本套课程:人工智能深度学习高薪就业班P5(咕泡),课程官方售价16800元,本次更新共包含10大部分,文件大小共计27.51G;课程主要对深度学习、计单机调觉、然语言处理进行系统化的讲解,同时结合案例进行实际演练;老师授课通俗易懂,AI领域全面覆盖,让大家学到真正有价值的东西,文章底部附下载地址。
2023.2.24 本次更新大小约177.6 GB
课程介绍:
课程特色:
1.通俗易懂:以实例的形式进行算法讲解,通俗、易懂、接地气;
2.全程实战:所有算法均给出相应实现案例及其应用项目,内容覆盖200+案例,30+应用场景;
3.深度学习+计算机视觉+自然语言处理,AI领域全面覆盖:从基础的机器学习到当下主流的深度学习,再延伸到计算机视觉,自然语言处理与语音识别,覆盖当下AI全部热门领域;
4.实战项目源码分析:从源码角度详细讲解各大项目实现细节,360°无死角掌握项目核心架构及其建模工作全部流程;
5.基于论文展开讲解:Ai工程师必备核心技能,通俗讲解各大领域经典与最新论文,结合论文展开项目实战;
6.实战项目全部取自真实数据集与实际任务:结合数据与业务背景展开建模与分析实战。
适合学员:
1.在校学生(专科/本科/研究生及以上):有较强的数学基础,未来在人工智能领域发展后劲十足;
2.研发管理技术拓展(架构师/大数据/算法研究院/CTO):已经是研发大牛,需要人工智能算法与大数据处理,提升技术广度与深度;
3.IT转行(JAVA/C/PHP等语言):具有1-3年左右编程工作经验,对AI感兴趣或有业务需求;
4.非IT兴趣爱好者(拒绝平庸谋求突破):在自己多年积累的领域有足够的经验,可以将人工智能完美应用在传统领域。
人工智能P5第5期2.24人工智能P5
课程文件目录:V-3780:人工智能P5第5期 [27.51G]
古泡人工智能P5第5期2022年
│
├─1_直播课回放
│ ├─1_直播1:开班典礼
│ │ 1人工智能CV NLP高薪实战班.mp4
│ │
│ ├─2_Pycharm环境配置与Debug演示(没用过的同学必看)
│ │ Pycharm环境配置与Debug演示(没用过的同学必看).mp4
│ │
│ ├─3_直播2:深度学习必备基础-神经网络与卷积网络
│ │ 1.深度学习必备基础-神经网络与卷积网络.mp4
│ │
│ ├─4_直播3:Transformer原理及其各领域应用分析
│ │ Transformer原理及其各领域应用分析.mp4
│ │
│ ├─5_额外补充:时间序列预测
│ │ 额外补充:时间序列预测.mp4
│ │
│ └─6_直播4:Informer时间序列预测源码解读
│ Informer时间序列预测源码解读.mp4
│
├─2_深度学习必备核心算法
│ ├─1_神经网络算法解读
│ │ 1-神经网络算法解读.mp4
│ │
│ ├─2_卷积神经网络算法解读
│ │ 2-卷积神经网络算法解读.mp4
│ │
│ └─3_递归神经网络算法解读
│ 3-递归神经网络算法解读.mp4
│
├─3_深度学习核心框架PyTorch
│ ├─1_PyTorch框架介绍与配置安装
│ │ 1-PyTorch框架与其他框架区别分析1.mp4.mp4
│ │ 2-CPU与GPU版本安装方法解读1.mp4.mp4
│ │
│ ├─2_使用神经网络进行分类任务
│ │ 1-数据集与任务概述2.mp4.mp4
│ │ 2-基本模块应用测试2.mp4.mp4
│ │ 3-网络结构定义方法2.mp4.mp4
│ │ 4-数据源定义简介2.mp4.mp4
│ │ 5-损失与训练模块分析2.mp4.mp4
│ │ 6-训练一个基本的分类模型2.mp4.mp4
│ │ 7-参数对结果的影响2.mp4.mp4
│ │
│ ├─3_神经网络回归任务-气温预测
