成人亚洲-成人亚洲国产-成人亚洲国产精品久久-成人亚洲国产综合精品91-成人亚洲精品

  • 0

    消息 標(biāo)記為已讀

    沒有消息

    查看全部
  • 登錄/注冊
  • 我的班級(jí)
  • AI人工智能職業(yè)課程

    教學(xué)服務(wù)
    365
    視頻時(shí)長
    261小時(shí)
    學(xué)習(xí)人數(shù)
    153
    中國人保教育培訓(xùn)險(xiǎn)
    開始學(xué)習(xí)
    有位老師想跟你聊一聊

    Hi,我是你的學(xué)習(xí)規(guī)劃師

    不知道選什么課?和我聊聊吧!

    規(guī)劃學(xué)習(xí)路徑
    • 學(xué)習(xí)中
    • 已學(xué)完
    • 未學(xué)習(xí)
    • 即將上線

    人工智能開發(fā)基礎(chǔ)理論

    39課時(shí)61小時(shí)33分

    L1
    Python程序設(shè)計(jì)

    Python程序設(shè)計(jì)課程服務(wù)于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能核心課程,詳細(xì)介紹了python面向過程編程的基礎(chǔ)語法,如變量、表達(dá)式、語句、函數(shù)等概念;對(duì)Python程序中特有的列表、元組、字典、集合、字符串等容器類型的典型操作給出了詳盡的示例;闡述了面向?qū)ο缶幊痰幕靖拍睿约胺庋b、繼承、多態(tài)三大面向?qū)ο缶幊痰暮诵奶匦裕辉诖嘶A(chǔ)上深化了模塊與包、函數(shù)重寫、迭代器與生成器、函數(shù)式編程等python編程

    D1 Python入門 免費(fèi) D2 變量和簡單數(shù)據(jù)類型 免費(fèi) D3 語句 免費(fèi)
    D4 列表與元組 免費(fèi) D5 字符串 免費(fèi) D6 字典與集合 免費(fèi)
    D7 函數(shù) D8 類與對(duì)象 D9 封裝
    D10 繼承 D11 多態(tài) D12 程序結(jié)構(gòu)
    D13 異常 D14 函數(shù)的重寫與重載 D15 迭代器與生成器
    D16 函數(shù)式編程 D17 文件IO
    L2
    矩陣運(yùn)算

    Numpy庫是Python中用于科學(xué)計(jì)算、數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的底層庫,補(bǔ)充了Python語言所欠缺的數(shù)值計(jì)算能力。本課程中詳細(xì)介紹了一維、二維數(shù)組的創(chuàng)建、索引訪問、切片訪問的使用技巧,同時(shí)對(duì)Numpy中一寫常見功能函數(shù)做了實(shí)例演示,結(jié)合課堂的編程作業(yè),可以幫助學(xué)習(xí)者快速入門Numpy程序設(shè)計(jì)。為后續(xù)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)課程操作數(shù)組打下良好基礎(chǔ)。

    D1 Numpy基礎(chǔ) D2 二維數(shù)組 D3 數(shù)組的訪問
    D4 數(shù)組操作 D5 Numpy中的函數(shù) D6 線性代數(shù)
    D7 高維數(shù)組
    L3
    Python的第三方庫

    掌握Python的第三方庫

    D1 Matplotlib基礎(chǔ) D2 基本使用 D3 繪制圖形
    D4 Pandas基礎(chǔ) D5 Series & DataFrame D6 數(shù)據(jù)清洗與繪圖
    L4
    Python的數(shù)據(jù)結(jié)構(gòu)

    該階段課程介紹了數(shù)據(jù)結(jié)構(gòu)與算法的基本概念,主要內(nèi)容包括Python面向?qū)ο蟪绦蛟O(shè)計(jì),普通線性表、棧和隊(duì)列、二叉樹等數(shù)據(jù)結(jié)構(gòu)的Python實(shí)現(xiàn),常見排序算法、查找算法的原理與實(shí)現(xiàn)等基本知識(shí)。

    D1 數(shù)據(jù)結(jié)構(gòu)與算法基礎(chǔ) D2 線性結(jié)構(gòu) D3 樹型結(jié)構(gòu)
    D4 排序算法 D5 查找算法
    L5
    Git使用與學(xué)習(xí)

