:【课外拓展】05、阶段五 阶段一 python基础（更新）
• folder:【 主学习路线】03、阶段三 人工智能机器学习
• folder:【课外拓展】10、阶段十 CV基础+项目（更新）
• folder:【 主学习路线】07、阶段七 人工智能面试强化（赠送）
• folder:【 主学习路线】06、阶段六 人工智能项目实战
• folder:【 主学习路线】04、阶段四 计算机视觉与图像处理
• folder:【课外拓展】01、阶段一 HR面试技巧
• folder:【课外拓展】07、阶段七 阶段三 机器学习（更新）
• folder:【课外拓展】09、阶段九 阶段五—NLP基础补充视频
• folder:资料课件
• folder:【课外拓展】02、阶段二 赠送-人脸支付
• folder:【课外拓展】08、阶段八 阶段四—深度学习基础补充视频
• folder:【课外拓展】03、阶段三 赠送-文本摘要项目
• folder:【课外拓展】04、阶段四 入学第一课
• folder:14--第十四章 面向对象
• folder:4--第四章 循环语句
• folder:5--第五章 字符串
• folder:8--第八章 字典
• folder:3--第三章 判断语句
• folder:12--第十二章 函数强化
• folder:2--第二章 python基础语法
• folder:11--第十一章 函数
• folder:15--第十五章 异常
• folder:9--第九章 集合
• folder:17--第十七章 学生管理系统(面向对象版)
• folder:16--第十六章 模块
• folder:10--第十章 公共方法
• folder:7--第七章 元组
• folder:6--第六章 列表
• folder:1--第一章 计算机组成原理
• folder:13--第十三章 文件操作
• folder:12--第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0
• folder:1--第一章 Pytorch工具_v2.0
• folder:4--第四章 RNN架构解析-v2.0
• folder:9--第九章 fasttext工具的使用-v2.0
• folder:8--第八章 Transformer架构解析-v2.0
• folder:11--第十一章 BERT,Transformer的模型架构与详解-v2.0
• folder:5--第五章 RNN经典案例-v2.0
• folder:3--第三章 文本预处理-v2.0
• folder:13--第十三章 HMM模型-v2.0
• folder:14--第十四章 经典的序列模型-v2.0
• folder:10--第十章 迁移学习-v2.0
• folder:6--第六章 莎士比亚风格的文本生成任务-v2.0
• folder:2--第二章 自然语言处理NLP介绍-v2.0
• folder:第一章 1-python基础编程
• folder:第二章 2-python面向对象
• folder:8--第八章 数据结构与算法
• folder:10--第十章 MySqL数据库高级使用
• folder:3--第三章 多任务编程
• folder:4--第四章 网络编程
• folder:2--第二章 Linux高级命令
• folder:6--第六章 闭包,装饰器及python高级语法
• folder:5--第五章 HTTP协议和静态服务器
• folder:9--第九章 MySql数据库基本使用
• folder:7--第七章 正则表达式
• folder:13--第十三章 朴素贝叶斯V2.1
• folder:6--第六章 seabornV2.1
• folder:5--第五章 pandasV2.1
• folder:10--第十章 决策树V2.1
• folder:17--第十七章 集成学习进阶V2.1
• folder:16--第十六章 HMM算法V2.1
• folder:12--第十二章 聚类算法V2.1
• folder:8--第八章 线性回归V2.1
• folder:7--第七章 K近邻算法V2.1
• folder:2--第二章 环境安装和使用V2.1
• folder:4--第四章 numpyV2.1
• folder:1--第一章 机器学习概述V2.1
• folder:3--第三章 matplotlibV2.1
• folder:第六章 6-04 - 智慧交通
• folder:第一章 1-Pytorch与深度学习基础
• folder:第三章 3-01 - 目标检测
• folder:第五章 5-03 - 人脸支付
• folder:第四章 4-02 - OpenCV
• folder:第二章 2-深度学习核心模型与实战
• folder:1--第一章 自动编码器
• folder:11--第十一章 深度强化学习
• folder:8--第八章 算法进阶进化学习
• folder:6--第六章 模型压缩
• folder:2--第二章 图像分割应用
• folder:3--第三章 生成对抗学习
• folder:10--第十章 贝叶斯方法实现及粒子滤波
• folder:9--第九章 贝叶斯方法
• folder:5--第五章 模型可解释
• folder:7--第七章 终生学习
• folder:2--第二章 在线医生
• folder:1--第一章 智慧交通
• folder:3--第三章 智能文本分类系统
• folder:4--第四章 实时人脸识别检测项目
• folder:7--第七章 OpenCV简介_v2.0
• folder:10--第十章 图像特征提取与描述_v2.0
• folder:11--第十一章 视频操作_v2.0