│ │ 神经网络回归任务-气温预测1.mp4.mp4
│ │
│ ├─4_卷积网络参数解读分析
│ │ 1-输入特征通道分析2.mp4.mp4
│ │ 2-卷积网络参数解读2.mp4.mp4
│ │ 3-卷积网络模型训练2.mp4.mp4
│ │
│ ├─5_图像识别模型与训练策略(重点)
│ │ 1-任务分析与图像数据基本处理2.mp4.mp4
│ │ 10-测试结果演示分析1.mp4.mp4
│ │ 2-数据增强模块2.mp4.mp4
│ │ 3-数据集与模型选择1.mp4.mp4
│ │ 4-迁移学习方法解读1.mp4.mp4
│ │ 5-输出层与梯度设置1.mp4.mp4
│ │ 6-输出类别个数修改1.mp4.mp4
│ │ 7-优化器与学习率衰减1.mp4.mp4
│ │ 8-模型训练方法1.mp4.mp4
│ │ 9-重新训练全部模型1.mp4.mp4
│ │
│ ├─6_DataLoader自定义数据集制作
│ │ 1-Dataloader要完成的任务分析1.mp4.mp4
│ │ 2-图像数据与标签路径处理1.mp4.mp4
│ │ 3-Dataloader中需要实现的方法分析1.mp4.mp4
│ │ 4-实用Dataloader加载数据并训练模型1.mp4.mp4
│ │
│ ├─7_LSTM文本分类实战
│ │ 1-数据集与任务目标分析1.mp4.mp4
│ │ 2-文本数据处理基本流程分析1.mp4.mp4
│ │ 3-命令行参数与DEBUG1.mp4.mp4
│ │ 4-训练模型所需基本配置参数分析1.mp4.mp4
│ │ 5-预料表与字符切分1.mp4.mp4
│ │ 6-字符预处理转换ID1.mp4.mp4
│ │ 7-LSTM网络结构基本定义1.mp4.mp4
│ │ 8-网络模型预测结果输出1.mp4.mp4
│ │ 9-模型训练任务与总结1.mp4.mp4
│ │
│ └─8_PyTorch框架Flask部署例子
│ 1-基本结构与训练好的模型加载.mp4.mp4
│ 2-服务端处理与预测函数.mp4.mp4
│ 3-基于Flask测试模型预测结果.mp4.mp4
│
├─4_MMLAB实战系列
│ ├─10_第四模块:DBNET文字检测
│ │ 1-文字检测数据概述与配置文件.mp4.mp4
│ │ 2-配置文件参数设置.mp4.mp4
│ │ 3-Neck层特征组合.mp4.mp4
│ │ 4-损失函数模块概述.mp4.mp4
│ │ 5-损失计算方法.mp4.mp4
│ │
│ ├─11_第四模块:ANINET文字识别
│ │ 1-数据集与环境概述.mp4.mp4
│ │ 2-配置文件修改方法.mp4.mp4
│ │ 3-Bakbone模块得到特征.mp4.mp4
│ │ 4-视觉Transformer模块的作用.mp4.mp4
│ │ 5-视觉模型中的编码与解码的效果.mp4.mp4
│ │ 6-文本模型中的结构分析.mp4.mp4
│ │ 7-迭代修正模块.mp4.mp4
│ │ 8-输出层与损失计算.mp4.mp4
│ │
│ ├─12_第五模块:stylegan2源码解读
│ │ 1-要完成的任务与基本思想概述.mp4.mp4
│ │ 2-得到style特征编码.mp4.mp4
│ │ 3-特征编码风格拼接.mp4.mp4
│ │ 4-基础风格特征卷积模块.mp4.mp4
│ │ 5-上采样得到输出结果.mp4.mp4
│ │ 6-损失函数概述.mp4.mp4
│ │
│ ├─12_第四模块:KIE基于图模型的关键信息抽取
│ │ 1-配置文件以及要完成的任务解读.mp4.mp4
│ │ 2-KIE数据集格式调整方法.mp4.mp4
│ │ 3-配置文件与标签要进行处理操作.mp4.mp4
