马士兵AI人工智能工程师，Python人工智能进阶培训教程

AI 人工智能工程师 视频截图

AI 人工智能工程师 视频截图

章节01-开班典礼_学前必看

课时10-人工智能和大数据的关系_ev.mp4

课时11-工具方法的选择_ev.mp4

课时12-预习FM模型_ev.mp4

课时1-人工智能课程大纲_ev.mp4

课时2-模型不能通吃_ev.mp4

课时3-学习方法_ev.mp4

课时4-知识点分级_ev.mp4

课时5-学习路线_ev.mp4

课时6-辅导书推荐_ev.mp4

课时7-数学只是工具_ev.mp4

课时8-学习方法问题_ev.mp4

课时9-编程环境问题_ev.mp4

章节02-FM模型

课时10-代码展示_ev.mp4

课时11-xlearn_ev.mp4

课时12-参数数量设置_ev.mp4

课时13-keras_ev.mp4

课时14-嵌入层_ev.mp4

课时1-FM模型_ev.mp4

课时2-特征组合_ev.mp4

课时3-特征交叉出现的问题_ev.mp4

课时4-间接交叉_ev.mp4

课时5-解耦_ev.mp4

课时6-逻辑回归解耦后的特征_ev.mp4

课时7-测试集训练集_ev.mp4

课时8-运算量问题_ev.mp4

课时9-总结_ev.mp4

章节03-推荐系统之协同过滤

课时10-召回整体两种_ev.mp4

课时11-协同过滤_ev.mp4

课时12-ICF_ev.mp4

课时13-编程技巧_ev.mp4

课时14-代码展示_ev.mp4

课时15-行为数据解释_ev.mp4

课时16-行为数据好坏指标_ev.mp4

课时17-ucf和icf的差别_ev.mp4

课时18-应用场景问题_ev.mp4

课时19-总结_ev.mp4

课时1-架构大数据与人工智能关系_ev.mp4

课时2-FFM_ev.mp4

课时3-FFM存在的问题_ev.mp4

课时4-做项目一个数据驱动模型_ev.mp4

课时5-FFM模型工具_ev.mp4

课时6-机器学习算法题讲解_ev.mp4

课时7-FM模型取代矩阵分解_ev.mp4

课时8-项目部署及项目介绍_ev.mp4

课时9-推荐系统_ev.mp4

章节04-推荐系统之召回

课时10-Annoy使用步骤_ev.mp4

课时11-表示学习_ev.mp4

课时12-图文匹配_ev.mp4

课时13-召回好处_ev.mp4

课时14-回答问题_ev.mp4

课时15-效果怎么测试_ev.mp4

课时16-如果打破茧层召回率下降_ev.mp4

课时17-正确率和茧房关系_ev.mp4

课时18-Vcf满意度高打破茧房_ev.mp4

课时19-第12代召回_ev.mp4

课时1-回顾推荐系统召回阶段_ev.mp4

课时20-第三代召回_ev.mp4

课时21-随机建树_ev.mp4

课时22-TDM算法_ev.mp4

课时23-第二代召回问题_ev.mp4

课时24-TDM号称第三代_ev.mp4

课时2-冷启动_ev.mp4

课时3-用户行为过少导致没有l1和l3相连_ev.mp4

课时4-很多连边不全_ev.mp4

课时5-产品角度推荐系统包含的角色_ev.mp4

课时6-为什么ucf和icf容易产生信息虫房_ev.mp4

课时7-机器学习的好处_ev.mp4

课时8-数量级降低_ev.mp4

课时9-两个工具Annoy和Faiss_ev.mp4

章节05-推荐系统之排序1

课时1-排序_ev.mp4

课时2-正负样本和训练集样本_ev.mp4

课时3-user和item稀疏向量形式_ev.mp4

课时4-正样本60的概率排在负样本前面_ev.mp4

课时5-残差学习_ev.mp4

课时6-GBDT_ev.mp4

课时7-Rank离线训练_ev.mp4

课时8-迁移学习和三代召回系统_ev.mp4

章节06-推荐系统之排序2

课程说明与解压密码.txt

课时10-微软深度学习模型讲解_ev.mp4

课时11-PNN模型讲解_ev.mp4

课时12-NFM模型讲解_ev.mp4

课时13-总结_ev.mp4

课时1-展示上节课效果_ev.mp4

课时2-整体流程_ev.mp4

课时3-其他模型介绍_ev.mp4