• folder:8--第八章 OpenCV基本操作_v.2.0
• folder:3--第三章 深度神经网络_v2.0
• folder:9--第九章 OpenCV图像处理_v2.0
• folder:4--第四章 图像分类_v2.0
• folder:5--第五章 目标检测_v2.0
• folder:12--第十二章 案例人脸案例_v2.0
• folder:2--第二章 tensorflow入门_v2.0
• folder:1--第一章 课程简介_v2.0
• folder:第二章 2-机器学习算法进阶
• folder:第一章 1-机器学习基础算法
• folder:第三章 3-Python编程进阶
• folder:第一章 1-Linux基础
• folder:第二章 2-SQL基础
• folder:第一章 1-人脸支付
• folder:第一章 1-文本摘要项目
• folder:6--案例 搬家具
• folder:7--继承
• folder:8--子类重写父类属性和方法
• folder:10--私有属性和方法
• folder:2--类和对象
• folder:3--对象属性操作
• folder:5--案例烤地瓜
• folder:9--super方法使用
• folder:12--类属性及相关方法
• folder:4--魔法方法
• folder:11--多态
• folder:1--面向对象介绍
• folder:1--循环语句介绍
• folder:3--循环应用
• folder:4--break和continue
• folder:6--for循环
• folder:5--while循环嵌套及应用
• folder:2--while循环
• folder:7--循环else应用
• folder:2--输入输出
• folder:1--字符串介绍
• folder:4--字符串操作方法
• folder:3--切片
• folder:2--字典的常见操作
• folder:3--字典遍历
• folder:2--if基本格式
• folder:5--案例猜拳游戏
• folder:4--if嵌套
• folder:3--if...elif...else格式
• folder:4--匿名函数
• folder:1--函数应用学员管理系统
• folder:5--高阶函数
• folder:2--课后练习(学员管理系统)
• folder:3--递归函数
• folder:8--数据类型转换
• folder:1--课程介绍
• folder:4--bug认识
• folder:2--注释
• folder:6--输出
• folder:9--运算符
• folder:12--引用
• folder:5--函数嵌套
• folder:10--函数参数二
• folder:4--函数文档说明
• folder:3--函数返回值一
• folder:8--函数执行流程
• folder:7--全局变量
• folder:6--局部变量
• folder:11--拆包, 交换变量
• folder:4--自定义异常
• folder:2--捕获异常
• folder:3--异常传递
• folder:1--集合的相关操作
• folder:1--学生管理系统(面向对象)
• folder:2--模块制作
• folder:3--python中的包
• folder:2--推导式
• folder:1--公共方法
• folder:2--列表循环遍历
• folder:3--列表嵌套
• folder:4--文件及文件夹的相关操作
• folder:3--案例文件备份
• folder:1--文件操作介绍
• folder:2--文件读写操作
• folder:4--请详述BERT, GPT, ELMo模型的对比和各自的优缺点
• folder:1--认识ELMo
• folder:3--认识GPT2
• folder:1--认识pytorch
• folder:2-- Pytorch中的autograd
• folder:3--使用Pytorch构建一个神经网络
• folder:3--LSTM模型
• folder:5--注意力机制
• folder:4--GRU模型
• folder:1--认识RNN模型
• folder:3--训练词向量
• folder:4--词向量迁移
• folder:2--进行文本分类
• folder:1--认识fasttext工具
• folder:1--认识Transformer架构
• folder:9--编码器层
• folder:14--模型构建
• folder:11--解码器层
• folder:6--前馈全连接层
• folder:7--规范化层
• folder:10--编码器
• folder:13--输出部分实现
• folder:8--子层连接结构
• folder:3--掩码张量
• folder:5--采用Multi-head Attention的原因和计算规则
• folder:4--Transformer中的self-attention
• folder:10--BERT模型的优点和缺点
• folder:3--Transformer结构中的Decoder端具体输入
• folder:1--认识BERT
• folder:12--长文本预测任务使用BERT如何构造训练样本
• folder:9--Transformer架构的并行化是如何进行的
• folder:11--BERT的MLM任务为什么采用80% 10% 10%的策略
• folder:8--self-attention公式中添加scaled的原因
• folder:7--Transformer可以代替seq2seq的原因
