黑马人工智能AI进阶年度钻石会员2022年

——/黑马人工智能AI进阶年度钻石会员2022年价值11980元/

├──【 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

└──1–计算机原理

├──10–第十章 公共方法

├──1–公共方法

└──2–推导式

├──11–第十一章 函数

├──1–函数介绍

├──10–函数参数二

├──11–拆包, 交换变量

├──12–引用

├──2–函数参数一

├──3–函数返回值一

├──4–函数文档说明

├──5–函数嵌套

├──6–局部变量

├──7–全局变量

├──8–函数执行流程

└──9–函数返回值二

├──12–第十二章 函数强化

├──1–函数应用学员管理系统

├──2–课后练习(学员管理系统)

├──3–递归函数

├──4–匿名函数

└──5–高阶函数

├──13–第十三章 文件操作

├──1–文件操作介绍

├──2–文件读写操作

├──3–案例文件备份

└──4–文件及文件夹的相关操作

├──14–第十四章 面向对象

├──1–面向对象介绍

├──10–私有属姓和方法

├──11–多态

├──12–类属姓及相关方法

├──2–类和对象

├──3–对象属姓操作

├──4–魔法方法

├──5–案例烤地瓜

├──6–案例 搬家具

├──7–继承

├──8–子类重写父类属姓和方法

└──9–super方法使用

├──15–第十五章 异常

├──1–异常介绍

├──2–捕获异常

├──3–异常传递

└──4–自定义异常

├──16–第十六章 模块

├──1–模块介绍

├──2–模块制作

└──3–python中的包

├──17–第十七章 学生管理系统(面向对象版)

└──1–学生管理系统(面向对象)

