伊人狼人影院-伊人猫咪-伊人毛片-伊人免费-免费一级肉体全黄毛片高清-免费一级特黄欧美大片久久网

  • 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

    • AI人工智能職業(yè)課程

    教學(xué)服務(wù)
    365天
    視頻時長
    236小時
    學(xué)習(xí)人數(shù)
    61人
    中國人保教育培訓(xùn)險
    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60小時40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，同時對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。
    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

    56課時64小時37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)展與虛擬仿真平臺搭建
    免費(fèi)

    人工智能行業(yè)發(fā)展與虛擬仿真平臺搭建
    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，掌握圖像識別與檢測的實(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 D24 機(jī)器視覺部分
    L9
    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
    L10
    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
    L11
    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

    56課時46小時54分

    L12
    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 知識回顧
    L13
    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 卷積為什么能識別圖像原理 D3 卷積為什么能識別圖像練習(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的手寫體識別項(xiàng)目 D9 分類算法的評估標(biāo)準(zhǔn)
    L14
    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)
    L15
    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的時序預(yù)測與缺陷 D3 RNN為什么能做時序預(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
    L16
    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
    L17
    語音場景與認(rèn)識聲音

    掌握語音場景與認(rèn)識聲音
    D1 基礎(chǔ)語音3D應(yīng)用場景的介紹與應(yīng)用 D2 認(rèn)識模擬聲音與數(shù)字聲音 D3 聲音時域與頻域轉(zhuǎn)換原理與步驟
    D4 聲音時域與頻域轉(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)

    72課時63小時35分

    L18
    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
    L19
    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)檢測的評價指標(biāo) D6 目標(biāo)檢測的挑戰(zhàn)
    L20
    工業(yè)流水線產(chǎn)品實(shí)時檢測（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
    L21
    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 多輪對話機(jī)器人實(shí)現(xiàn) D15 入門FastAPI
    D16 基于fastapi構(gòu)建對話機(jī)器人 D17 對話機(jī)器人WEBUI-Streamlit D18 對話機(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)
    L26
    PyQT課程

    掌握PyQT課程
    D1 PyQT5概念 D2 創(chuàng)建PyQT5的第一個窗口 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： 色狠狠色综合久久8狠狠色| 久久好色| 欧美国产精品主播一区| 嗯好舒服好爽好快好大| 色婷婷在线视频观看| 日本午夜大片a在线观看| 美女毛片免费看| 国产色噜噜| 天天干天天色天天射| 久久久久久国产精品mv| 免费xxxx大片| 中文字幕乱码人成乱码在线视频| 午夜剧场黄色| 欧美午夜色大片在线观看免费 | 美日韩一级| 日日夜夜2017| 欧美大色网| 99久热| 日韩高清性爽一级毛片免费| 狠狠尻| 手机看片国产在线| 五月激情六月| 伊人久久天堂| 欧美亚洲综合一区| 日本在线网址| 18videosex欧美69| 我要看黄色一级毛片| 久久久一本| 台湾黄色毛片| 正在播放91| 美女张开大腿让男人捅| 久久九九国产| 五等分的新娘免费漫画| 夜夜操美女| free性欧美video69| 天天视频色版| 国产精品免费视频拍拍拍| 久久国产乱子伦精品免费看| 亚洲成人网在线观看| 国产女人18毛片水真多18精品| 加勒比精品视频|