楼主: wz151400
120 0

[学习资料] 【AI学习资料】60G机器学习、深度学习、统计学习、神经网络等讲解、课件、代码合集 [推广有奖]

已卖:14202份资源
好评率:99%
商家信誉:良好

泰斗

72%

还不是VIP/贵宾

-

TA的文库  其他...

百味图书

威望
0 级
论坛币
155 个
通用积分
3069.2793
学术水平
182 点
热心指数
214 点
信用等级
110 点
经验
3947 点
帖子
21317
精华
0
在线时间
15285 小时
注册时间
2016-2-10
最后登录
2026-11-21

楼主
wz151400 在职认证  发表于 2026-9-19 13:49:58 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
【AI资料合集】 (99 Bytes, 需要: RMB 39 元)
内容超级丰富,浅显易懂,经典汇聚!非常适合新手自学!
一共60多个G,请另存到自己的网盘再下载,速度可能快意一点!

已选中23个文件/文件夹
    01-软件安装及环境配置
    02-人工智能数学基础
    03-Python基础+数据科学入门
    04-机器学习算法应用实战
    05-李航统计学习方法训练营(含无监督学习部分)
    06-机器学习西瓜训练营
    07-吴恩达机器学习作业班
    08-深度学习TensorFlow2.0框架班
    09-深度学习PyTorch框架班
    10-深度学习花训练营
    11-李飞飞斯坦福CS231n计算机视觉课
    12-斯坦福CS224n自然语言处理课训练营
    13-人工智能项目实战班
    14-04 神经网络基础知识
    15-06 OpenCV 图像基础
    16-【论文】baseline基础篇目——NLP
    17-【论文】baseline基础篇目——CV
    18-【NLP经典大赛】数据科学: 疫情期间网民情绪识别赛
    19-面试刷题班
    20-05 NLP基础知识
    代码资料汇总
    课件合集PDF版本

已选中15个文件/文件夹
    02-Anaconda介绍及安装
    03-【Python 3.6】 Python安装及验证
    04-【Python 3.6】 Python配置环境变量
    05-【Python 3.6】 Python卸载及验证
    06-【PyTorch 1.2】 PyTorch简介与安装
    07-【Pytorch1.2】 Pytorch开发环境安装
    08-【TensorFlow 2.1.0】环境安装-ubuntu
    09-【TensorFlow 2.1.0】环境安装-windows
    10-【GPU驱动安装】GPU_driver_windows
    11-【GPU驱动安装】GPU_driver_Linux
    12-Linux 常用命令
    13-【数据分析工具】 MySQL
    14-【数据分析工具】 Navicate
    15-【数据分析工具】 Tableau Public

保存到:
我的网盘/我的资源
已选中42个文件/文件夹
    05-【第一章 线性代数(上)】章节导读
    06-【第一章 线性代数(上)】-1 矩阵及其基本运算①
    07-【第一章 线性代数(上)】-2 矩阵及其基本运算②
    08-【第一章 线性代数(上)】-3 矩阵的行列式①
    09-【第一章 线性代数(上)】-4 矩阵的行列式②
    10-【第一章 线性代数(上)】-5 矩阵的行列式③
    11-【第一章 线性代数(上)】-6 矩阵的行列式④
    12-【第一章 线性代数(上)】-7 矩阵的逆①
    13-【第一章 线性代数(上)】-8 矩阵的逆②
    14-【第一章 线性代数(上)】-9 矩阵的逆③
    15-【第二章 线性代数(下)】章节导读
    16-【第二章 线性代数(下)】-1 矩阵的初等变换①
    17-【第二章 线性代数(下)】-2 矩阵的初等变换②
    18-【第二章 线性代数(下)】-3 矩阵的初等变换③
    19-【第二章 线性代数(下)】-4 矩阵的初等变换④
    20-【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①
    21-【第二章 线性代数(下)】-6 矩阵的特征值与特征向量②
    22-【第二章 线性代数(下)】-7 矩阵的特征值与特征向量③
    23-【第二章 线性代数(下)】-8 矩阵对角化以及二次型①
    24-【第二章 线性代数(下)】-9 矩阵对角化以及二次型②
    25-【第二章 线性代数(下)】-10 矩阵对角化以及二次型③
    26-【第二章 线性代数(下)】-11svd分解的应用
    27-【第三章 微积分】-01常用函数的导数以及到导数的常用公式
    28-【第三章 微积分】-02 中值定理&洛必达法则&泰勒公式及应用
    29-【第三章 微积分】-03 函数的凹凸性&函数的极值
    30-【第三章 微积分】-04 不定积分
    31-【第三章 微积分】-05 定积分
    32-【第三章 微积分】-06 偏导数&多元函数复合求导法则链式求导法则
    33-【第三章 微积分】-07 方向导数与梯度及其应用
    34-【第三章 微积分】-08 多元函数泰勒公式与海森矩阵&多元函数的极值
    35-【第三章 微积分】-09 矩阵的求导
    36-【第三章 微积分】-10 矩阵的求导在深度学习中的应用
    37-【第四章 概率论】-01随机实验样本空间随机事件&概率的定义
    38-【第四章 概率论】-02全概率公式与贝叶斯公式及应用&独立性
    39-【第四章 概率论】-03随机变量与多维随机变量
    40-【第四章 概率论】-04期望与方差part1
    41-【第四章 概率论】-05期望与方差part2
    42-【第四章 概率论】-06参数的估计
    43-【第五章 最优化】-1 无约束最优化梯度下降
    44-【第五章 最优化】-2 无约束最优化梯度下降
    45-【第五章 最优化】-3 约束最优化