    掌握Git使用與學(xué)習(xí)

    D1 Git教程導(dǎo)學(xué) D2 Git教程練習(xí) D3 GitHub操作
    D4 Pycharm集成Git、GitHub和碼云

    人工智能基礎(chǔ)開發(fā)核心課程

    66課時(shí)77小時(shí)31分

    L6
    人工智能的微積分基礎(chǔ)

    熟悉人工智能中常見的微積分的知識(shí)點(diǎn),為機(jī)器學(xué)習(xí)和深度學(xué)習(xí)打下基礎(chǔ)。

    D1 為什么要學(xué)微積分、導(dǎo)數(shù)的含義、斜率的極值和極小值 D2 常見的導(dǎo)數(shù)、不可微函數(shù)、導(dǎo)數(shù)的性質(zhì)、切平面和偏導(dǎo)數(shù)、梯度
    L7
    人工智能行業(yè)發(fā)展與虛擬仿真平臺(tái)搭建
    免費(fèi)

    人工智能行業(yè)發(fā)展與虛擬仿真平臺(tái)搭建

    D1 人工智能的認(rèn)知與介紹 D2 人工智能工具環(huán)境介紹-學(xué)習(xí)環(huán)境介紹
    L8
    圖像認(rèn)知與OpenCV

    了解圖像認(rèn)知與OpenCV,掌握?qǐng)D像識(shí)別與檢測的實(shí)現(xiàn)。

    D1 計(jì)算機(jī)眼中的圖像 D2 灰度化 D3 二值化
    D4 自適應(yīng)二值化 D5 形態(tài)學(xué)變換 D6 圖片顏色識(shí)別
    D7 圖像顏色替換 D8 ROI切割 D9 圖像旋轉(zhuǎn)
    D10 圖像鏡像旋轉(zhuǎn) D11 圖像縮放 D12 圖像矯正
    D13 圖像添加水印 D14 圖像噪點(diǎn)消除 D15 圖像梯度處理
    D16 圖像邊緣檢測 D17 繪制圖像輪廓 D18 凸包特征檢測
    D19 模板匹配 D20 圖像輪廓特征查找 D21 直方圖均衡化
    D22 圖像亮度變換 D23 霍夫變換
    L9
    視覺項(xiàng)目實(shí)踐

    視覺項(xiàng)目實(shí)踐

    D1 自動(dòng)駕駛簡介 D2 3D場景的介紹 D3 獲取3D場景的數(shù)據(jù)
    D4 透視變換 D5 提取車道線 D6 車道線擬合
    D7 車道線顯示 D8 車道線檢測與自動(dòng)駕駛(選修)
    L10
    機(jī)器學(xué)習(xí)算法原理與實(shí)踐-入門

    機(jī)器學(xué)習(xí)算法原理與實(shí)踐-入門

    D1 機(jī)器學(xué)習(xí)介紹與定義 D2 KNN決策邊界 D3 距離計(jì)算方式
    D4 使用數(shù)學(xué)方法實(shí)現(xiàn)KNN D5 前向傳播與損失函數(shù) D6 反向傳播的學(xué)習(xí)率與梯度下降
    D7 自求導(dǎo)的方法實(shí)現(xiàn)線性回歸算法 D8 深度學(xué)習(xí)框架PyTorch的tensor(1) D9 深度學(xué)習(xí)框架PyTorch的tensor(2)
    D10 基于PyTorch框架的線性回歸原理 D11 PyTorch技巧與模型查看 D12 基于TensorFlow框架的線性回歸
    D13 TensorFlow技巧與模型查看 D14 基于PaddlePaddle框架的線性回歸 D15 PaddlePaddle技巧與模型查看
    D16 【項(xiàng)目】基于PyTorch的房價(jià)預(yù)測 D17 【作業(yè)】基于PyTorch的鮑魚年齡判定 D18 【作業(yè)】基于sklearn共享單車租賃預(yù)測
    L11
    概率論與統(tǒng)計(jì)

    掌握數(shù)學(xué)的方法實(shí)現(xiàn)線性回歸

    D1 概率與事件 D2 生日問題與概率的反直覺、條件概率 D3 貝葉斯與樸素貝葉斯
    D4 隨機(jī)變量與離散分布 D5 連續(xù)概率分布與數(shù)學(xué)概念 D6 貝葉斯分類案例
    D7 貝葉斯多分類案例
    L12
    機(jī)器學(xué)習(xí)算法原理與實(shí)踐-深化

