开课吧-名企CV-计算机视觉CV-导师制名企实训班四期完结无秘
-
知识精讲
课程种类
-
10
课时
-
中级
难度
-
开课吧
课程讲师
售价 : 45联盟卡
提取码 : 购买后方可查看
-
《人工智能核心能力培养计划》课程是面向希望自己，能够在 4-6个月内找到一份人工智能、机器学习、深度学习、数据科学家、算法工程师等算法研究岗位，或者继续从事 AI 相关科研和希望申请美国、欧洲相关院校AI方向的学位的同学。
课程主要内容涉及计算机编程思维的养成，数据分析、数据科学的深度理解和实践；机器学习(ML)、深度学习(DL)的深度理解和实践；计算机视觉(CV)、自然语言处理(NLP)、推荐系统(RS)，数据挖掘(DM)、数据科学(DS)等方向，培养同学们解决典型问题的能力。
-
免费试看:链接：https://pan.baidu.com/s/1qtHz56wSyYHELqT0TWrCQw 密码：u1em
├──01-核心能力提升班计算机视觉方向004期
| ├──1.1 计算机视觉基础：基本图像处理
| ├──10.1 计算机视觉中的图像分类
| ├──11.1 深度学习之两阶段目标检测
| ├──12.1 深度学习之一阶段目标检测
| ├──13.1 计算机视觉中的图像分割
| ├──14.1 计算机视觉中的目标跟踪
| ├──15.1 课程知识点总结
| ├──16.1 项目指导文件
| ├──2.1 中阶计算机视觉
| ├──3.1 初步认识机器学习
| ├──4.1 经典机器学习
| ├──5.1 神经网络与反向传播
| ├──6.1 详解CNN卷积神经网络 part 1 原理篇
| ├──7.1 详解CNN卷积神经网络 part 2 应用篇
| ├──8.1 详解CNN卷积神经网络 part 3 实战细节篇
| ├──9.1 cuda编程
| ├──作业答案
| ├──cv核心-1-计算机视觉基础：基本图像处理.mp4 448.84M
| ├──cv核心-10-计算机视觉中的图像分类.mp4 932.73M
| ├──cv核心-11-深度学习之两阶段目标检测.mp4 636.63M
| ├──cv核心-12-深度学习之一阶段目标检测.mp4 748.87M
| ├──cv核心-13-计算机视觉中的图像分割.mp4 732.68M
| ├──cv核心-14-计算机视觉中的目标跟踪.mp4 675.30M
| ├──cv核心-15-课程知识点总结.mp4 1.13G
| ├──cv核心-2-中阶计算机视觉.mp4 645.33M
| ├──cv核心-3-初步认识机器学习.mp4 714.98M
| ├──cv核心-4-经典机器学习.mp4 883.61M
| ├──cv核心-5-神经网络与反向传播.mp4 752.45M
| ├──cv核心-6-详解CNN卷积神经网络part1原理篇.mp4 789.70M
| ├──cv核心-7-详解CNN卷积神经网络part2应用篇.mp4 1.04G
| ├──cv核心-8-详解CNN卷积神经网络part3实战细节篇.mp4 655.97M
| └──cv核心-9-cuda编程.mp4 1.05G
├──02-导师制名企实训班计算机视觉方向004期-项目一
| ├──1.1 车道线检测概述及传统视觉检测方法实战
| ├──2.1 CNN经典网络和语义分割模型
| ├──3.1 车道线分割模型应用
| ├──4.1 车道线分割模型实战
| ├──5.1 车道线分割模型实战 Ⅱ
| ├──6.1 车道线检测模型实战
| ├──7.1 超快车道线检测模型
| ├──8.1 模型压缩优化
| ├──作业答案
| ├──cv-1-车道线检测概述及传统视觉检测方法实战.mp4 715.49M
| ├──cv-2-CNN经典网络和语义分割模型.mp4 605.43M
| ├──cv-3-车道线分割模型应用.mp4 553.29M
| ├──cv-4-车道线分割模型实战.mp4 484.90M
| ├──cv-5-车道线分割模型实战Ⅱ.mp4 551.94M
| ├──cv-6-车道线检测模型实战.mp4 591.23M
| ├──cv-7-超快车道线检测模型.mp4 501.26M
| └──cv-8-模型压缩优化.mp4 560.67M
├──03-公共场景下的口罩实时监测-项目二
| ├──1.1 Course Schedule-Detection I 2-Stage
| ├──2.1 Course Schedule-Detection II 1-stage
| ├──2.2 Course Schedule-Detection II 1-stage
| ├──3.1 Course Schedule-Detection III Anchor Free