保存到:
我的网盘/我的资源
    05-第一章 绪论和环境配置
    06-【作业讲解】第一章:助教实际演示配置环境过程
    07-第二章 Python 基本语法元素
    08-【作业讲解】第二章:Python基本语法元素
    09-第三章 基本数据类型
    10-【作业讲解】第三章:基本数据类型
    11-第四章 组合数据类型
    12-【作业讲解】第四章:复杂数据类型
    13-第五章 程序控制结构
    14-【作业讲解】第五章:程序控制结构
    15-第六章 函数-面向过程的编程
    16-【作业讲解】第六章:函数
    17-第七章 类-面向对象的编程
    18-【作业讲解】第七章:类
    19-第八章 文件-异常和模块
    20-【作业讲解】第八章:文件-异常和模块
    21-第九章 有益的探索
    22-【作业讲解】第九章:有益的探索
    23-第十章 Python标准库
    24-【作业讲解】第十章:Python标准库
    25-第十一章 科学计算库—Numpy应用
    26-【作业讲解】第十一章:Numpy库
    27-第十二章 Pandas库
    28-【作业讲解】第十二章:Pandas库
    29-第十三章 Matplotlib
    30-【作业讲解】第十三章:Matplotlib
    31-第十四章 Sklearn常规用法
    32-【作业讲解】第十四章:Sklearn常规用法
    33-第十五章 再谈编程
    35-【比赛实战】大牛手把手指导如何打一场完整的二分类比赛
    36-【比赛实战】二分类算法比赛小测验—提供银行精准营销解决方案
已选中100个文件/文件夹
    06-第一章 1.1 导论
    07-第一章 1.2 极大似然估计
    08-第一章 1.3 梯度下降法
    09-第一章作业讲解-极大似然估计
    10-第二章 2.1 导论
    100-第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法
    101-第十九章 作业讲解
    102-第二十章20.1LDA分布-模型与Gibbs抽样算法
    103-第二十章20.2LDA的变分EM算法
    104-第二十章 作业讲解
    105-第二十一章21.1PageRank算法的定义与幂法计算
    106-第二十一章 作业讲解    06-【第一周】机器学习绪论
    08-【第二周】西瓜书公式推导学习指南
    09-【第二周】一元线性回归公式
    10-【第二周】多元线性回归公式
    11-【第二周】对数几率回归公式
    14-【第二周】【作业讲解】逻辑回归
    15-【第三周】决策树的分裂准则
    19-【第三周】【作业讲解】决策树
    20-【第四周】支持向量机原始模型的建立和求解
    21-【第四周】核函数和软间隔支持向量机
    24-【第四周】【作业讲解】SVM
    25-【第五周】极大似然估计与朴素贝叶斯
    26-【第五周】EM算法1
    27-【第五周】EM算法2
    28-【第五周】EM算法3
    31-【第五周】【作业讲解】贝叶斯和EM算法
    32-【第六周】神经网络结构
    35-【第六周】【作业讲解】神经网络
    41-【第七周】【作业讲解】模型评估与选择
    47-【第八周】【作业讲解】特征选择
    52-【第九周】【作业讲解】k-means
    53-【第十周】聚类
    54-【第十周】HMM-1
    55-【第十周】HMM-2
    56-【第十周】HMM-3
    61-【达观杯nlp比赛】第一节课 了解NLP任务和熟悉比赛题目-赛前介绍和准备
    62-【达观杯nlp比赛】第二节课 了解NLP任务和熟悉比赛题目-赛题介绍和思路分析
    63-【达观杯nlp比赛】第三节课 数据分析及处理
    64-【达观杯nlp比赛】第四节课——Baseline实现
    65-【达观杯nlp比赛】第五节课 验证集构建和交叉验证
已选中23个文件/文件夹
    06-【先修】学习绪论视频,了解预备知识
    07-【学前准备】开营仪式回放-老师部分
    08-【学前准备】开营仪式回放-班主任部分
    14-Week2 Day2【作业讲解】对照作业讲解视频查漏补缺
    19-Week3-Day2 【作业讲解】完成编程作业2 (1)
    20-Week3-Day2 【作业讲解】完成编程作业2 (2)
    21-Week3-Day4 【达观杯文本智能处理挑战赛】(入门指导)
    25-Week4-Day2【作业讲解】编程作业3:神经网络(上)
    26-Week4-Day2【作业讲解】编程作业3:神经网络(下)
    27-Week4-Day4【达观杯文本智能处理挑战赛】(进阶指导)
    30-Week5-Day2【作业讲解】编程作业4(上)
    31-Week5-Day2【作业讲解】编程作业5
    32-Week5-Day2【作业讲解】编程作业4(下)
    36-Week6-Day2【作业讲解】编程作业5
    40-Week7-Day2【作业讲解】编程作业6(上)
    41-Week7-Day2【作业讲解】编程作业6(下)
    47-Week8-Day4【作业讲解】编程作业7(上)
    48-Week8-Day4【作业讲解】编程作业7(下)
    52-Week9-Day4【作业实操】编程作业编程作业8:异常检测与推荐系统P1
    53-Week9-Day4【作业实操】编程作业编程作业8:异常检测与推荐系统P2
    54-Week9-Day4【作业实操】编程作业编程作业8:异常检测与推荐系统P3
    56-Week10-Day1【kaggle大赛】进阶指导
已选中29个文件/文件夹
    05-Week1【任务1】tensorflow 2.0简介
    06-Week1【任务2】tensorflow2.0环境安装-ubuntu
    07-Week1【任务2】tensorflow2.0环境安装-windows
    09-Week2【任务1】张量与操作 & 三种自定义模型
    10-Week2【任务2】keras模型训练
    11-Week2【任务3】tensorflow2.0模型训练
    12-Week2【任务4】计算图机制详解
    13-Week2【任务5】计算图机制详解
    15-Week3【任务1】自定义层详解
    16-Week3【任务2】常用损失函数和自定义损失函数
    17-Week3【任务3】常用评估函数和自定义评估函数
    18-Week3【任务4】tensorboard小试牛刀
    19-Week4【任务1】tf.data简介
    20-Week4【任务2】tf.data简介
    21-Week4【任务3】tfrecord详解
    23-Week5【任务1】cnn介绍
    24-Week5【任务2】实战项目上
    25-Week5【任务3】实战项目下
    26-Week6 【任务1】循环神经网络讲解
    27-Week6【任务2】word2vec简介
    28-Week6【任务3】实战四
    29-Week7【任务1】ransformer简介
    30-Week7【任务2】实战5
    31-Week8【任务1】GPU分布式训练
    32-Week 8【任务2】TPU训练
    33-Week 9【任务1】TF.hub使用
    34-Week 9【任务2】BERT实战
    35-Week9【任务3】模型部署已选中49个文件/文件夹
    05-【必看】深入浅出PyTorch
    06-【第一周】PyTorch简介与安装
    07-【第一周】补充-pytorch开发环境安装
    08-【第一周】张量简介与创建
    09-【第一周】张量操作与线性回归
    10-【第一周】计算图与动态图机制
    11-【第一周】autograd与逻辑回归
    12-【第一周】作业讲解1
    13-【第一周】作业讲解2
    14-【第一周】作业讲解3
    15-【第二周】数据读取机制Dataloader与Dataset
    16-【第二周】数据预处理transforms模块机制
    17-【第二周】二十二种transforms数据预处理方法
    18-【第二周】学会自定义transforms方法
    19-【第二周】作业讲解
    20-【第三周】模型创建步骤与nn.Module
    21-【第三周】模型容器与AlexNet构建
    22-【第三周】nn网络层-卷积层
    23-【第三周】nn网络层-池化-线性-激活函数层
    24-【第三周】作业讲解
    25-【第四周】权值初始化
    26-【第四周】损失函数(一)
    27-【第四周】损失函数(二)
    28-【第四周】优化器optimizer的概念
    29-【第四周】torch.optim.SGD
    30-【第四周】作业讲解
    31-【第五周】学习率调整策略
    32-【第五周】TensorBoard简介与安装
    33-【第五周】TensorBoard使用(一)
    34-【第五周】TensorBoard使用(二)
    35-【第五周】hook函数与CAM可视化
    36-【第五周】作业讲解
    37-【第六周】正则化之weight_decay
    38-【第六周】正则化之Dropout
    39-【第六周】Batch Normalization
    40-【第六周】Normalizaiton_layers
    41-【第六周】作业讲解
    42-【第七周】模型保存与加载
    43-【第七周】模型finetune
    44-【第七周】GPU的使用
    45-【第七周】PyTorch常见报错
    46-【第七周】作业讲解
    47-【第八周】图像分类一瞥
    48-【第八周】图像分割一瞥
    49-【第八周】图像目标检测一瞥(上)
    50-【第八周】图像目标检测一瞥(下)
    51-【第九周】生成对抗网络一瞥
    52-【第九周】循环神经网络一瞥

