HM程序员 人工智能AI进阶2022年（396G）

[ 主学习路线]01、阶段一 人工智能Python基础

1第一章 计算机组成原理

10第十章 公共方法

11第十一章 函数

12第十二章 函数强化

13第十三章 文件操作

14第十四章 面向对象

15第十五章 异常

16第十六章 模块

17第十七章 学生管理系统(面向对象版)

2第二章 python基础语法

3第三章 判断语句

4第四章 循环语句

5第五章 字符串

6第六章 列表

7第七章 元组

8第八章 字典

9第九章 集合

[ 主学习路线]02、阶段二 人工智能Python高级

1第一章 Linux基础命令

10第十章 MySqL数据库高级使用

2第二章 Linux高级命令

3第三章 多任务编程

4第四章 网络编程

5第五章 HTTP协议和静态服务器

6第六章 闭包,装饰器及python高级语法

7第七章 正则表达式

8第八章 数据结构与算法

9第九章 MySql数据库基本使用

[ 主学习路线]03、阶段三 人工智能机器学习

1第一章 机器学习概述V2.1

10第十章 决策树V2.1

11第十一章 集成学习V2.1

12第十二章 聚类算法V2.1

13第十三章 朴素贝叶斯V2.1

14第十四章 SVM算法V2.1

15第十五章 EM算法V2.1

16第十六章 HMM算法V2.1

17第十七章 集成学习进阶V2.1

2第二章 环境安装和使用V2.1

3第三章 matplotlibV2.1

4第四章 numpyV2.1

5第五章 pandasV2.1

6第六章 seabornV2.1

7第七章 K近邻算法V2.1

8第八章 线性回归V2.1

9第九章 逻辑回归V2.1

[ 主学习路线]04、阶段四 计算机视觉与图像处理

1第一章 课程简介_v2.0

10第十章 图像特征提取与描述_v2.0

11第十一章 视频操作_v2.0

12第十二章 案例人脸案例_v2.0

2第二章 tensorflow入门_v2.0

3第三章 深度神经网络_v2.0

4第四章 图像分类_v2.0

5第五章 目标检测_v2.0

6第六章 图像分割_v2.0

7第七章 OpenCV简介_v2.0

8第八章 OpenCV基本操作_v.2.0

9第九章 OpenCV图像处理_v2.0

[ 主学习路线]05、阶段五 NLP自然语言处理

1第一章 Pytorch工具_v2.0

10第十章 迁移学习-v2.0

11第十一章 BERT,Transformer的模型架构与详解-v2.0

12第十二章 ELMo, GPT等经典模型的介绍与对比-v2.0

13第十三章 HMM模型-v2.0

14第十四章 经典的序列模型-v2.0

2第二章 自然语言处理NLP介绍-v2.0

3第三章 文本预处理-v2.0

4第四章 RNN架构解析-v2.0

5第五章 RNN经典案例-v2.0

6第六章 莎士比亚风格的文本生成任务-v2.0

7第七章 Transformer背景介绍-v2.0

8第八章 Transformer架构解析-v2.0

9第九章 fasttext工具的使用-v2.0

[ 主学习路线]06、阶段六 人工智能项目实战

1第一章 智慧交通

2第二章 在线医生

3第三章 智能文本分类系统

4第四章 实时人脸识别检测项目

[ 主学习路线]07、阶段七 人工智能面试强化（赠送）

1第一章 自动编码器

10第十章 贝叶斯方法实现及粒子滤波

11第十一章 深度强化学习

2第二章 图像分割应用

3第三章 生成对抗学习

4第四章 算法进阶迁移学习

5第五章 模型可解释

6第六章 模型压缩

7第七章 终生学习

8第八章 算法进阶进化学习

9第九章 贝叶斯方法

[课外拓展]01、阶段一 HR面试技巧

第二章 2-求职篇

第三章 3-面试篇

第四章 4-试用期篇

第一章 1-HR面试技巧

[课外拓展]02、阶段二 赠送-人脸支付

0-1 项目背景介绍

0-2 人脸检测子任务

0-3 人脸姿态估计

0-4 人脸多任务

0-5 人脸识别

0-6 项目集成

[课外拓展]03、阶段三 赠送-文本摘要项目

0-1 文本摘要项项目背景介绍

0-10 模型的预测

0-11 词向量的单独训练

0-12 模型的优化

0-13 PGN架构

0-14 数据预处理

0-15 PGN数据特殊性分析

0-16 迭代器和类的实现

0-17 PGN模型的搭建

0-18 PGN模型训练

0-19 PGN模型预测

0-2 项目中的数据集初探

0-20 评估方法介绍

0-21 BLEU算法理论

0-22 ROUGE算法理论

0-23 ROUGE算法实现

0-24 coverage机制原理

0-25 coverage模型类实现

0-26 coverage训练和预测

0-27 Beam-search原理介绍

0-28 Beam-search模型类实现

0-29 TF-IDF算法原理和实现

0-3 TextRank算法理论基础

0-30 单词替换法的类实现

0-31 单词替换法的训练和评估

0-32 回译数据法实现和评估

0-33 半监督学习法原理和实现

0-34 训练策略原理和实现

0-35 模型转移实现

0-36 GPU优化原理和实现

0-37 CPU优化原理和实现

0-38 Flask实现模型部署

0-4 TextRank算法实现模型

0-5 seq2seq架构

0-6 seq3seq架构

0-7 工具函数的实现

0-8 模型类的搭建

0-9 模型的训练

[课外拓展]04、阶段四 入学第一课

无课程相关内容

[课外拓展]05、阶段五 阶段一 python基础（更新）

第二章 2-python面向对象

第一章 1-python基础编程

[课外拓展]06、阶段六 阶段二 Python高级（更新）

第二章 2-SQL基础

第三章 3-Python编程进阶

第一章 1-Linux基础

[课外拓展]07、阶段七 阶段三 机器学习（更新）

第二章 2-机器学习算法进阶

第一章 1-机器学习基础算法

[课外拓展]08、阶段八 阶段四—深度学习基础补充视频

01-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的意义.mp4 100.88M

02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用(1).mp4 134.81M

02-深度学习基础-TensorFlow和keras入门-张量计算增补-轴axis的应用.mp4 134.81M

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 132.24M

