课程目录

• 01、python数据分析与机器学习实战
• 视频课程
• 01人工智能入门指南（有基础的同学请略过！）
• 02Python科学计算库-Numpy
• 03python数据分析处理库-Pandas
• 04Python数据可视化库-Matplotlib
• 05Python可视化库Seaborn
• 06线性回归算法原理推导
• 07梯度下降策略
• 08逻辑回归算法
• 09案例实战：Python实现逻辑回归与梯度下降策略
• 10项目实战-交易数据异常检测
• 11决策树算法
• 12案例实战：使用sklearn构造决策树模型
• 13集成算法与随机森林
• 14案例实战：泰坦尼克获救预测
• 15贝叶斯算法
• 16Python文本数据分析：新闻分类任务
• 17支持向量机
• 18案例：SVM调参实例
• 19聚类算法-Kmeans
• 20聚类算法-DBSCAN
• 21案例实战：聚类实践
• 22降维算法-PCA主成分分析
• 23神经网络
• 24Xgboost集成算法
• 25自然语言处理词向量模型-Word2Vec
• 26使用Gensim库构造中文维基百度数据词向量模型
• 27scikit-learn模型建立与评估
• 28Python库分析科比生涯数据
• 29Python时间序列分析
• 30机器学习项目实战-贷款申请最大化利润
• 31机器学习项目实战-用户流失预警
• 32探索性数据分析-足球赛事数据集
• 33探索性数据分析-农粮组织数据集
• 34机器学习项目实战-HTTP日志聚类分析
• 02、深度学习入门视频课程（上篇）
• 第1章 深度学习必备基础知识点
• 1
• 10
• 11
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 第2章 神经网络模型
• 1
• 2
• 3
• 第3章 神经网络案例实战
• 1
• 2
• 3
• 4
• 5
• 6
• 7
• nn代码
• 03、深度学习入门视频课程（下篇）
• 001、深度学习入门课程01 感受卷积神经网络的强大
• 002、深度学习入门课程02 卷积层详解
• 003、深度学习入门课程03 卷积计算流程
• 004、深度学习入门课程04 卷积核参数分析
• 005、深度学习入门课程05 卷积参数共享原则
• 006、深度学习入门课程06 池化层（Pooling）原理
• 007、深度学习入门课程07 卷积神经网络反向传播原理
• 008、深度学习入门课程08 实现卷积层的前向传播与反向传播
• 009、深度学习入门课程09 实现Pooling层的前向传播与反向传播
• 010、深度学习入门课程10 经典卷及网络架构实例
• 011、深度学习入门课程11 RNN网络结构
• 012、RNN网络细节
• 013、深度学习入门课程12 python实现RNN算法
• 014、深度学习入门课程13 LSTM网络结构简介
• 015、深度学习入门课程14 分类与回归（Location）任务应用详解
• 016、深度学习入门额课程15 物体检测实例
• 017、深度学习入门课程16 如何巧妙设计网络结构
• 018、深度学习入门课程17 训练技巧之数据增强
• 019、深度学习入门课程18 训练技巧之Transfer Learning
• 020、深度学习入门课程19 深度学习框架Caffe简介
• 021、深度学习入门课程20 深度学习框架Caffe训练过程
• 022、深度学习入门课程21 深度学习框架Caffe接口使用实例
• 04、深度学习框架-Tensorflow案例实战视频课程
• 唐宇迪-Tensorflow课程
• tensorflow.pptx
• tensorflow代码
• 验证码识别
• 001、Tensorflow案例实战视频课程01 课程简介
• 002、Tensorflow案例实战视频课程02 Tensorflow安装
• 003、Tensorflow案例实战视频课程03 基本计算单元-变量
• 004、Tensorflow案例实战视频课程04 常用基本操作
• 005、Tensorflow案例实战视频课程05 构造线性回归模型
• 006、Tensorflow案例实战视频课程06 Mnist数据集简介
• 007、Tensorflow案例实战视频课程07 逻辑回归框架