保存到:
我的网盘/我的资源
已选中56个文件/文件夹
    05-第一周【任务1】矩阵对角化以及SVD分解
    06-第一周【任务1】逆矩阵-最小二乘及PCA原理推导
    07-第一周【任务2】:极大似然估计
    08-第一周【任务2】:无约束最优化
    09-第一周【任务2】:有约束最优化
    10-【第一周作业讲解】为什么要用最小二乘
    11-【第一周作业讲解】矩阵的分解及其应用
    12-【第一周作业讲解】极大似然估计以及优化理论
    13-【第一周作业讲解】熟悉svd分解算法的流程
    14-第二周【任务1】:机器学习算法基本概念
    15-第二周【任务1】:过拟合欠拟合超参数验证集
    16-第二周【任务2】:估计-偏差和方差
    17-第二周【任务2】:贝叶斯估计
    18-第二周【任务2】:逻辑回归
    19-第二周作业讲解
    20-第三周【任务1】学习支持向量机LDA
    21-第三周【任务1】其他监督学习算法SVM
    22-第三周【任务2】决策树-kmeans算法
    23-第三周作业讲解
    24-第四周【任务1】:前馈神经网络结构表达能力
    25-第四周【任务1】:激活函数损失函数
    26-第四周【任务2】前馈神经网络技巧
    27-第四周【任务2】前向后向算法
    28-第四周作业讲解
    29-第五周【任务1】范数惩罚正则化
    30-第五周【任务1】:数据增强bagging&dropout
    31-第五周【任务2】深度模型中的优化
    32-第五周作业讲解
    33-第六周【任务1】cnn前向后向
    34-第六周【任务1】局部感知权值共享
    35-第六周【任务2】lenet&alexnet
    36-第六周【任务2】vggnet googlenet
    37-第六周【任务3】CNN应用——RCNN目标检测
    38-第六周【任务3】CNN应用——Bounding_box regression
    39-第六周【任务3】CNN应用——FastRCNN
    40-第六周【任务3】CNN应用——CNN人脸特征点定位
    41-第六周作业讲解
    42-【论文精读(选修)】mobilenet-01-背景介绍
    43-【论文精读(选修)】mobilenet-02-论文结构&摘要精读
    44-【论文精读(选修)】mobilenet-03-主体架构&深度可分离卷积
    45-【论文精读(选修)】mobilenet-04-超参数
    46-【论文精读(选修)】mobilenet-05-后续创新及改进
    47-【论文精读(选修)】mobilenet-06-代码结构
    48-【论文精读(选修)】mobilenet-07-模型设计
    49-【论文精读(选修)】mobilenet-08-模型评估
    50-第七周【任务1】RNN概念&前向传播
    51-第七周【任务1】RNN反向传播与并行计算
    52-第七周【任务2】lstm
    53-第七周【任务2】gru
    54-第七周【任务3】plstm&lstm在ocr的应用
    55-第七周作业讲解
    56-第八周【任务1】推理加速
    57-第八周【任务1】训练加速
    58-第八周【任务2】自适应技术
    59-第8周作业讲解