| ├──4.1 Course Schedule-Yolo v3 -CODE
| ├──5.1 Course Schedule-Yolo v3 -CODE
| ├──5.2 yolov3训练测试及百度AI Studio的使用
| ├──6.1 Course Schedule-Algorithm Tricks I
| ├──7.1 Algorithm Tricks II
| ├──1.1 CourseSchedule-DetectionI2-Stage.mp4 331.63M
| ├──2.1 CourseSchedule-DetectionII1-stage.mp4 292.91M
| ├──2.2 CourseSchedule-DetectionII1-stage.mp4 329.19M
| ├──3.1 CourseSchedule-DetectionIIIAnchorFree.mp4 375.07M
| ├──4.1 CourseSchedule-Yolov3-CODE.mp4 517.97M
| ├──5.1 CourseSchedule-Yolov3-CODE.mp4 426.94M
| ├──5.2 yolov3训练测试及百度AIStudio的使用.mp4 517.15M
| ├──6.1 CourseSchedule-AlgorithmTricksI.mp4 301.00M
| └──7.1 AlgorithmTricksII.mp4 390.81M
├──04-遮挡状态下的活体人脸身份识别-项目三
| ├──1.1 多模态活体检测技术综述以及数据集 CASIA-SURF以及评价办法ACER
| ├──10.1 项目答疑
| ├──2.1 Multi-Model-FaceAnti-spoofingAttackModel：facebagnet
| ├──3.1 使用pytorch完成facebagnet的前后工程代码
| ├──4.1 研讨课
| ├──5.1 消融实验以及活体检测模型压缩和落地
| ├──6.1 face recognize 技术综述重点数据集以及工程中的评价办法
| ├──7.1 带有遮挡人脸识别核心技术：SpatialChannel Attention
| ├──7.2 带有遮挡人脸识别核心技术：SpatialChannel Attention
| ├──8.1 大规模遮挡人脸识别模型实践：代码完成提升定量分析
| ├──9.1 大规模人脸识别落地方法：sdk
| ├──1.1 多模态活体检测技术综述以及数据集CASIA-SURF以及评价办法ACER.mp4 670.31M
| ├──10.1 项目答疑.mp4 992.54M
| ├──2.1 Multi-Model-FaceAnti-spoofingAttackModel：facebagnet.mp4 696.69M
| ├──3.1 使用pytorch完成facebagnet的前后工程代码.mp4 1.40G
| ├──4.1 研讨课-1.mp4 706.06M
| ├──4.1 研讨课-2.mp4 88.38M
| ├──5.1 消融实验以及活体检测模型压缩和落地.mp4 1.27G
| ├──6.1 facerecognize技术综述重点数据集以及工程中的评价办法.mp4 787.49M
| ├──7.1 带有遮挡人脸识别核心技术：SpatialChannelAttention.mp4 1019.57M
| ├──7.2 带有遮挡人脸识别核心技术：SpatialChannelAttention.mp4 445.63M
| ├──8.1 大规模遮挡人脸识别模型实践：代码完成提升定量分析.mp4 1.30G
| └──9.1 大规模人脸识别落地方法：sdk.mp4 991.98M
├──05-数据分析与Python程序设计基础
| ├──1.1 Python 数据智能编程基础
| ├──2.1 Python 格式化数据处理 - Pandas
| ├──3.1 数据可视化
| ├──4.1 网络信息分析
| ├──5.1 文本信息自动化处理
| ├──6.1 Python 办公自动化
| ├──7.1 服务器、数据库与分布式系统
| ├──1.1 Python数据智能编程基础.mp4 338.46M
| ├──2.1 Python格式化数据处理-Pandas.mp4 367.38M
| ├──3.1 数据可视化.mp4 416.35M
| ├──4.1 网络信息分析.mp4 453.19M
| ├──5.1 文本信息自动化处理.mp4 462.10M
| ├──6Python办公自动化.mp4 493.62M
| └──7Python办公自动化.mp4 569.04M
├──06-微软九步AI学习法-人工智能核心知识强化课程