    掌握深度學(xué)習(xí)算法和框架

    D1 曲線擬合與非線性化、階躍函數(shù) D2 sigmoid、tanh、ReLU、Softmax激活函數(shù) D3 leaky ReLU、PReLU、ELU激活函數(shù)
    D4 極大似然估計(jì)與交叉熵?fù)p失函數(shù) D5 邏輯回歸與二分類問題 D6 邏輯回歸項(xiàng)目實(shí)現(xiàn)與練習(xí)

    人工智能深度開發(fā)核心課程

    58課時(shí)50小時(shí)59分

    L13
    深度學(xué)習(xí)基礎(chǔ)與實(shí)踐

    掌握深度學(xué)習(xí)基礎(chǔ)與實(shí)踐

    D1 全連接與鏈?zhǔn)角髮?dǎo)法則 D2 Softmax與交叉熵 D3 優(yōu)化器和優(yōu)化方法
    D4 神經(jīng)網(wǎng)絡(luò)的可解釋性與欠擬合 D5 神經(jīng)網(wǎng)絡(luò)的過擬合 D6 神經(jīng)網(wǎng)絡(luò)的正則化
    D7 神經(jīng)網(wǎng)絡(luò)的過擬合解決方案 D8 深度學(xué)習(xí)回顧與任務(wù) D9 深度學(xué)習(xí)基礎(chǔ)
    D10 知識(shí)回顧
    L14
    CV-卷積神經(jīng)網(wǎng)絡(luò)

    CV-卷積神經(jīng)網(wǎng)絡(luò)

    D1 計(jì)算機(jī)眼中的圖像 D2 卷積為什么能識(shí)別圖像原理 D3 卷積為什么能識(shí)別圖像練習(xí)
    D4 池化為什么能增強(qiáng)特征 D5 多通道卷積、偏置過程 D6 CUDA與CuDNN安裝
    D7 LeNet-5原理與算法基礎(chǔ) D8 【項(xiàng)目】LeNet-5的手寫體識(shí)別項(xiàng)目 D9 分類算法的評(píng)估標(biāo)準(zhǔn)
    D10 簡單入門項(xiàng)目-數(shù)字識(shí)別 D11 視覺-CNN基礎(chǔ)
    L15
    視覺經(jīng)典神經(jīng)網(wǎng)絡(luò)

    掌握視覺經(jīng)典神經(jīng)網(wǎng)絡(luò)

    D1 圖像識(shí)別的歷史發(fā)展 D2 AlexNet原理和結(jié)構(gòu) D3 基于AlexNet的貓狗分類項(xiàng)目
    D4 VggNet原理和結(jié)構(gòu) D5 GoogLeNet原理和結(jié)構(gòu) D6 ResNet殘差網(wǎng)絡(luò)原理與結(jié)構(gòu)
    D7 ResNet網(wǎng)絡(luò)代碼復(fù)現(xiàn)練習(xí) D8 MobileNetV1原理與結(jié)構(gòu) D9 MobileNetV2原理與結(jié)構(gòu)
    D10 MobileNetV3網(wǎng)絡(luò)代碼復(fù)現(xiàn)練習(xí)
    L16
    NLP-循環(huán)神經(jīng)網(wǎng)絡(luò)

    掌握NLP-循環(huán)神經(jīng)網(wǎng)絡(luò)

    D1 基于DNN實(shí)現(xiàn)風(fēng)電功率預(yù)測項(xiàng)目 D2 DNN的時(shí)序預(yù)測與缺陷 D3 RNN為什么能做時(shí)序預(yù)測?RNN相比與DNN的網(wǎng)絡(luò)結(jié)構(gòu)與優(yōu)勢
    D4 基于RNN實(shí)現(xiàn)風(fēng)電功率預(yù)測項(xiàng)目 D5 RNN的梯度消失和梯度爆炸 D6 WordEmbedding詞嵌入
    D7 Word2Vec D8 Word2Vec優(yōu)化 D9 LSTM長-短期記憶網(wǎng)絡(luò)的結(jié)構(gòu)和函數(shù)
    D10 BiLSTM的結(jié)構(gòu)和函數(shù) D11 門控循環(huán)單元
    L17
    Transformer