课时4-复杂模型特征_ev.mp4

课时5-小结_ev.mp4

课时6-思考题_ev.mp4

课时7-华为深度学习模型讲解_ev.mp4

课时8-谷歌深度学习模型讲解_ev.mp4

课时9-回答问题_ev.mp4

章节07-RNN和LSTM

课时10-LSTM(下)_ev.mp4

课时11-和RNN不同_ev.mp4

课时12-五组参数学习_ev.mp4

课时13-序列模型的应用场景_ev.mp4

课时14-seq2seq_ev.mp4

课时15-LSTM补充_ev.mp4

课时16-文本分类_ev.mp4

课时17-LSTM输入要求_ev.mp4

课时18-讲解代码_ev.mp4

课时19-讲解return_sequences_ev.mp4

课时1-时序模型_ev.mp4

课时20-LSTM无法并行运算_ev.mp4

课时2-NLP词性标注_ev.mp4

课时3-不同时间点信息通过h传播_ev.mp4

课时4-补充数学知识_ev.mp4

课时5-RNN_ev.mp4

课时6-梯度下降法和梯度爆炸_ev.mp4

课时7-RNN存在的问题_ev.mp4

课时8-梯度消失梯度爆炸_ev.mp4

课时9-LSTM(上)_ev.mp4

章节08-语音合成方法介绍

课时10-课程学习路线_ev.mp4

课时11-语音学基础知识_ev.mp4

课时12-语音合成_ev.mp4

课时13-拼接法优缺点_ev.mp4

课时14-参数法合成语音_ev.mp4

课时15-传统参数语音合成缺陷_ev.mp4

课时16-神经网络参数合成法_ev.mp4

课时17-LSTM参数合成方法_ev.mp4

课时18-参数合成方法总结_ev.mp4

课时19-深度学习合成方案_ev.mp4

课时1-本课程收获什么_ev.mp4

课时20-语音合成发展方向_ev.mp4

课时21-本节小结_ev.mp4

课时2-本课程前置技能要求_ev.mp4

课时3-做AI需要什么_ev.mp4

课时4-AI语音研究方向_ev.mp4

课时5-应用场景_ev.mp4

课时6-行业头部_ev.mp4

课时7-场景体验_ev.mp4

课时8-智能语音机器人_ev.mp4

课时9-呼叫流程交互时序流程_ev.mp4

章节09-语音合成前端

课时10-韵律结构_ev.mp4

课时11-韵律预测_ev.mp4

课时12-变调与不变调_ev.mp4

课时13-儿化音轻声_ev.mp4

课时14-ABB叠词发音_ev.mp4

课时15-多音字消歧_ev.mp4

课时16-序列标注法_ev.mp4

课时17-前端主要问题_ev.mp4

课时18-本节小结_ev.mp4

课时19-演示注音程序_ev.mp4

课时1-本节课介绍_ev.mp4

课时2-语音学介绍_ev.mp4

课时3-语音合成前端_ev.mp4

课时4-TTS前端Pipeline_ev.mp4

课时5-文本分析_ev.mp4

课时6-文本归一化_ev.mp4

课时7-分词注音_ev.mp4

课时8-声调符号韵律预测_ev.mp4

课时9-韵律_ev.mp4

章节10-端到端语音合成声学模型

课时10-Tactorn2_ev.mp4

课时11-对比Tactorn1与Tactorn2_ev.mp4

课时12-总结缺陷_ev.mp4

课时13-FASTSpeech_ev.mp4

课时14-端到端合成_ev.mp4

课时15-本节小节_ev.mp4

课时1-后端声学模型声学特征_ev.mp4

课时2-声学特征提取_ev.mp4

课时3-傅里叶变换_ev.mp4

课时4-梅尔滤波_ev.mp4

课时5-端到端语音合成_ev.mp4

课时6-Tactorn1_ev.mp4

课时7-seq2seq与Attention_ev.mp4

课时8-Tactorn1_ev.mp4

课时9-Tactorn1存在的问题_ev.mp4

章节11-语音合成声码器及端到端语音合成实战

课时10-语音合成例子讲解_ev.mp4

课时1-声码器_ev.mp4

课时2-GriffinLim_ev.mp4

课时3-WaveNet_ev.mp4

课时4-语音合成数据集_ev.mp4

课时5-Tacortron2学习资料_ev.mp4