保存到:
我的网盘/我的资源
    05-计算机视觉发展历史及一些计算机视觉任务概念
    08-knn与线性分类器知识点提点
    10-学习内容总结+观看作业解答视频
    11-损失函数和优化导读
    12-svm多分类损失函数与softmax
    15-学习反向传播
    16-作业讲解视频
    17-作业讲解视频
    19-学习卷积神经网络历史
    20-学习卷积和池化
    21-学习激活函数-数据处理-权重初始化
    22-作业讲解视频
    25-学习优化策略
    27-作业讲解视频
    30-学习比较流行的cnn网络结构
    31-学习rnn,lstm,gru
    33-学习图像分割学习任务,分类和定位
    35-学习特征可视化方法
    37-学习Pixel RNN,Pixel CNN与变分自编码
    45-【kaggle猫狗分类比赛】比赛简介
    46-【学习kaggle猫狗分类比赛】详细操作
已选中30个文件/文件夹
    05-学习CS224n第一课和课程导学
    06-【作业讲解】:assignment1讲解
    07-打达观杯NLP比赛(报名指导和入门指导)
    08-学习CS224n第二课和重难点讲解视频
    09-学习CS224n第三课和课程导学
    10-python numpy pytorch学习及编程作业解析
    11-学习CS224n第四课和课程导学
    12-观看看作业解答
    13-学习CS224n Lecture 05及导学
    15-Assignment 3作业讲解
    16-学习CS224n Lecture 06及导学
    18-观看作业解答视频
    19-观看作业解答视频2
    20-观看作业解答视频3
    21-神经机器翻译及attention
    23-Neural Machine Translation with RNN
    24-基于卷积神经网络的nlp
    26-观看作业解答视频
    27-观看A5作业讲解视频2
    28-transformers and BERT
    29-Lecture 14
    30-Natural Language Generation
    33-Lecture 18
    35-Future of NLP + Deep Learning
    36-kaggle文本分类比赛-比赛介绍
    37-kaggle文本分类比赛-数据分析
    38-kaggle文本分类比赛-baseline模型(1)
    39-kaggle文本分类比赛-baseline模型(2)
    40-kaggle文本分类比赛-提交数据+提分策略