    掌握Transformer

    D1 Encoder-Decoder結(jié)構(gòu) D2 注意力機(jī)制的引入 D3 注意力機(jī)制
    D4 soft-attention D5 位置編碼 D6 Layer Normalization
    D7 Attention中的mask D8 Transformer D9 【代碼】手寫Transformer網(wǎng)絡(luò)
    D10 【項(xiàng)目】手寫GPT網(wǎng)絡(luò)與使用
    L18
    語音場景與認(rèn)識(shí)聲音

    掌握語音場景與認(rèn)識(shí)聲音

    D1 基礎(chǔ)語音3D應(yīng)用場景的介紹與應(yīng)用 D2 認(rèn)識(shí)模擬聲音與數(shù)字聲音 D3 聲音時(shí)域與頻域轉(zhuǎn)換原理與步驟
    D4 聲音時(shí)域與頻域轉(zhuǎn)換代碼生成與運(yùn)行 D5 聲音的Mel譜特征抽取原理與步驟 D6 聲音的Mel譜特征抽取生成與運(yùn)行

    進(jìn)階實(shí)戰(zhàn)

    78課時(shí)68小時(shí)50分

    L19
    工業(yè)流水線產(chǎn)品分類(圖像分類、包含Linux的常用命令)

    掌握工業(yè)流水線產(chǎn)品分類(圖像分類、包含Linux的常用命令)

    D1 3D分揀場景介紹與數(shù)據(jù)通信 D2 3D場景數(shù)據(jù)采集 D3 使用分類算法訓(xùn)練數(shù)據(jù)集
    D4 網(wǎng)絡(luò)fine-tuning 整個(gè)網(wǎng)絡(luò)與某幾層 D5 基于分類算法3D場景分類算法項(xiàng)目部署
    L20
    數(shù)據(jù)集標(biāo)注與制作

    掌握數(shù)據(jù)集標(biāo)注與制作

    D1 目標(biāo)檢測簡介 D2 目標(biāo)檢測的數(shù)據(jù)集-Pascal VOC D3 目標(biāo)檢測的數(shù)據(jù)集-MS COCO
    D4 目標(biāo)檢測的數(shù)據(jù)集-YOLO D5 目標(biāo)檢測的評(píng)價(jià)指標(biāo) D6 目標(biāo)檢測的挑戰(zhàn)
    L21
    工業(yè)流水線產(chǎn)品實(shí)時(shí)檢測(目標(biāo)檢測兩階段與單階段)

    掌握工業(yè)流水線產(chǎn)品實(shí)時(shí)檢測(目標(biāo)檢測兩階段與單階段)

    D1 R-CNN原理 D2 Fast R-CNN原理 D3 Faster R-CNN原理
    D4 SSD的原理與網(wǎng)絡(luò)結(jié)構(gòu)分析 D5 YOLO簡介與快速上手使用-預(yù)測篇 D6 YOLO簡介與快速上手使用-訓(xùn)練篇
    D7 YOLOV1的原理與網(wǎng)絡(luò)結(jié)構(gòu) D8 YOLOV2的原理與網(wǎng)絡(luò)結(jié)構(gòu) D9 YOLOV3的原理與網(wǎng)絡(luò)結(jié)構(gòu)
    D10 YOLOV4的原理與網(wǎng)絡(luò)結(jié)構(gòu) D11 YOLOV5的原理與網(wǎng)絡(luò)結(jié)構(gòu) D12 YOLOV5的使用與代碼精講-預(yù)測部分
    D13 YOLOV5的使用與代碼精講-網(wǎng)絡(luò)搭建 D14 YOLOV5的使用與代碼精講-訓(xùn)練部分 D15 YOLOV8的原理與網(wǎng)絡(luò)結(jié)構(gòu)
    D16 基于YOLO的3D場景分類算法項(xiàng)目部署
    L22
    Linux學(xué)習(xí)與使用(選修)

    Linux學(xué)習(xí)與使用(選修)