课时6-生成train.txt的数据_ev.mp4

课时7-代码结构_ev.mp4

课时8-预处理步骤_ev.mp4

课时9-浏览器访问_ev.mp4

章节12-LSTM和ELMO

课时10-评价一句话4个词_ev.mp4

课时11-训练如何做_ev.mp4

课时12-LSTM构建语言模型_ev.mp4

课时13-另一种分解方式_ev.mp4

课时14-另一种模型构建_ev.mp4

课时15-结论_ev.mp4

课时16-ELMO模型_ev.mp4

课时17-序列信息训练技_ev.mp4

课时18-ELMO训练方法_ev.mp4

课时19-Elmo分类任务_ev.mp4

课时1-LSTM(1)_ev.mp4

课时20-标注信息_ev.mp4

课时2-做项目时处理技巧_ev.mp4

课时3-CNN文本分类_ev.mp4

课时4-LSTM(2)_ev.mp4

课时5-LSTM问题_ev.mp4

课时6-HMM_ev.mp4

课时7-数学到底是什么_ev.mp4

课时8-ELMO引入_ev.mp4

课时9-NLP领域语言模型_ev.mp4

章节13-实战项目：智能输入法

课时10-同音字存在的问题_ev.mp4

课时11-训练及代码讲解_ev.mp4

课时12-效果进一步提升_ev.mp4

课时1-总结上节课_ev.mp4

课时2-编程问题_ev.mp4

课时3-Elmo模型实现_ev.mp4

课时4-项目输入法讲解_ev.mp4

课时5-技巧_ev.mp4

课时6-整体步骤_ev.mp4

课时7-如何使用_ev.mp4

课时8-拼音到汉字_ev.mp4

课时9-模型训练完的使用_ev.mp4

章节14-输入法项目之新词发现

课时10-LSTM用深度学习怎么做_ev.mp4

课时11-Encoder和Decoder_ev.mp4

课时12-机器翻译的难点_ev.mp4

课时13-机器学习理论问题_ev.mp4

课时14-Attention_ev.mp4

课时1-分享问题_ev.mp4

课时2-新词_ev.mp4

课时3-新词发现_ev.mp4

课时4-统计两字字符串特征_ev.mp4

课时5-模型搭建_ev.mp4

课时6-模型训练后需求_ev.mp4

课时7-新词发现的特殊点_ev.mp4

课时8-输入法项目_ev.mp4

课时9-LSTM模型机器翻译_ev.mp4

章节15-注意力模型Attention

课程说明与解压密码.txt

课时10-图文匹配_ev.mp4

课时11-SelfAttention_ev.mp4

课时1-注意力模型_ev.mp4

课时2-求相似度及Attention_ev.mp4

课时3-机器翻译_ev.mp4

课时4-展示语料及代码_ev.mp4

课时5-超级多类别分类_ev.mp4

课时6-机器学习改良_ev.mp4

课时7-智能问答_ev.mp4

课时8-Attention_ev.mp4

课时9-小结Attention_ev.mp4

章节16-注意力模型Self-Attention

课时1-SelfAttention_ev.mp4

课时2-Attention词袋模型_ev.mp4

课时3-SelfAttention和Lstm优缺点_ev.mp4

课时4-SelfAttention取代Lstm_ev.mp4

课时5-多抽头Attention_ev.mp4

课时6-多抽头过多时_ev.mp4

课时7-批标准化_ev.mp4

课时8-批标准化前置回顾_ev.mp4

课时9-批标准化好处_ev.mp4

章节17-Transformer和Bert

课时10-Bert_ev.mp4

课时11-如何使用Bert_ev.mp4

课时12-文本分类分类任务_ev.mp4

课时13-迁移学习_ev.mp4

课时14-Bert出现对行业是好事吗_ev.mp4

课时15-总结_ev.mp4

课时1-继续批标准化_ev.mp4

课时2-批正规化_ev.mp4

课时3-shortcut_ev.mp4

课时4-信息变换抄近道_ev.mp4

课时5-对序列转换_ev.mp4

课时6-宏观角度Transformer_ev.mp4

课时7-谷歌做法_ev.mp4

课时8-Elmo模型训练方法1_ev.mp4