04-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-数据传输过程(1).mp4 43.91M

04-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-数据传输过程.mp4 43.91M

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）(1).mp4 38.46M

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 38.46M

06-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-前向传输过程（隐藏层到输出层）(1).mp4 19.99M

06-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-前向传输过程（隐藏层到输出层）.mp4 19.99M

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 49.95M

08-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-输出层权值的更新.mp4 65.37M

09-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-隐藏层权值的更新.mp4 63.39M

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 155.78M

11-深度学习基础-图像分类-图像分类案例补充(1)-任务介绍.mp4 51.45M

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 149.87M

13-深度学习基础-图像分类-图像分类案例补充(3)-图像增强.mp4 27.15M

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 107.98M

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 131.99M

16-深度学习基础-图像分类-图像分类案例补充(6)-网络构建（输入流）.mp4 28.44M

17-深度学习基础-图像分类-图像分类案例补充(7)-网络构建（中间流）.mp4 29.77M

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 41.05M

19-深度学习基础-图像分类-图像分类案例补充(9)-模型训练.mp4 121.96M

20-深度学习基础-图像分类-图像分类案例补充(10)-模型训练的实现.mp4 22.20M

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 143.40M

[课外拓展]09、阶段九 阶段五—NLP基础补充视频

01-文本预处理-文本预处理-文本数据增强讲解.mp4 14.12M

02-文本预处理-文本预处理-文本数据增强代码实现.mp4 14.17M

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 9.12M

04-文本预处理-新闻主题分类任务-数据加载方式的增补文件补齐.mp4 5.40M

05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念.mp4 9.78M

06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理.mp4 20.46M

07-RNN及其变体-RNN架构解析-注意力机制的增补attention机制模型.mp4 34.58M

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 21.86M

09-RNN及其变体-RNN架构解析-注意力机制的增补attention应用场景.mp4 14.74M

10-Transformer—新增案例机器翻译模型-1模型的介绍.mp4 57.15M

11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建.mp4 24.13M

12-Transformer—新增案例机器翻译模型-3模型构建.mp4 31.48M

13-Transformer—新增案例机器翻译模型-4掩码的构建.mp4 15.05M

14-Transformer—新增案例机器翻译模型-5数据批处理.mp4 13.79M

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 32.81M

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 22.58M

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 13.30M

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 22.91M

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 39.74M

20-迁移学习—迁移理论—加载和使用预训练模型全小节增补-3加载不带头的模型输出结果.mp4 27.98M

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 25.83M

22-迁移学习—迁移理论—加载和使用预训练模型全小节增补-5加载分类模型头结果输出.mp4 21.14M

23-迁移学习—迁移理论—加载和使用预训练模型全小节增补-6加载问答模型头结果输出.mp4 45.77M

24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传.mp4 52.62M

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 29.35M

26-虚拟机的使用.mp4 14.09M

[课外拓展]10、阶段十 CV基础+项目（更新）

[课外拓展]10、阶段十 CV基础+项目（更新）

人工智能课件

01-阶段1-3（python基础 、python高级、机器学习）

02-阶段4 （计算机视觉CV) 阶段6 （CV项目）

03-阶段5（自然语言处理NLP）、阶段6（NLP项目）

阶段测试题

Iris数据集

01-计算机视觉CV课程环境使用说明文档.pdf 3.59M

机器学习梳理总结xmind.zip 8.61M