    D1 Linux系統(tǒng)介紹 D2 Ubuntu基本命令
    L23
    初見大模型

    初見大模型

    D1 常見大模型介紹 D2 大模型與人工智能關(guān)系 D3 大模型的基礎(chǔ)原理
    D4 大語言模型的“前世今生”與發(fā)展 D5 LLM預(yù)測過程與提示工程 D6 如何高效地使用Prompt
    L24
    大模型的部署與應(yīng)用基礎(chǔ)

    大模型的部署與應(yīng)用基礎(chǔ)

    D1 大模型的部署與應(yīng)用基礎(chǔ)章節(jié)介紹 D2 RESTfuI風(fēng)格api D3 使用api接口調(diào)用大模型
    D4 大模型相關(guān)庫與概念 D5 Windows本地部署與GPU并行-Qwen2.5 D6 Windows本地部署-Chatglm3-6B
    D7 ollama本地運(yùn)行大模型 D8 autodl的GPU部署大模型 D9 Windows環(huán)境-wsl2環(huán)境安裝
    D10 Ubuntu下CUDA和cuDNN安裝-wsl D11 Windows環(huán)境-wsl的docker部署 D12 Ubuntu下CUDA和cuDNN安裝-Docker
    D13 vllm進(jìn)行推理加速優(yōu)化 D14 多輪對(duì)話機(jī)器人實(shí)現(xiàn) D15 入門FastAPI
    D16 基于fastapi構(gòu)建對(duì)話機(jī)器人 D17 對(duì)話機(jī)器人WEBUI-Streamlit D18 對(duì)話機(jī)器人WEBUI-gradio
    D19 temperature和top_p參數(shù)常見設(shè)置
    L25
    大模型的RAG與Agent設(shè)計(jì)

    大模型的RAG與Agent設(shè)計(jì)

    D1 Langchain部署本地大模型 D2 Langchain-Prompt提示詞 D3 Langchain-輸出解析器
    D4 Langchain-chain鏈 D5 Langchain-memory記憶 D6 【項(xiàng)目】LangChain-代理實(shí)現(xiàn)天氣預(yù)報(bào)
    D7 RAG的介紹 D8 RAG的文本加載 D9 RAG的文本分割
    L26
    大模型部署與微調(diào)

    大模型部署與微調(diào)

    D1 大模型部署與微調(diào)
    L27
    PyQT課程

    掌握PyQT課程

    D1 PyQT5概念 D2 創(chuàng)建PyQT5的第一個(gè)窗口 D3 故宮介紹——通過兩種方式實(shí)現(xiàn)
    D4 繪制注冊界面,實(shí)現(xiàn)注冊功能 D5 圖像顯示 D6 定時(shí)器-Qtimer的使用
    D7 進(jìn)度條 QProgressBar D8 PyQT的界面切換 D9 記事本實(shí)現(xiàn)--QMainWindows
    D10 文件瀏覽器、多媒體 D11 多媒體的實(shí)現(xiàn) D12 事件
    D13 PyQT中多線程 D14 打包PyQt5軟件
    主站蜘蛛池模板: 黑人一区| 亚洲综合亚洲综合网成人 | 黄色三级影院 | 国产在线观看网址你懂得 | 久久99精品国产麻豆宅宅 | 高清不卡毛片 | 久草美女视频 | 奶茶视频污 | 亚洲精品一区二区三区婷婷月 | 日韩毛片免费观看 | 日韩在线视屏 | 国产九九在线观看播放 | 91麻豆网 | 开心午夜婷婷色婷在线 | 国产中文字幕久久 | 一级片在线免费播放 | 国产精品久久久久免费视频 | 精品视频免费在线观看 | 亚洲一二区 | 青青草国产一区二区三区 | 成人免费视频国产 | 久久精品国产99久久香蕉 | 韩国r级福利视频在线观看网站 | 欧洲欧美人成免费观看 | 不卡一级aaa全黄毛片 | 国产农村一一级特黄毛片 | 亚洲最大免费视频网 | 99热这里只有精品国产99热门精品 | 日本xxxxx黄区免费看动漫 | 国产成人久久精品二区三区 | 优女视频免费观看 | 色综合网亚洲精品久久久 | 污污的视频在线播放 | 特黄色 | 日韩免费播放 | 日韩欧美一二区 | 国产伦一区二区三区免费 | 久久99国产精品一区二区 | 欧美成人在线影院 | 96精品视频在线播放免费观看 | 亚洲人成黄网在线观看 |