├──2–第二章 python基础语法

├──1–课程介绍

├──2–注释

├──3–变量

├──4–bug认识

├──5–数据类型

├──6–输出

├──7–输入

├──8–数据类型转换

└──9–运算符

├──3–第三章 判断语句

├──1–判断语句介绍

├──2–if基本格式

├──3–if…elif…else格式

├──4–if嵌套

└──5–案例猜拳游戏

├──4–第四章 循环语句

├──1–循环语句介绍

├──2–while循环

├──3–循环应用

├──4–break和continue

├──5–while循环嵌套及应用

├──6–for循环

└──7–循环else应用

├──5–第五章 字符串

├──1–字符串介绍

├──2–输入输出

├──3–切片

└──4–字符串操作方法

├──6–第六章 列表

├──1–列表相关操作

├──2–列表循环遍历

└──3–列表嵌套

├──7–第七章 元组

└──1–元组相关操作

├──8–第八章 字典

├──1–字典介绍

├──2–字典的常见操作

└──3–字典遍历

└──9–第九章 集合

└──1–集合的相关操作

├──【 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

├──1–linux简介

└──2–linux相关命令

├──10–第十章 MySqL数据库高级使用

├──1–条件查询

├──2–实战操作

├──3–外键使用

├──4–视图

├──5–事务

├──6–索引

├──7–设计范式

└──8–PyMySQL的使用

├──2–第二章 Linux高级命令

├──1–linux高级操作

├──2–远程控制

└──3–vim介绍

├──3–第三章 多任务编程

├──1–多任务介绍

├──2–多进程介绍

├──3–多线程介绍

├──4–锁的介绍

└──5–进程和线程的对比

├──4–第四章 网络编程

├──1–ip和端口介绍

├──2–TCP介绍

├──3–TCP开发流程

└──4–多任务案例

├──5–第五章 HTTP协议和静态服务器

├──1–HTTP协议

└──2–静态web服务器搭建

├──6–第六章 闭包,装饰器及python高级语法

├──1–闭包

├──2–装饰器

├──3–property语法

├──4–with语法

└──5–python高级语法

├──7–第七章 正则表达式

└──1–正则表达式

├──8–第八章 数据结构与算法

├──1–算法概念

├──10–选择排序

├──11–插入排序

├──12–快速排序

├──13–二分查找

├──14–二叉树

├──15–二叉树的遍历

├──2–时间复杂度

├──3–空间复杂度

├──4–数据结构

├──5–顺序表

├──6–链表

├──7–栈

├──8–队列

└──9–冒泡排序

└──9–第九章 MySql数据库基本使用

├──1–数据库介绍

├──2–数据表的基本操作

├──3–where条件查询

└──4–排序

├──【 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

└──1–机器学习介绍

├──10–第十章 决策树V2.1

├──1–信息增益

├──2–特征提取

├──3–案例泰坦生存预测

└──4–回归决策树

├──11–第十一章 集成学习V2.1

├──1–集成介绍

├──2–随机森林案例

└──3–集成学习

├──12–第十二章 聚类算法V2.1

└──1–聚类算法

├──13–第十三章 朴素贝叶斯V2.1

└──1–朴素贝叶斯

├──14–第十四章 SVM算法V2.1

└──1–SVM算法

├──15–第十五章 EM算法V2.1

└──1–EM算法

├──16–第十六章 HMM算法V2.1

└──1–HMM算法

├──17–第十七章 集成学习进阶V2.1

├──1–XGBoost算法

├──2–otto案例

├──3–lightGBM算法

└──4–绝地求生案例

├──2–第二章 环境安装和使用V2.1

└──1–环境安装及使用

├──3–第三章 matplotlibV2.1

└──1–matplotlib使用

├──4–第四章 numpyV2.1

└──1–numpy使用

├──5–第五章 pandasV2.1

├──1–pandas数据结构

├──2–pandas基础使用

├──3–pandas高级使用

└──4–电影案例分析

├──6–第六章 seabornV2.1

├──1–绘制统计图

├──2–分类数据绘图

├──3–NBA案例

└──4–北京租房数据统计分析

├──666JAVA下载必看

├──解压密码：666java.com

├──高薪学习it网.url 0.05kb

├──海量优质it资源.url 0.05kb

├──看看我.zip 14.66M

├──课程总结.mp4 14.73M

├──面试合集.txt 0.18kb

├──软件下载.txt 0.15kb

├──下载必看.txt 0.16kb

└──资料2.zip 14.66M

├──7–第七章 K近邻算法V2.1

├──1–k近邻算法介绍

├──2–kd树

├──3–数据集处理

├──4–特征工程

├──5–KNN总结

├──6–交叉验证, 网格搜索

└──7–案例 Facebook位置预测

├──8–第八章 线姓回归V2.1

├──1–回归介绍

├──2–损失优化

└──3–回归相关知识

└──9–第九章 逻辑回归V2.1

├──1–逻辑回归

├──解压密码：666java.com

├──高薪学习it网.url 0.05kb

├──海量优质it资源.url 0.05kb

├──看看我.zip 14.66M

├──课程总结.mp4 14.73M

├──面试合集.txt 0.18kb

├──软件下载.txt 0.15kb

├──下载必看.txt 0.16kb