保存到:
我的网盘/我的资源
已选中68个文件/文件夹
    05-【试听CV项目】1.1-背景介绍
    06-【试听CV项目】1.2.1-图像初步-可视化
    07-【试听】算法工作分享——1面试准备
    08-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅰ课程导读
    09-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅱ知识图谱的概念与应用
    10-【NLP项目一人工智能辅助信息抽取】第三周第一节Ⅲ信息抽取构建知识图谱实例
    11-【NLP项目一人工智能辅助信息抽取】第三周第二节-正则表达式与AC自动机算法讲解与应用
    12-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅰ中文自然语言处理基础
    13-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅱ命名实体识别详解
    14-【NLP项目一人工智能辅助信息抽取】第三周第三节Ⅲ隐马尔可夫模型与维特比算法
    15-【NLP项目一人工智能辅助信息抽取】第三周第四节:条件随机场
    16-【NLP项目一人工智能辅助信息抽取】第四周-2.1深度学习NLP问题
    17-【NLP项目一人工智能辅助信息抽取】第四周-2.2文本表示
    18-【NLP项目一人工智能辅助信息抽取】第四周-2.3文本特征抽取
    19-【NLP项目一人工智能辅助信息抽取】第四周-2.4常见NLP任务模型结构
    20-【NLP项目一人工智能辅助信息抽取】第四周-2.5 bilstm-crf模型介绍
    21-【NLP项目一人工智能辅助信息抽取】第四周-2.6 bilstm-crf实战
    22-【NLP项目一人工智能辅助信息抽取】第四周-2.7 关系抽取介绍
    23-【NLP项目一人工智能辅助信息抽取】第四周-2.8 PCNN介绍
    24-【NLP项目一人工智能辅助信息抽取】第四周-2.9 PCNN实战
    25-【NLP项目一人工智能辅助信息抽取】3.1 图像预训练模型
    26-【NLP项目一人工智能辅助信息抽取】3.2 NLP预训练模型
    27-【NLP项目一人工智能辅助信息抽取】3.3 信息抽取深度学习综述
    28-【NLP项目一人工智能辅助信息抽取】3.4 BERT NER实战
    29-【NLP项目一人工智能辅助信息抽取】3.5 总结与展望
    30-【CV项目一图像分割深度学习实战】第一周-1.1-背景介绍
    31-【CV项目一图像分割深度学习实战】第一周1.2.1-图像初步-可视化
    32-【CV项目一图像分割深度学习实战】第一周1.2.2-图像初步-图像运算
    33-【CV项目一图像分割深度学习实战】第一周1.3-训练数据准备
    34-【CV项目一图像分割深度学习实战】第一周-1.4-1-深度学习代码框架
    35-【CV项目一图像分割深度学习实战】第一周-1.4-2-pytorch基础知识
    36-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-A
    37-【CV项目一图像分割深度学习实战】第二周2.1-模版代码概述-B
    38-【CV项目一图像分割深度学习实战】第二周2.2-调参基础篇
    39-【CV项目一图像分割深度学习实战】第二周2.3-选择损失函数
    41-【CV项目一图像分割深度学习实战】第二周-2.5-调参-总结
    42-【CV项目一图像分割深度学习实战】第二周2.6-U-Net理论课
    43-【CV项目一图像分割深度学习实战】第二周2.7-DeepLabv3+理论课
    49-【CV项目一图像分割深度学习实战】第三周-3.3-梯度累积法
    50-【CV项目一图像分割深度学习实战】第三周-3.4-选择模型权重
    51-【CV项目一图像分割深度学习实战】第三周-U-Net理论课进阶-迁移学习
    53-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-a
    54-【CV项目一图像分割深度学习实战】第四周-4.1-数据标注-b
    58-【CV项目一图像分割深度学习实战】第四周-4.3-bad
    59-【CV项目一图像分割深度学习实战】第四周-算法工作分享——1面试准备
    60-【CV项目一图像分割深度学习实战】第四周-算法工作分享——2工作日常
    61-【CV项目一图像分割深度学习实战】第四周-算法工作分享——3职业前景
    62-【推荐系统项目一电影推荐项目】1.1:推荐系统简介
    63-【推荐系统项目一电影推荐项目】1.2: 简单的电影推荐
    64-【推荐系统项目一电影推荐项目】1.3: IMDB评分
    65-【推荐系统项目一电影推荐项目】1.4:基于内容推荐
    66-【推荐系统项目一电影推荐项目】1.5:协同过滤算法
    67-【推荐系统项目】2.1criteo ctr
    68-【推荐系统项目】2.2FM&FFM
    69-【推荐系统项目】2.3Wide&Deep
    70-【推荐系统项目】2.4DeepFM
    71-【医疗知识图谱构建及图表征学习实践项目】课时0:项目先导课
    72-【医疗知识图谱构建及图表征学习实践项目】课时1:数据获取—爬虫
    73-【医疗知识图谱构建及图表征学习实践项目】课时2:数据处理