│ │ 4-边框要计算的特征分析.mp4.mp4
│ │ 5-标签数据处理与关系特征提取.mp4.mp4
│ │ 6-特征合并处理.mp4.mp4
│ │ 7-准备拼接边与点特征.mp4.mp4
│ │ 8-整合得到图模型输入特征.mp4.mp4
│ │
│ ├─13_第六模块:BasicVSR++视频超分辨重构源码解读
│ │ 1-要完成的任务分析与配置文件.mp4.mp4
│ │ 10-传播流程整体完成一圈.mp4
│ │ 11-完成输出结果.mp4.mp4
│ │ 2-特征基础提取模块.mp4
│ │ 3-光流估计网络模块.mp4
│ │ 4-基于光流完成对齐操作.mp4
│ │ 5-偏移量计算方法1.mp4.mp4
│ │ 6-双向计算特征对齐.mp4
│ │ 7-提特征传递流程分析.mp4
│ │ 8-序列传播计算.mp4
│ │ 9-准备变形卷积模块的输入.mp4.mp4
│ │
│ ├─14_第七模块:多模态3D目标检测算法源码解读
│ │ 1-环境配置与数据集概述.mp4
│ │ 10-3D卷积特征融合.mp4
│ │ 11-输出层预测结果.mp4
│ │ 2-数据与标注文件介绍.mp4
│ │ 3-基本流程梳理并进入debug模式.mp4
│ │ 4-数据与图像特征提取模块.mp4
│ │ 5-体素索引位置获取.mp4.mp4
│ │ 6-体素特征提取方法解读.mp4
│ │ 7-体素特征计算方法分析.mp4
│ │ 8-全局体素特征提取.mp4
│ │ 9-多模态特征融合.mp4
│ │
│ ├─15_第八模块:模型蒸馏应用实例
│ │ 1-任务概述与工具使用.mp4
│ │ 2-Teacher与Student网络结构定义.mp4
│ │ 3-训练T与S得到蒸馏模型.mp4
│ │ 4-开始模型训练过程与问题修正.mp4
│ │ 5-日志输出与模型分离.mp4
│ │ 6-分别得到Teacher与Student模型.mp4
│ │ 7-实际测试效果演示.mp4
│ │
│ ├─16_第八模块:模型剪枝方法概述分析
│ │ 1-SuperNet网络结构分析与剪枝概述.mp4
│ │ 2-搜索匹配到符合计算量的模型并训练.mp4
│ │
│ ├─17_第九模块:mmaction行为识别
│ │ 创建自己的行为识别标注数据集.mp4
│ │
│ ├─18_额外补充
│ │ 在源码中加入各种注意力机制方法.mp4
│ │
│ ├─1_MMCV安装方法
│ │ MMCV安装方法.mp4
│ │
│ ├─2_第一模块:分类任务基本操作
│ │ 1-准备MMCLS项目.mp4
│ │ 2-基本参数配置解读.mp4
│ │ 3-各模块配置文件组成.mp4
│ │ 4-生成完整配置文件.mp4
│ │ 5-根据文件夹定义数据集.mp4
│ │ 6-构建自己的数据集.mp4
│ │ 7-训练自己的任务.mp4
│ │ MMCLS问题修正1.mp4
│ │
│ ├─3_第一模块:训练结果测试与验证
│ │ 1-测试DEMO效果.mp4
│ │ 2-测试评估模型效果.mp4
│ │ 3-MMCLS中增加一个新的模块.mp4
│ │ 4-修改配置文件中的参数.mp4
│ │ 5-数据增强流程可视化展示.mp4
│ │ 6-Grad-Cam可视化方法.mp4
│ │ 7-可视化细节与效果分析.mp4
│ │ 8-MMCLS可视化模块应用.mp4
│ │ 9-模型分析脚本使用.mp4
│ │
│ ├─4_第一模块:模型源码DEBUG演示
│ │ 1-VIT任务概述.mp4
│ │ 2-数据增强模块概述分析.mp4
│ │ 3-PatchEmbedding层.mp4
│ │ 4-前向传播基本模块.mp4
│ │ 5-CLS与输出模块.mp4
│ │
│ ├─5_第二模块:使用分割模块训练自己的数据集