课时9-Elmo模型训练方法2_ev.mp4

章节18-图像之文本检测

课时10-模型部署_ev.mp4

课时11-文本定位_ev.mp4

课时1-今日内容_ev.mp4

课时2-前提要求_ev.mp4

课时3-文字识别问题_ev.mp4

课时4-文本识别_ev.mp4

课时5-LeNet_ev.mp4

课时6-网络发展脉络_ev.mp4

课时7-数据准备_ev.mp4

课时8-模型调优_ev.mp4

课时9-模型训练_ev.mp4

章节19-图像之文本识别

课时10-CTPN_ev.mp4

课时11-RRPN_ev.mp4

课时12-TextBoxes_ev.mp4

课时13-检测框回归_ev.mp4

课时14-EAST_ev.mp4

课时15-只做语义分割不做边界回归_ev.mp4

课时16-PixelLink_ev.mp4

课时17-目标区域选择_ev.mp4

课时18-NMS变种_ev.mp4

课时19-困难样本选取_ev.mp4

课时1-目标检测_ev.mp4

课时20-OHEM_ev.mp4

课时21-多尺度方法_ev.mp4

课时22-文本框表示_ev.mp4

课时23-多行粘连处理_ev.mp4

课时24-LossFun_ev.mp4

课时25-数据集_ev.mp4

课时26-任重道远_ev.mp4

课时2-问题泛化_ev.mp4

课时3-文本分类_ev.mp4

课时4-文本检测_ev.mp4

课时5-RCNN_ev.mp4

课时6-YOLO_ev.mp4

课时7-SSD_ev.mp4

课时8-文本的特点_ev.mp4

课时9-FasterRCNN检测文本_ev.mp4

章节20-文本分类项目：分类任务简介、分类系统综述

课时1-今日内容介绍_ev.mp4

课时2-项目介绍_ev.mp4

课时3-文本分类综述_ev.mp4

课时4-项目总体流程_ev.mp4

课时5-开始任务前需考虑什么_ev.mp4

章节21-文本分类项目：基本模型回顾-NB、SVM

课时1-基本模型NaiveBayes_ev.mp4

课时2-基本模型NB_ev.mp4

课时3-基本模型SVM_ev.mp4

课时4-回答学生问题_ev.mp4

章节22-文本分类项目：基本模型回顾-FastText

课时1-训练部分ss_ev.mp4

课时2-基本模型FastText1_ev.mp4

课时3-基本模型FastText2_ev.mp4

课时4-为什么用三个基本模型_ev.mp4

课时5-基本模型xgboost_ev.mp4

课时6-整体流程_ev.mp4

章节23-文本分类项目：系统集成、系统调优

课时1-走读代码_ev.mp4

课时2-准确率_ev.mp4

课时3-多分类_ev.mp4

课时4-混淆矩阵_ev.mp4

课时5-数据_ev.mp4

课时6-与学生互动_ev.mp4

章节24-文本分类项目：系统优化：实体信息

课时1-回顾及基本文章分类器_ev.mp4

课时2-优化语料及解决方案_ev.mp4

课时3-结论_ev.mp4

课时4-实体特征优化及解决方案_ev.mp4

课时5-多图少文类型优化_ev.mp4

章节25-文本分类项目：系统优化：图片分类

课时1-Inception结构_ev.mp4

课时2-图片分类1_ev.mp4

课时3-图片分类2_ev.mp4

课时4-整合_ev.mp4

章节26-文本分类项目：深度模型系统：TextCNN

课时1-图片分类代码_ev.mp4

课时2-系统整体架构及及模型回顾_ev.mp4

课时3-看代码_ev.mp4

课时4-Tensorflow-Serving及工作流程_ev.mp4

课时5-模型导出及运行方式_ev.mp4

章节27-文本分类项目：TensorflowServing简介以及深度模型分类系统集成

课时1-主服务RPC框架_ev.mp4

课时2-看代码_ev.mp4

课时3-Wide&deep_ev.mp4

课时4-整体架构的一些问题_ev.mp4

课时5-回答学生问题_ev.mp4

章节28-高级图像技术1

课时1-速通机器学习_ev.mp4

课时2-cnn卷积神经网·滤波_ev.mp4

课时3-池化操作_ev.mp4

课时4-卷积核_ev.mp4