    74-【医疗知识图谱构建及图表征学习实践项目】课时3:BiLSTM+CRF
    75-【医疗知识图谱构建及图表征学习实践项目】课时4:NLP前沿技术讲解
    76-【医疗知识图谱构建及图表征学习实践项目】课时5:Neo4j
    77-【医疗知识图谱构建及图表征学习实践项目】课时6:图表征学习
    78-【医疗知识图谱构建及图表征学习实践项目】课时7:图表征算法代码学习
    79-【医疗知识图谱构建及图表征学习实践项目】课时8:项目总结
    80-【医疗知识图谱构建及图表征学习实践项目】补充内容:额外的LSTM
    81-【医疗知识图谱构建及图表征学习实践项目】补充内容:额外的python编码
已选中12个文件/文件夹
    02-01-神经网络基础与多层感知机-0
    03-01-神经网络基础与多层感知机-1
    04-01-神经网络基础与多层感知机-2
    05-01-神经网络基础与多层感知机-3
    06-01-神经网络基础与多层感知机-4
    07-02-卷积神经网络-0
    08-02-卷积神经网络-1
    09-02-卷积神经网络-2
    10-03-循环神经网络-0
    11-03-循环神经网络-1
    12-03-循环神经网络-2
已选中75个文件/文件夹
    02-1.1 joint-bert
    03-1.2 joint-bert
    04-1.3 joint-bert
    05-1.4 joint-bert
    06-1.5 joint-bert
    07-1.6 joint-bert
    08-1.7 joint-bert
    09-1.8 joint-bert-代码
    10-1.9 joint-bert-代码
    11-01 cnn_for-re-01(新版)
    12-01 cnn_for-re-02(新版)
    13-01 cnn_for-re-03(新版)
    14-01 cnn_for-re-04(新版)
    15-01 cnn_for-re-05(新版)
    16-01 code_cnn_for_re-06(新版)
    17-01 code_cnn_for_re-07(新版)
    18-01 code_cnn_for_re-08(新版)
    19-01 code_cnn_for_re-09(新版)
    20-01 code_cnn_for_re-10(新版)
    21-03elmo-01-elmo的下游任务介绍.
    22-03elmo-02-feature_based和fine_tuning
    23-03elmo-03-word2vec和charcnn回顾
    24-03elmo-04-Bidirectional_language_models
    25-03elmo-05-how to use emol.
    26-03elmo-06-论文回顾.
    27-03elmo-07-代码预处理部分
    28-03elmo-08-代码模型结构部分
    29-03elmo-09-代码crf流程.
    30-03elmo-10-代码crf实现.
    31-01nodevec-01-研究背景
    32-01nodevec-02-研究成果
    33-01nodevec-03-图的应用
    34-01nodevec-04-模型结构&BFS&DFS
    35-01nodevec-05-模型算法&alias算法
    36-01nodevec-06-实验分析
    37-01nodevec-07-论文总结
    38-01nodevec-08-代码整体介绍
    39-01nodevec-09-代码节点和边的alias实现
    40-01nodevec-10-代码有偏随机游走和模型训练
    41-01nodevec-11-代码结果展示和总结
    42-01transformer-01-论文背景&研究成果
    43-01transformer-02-attention回顾
    44-01transformer-03-模型框架和self_attention
    45-01transformer-04-模型小trick.
    46-01transformer-05-代码框架部分和encoder
    47-01transformer-06-代码decoder和self_attention
    48-01transformer-07-代码训练部分和预测部分
    49-1.1 word2vec1-1背景知识
    50-1.2 word2vec1-2论文泛读
    51-1.3 word2vec2-1对比模型
    52-1.4 word2vec2-2原理
    53-1.5 word2vec2-3word2vec关键技术
    54-1.6 word2vec2-4模型复杂度
    55-1.7 word2vec2-5实验结果
    56-1.8 word2vec3-1代码部分上
    57-1.9 word2vec3-2代码部分下
    58-1.1- BiLSTM-CRF-论文研究背景
    59-1.2- BiLSTM-CRF-论文算法总览
    60-1.3-BiLSTM-CRF模型结构
    61-1.4-BiLSTM-CRF损失函数与维特比解码
    62-1.5- BiLSTM-CRF-实验结果与论文总结
    63-1.6- BiLSTM-CRF代码讲解
    64-1.7- BiLSTM-CRF-NCR-Fpp代码详解