| ├──1.1 搜索树，图算法，深度优化与广度优化，算法的时间复杂度
| ├──1.2 第一周作业讲解
| ├──2.1 神经网络基础，tensorflow和pytorch框架
| ├──3.1 深度卷积网络与计算机图像
| ├──3.2 深度卷积网络与计算机图像2
| ├──4.1 循环神经网络，文本表征，词向量初步，文本自动分类
| ├──5.1 Seq2Sequence，机器自动翻译， Image Caption, Attention机制
| ├──6.1 贝叶斯，决策树，随机森林，SVM模型
| ├──7.1 加课：seq2seq的代码及作业的讲解
| ├──1 搜索树，图算法，深度优化与广度优化，算法的时间复杂度.mp4 514.82M
| ├──2 第一周作业讲解.mp4 342.70M
| ├──3 神经网络基础，tensorflow和pytorch框架.mp4 380.20M
| ├──4 深度卷积网络与计算机图像.mp4 320.09M
| ├──5 深度卷积网络与计算机图像2.mp4 424.85M
| ├──6 循环神经网络，文本表征，词向量初步，文本自动分类.mp4 560.99M
| ├──7 Seq2Sequence，机器自动翻译，ImageCaption,Attention机制.mp4 416.28M
| ├──8 贝叶斯，决策树，随机森林，SVM模型.mp4 552.22M
| ├──9 加课：seq2seq的代码及作业的讲解.mp4 505.84M
| └──Git与版本控制、代码风格.mp4 391.63M
├──07-0基础 Python 入门
| ├──1.1 Python 基础入门
| ├──2.1 Python 编程入门
| ├──3.1 常用模块-numpy
| ├──4.1 常用模块-pandas
| ├──5.1 数据可视化
| ├──6.1 Python 办公自动化
| ├──python-1-Python基础入门.mp4 390.37M
| ├──python-2-Python编程入门.mp4 577.79M
| ├──python-3-常用模块-numpy.mp4 670.98M
| ├──python-4-常用模块-pandas.mp4 405.88M
| ├──python-5-数据可视化.mp4 374.88M
| └──python-6-Python办公自动化.mp4 493.62M
├──08-深度学习框架选修课
| ├──1.1 tensorflow基础知识以及高级api keras
| ├──2.1 搭建模型和进阶操作
| ├──3.1 tensorflow实践项目“大杂烩”
| ├──4.1 pytorch基础知识
| ├──5.1 pytorch神经网络搭建
| ├──1 tensorflow基础知识以及高级apikeras.mp4 415.90M
| ├──2 搭建模型和进阶操作.mp4 533.56M
| ├──3 tensorflow实践项目“大杂烩”.mp4 560.89M
| ├──4 pytorch基础知识.mp4 356.77M
| └──5 pytorch神经网络搭建.mp4 420.56M
├──09-人工智能基础能力提升课
| ├──1.1 编程基础
| ├──2.1 数据分析基础
| ├──3.1 机器学习的基本方法
| ├──4.1 机器学习的基本方法（二）
| ├──5.1 神经网络的基本原理与方法（一）
| ├──6.1 神经网络的基本原理与方法（二）
| ├──7.1 卷积神经网络（一）
| ├──8.1 卷积神经网络（二）
| ├──9.1 图像目标检测
| ├──week1-编程基础.mp4 477.46M
| ├──week2-数据分析基础.mp4 428.80M
| ├──week3机器学习的基本方法.mp4 546.23M
| ├──week4机器学习的基本方法（二）.mp4 359.58M
| ├──week5神经网络的基本原理与方法（一）.mp4 450.52M
| ├──week6神经网络的基本原理与方法（二）.mp4 442.84M
| ├──week7卷积神经网络（一）.mp4 440.02M
| ├──week8卷积神经网络（二）.mp4 464.96M
| └──week9图像目标检测.mp4 601.70M
└──10-公开课
| ├──公开课-AI算法工程师被裁的原因是什么？-20210127.mp4 556.05M
| └──公开课-培优班专属神秘新年礼-CV-20201229.mp4 216.19M
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有帐号？立即注册
x
|