• 008、Tensorflow案例实战视频课程08 迭代完成逻辑回归模型
• 009、Tensorflow案例实战视频课程09 神经网络模型架构
• 010、Tensorflow案例实战视频课程10 训练神经网络
• 011、Tensorflow案例实战视频课程11 卷积神经网络模型架构
• 012、Tensorflow案例实战视频课程12 卷积神经网络模型参数
• 013、Tensorflow案例实战视频课程13 模型的保存和读取
• 014、Tensorflow案例实战视频课程14 加载训练好的VGG网络模型
• 015、Tensorflow案例实战视频课程15 使用VGG模型进行测试
• 016、Tensorflow案例实战视频课程16 使用RNN处理Mnist数据集
• 017、Tensorflow案例实战视频课程17 RNN网络模型
• 018、Tensorflow案例实战视频课程18 训练RNN网络
• 019、Tensorflow案例实战视频课程19 验证码数据生成
• 020、Tensorflow案例实战视频课程20 构造网络的输入数据和标签
• 021、Tensorflow案例实战视频课程21 卷积网络模型定义
• 022、Tensorflow案例实战视频课程22 迭代及测试网络效果
• 05、深度学习框架-Caffe使用案例视频课程
• 01深度学习框架caffe简介
• 03网络配置-数据层详解
• 04网络配置-各计算层详解
• 05solver超参数配置文件
• 06制作LMDB数据源训练分类网络
• 07多label问题之HDF5数据源
• 08使用命令行训练网络1
• 09使用python定义自己的层
• 10绘制网络结构图
• 11生成网络配置文件
• 12对训练的网络模型绘制LOSS曲线
• 13对训练结果进行分类任务
• caffe案例资料-.txt
• 唐宇迪-深度学习-caffe案例
• 06、深度学习项目实战视频课程-人脸检测
• 唐宇迪 深度学习 人脸检测数据代码
• alexnet_iter_50000_full_conv.caffemodel
• alexnet_trainval.prototxt
• deploy.prototxt 暂时无用
• deploy_full_conv.prototxt
• face-lmdb.sh
• faceTrain
• face_detect.ipynb
• face_rect.txt
• run_face_detect_batch.py
• solver.prototxt
• testTrain
• train.prototxt
• train.sh
• train.txt
• train
• 01-人脸检测项目概述
• 02-课程数据，代码下载链接.txt
• 03-数据收集
• 04-正负样本裁剪策略
• 05-Caffe数据源准
• 06-LMDB脚本文件
• 07-制作LMDB数据源
• 08-网络模型配置文件
• 09-选择合适的参数并训练网络模型
• 10-检测算法框架原理
• 11-实现多尺度人脸检测算法
• 12-坐标映射变换
• 13-完成检测代码
• 14-检测效果及改进
• 15-优化策略分析
• 16-模型准确率影响因素分析
• 17-项目总结
• 人脸检测-.docx
• 07、大数据-深度学习项目实战-关键点定位视频教程
• 唐宇迪-深度学习-人脸关键点
• 课上代码
• deep_landmark
• 001、深度学习项目实战01 人脸关键点检测算法框架
• 002、深度学习项目实战02 多标签数据源制作以及标签坐标转换
• 003、深度学习项目实战03 对原始数据进行数据增强
• 004、深度学习项目实战04 完成第一阶段HDF5数据源制作
• 005、深度学习项目实战05 第一阶段网络训练
• 006、深度学习项目实战06 第二三阶段网络数据源制作
• 007、深度学习项目实战07 第二三阶段网络模型训练
• 008、深度学习项目实战08 网络模型参数初始化
• 009、深度学习项目实战09 完成全部测试结果
• 010、深度学习项目实战10 人脸关键点检测效果
• 011、深度学习项目实战11 项目总结分析
• 012、深度学习项目实战12 算法框架分析
• 08、Python数据分析(机器学习)经典案例