│ │ 1-项目配置基本介绍.mp4
│ │ 2-数据集标注与制作方法.mp4
│ │ 3-跟别预测类别数修改配置文件.mp4
│ │ 4-加载预训练模型开始训练.mp4
│ │ 5-预测DEMO演示.mp4
│ │
│ ├─6_第二模块:基于Unet进行各种策略修改
│ │ 1-配置文件解读.mp4
│ │ 2-编码层模块.mp4
│ │ 3-上采样与输出层.mp4
│ │ 4-辅助层的作用.mp4
│ │ 5-给Unet添加一个neck层.mp4
│ │ 6-如何修改参数适配网络结构.mp4
│ │ 7-将Unet特征提取模块替换成transformer.mp4
│ │ 8-VIT模块源码分析.mp4
│ │
│ ├─7_第二模块:分割任务CVPR最新Backbone设计及其应用
│ │ 1-注册自己的Backbone模块.mp4.mp4
│ │ 10-汇总多层级特征进行输出.mp4.mp4
│ │ 2-配置文件指定.mp4.mp4
│ │ 3-DEBUG解读Backbone设计.mp4.mp4
│ │ 4-PatchEmbedding的作用与实现.mp4.mp4
│ │ 5-卷积位置编码计算方法.mp4.mp4
│ │ 6-近似Attention模块实现.mp4.mp4
│ │ 7-完成特征提取与融合模块.mp4.mp4
│ │ 8-分割任务输出模块.mp4.mp4
│ │ 9-全局特征的作用与实现.mp4.mp4
│ │
│ ├─8_第三模块:mmdet训练自己的数据任务
│ │ 1-数据集标注与标签获取.mp4.mp4
│ │ 2-COCO数据标注格式.mp4.mp4
│ │ 3-通过脚本生成COCO数据格式.mp4.mp4
│ │ 4-配置文件数据增强策略分析.mp4.mp4
│ │ 5-训练所需配置说明.mp4.mp4
│ │ 6-模型训练与DEMO演示.mp4.mp4
│ │ 7-模型测试与可视化分析模块.mp4.mp4
│ │ 8-补充:评估指标.mp4.mp4
│ │
│ └─9_第三模块:DeformableDetr物体检测源码分析
│ 1-特征提取与位置编码.mp4
│ 10-分类与回归输出模块.mp4
│ 11-预测输出结果与标签匹配模块.mp4
│ 2-序列特征展开并叠加.mp4
│ 3-得到相对位置点编码.mp4
│ 4-准备Encoder编码层所需全部输入.mp4
│ 5-编码层中的序列分析.mp4
│ 6-偏移量offset计算.mp4
│ 7-偏移量对齐操作.mp4
│ 8-Encoder层完成特征对齐.mp4
│ 9-Decoder要完成的操作.mp4
│
├─5_Opencv图像处理框架实战
│ ├─10_项目实战-文档扫描OCR识别
│ │ 1-整体流程演示.mp4.mp4
│ │ 2-文档轮廓提取.mp4.mp4
│ │ 3-原始与变换坐标计算.mp4.mp4
│ │ 4-透视变换结果.mp4.mp4
│ │ 5-tesseract-ocr安装配置.mp4.mp4
│ │ 6-文档扫描识别效果.mp4.mp4
│ │
│ ├─11_图像特征-harris
│ │ 1-角点检测基本原理.mp4.mp4
│ │ 2-基本数学原理.mp4.mp4
│ │ 3-求解化简.mp4.mp4
│ │ 4-特征归属划分.mp4.mp4
│ │ 5-opencv角点检测效果.mp4.mp4
│ │
│ ├─12_图像特征-sift
│ │ 1-尺度空间定义.mp4.mp4
│ │ 2-高斯差分金字塔.mp4.mp4
│ &n
特别说明:
此教程来源于网络收集整理,仅供本地学习参考,教程无法保证一直有效,请及时转存!
如本教程是商业教程,请务必联系教程作者购买商业许可后方可观看!
教程作者如需删除请第一时间联系右侧客服,获悉后将第一时间删除!