    65-01DSSM-00专题引言
    66-01DSSM-01-学习目标.
    67-01DSSM-02-论文背景-贡献及意义
    68-01DSSM-03摘要精读-总结
    69-01DSSM-04-上节回顾
    70-01DSSM-05-词哈希
    71-01DSSM-06-DSSM整体结构
    72-01DSSM-07-优化函数-实验与总结
    73-01DSSM-08-代码总览
    74-01DSSM-09-词哈希表的建立与数据载入
    75-01DSSM-10-模型的搭建与训练-测试
已选中7个文件/文件夹
    01-打造舒适的AI开发环境
    02-【01课】赛题详解
    03-【02课】比赛专题讲解
    04-【03课】模型调参和文本增强比赛专题讲解
    05-【04课】比赛思路进阶专题讲解
    06-【05课】比赛思路全复盘(纯干货)
已选中69个文件/文件夹
    05-【了解机器学习中的特征工程和模型评估】P1快速排序
    06-【了解机器学习中的特征工程和模型评估】P2堆排序
    07-【了解机器学习中的特征工程和模型评估】P3滑动窗口
    08-【了解机器学习中的特征工程和模型评估】P4双指针
    09-【了解监督学习中的经典算法】P1逻辑回归
    10-【了解监督学习中的经典算法】P2决策树
    12-【学习支持向量机】P1几个重要的概念
    13-【学习支持向量机】P2svm最优化问题
    14-【学习支持向量机】P3硬间隔SVM最优化问题的推导
    15-【学习支持向量机】P4线性可分SVM
    16-【学习支持向量机】P5核函数
    17-【学习支持向量机】P6smo算法
    18-【数据结构和算法】P1KMP算法
    19-【数据结构和算法】P2二分搜索
    20-【数据结构和算法】P3哈希表
    21-【了解机器学习中如何降维处理】PCA和LDA
    23-【了解机器学习中的非监督学习算法】K-means
    24-【数据结构和算法】P1虚拟头结点
    25-【数据结构和算法】P2链表中环的入口结点
    26-【数据结构和算法】P3删除链表中重复的结点
    27-【数据结构和算法】P4栈,队列
    28-【机器学习中的概率图模型】P1hmm的引出和问题的介绍
    29-【机器学习中的概率图模型】P2HMM预测问题之维特比算法
    30-【机器学习中的概率图模型】P3crf的一些基础概念
    31-【机器学习中的概率图模型】P4crf具体介绍
    33-【数据结构和算法】P1DFS和BFS
    34-【数据结构和算法】P2最短路径
    35-【数据结构和算法】P3最小生成树
    36-【数据结构和算法】P4二叉树的遍历
    37-【数据结构和算法】P4二叉搜索树和平衡二叉树
    38-【前向神经网络】P1网络图和激活函数
    39-【前向神经网络】P2前向传播
    40-【前向神经网络】P3损失函数选用
    41-【前向神经网络】P4反向传播1
    42-【前向神经网络】P5反向传播2
    43-【了解序列数据中常用的循环神经网络】P1RNN
    44-【了解序列数据中常用的循环神经网络】P2GRU和LSTM
    46-【集成学习的原理和常见的集成学习】P1提升树算法
    47-【集成学习的原理和常见的集成学习】P2梯度提升树算法
    48-【集成学习的原理和常见的集成学习】P3二分类问题
    49-【集成学习的原理和常见的集成学习】P4多分类问题和回归问题
    50-【数据结构和算法】01背包问题
    51-【数据结构和算法】什么是动态规划(leetcode 70题)
    52-【数据结构和算法】回溯法(机器人的运动范围)
    53-【数据结构和算法】什么是递归(斐波那契额数列-跳台阶-变态跳台阶)
    54-【数据结构和算法】leetcode416(01背包实例)
    55-【数据结构和算法】最长公共子序列(leetcode 1143题)
    56-【数据结构和算法】最长上升子序列(leetcode 300题)
    57-【xgboost的原理以及常见面试题】P1xgboost的一些预备知识
    58-【xgboost的原理以及常见面试题】P2结构分
    59-【xgboost的原理以及常见面试题】P3贪心算法寻找分裂点
    60-【xgboost的原理以及常见面试题】P4近似算法和加权分桶
    61-【xgboost的原理以及常见面试题】P5缺失值处理算法
    62-【xgboost的原理以及常见面试题】P6其他优化
    64-【了解优化算法的原理】P1深度学习中的优化问题
    65-【了解优化算法的原理】P2梯度下降简单的数学原理
    66-【了解优化算法的原理】P3随机梯度下降和小批量随机梯度下降
    67-【了解优化算法的原理】P4动量法
    68-【了解优化算法的原理】P5常见的一些改进的优化算法
    69-【了解常见的采样方法-作用-具体实现,以及应用】P1蒙塔卡罗模拟定积分和重要性采样
    70-【了解常见的采样方法-作用-具体实现,以及应用】P2
    71-【了解常见的采样方法-作用-具体实现,以及应用】P3
    72-【了解常见的采样方法-作用-具体实现,以及应用】P4
    74-面试刷题班 8月5日直播答疑
    76-面试刷题班 8月9日直播答疑
    78-面试刷题班 8月15日直播答疑
    80-面试刷题班 8月22日直播答疑