• 课时01.课程简介
• 课时02.课程数据，代码下载.swf
• 课时03.使用Anaconda搭建python环境
• 课时04.Kobe.Bryan生涯数据读取与简介
• 课时05.特征数据可视化展示
• 课时06.数据预处理
• 课时07.使用scikit-learn建立分类模型
• 课时08.数据简介及面临的挑战
• 课时09.数据不平衡问题解决方案
• 课时10.逻辑回归进行分类预测
• 课时11.使用阈值来衡量预测标准
• 课时12.使用数据生成策略
• 课时13.数据简介与特征课时化展示
• 课时14.不同特征的分布规则
• 课时15.决策树模型参数详解
• 课时16.决策树中参数的选择
• 课时17.将建立好决策树可视化展示出来
• 课时18.船员数据分析
• 课时19.数据预处理
• 课时20.使用回归算法进行预测
• 课时21.使用随机森林改进模型
• 课时22.随机森林特征重要性分析
• 课时23.级联模型原理
• 课时24.数据预处理与热度图
• 课时25.二阶段输入特征制作
• 课时26.使用级联模型进行预测
• 课时27.数据简介与特征预处理
• 课时28.员工不同属性指标对结果的影响
• 课时29.数据预处理
• 课时30.构建预测模型
• 课时31.基于聚类模型的分析
• 课时32.tensorflow框架的安装
• 课时33.神经网络模型概述
• 课时34.使用tensorflow设定基本参数
• 课时35.卷积神经网络模型
• 课时36.构建完整的神经网络模型
• 课时37.训练神经网络模型
• 课时38.PCA原理简介
• 课时39.数据预处理
• 课时40.协方差分析
• 课时41.使用PCA进行降维
• 课时42.数据简介与故事背景
• 课时43.基于词频的特征提取
• 课时44.改进特征选择方法
• 课时45.数据清洗
• 课时46.数据预处理
• 课时47.盈利方法和模型评估
• 课时48.预测结果
• 09、决胜AI-强化学习实战系列视频课程
• 唐宇迪-强化学习课件及代码
• bird
• ValueIteration.py
• 强化学习
• 1-1.强化学习简介
• 1-10.求解流程详解
• 1-2.强化学习基本概念
• 1-3.马尔科夫决策过程
• 1-4.Bellman方程
• 1-5.值迭代求解
• 1-6.代码实战求解过程
• 1-7.Q-Learning基本原理
• 1-8.Q-Learning迭代计算实例
• 1-9.Q-Learning迭代效果
• 2-1.Deep-Q-Network原理
• 2-10.完整代码流程分析
• 2-11.Deep Q-Learning效果演示
• 2-2.Deep-Q-Learning网络细节
• 2-3,Deep Q-Learning网络参数配置
• 2-4.搭建Deep Q-Learning网络模型
• 2-5.Deep Q Learning卷积操作定义
• 2-6.数据预处理
• 2-7.实现阶段数据存储
• 2-8.实现训练模块
• 2-9.Debug解读训练代码
• 10、Tensorflow项目实战视频课程-文本分类
• 文本分类
• 数据-代码
• 1
• 10
• 11
• 12
• 13
• 14
• 15
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 11、深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程
• RNN手写字体识别（三课时）
• 1
• 2
• 3
• TensorFlow打造唐诗生成网络（八课时）
• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 递归神经网络原理(四课时)
• 1
• 2
• 3
• 4
• 唐诗生成资料
• poem
• RNN与LSTM.pptx
• tensorflow-RNN.pptx
• 12、深度学习项目实战视频课程-Seq2Seq序列生模型
• seq2seq网络架构原理
• 1
• 2
• 3
• 4
• 5
• 文章摘要生成
• 1
• 2
• 3
• 4
• 序列排序生成
• 1
• 2
• 3
• 4
• 5
• Seq2Seq网络
• 13、深度学习顶级论文算法详解视频课程