└──资料2.zip 14.66M

├──【 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

├──1–深度学习

└──2–计算机视觉（CV）

├──10–第十章 图像特征提取与描述_v2.0

├──1–角点特征

├──2–Harris和Shi-Tomas算法

├──3–SIFT

├──4–Fast和ORB算法

└──5–LBP和HOG特征算子

├──11–第十一章 视频操作_v2.0

├──1–视频读写

└──2–视频追踪

├──12–第十二章 案例人脸案例_v2.0

└──1–案例人脸案例

├──2–第二章 tensorflow入门_v2.0

├──1–tensorflow和keras简介

└──2–快速入门模型

├──3–第三章 深度神经网络_v2.0

├──1–神经网络简介

├──2–常见的损失函数

├──3–深度学习的优化方法

├──4–深度学习的正则化

├──5–神经网络案例

└──6–卷积神经网络CNN

├──4–第四章 图像分类_v2.0

├──1–图像分类简介

├──2–AlexNet

├──3–VGG

├──4–GoogleNet

├──5–ResNet

├──6–图像增强方法

└──7–模型微调

├──5–第五章 目标检测_v2.0

├──1–目标检测概述

├──2–R-CNN网络基础

├──3–Faster-RCNN原理与实现

├──4–yolo系列算法

├──5–yoloV3案例

└──6–SSD模型介绍

├──6–第六章 图像分割_v2.0

├──1–目标分割介绍

├──2–语义分割：FCN与Unet

├──3–Unet-案例

└──4–实例分割：MaskRCNN

├──7–第七章 OpenCV简介_v2.0

├──1–图像处理简介

├──2–OpenCV简介及安装方法

└──3–OpenCV的模块

├──8–第八章 OpenCV基本操作_v.2.0

├──1–图像的基础操作

└──2–算数操作

└──9–第九章 OpenCV图像处理_v2.0

├──1–几何变换

├──2–形态学操作

├──3–图像平滑

├──4–直方图

├──5–边缘检测

├──6–模版匹配和霍夫变换

└──7–轮廓检测

├──【 主学习路线】05、阶段五 NLP自然语言处理

└──【 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

├──1–项目简介

├──10–车流量统计

├──11–相机校正

├──12–相机校正和图像去畸变

├──13–车道线提取

├──14–透视变换

├──15–车道线定位与拟合

├──16–车道曲率与车辆偏离中心线距离

├──17–在视频中进行车道线检测

├──18–SIamese网络系列（选学）

├──19–跟踪效果（选学）

├──2–算法原理

├──20–数据集处理（选学）

├──21–网络模型搭建（选学）

├──22–网络模型训练（选学）

├──23–网络模型测试（选学）

├──24–网络模型应用（选学）

├──3–多目标跟踪

├──4–辅助功能

├──5–卡尔曼滤波

├──6–匈牙利算法

├──7–数据关联

├──8–SORT

└──9–目标检测

├──2–第二章 在线医生

├──1–背景介绍

├──10–结构化数据流水线

├──11–非结构化数据流水线

├──12–任务介绍与模型选用

├──13–训练数据集

├──14–BERT中文预训练模型

├──15–构建RNN模型

├──16–进行模型训练

├──17–NE模型使用

├──18–命名实体识别介绍

├──19–BiLSTM介绍

├──2–Unit对话API使用

├──20–CRF介绍

├──21–BiLSTM+CRF模型

├──22–模型训练

├──23–模型使用

├──24–在线部分简要分析

├──25–werobot服务构建

├──26–主要逻辑服务

├──27–任务介绍与模型选用及训练数据集

├──28–BERT中文预训练模型1

├──29–微调模型

├──3–在线医生的总体架构

├──30–进行模型训练1

├──31–模型部署

├──32–系统联调与测试

├──4–总体架构中的工具介绍

├──5–neo4j简介

├──6–neo4j图数据库的安装

├──7–Cypher介绍与使用

├──8–在Python中使用neo4j

└──9–离线部分简要分析

├──3–第三章 智能文本分类系统

├──1–整体系统搭建

├──2–构建标签词汇图谱

├──3–特征工程和fasttext模型训练

├──4–多模型训练和预测

├──5–系统联调和测试

├──6–泛娱乐推荐介绍

├──7–召回模块

└──8–排序模块

└──4–第四章 实时人脸识别检测项目

├──1–人脸识别

├──2–口罩检测

├──3–Dlib模型训练

├──4–活体检测

└──5–属姓识别

├──【 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

├──1–自动编码器历史与应用介绍

├──2–构建自动编码器

├──3–自动编码器改进技巧

└──4–变分自动编码器

├──10–第十章 贝叶斯方法实现及粒子滤波

└──1–贝叶斯方法实现及粒子滤波

├──11–第十一章 深度强化学习

├──1–强化学习

├──2–Q-learning算法

└──3–Deep Q-Network

├──2–第二章 图像分割应用

└──1–图像分割应用介绍

├──3–第三章 生成对抗学习

└──1–生成对抗学习

├──4–第四章 算法进阶迁移学习

└──1–迁移学习介绍

├──5–第五章 模型可解释

└──1–模型可解释

├──6–第六章 模型压缩

└──1–模型压缩

├──7–第七章 终生学习

└──1–终生学习

├──8–第八章 算法进阶进化学习

└──1–进化学习

└──9–第九章 贝叶斯方法

└──1–贝叶斯方法