• folder:6--Transformer相比于RNN的优势和原因
• folder:2--Transformer的结构是什么样的 各个子模块各有什么作用
• folder:1--使用RNN模型构建人名分类器
• folder:2--使用seq2seq模型架构实现英译法任务
• folder:3--文本张量表示方法
• folder:1--认识文本预处理
• folder:6--文本数据增强
• folder:5--文本的特征处理
• folder:4--文本的数据分析
• folder:2--文本处理的基本方法
• folder:1--马尔科夫链
• folder:4--维特比算法解码隐藏状态序列
• folder:2--HMM简介
• folder:3--HMM模型基础
• folder:1--认识HMM与CRF模型
• folder:3--NLP中的常用预训练模型
• folder:5--迁移学习实践
• folder:2--NLP中的标准数据集
• folder:4--加载和使用预训练模型
• folder:1--Transformer背景介绍
• folder:1--莎士比亚风格的文本生成任务
• folder:1--NLP简介
• folder:0-2 Python注释与变量
• folder:0-20 函数基本使用替代视频（04,05,06）
• folder:0-10 循环else
• folder:0-9 for循环及案例
• folder:0-25 可变类型及非可变类型
• folder:0-24 基础加强练习
• folder:0-26 递推
• folder:0-4 Python格式化输出
• folder:0-33 python模块与包
• folder:0-32 python异常处理
• folder:0-31 案例-学生管理系统（三）
• folder:0-8 while循环案例
• folder:0-29 文件基本操作
• folder:0-17 集合定义及使用
• folder:0-12 字符串查找，替换，合并
• folder:0-30 文件操作案例
• folder:0-21 函数作用域
• folder:0-11 字符串定义切片
• folder:0-28 lambda表达式
• folder:0-34 案例-飞机大战
• folder:0-18 公共方法与推导式
• folder:0-1 python开发环境搭建
• folder:0-6 Python分支语句
• folder:0-19 函数基本使用
• folder:0-22 不定长参数与组包拆包
• folder:0-5 Python运算符
• folder:0-3 Python数据类型
• folder:0-6 类属性方法
• folder:0-3 案例-面向对象
• folder:0-2 魔法方法
• folder:0-4 面向对象封装与继承
• folder:0-5 面向对象多态
• folder:0-1 类定义及类属性使用
• folder:15--二叉树的遍历
• folder:9--冒泡排序
• folder:3--空间复杂度
• folder:1--算法概念
• folder:5--顺序表
• folder:13--二分查找
• folder:14--二叉树
• folder:8--队列
• folder:12--快速排序
• folder:10--选择排序
• folder:4--数据结构
• folder:11--插入排序
• folder:7--设计范式
• folder:2--实战操作
• folder:8--PyMySQL的使用
• folder:1--条件查询
• folder:4--视图
• folder:3--外键使用
• folder:5--事务
• folder:5--进程和线程的对比
• folder:1--多任务介绍
• folder:3--多线程介绍
• folder:4--锁的介绍
• folder:3--TCP开发流程
• folder:1--ip和端口介绍
• folder:2--TCP介绍
• folder:4--多任务案例
• folder:2--远程控制
• folder:1--linux高级操作
• folder:3--vim介绍
• folder:2--linux相关命令
• folder:1--linux简介
• folder:3--property语法
• folder:4--with语法
• folder:1--闭包
• folder:5--python高级语法
• folder:2--装饰器
• folder:1--HTTP协议
• folder:2--静态web服务器搭建
• folder:3--where条件查询
• folder:1--数据库介绍
• folder:2--数据表的基本操作
• folder:1--正则表达式
• folder:1--朴素贝叶斯
• folder:3--NBA案例
• folder:4--北京租房数据统计分析
• folder:2--分类数据绘图
• folder:1--绘制统计图
• folder:1--pandas数据结构
• folder:2--pandas基础使用
• folder:4--电影案例分析
• folder:2--特征提取
• folder:1--信息增益
• folder:4--回归决策树
• folder:3--案例泰坦生存预测
• folder:2--otto案例
• folder:4--绝地求生案例
• folder:3--lightGBM算法
• folder:1--XGBoost算法
• folder:1--HMM算法
• folder:1--聚类算法
• folder:2--损失优化
• folder:3--回归相关知识
• folder:4--特征工程
• folder:6--交叉验证, 网格搜索