• DeepLearning(期刊论文)
• 4166643538787b5802a551e0f477a5ee0a76aa
• 61991ea3586e3039a1f35302945da0e62ed276
• 83f2b0137888ff19f7d3236cfac42ffbee5685
• c2da8f6984015ae113e2401190107a348be42c
• d9a9027182bae247583555443e5015383b2c29
• 第八课
• 第二课
• 第九课
• 第六课
• 第七课
• 第三课
• 第十二课
• 第十课
• 第十六课
• 第十三课
• 第十四
• 第十五课
• 第十一集
• 第四课
• 第五课
• 第一课.课程简介.txt
• 14、自然语言处理word2vec
• Gensim构造词向量模型
• 1-
• 2-
• 3-
• 4-
• word2vec
• 1-
• 10-
• 11-
• 2-
• 3-
• 4-
• 5-
• 6-
• 7-
• 8-
• 9-
• 实战word2vec
• 1-
• 2-
• 3-
• 4-
• 5-
• 6-
• 7-
• 15、深度学习项目实战视频课程-StyleTransfer(基于Tensorflow)
• 唐宇迪-StyleTransfer
• style-transfer代码
• 001、课程简介
• 002、Tensorflow安装
• 003、style-transfer基本原理
• 004、风格生成网络结构原理
• 005、风格生成网络细节
• 006、风格转换效果展示
• 007、风格转换参数配置
• 008、数据读取操作
• 009、VGG体征提取网络结构
• 010、内容与风格特征提取
• 011、生成网络结构定义
• 012、生成网络计算操作
• 013、参数初始化
• 014、Content损失计算
• 015、Style损失计算
• 016、完成训练模块
• 017、模型保存与打印结果
• 018、完成测试代码
• 16、机器学习-对抗生成网络
• 对抗生成网络资料
• DCGAN
• GAN.pptx
• 人脸数据
• 1.补充
• 1.课程简介
• 10.DCGAN的网络模型架构
• 11.DCGAN项目实战：DIY你要生成的数据
• 12.DCGAN项目实战：配置参数
• 13.DCGAN项目实战：基于卷积的生成网络架构
• 14.DCGAN项目实战：基于卷积的判别网络
• 15.DCGAN项目实战：训练DCGAN网络
• 2.对抗生成网络形象解释
• 3.对抗生成网络工作原理
• 4.案例实战对抗生成网络：环境配置
• 5.案例实战对抗生成网络：构造判别网络模型
• 6.案例实战对抗生成网络：构造生成网络模型
• 7.案例实战对抗生成网络：构造损失函数
• 8.案例实战对抗生成网络：训练对抗生成网络
• 9.DCGAN基本原理
• DCGAN
• 人脸数据
• 17､ 机器学习-推荐系统
• 章节1-推荐系统工作原理
• 01系列课程概述
• 02推荐系统应用
• 03数据,代码下载（点击参考资料下载）
• 04推荐系统要完成的任务
• 05相似度计算
• 06基于用户的协同过滤
• 07基于物品的协同过滤
• 08隐语义模型
• 09隐语义模型求解
• 10模型评估标准
• 章节2-使用Tensorflow构造隐语义模型
• 11Surprise库与数据简介
• 12Surprise库使用方法
• 13得出推荐商品结果
• 章节3-使用Surprise库建立推荐系统
• 14使用Tensorflow构建隐语义模型
• 15模型架构
• 16损失函数定义
• 17训练网络
• 18、TensorFlow-图像处理
• 超分辨率重构
• srdata
• srgan超分辨率重构
• 高阶API
• 图像缺失补全
• glcic图像补全
• 图像补全人脸数据
• Tensorflow-图像处理视频课程01
• Tensorflow-图像处理视频课程02
• Tensorflow-图像处理视频课程03
• Tensorflow-图像处理视频课程04
• Tensorflow-图像处理视频课程05
• 19、Tensorflow-自然语言处理
• Tensorflow-自然语言处理
• 20、Tensorflow-物体检测-Faster-Rcnn