章节29-高级图像技术2

课时1-小卷积核(1)_ev.mp4

课时2-小卷积核(2)_ev.mp4

课时3-宽卷积_ev.mp4

课时4-并联卷积_ev.mp4

章节30-高级图像技术3

课时1-深入卷积核_ev.mp4

课时2-DeprhWise_ev.mp4

课时3-特征通道加权卷积SEnet(1)_ev.mp4

课时4-特征通道加权卷积SEnet(2)_ev.mp4

课时5-LeNet_ev.mp4

课时6-VGGnet_ev.mp4

课时7-VGGnet(1)_ev.mp4

课时8-GoogleNet1_ev.mp4

章节31-高级图像技术4

课时1-Inception2_ev.mp4

课时2-Inceptionv3_ev.mp4

课时3-Xception_ev.mp4

课时4-shortcut_ev.mp4

课时5-Rsenet_ev.mp4

课时6-Renext_ev.mp4

章节32-海外项目：推荐系统入门简介

课时1-自我介绍_ev.mp4

课时2-课程目的_ev.mp4

课时3-AI行业的介绍_ev.mp4

课时4-机器学习入门简介_ev.mp4

课时5-机器学习应用_ev.mp4

课时6-推荐系统简介_ev.mp4

课时7-推荐算法HOTITEM简介_ev.mp4

课时8-推荐算法协同过滤简介_ev.mp4

章节33-海外项目：Item2vec算法以及实际应用

课时1-内容推荐_ev.mp4

课时2-模型算法_ev.mp4

课时3-导航仪上的推荐系统_ev.mp4

课时4-Item2Vec_ev.mp4

章节34-海外项目：数据预处理

课时1-数据预处理_ev.mp4

课时2-数据处理库_ev.mp4

章节35-海外项目：经典CTR预估算法sparselogisticsregression

课时1-数据处理库_ev.mp4

课时2-异常值_ev.mp4

课时3-回顾模型算法_ev.mp4

课时4-SparseLogisticRegressior_ev.mp4

课时5-逻辑回归及更新_ev.mp4

课时6-spr及sparse_ev.mp4

课时7-总结_ev.mp4

章节36-海外项目：深度学习入门

课时1-回顾_ev.mp4

课时2-深度学习入门_ev.mp4

课时3-神经元_ev.mp4

课时4-激活函数_ev.mp4

章节37-海外项目：CNN&LSTM详细讲解

课时1-激活函数_ev.mp4

课时2-深入学习_ev.mp4

课时3-补充_ev.mp4

课时4-cnn_ev.mp4

章节38-海外项目：self-attention机制讲解

课时1-回顾_ev.mp4

课时2-RNN_ev.mp4

课时3-LSTM_ev.mp4

课时4-Wide&DeepModel_ev.mp4

章节39-海外项目：wide-deepmodel代码实战

课时1-注意力机制及概率分布_ev.mp4

课时2-Self-Scaled-attention_ev.mp4

课时3-wide-deepmodel_ev.mp4

课时4-总结_ev.mp4

章节40-智能聊天机器人1

课时10-扩展_ev.mp4

课时11-提取关键词_ev.mp4

课时1-聊天机器人_ev.mp4

课时2-技术分类_ev.mp4

课时3-聊天方式_ev.mp4

课时4-项目，小黄鸡_ev.mp4

课时5-技术架构_ev.mp4

课时6-倒排索引_ev.mp4

课时7-设置idf_ev.mp4

课时8-IDF注意事项_ev.mp4

课时9-idf倒排索引_ev.mp4

章节41-智能聊天机器人2

课时10-损失函数_ev.mp4

课时11-三元学习_ev.mp4

课时12-相识度计算选取5个候选答案_ev.mp4

课时13-输出长度为5的20维向量序列_ev.mp4

课时14-多轮_ev.mp4

课时1-query_ev.mp4

课时2-双塔模型和度量学习_ev.mp4

课时3-构造三元数据_ev.mp4

课时4-过拟合_ev.mp4

课时5-query和Q位于同一语义空间_ev.mp4

课时6-图文匹配_ev.mp4

课时7-M1等于M2框架搭建_ev.mp4

课时8-构建损失函数_ev.mp4

课时9-召回模块_ev.mp4