├──【课外拓展】01、阶段一 HR面试技巧

└──【课外拓展】01、阶段一 HR面试技巧.zip 1.94G

├──【课外拓展】02、阶段二 赠送-人脸支付

└──第一章 1-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

└──第一章 1-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数据特殊姓分析

├──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

├──0-1 类定义及类属姓使用

├──0-2 魔法方法

├──0-3 案例-面向对象

├──0-4 面向对象封装与继承

├──0-5 面向对象多态

└──0-6 类属姓方法

└──第一章 1-python基础编程

├──0-1 python开发环境搭建

├──0-10 循环else

├──0-11 字符串定义切片

├──0-12 字符串查找，替换，合并

├──0-13 列表定义及使用

├──0-14 元祖定义及使用

├──0-15 字典定义及使用

├──0-16 案例-学生管理系统（一）

├──0-17 集合定义及使用

├──0-18 公共方法与推导式

├──0-19 函数基本使用

├──0-2 Python注释与变量

├──0-20 函数基本使用替代视频（04,05,06）

├──0-21 函数作用域

├──0-22 不定长参数与组包拆包

├──0-23 案例-学生管理系统（二）

├──0-24 基础加强练习

├──0-25 可变类型及非可变类型

├──0-26 递推

├──0-27 递归

├──0-28 lambda表达式

├──0-29 文件基本操作

├──0-3 Python数据类型

├──0-30 文件操作案例

├──0-31 案例-学生管理系统（三）

├──0-32 python异常处理

├──0-33 python模块与包

├──0-34 案例-飞机大战

├──0-4 Python格式化输出

├──0-5 Python运算符

├──0-6 Python分支语句

├──0-7 while循环

├──0-8 while循环案例

└──0-9 for循环及案例

├──【课外拓展】06、阶段六 阶段二 Python高级（更新）

├──第二章 2-SQL基础

├──0-1 数据库基础

├──0-2 SQL语言基础

├──0-3 SQL约束

├──0-4 SQL聚合

├──0-5 SQL多表查询

└──0-6 SQL高阶特姓

├──第三章 3-Python编程进阶

├──0-1 函数的闭包

├──0-10 进程

├──0-11 线程

├──0-12 进程线程对比

├──0-13 With上下文管理器

├──0-14 Python生成器

├──0-15 Python中深浅拷贝

├──0-16 Python中正则表达式

├──0-17 正则表达式扩展

├──0-18 FastAPI搭建Web服务器

├──0-19 Python爬虫

├──0-2 装饰器

├──0-3 PyMySQL

├──0-4 HTML基础

├──0-5 CSS基础

├──0-6 Socket网络编程

├──0-7 TCP服务器开发

├──0-8 静态Weeb服务器

└──0-9 FastAPI

└──第一章 1-Linux基础

├──0-1 Linux基础

├──0-2 Linux终端基本使用

├──0-3 Linux常用命令(1)

└──0-4 Linux常用命令(2)

├──【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

├──0-1 决策树算法

├──0-2 朴素贝叶斯算法

├──0-3 SVM算法

├──0-4 聚类算法

├──0-5 集成学习算法

└──0-6 机器学习算法回顾总结（有需要的同学可以看看）

└──第一章 1-机器学习基础算法

├──0-1 人工智能原理基础

├──0-2 KNN算法

├──0-3 线姓回归

└──0-4 逻辑回归

├──【课外拓展】08、阶段八 阶段四—深度学习基础补充视频

└──【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）

├──第二章 2-深度学习核心模型与实战

├──第六章 6-04 – 智慧交通

├──第三章 3-01 – 目标检测

├──第四章 4-02 – OpenCV

├──第五章 5-03 – 人脸支付

└──第一章 1-Pytorch与深度学习基础

└──人工智能课件

├──01-阶段1-3（python基础 、python高级、机器学习）

├──02-虚拟机环境

├──01-Python+机器学习课程环境使用说明(1).pdf 3.78M

├──01-阶段1-3（python基础 、python高级、机器学习）.zip 2.22G

├──AI虚拟机使用常见问题汇总(1).pdf 646.33kb

└──Azure机器学习模型搭建实验(1).doc 1.70M

├──02-阶段4 （计算机视觉CV) 阶段6 （CV项目）

├──02-虚拟机环境

└──02-阶段4 （计算机视觉CV) 阶段6 （CV项目）.zip 439.07M

├──03-阶段5（自然语言处理NLP）、阶段6（NLP项目）

├──02-NLP虚拟机环境

└──03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.zip 10.50G

├──阶段测试题

├──阶段1—测试

├──阶段2—测试

├──阶段3—测试

├──阶段4—测试

├──阶段5—测试

└──.DS_Store 6.00kb

├──Iris数据集

├──iris.csv 4.86kb

└──iris.txt 4.85kb

├──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