• folder:1--k近邻算法介绍
• folder:5--KNN总结
• folder:7--案例 Facebook位置预测
• folder:3--数据集处理
• folder:2--kd树
• folder:3--集成学习
• folder:2--随机森林案例
• folder:1--环境安装及使用
• folder:1--numpy使用
• folder:1--机器学习介绍
• folder:1--逻辑回归
• folder:1--matplotlib使用
• folder:0-1 项目简介
• folder:0-6 sort
• folder:0-5 匈牙利算法
• folder:0-12 车道线提取
• folder:0-4 卡尔曼滤波
• folder:0-15 车道线曲率计算
• folder:0-14 车道线定位与拟合
• folder:0-2 算法原理
• folder:0-3 多目标跟踪
• folder:0-7 yolo目标检测
• folder:0-10 相机标定
• folder:0-11 图像去畸变
• folder:0-8 车流量统计
• folder:0-13 透视变换
• folder:0-9 车道线检测
• folder:0-3 Pytorch高阶操作
• folder:0-6 深度学习优化理论
• folder:0-4 Pytorch案例实战
• folder:0-7 BP神经网络案例
• folder:0-1 Pytorch基础
• folder:0-3 FasterRCNN案例
• folder:0-6 yolo v5算法介绍
• folder:0-4 yolo v1-v3算法介绍
• folder:0-2 FasterRCNN原理与实现
• folder:0-7 yolo v5案例
• folder:0-1 目标检测概述
• folder:0-2 人脸检测子任务
• folder:0-6 项目集成
• folder:0-4 人脸多任务
• folder:0-5 人脸识别
• folder:0-5 直方图
• folder:0-6 边缘检测
• folder:0-7 视频读写
• folder:0-3 形态学操作
• folder:0-1 opencv简介
• folder:0-2 几何变换
• folder:0-8 视频追踪
• folder:0-4 图形平滑
• folder:0-1 卷积神经网络基础
• folder:2--构建自动编码器
• folder:3--自动编码器改进技巧
• folder:1--自动编码器历史与应用介绍
• folder:3--Deep Q-Network
• folder:1--强化学习
• folder:2--Q-learning算法
• folder:1--模型压缩
• folder:1--图像分割应用介绍
• folder:1--生成对抗学习
• folder:1--贝叶斯方法
• folder:1--模型可解释
• folder:8--在Python中使用neo4j
• folder:23--模型使用
• folder:11--非结构化数据流水线
• folder:25--werobot服务构建
• folder:18--命名实体识别介绍
• folder:20--CRF介绍
• folder:27--任务介绍与模型选用及训练数据集
• folder:26--主要逻辑服务
• folder:31--模型部署
• folder:13--训练数据集
• folder:5--neo4j简介
• folder:22--模型训练
• folder:4--总体架构中的工具介绍
• folder:7--Cypher介绍与使用
• folder:21--BiLSTM+CRF模型
• folder:16--进行模型训练
• folder:32--系统联调与测试
• folder:14--BERT中文预训练模型
• folder:3--在线医生的总体架构
• folder:17--NE模型使用
• folder:2--Unit对话API使用
• folder:29--微调模型
• folder:19--BiLSTM介绍
• folder:6--neo4j图数据库的安装
• folder:24--在线部分简要分析
• folder:12--任务介绍与模型选用
• folder:7--数据关联
• folder:24--网络模型应用（选学）
• folder:13--车道线提取
• folder:11--相机校正
• folder:19--跟踪效果（选学）
• folder:15--车道线定位与拟合
• folder:12--相机校正和图像去畸变
• folder:8--SORT
• folder:9--目标检测
• folder:2--算法原理
• folder:14--透视变换
• folder:18--SIamese网络系列（选学）
• folder:17--在视频中进行车道线检测
• folder:4--辅助功能
• folder:20--数据集处理（选学）
• folder:16--车道曲率与车辆偏离中心线距离
• folder:1--项目简介
• folder:1--整体系统搭建
• folder:2--构建标签词汇图谱
• folder:7--召回模块
• folder:6--泛娱乐推荐介绍
• folder:3--特征工程和fasttext模型训练
• folder:8--排序模块
• folder:4--多模型训练和预测
• folder:2--口罩检测
• folder:1--人脸识别
• folder:4--活体检测
• folder:5--属性识别
• folder:3--Dlib模型训练
• folder:2--OpenCV简介及安装方法
• folder:3--OpenCV的模块
