3梗直哥|梗直哥–深度学习必修课进击算法工程师

3梗直哥

梗直哥–深度学习必修课进击算法工程师

梗直哥–强化学习必修课引领智能新时代

梗直哥-机器学习必修课经典算法与Python实战

100.16-5 下一步学习的建议.mp4 18.5MB

099.16-4 深度学习最新发展趋势分析.mp4 37.0MB

098.16-3 DALL-E模型.mp4 54.3MB

097.16-2 CLIP模型.mp4 37.7MB

096.16-1 InstructGPT模型.mp4 77.0MB

095.15-6 项目实战电影评论情感分析.mp4 35.7MB

094.15-5 经典NLP数据集.mp4 36.4MB

093.15-4 Hugging Face库介绍.mp4 36.4MB

092.15-3 预训练模型.mp4 55.0MB

091.15-2 词义搜索和句意表示.mp4 44.8MB

090.15-1 词嵌入和word2vec.mp4 33.3MB

089.14-5 项目实战猫狗大战.mp4 64.1MB

088.14-4 经典视觉数据集.mp4 37.3MB

087.14-3 迁移学习.mp4 31.8MB

086.14-2 图像数据增强.mp4 33.4MB

085.14-1 自定义数据加载.mp4 48.7MB

084.13-6 图像生成.mp4 56.1MB

083.13-5 Diffusion扩散模型.mp4 77.6MB

082.13-4 生成对抗网络.mp4 39.9MB

081.13-3 变分自编码器.mp4 56.2MB

080.13-2 变分推断.mp4 40.8MB

079.13-1 蒙特卡洛方法.mp4 28.5MB

078.12-6 GPT模型代码实现.mp4 38.0MB

077.12-5 Swin Transformer模型.mp4 54.9MB

076.12-4 ViT模型.mp4 31.0MB

075.12-3 T5模型.mp4 37.8MB

074.12-2 GPT系列模型.mp4 79.6MB

073.12-1BERT模型.mp4 50.2MB

072.11-7 Transformer代码实现.mp4 38.0MB

071.11-6 Transformer模型.mp4 43.9MB

070.11-5 注意力池化及代码实现.mp4 29.6MB

069.11-4 自注意力机制.mp4 30.2MB

068.11-3 键值对注意力和多头注意力.mp4 24.1MB

067.11-2 注意力的计算.mp4 57.5MB

066.11-1 什么是注意力机制.mp4 43.4MB

065.10-9 机器翻译简单代码实现.mp4 39.3MB

064.10-8 束搜索算法.mp4 25.7MB

063.10-7 序列到序列模型代码实现.mp4 33.0MB

062.10-6 编码器-解码器网络.mp4 41.1MB

061.10-5 复杂循环神经网络代码实现.mp4 35.8MB

060.10-4 长短期记忆网络.mp4 43.1MB

059.10-3 门控循环单元.mp4 28.6MB

058.10-2 双向循环神经网络.mp4 25.8MB

057.10-1 深度循环神经网络.mp4 24.2MB

056.9-6 RNN的长期依赖问题.mp4 37.7MB

055.9-5 循环神经网络代码实现.mp4 27.8MB

054.9-4 随时间反向传播算法.mp4 43.9MB

053.9-3 循环神经网络.mp4 48.2MB

052.9-2 文本数据预处理.mp4 60.0MB

051.9-1 序列建模.mp4 30.3MB

050.8-6 DenseNet.mp4 58.5MB

049.8-5 ResNet.mp4 65.0MB

048.8-4 GoogLeNet.mp4 41.0MB

047.8-3 批量规范化.mp4 23.6MB

046.8-2 VGGNet.mp4 47.7MB

045.8-1 AlexNet.mp4 49.6MB

044.7-6 卷积神经网络代码实现LeNet.mp4 27.2MB

043.7-5 池化层Pooling.mp4 33.6MB

042.7-4 卷积层常见操作.mp4 35.2MB

041.7-3 卷积层.mp4 44.8MB

040.7-2 图像卷积.mp4 34.8MB

039.7-1 全连接层问题.mp4 38.5MB

038.6-12 学习率调节器.mp4 27.9MB

037.6-11 梯度下降代码实现.mp4 30.9MB

036.6-10 Adam算法.mp4 47.1MB

035.6-9 RMSPropAdadelta算法.mp4 15.9MB

034.6-8 AdaGrad算法.mp4 24.8MB

033.6-7 动量法.mp4 25.0MB

032.6-6 小批量梯度下降法.mp4 32.0MB

031.6-5 随机梯度下降法.mp4 20.6MB

030.6-4 梯度下降.mp4 31.6MB

029.6-3 损失函数性质.mp4 29.2MB

028.6-2 损失函数.mp4 42.8MB

027.6-1 最优化与深度学习.mp4 48.0MB

026.5-8 模型文件的读写.mp4 16.5MB

025.5-7 梯度消失和梯度爆炸.mp4 47.2MB

024.5-6 Dropout代码实现.mp4 17.3MB

023.5-5 Dropout.mp4 32.1MB

022.5-4 正则化.mp4 42.2MB

021.5-3 过拟合和欠拟合示例.mp4 22.4MB

020.5-2 过拟合欠拟合应对策略.mp4 41.2MB

019.5-1 训练的常见问题.mp4 33.8MB

018.4-8 多分类问题代码实现.mp4 42.8MB

017.4-7 分类问题.mp4 23.0MB

016.4-6 线性回归代码实现.mp4 23.1MB

015.4-5 回归问题.mp4 35.6MB

014.4-4 多层感知机代码实现.mp4 29.3MB

013.4-3 前向传播和反向传播.mp4 39.5MB

012.4-2 多层感知机.mp4 47.3MB

011.4-1 神经网络原理.mp4 44.8MB

010.3-4 深度学习库PyTorch安装.mp4 9.0MB

009.3-3 Jupyter Notebook快速上手.mp4 15.5MB

008.3-2 conda实用命令.mp4 13.0MB

007.3-1 CUDA+Anaconda深度学习环境搭建.mp4 20.9MB

006.2-3 概率.mp4 59.2MB

005.2-2 微积分.mp4 49.0MB

004.2-1 线性代数.mp4 56.4MB

003.1-3 课程使用的技术栈.mp4 12.7MB

002.1-2 初识深度学习.mp4 52.9MB

001.1-1 课程内容和理念.mp4 52.2MB