保存到:
我的网盘/我的资源
已选中23个文件/文件夹
    02-1-1 前言.
    03-1-2 研究方向概述.
    04-2-1 预备知识.
    05-2-2 NLP问题中的特征.
    06-2-3 特征输入.
    07-2-4 文本的向量化表示与案例实现.
    08-3-1 统计语言模型简介与案例实现.
    09-3-2 语言模型任务评估.
    10-3-3 神经语言模型简介与代码实现.
    11-3-4 预训练的词表示及其使用实例.
    12-4-1 word2vec原理.
    13-4-2 word2vec代码复现.
    14-4-3 word2vec项目实战展示.
    15-4-4 BERT使用实战讲解.
    16-4-5 MLP模型与实战.
    17-4-6 RNN模型原理-代码复现与实战.
    18-5-1 HMM序列标注.
    19-5-2 HMM模型简介.
    20-5-3 HMM样本生成.
    21-5-4 HMM训练.
    22-5-5 HMM预测.
    23-5-6 HMM代码实现.

保存到:
我的网盘/我的资源
已选中10个文件/文件夹
    02线性回归
    03逻辑回归
    04决策树
    05朴素贝叶斯
    06支持向量机
    07聚类
    08主成分分析
    09集成学习
    10案例
文件太多,无法一一列举,欢迎下载学习!!


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:机器学习 统计学习 学习资料 深度学习 神经网络

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
扫码
拉您进交流群
GMT+8, 2026-11-22 07:01