• folder:1--图像处理简介
• folder:4--Fast和ORB算法
• folder:3--SIFT
• folder:1--角点特征
• folder:2--Harris和Shi-Tomas算法
• folder:5--LBP和HOG特征算子
• folder:2--视频追踪
• folder:1--视频读写
• folder:1--图像的基础操作
• folder:4--深度学习的正则化
• folder:3--深度学习的优化方法
• folder:1--神经网络简介
• folder:6--卷积神经网络CNN
• folder:2--常见的损失函数
• folder:1--几何变换
• folder:5--边缘检测
• folder:6--模版匹配和霍夫变换
• folder:7--轮廓检测
• folder:3--图像平滑
• folder:2--AlexNet
• folder:3--VGG
• folder:6--图像增强方法
• folder:5--ResNet
• folder:7--模型微调
• folder:4--GoogleNet
• folder:2--R-CNN网络基础
• folder:4--yolo系列算法
• folder:6--SSD模型介绍
• folder:5--yoloV3案例
• folder:1--案例人脸案例
• folder:2--快速入门模型
• folder:1--tensorflow和keras简介
• folder:2--计算机视觉（CV）
• folder:1--目标分割介绍
• folder:2--语义分割：FCN与Unet
• folder:3--Unet-案例
• folder:4--实例分割：MaskRCNN
• folder:0-6 机器学习算法回顾总结（有需要的同学可以看看）
• folder:0-1 决策树算法
• folder:0-5 集成学习算法
• folder:0-3 SVM算法
• folder:0-2 朴素贝叶斯算法
• folder:0-4 聚类算法
• folder:0-3 线性回归
• folder:0-4 逻辑回归
• folder:0-2 KNN算法
• folder:0-1 人工智能原理基础
• folder:0-2 装饰器
• folder:0-18 FastAPI搭建Web服务器
• folder:0-8 静态Weeb服务器
• folder:0-1 函数的闭包
• folder:0-14 Python生成器
• folder:0-16 Python中正则表达式
• folder:0-6 Socket网络编程
• folder:0-7 TCP服务器开发
• folder:0-4 HTML基础
• folder:0-12 进程线程对比
• folder:0-9 FastAPI
• folder:0-11 线程
• folder:0-15 Python中深浅拷贝
• folder:0-13 With上下文管理器
• folder:0-17 正则表达式扩展
• folder:0-5 CSS基础
• folder:0-3 PyMySQL
• folder:0-3 Linux常用命令(1)
• folder:0-1 Linux基础
• folder:0-2 Linux终端基本使用
• folder:0-1 数据库基础
• folder:0-5 SQL多表查询
• folder:0-4 SQL聚合
• folder:0-2 SQL语言基础
• folder:0-6 SQL高阶特性
• folder:0-3 人脸姿态估计
• folder:0-7 工具函数的实现
• folder:0-23 ROUGE算法实现
• folder:0-20 评估方法介绍
• folder:0-38 Flask实现模型部署
• folder:0-4 TextRank算法实现模型
• folder:0-30 单词替换法的类实现
• folder:0-32 回译数据法实现和评估
• folder:0-1 文本摘要项项目背景介绍
• folder:0-19 PGN模型预测
• folder:0-29 TF-IDF算法原理和实现
• folder:0-15 PGN数据特殊性分析
• folder:0-26 coverage训练和预测
• folder:0-27 Beam-search原理介绍
• folder:0-10 模型的预测
• folder:0-34 训练策略原理和实现
• folder:0-2 项目中的数据集初探
• folder:0-21 BLEU算法理论
• folder:0-24 coverage机制原理
• folder:0-35 模型转移实现
• folder:0-5 seq2seq架构
• folder:0-3 TextRank算法理论基础
• folder:0-36 GPU优化原理和实现
• folder:0-33 半监督学习法原理和实现
• folder:0-16 迭代器和类的实现
• folder:0-17 PGN模型的搭建
• folder:0-14 数据预处理
• folder:0-8 模型类的搭建
• folder:0-28 Beam-search模型类实现
• folder:0-25 coverage模型类实现
• folder:0-11 词向量的单独训练
• folder:0-13 PGN架构
• folder:0-31 单词替换法的训练和评估
• folder:0-9 模型的训练
• folder:deepsort算法
• folder:DeepSort
• folder:SURF算法
• folder:第二章 2-求职篇
• folder:第三章 3-面试篇
• folder:第一章 1-HR面试技巧
• folder:第四章 4-试用期篇
• folder:0-1 求职篇
• folder:0-1 试用期