• 物体检测-faster-rcnn
• Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks
• faster-rcnn.pptx
• FasterRcnn
• iccv15_tutorial_training_rbg
• Tensorflow-物体检测-Faster-Rcnn解读
• 第二章 faster-rcnn论文解读
• 第三章 tensorflow版本实现解读
• 第一章 三代物体检测算法概述
• 21、数据科学人工智能-必备数学基础
• 课件
• SVD
• 概率分布与概率密度
• 概率论
• 高等数学
• 核函数
• 后验概率估计
• 激活函数
• 矩阵
• 拉格朗日乘子法
• 熵
• 似然函数
• 泰勒公式
• 特征值与特征向量
• 梯度
• 微积分
• 视频
• 01-第一章
• 02-第二章至第七章
• 03-第八章
• 04-第九章至第十章
• 05-第十章补充
• 06-第十一章至第十二章
• 07-第十三章
• 08-第十四至第十五
• 09-第十六章
• 统计分析
• 统计分析-数据代码
• 22、NLP-文本相似度
• 文本相似度
• 23、深度学习30天系统实训-非加密
• 第八章-LSTM情感分析与黑科技概述
• 8-1 RNN网络架构
• 8-2LSTM网络架构
• 8-3案例：使用LSTM进行情
• 8-4情感数据集处理
• 8-5基于word2vec的LSTM模型
• 8-6趣味网络串讲（数据代
• 8-7课后讨论版
• 第二章
• 2-1梯度下降原理-2-2学习率的作用-2-3反向传播-2-4神经网络基础架构-2-5神经网络实例演示-2-6正则化与激活函数
• 2-7drop-out
• 2-8课后讨论
• 第六章-自然语言处理-word2vec
• 6-1自然语言处理与深度学
• 6-2语言模型
• 6-3神经网络模型
• 6-4CBOW模型
• 6-5参数更新
• 6-6负采样模型
• 6-7案例：影评情感分类(数据
• 第七章-word2vec实战与对抗生成网络
• 7-1基于词袋模型训练分类器
• 7-2准备word2vec输入数据
• 7-3使用gensim构建word2
• 7-4tfidf原理
• 7-5对抗生成网络原理概述(GAN数据代码下载—)
• 7-6GAN网络结构定义
• 7-7 Gan迭代生成
• 7-8DCGAN网络特性（DCGAN数据代码下载—）
• 7-9DCGAN网络细节
• 第三次课程代码
• imagenet-vgg-verydeep-19.mat
• tensorflow.pptx
• tensorflow代码
• 第三章-tensorflow训练mnist数据集
• 3-1tensorflow安装
• 3-2tensorflow基本套路
• 3-3tensorflow常用操作
• 3-4tensorflow实现线性回归
• 3-5tensorflow实现手写字体
• 3-6参数初始化
• 3-7迭代完成训练
• 3-8课后讨论
• mnist
• 第四章-卷积神经网络
• 4-1卷积体征提取
• 4-2卷积计算流程
• 4-3卷积层计算参数
• 4-4池化层操作
• 4-5卷积网络整体架构
• 4-6经典网络架构
• 第五章-CNN实战与验证码识别
• 5-1卷积网络复习（验证码数据代码下载–）
• 5-2使用CNN训练mnist数
• 5-3卷积与池化操作
• 5-4定义卷积网络计算流程
• 5-5完成迭代训练
• 5-6验证码识别概述
• 5-7验证码识别流程
• 验证码案例
• 第一章
• 1-1课程概述与环境配置
• 1-2深度学习与人工智能概述
• 1-3机器学习常规套路
• 1-4K近邻与交叉验证
• 1-5得分函数
• 1-6损失函数
• 1-7softmax分类器
• 1-8课后讨论与答疑
• 神经网络（上课）
• 24、python-机器学习-进阶实战
• 唐宇迪-机器学习-进阶实战-资料
• 1.数据特征
• 10.HMM隐马尔科夫模型
• 11.HMM案例实战
• 12.推荐系统
• 13.音乐推荐系统实战
• 14.基于统计分析的电影推荐
• 15.学习曲线
• 16.NLP-文本特征方法对比
• 17.使用word2vec分类任务
• 18.Tensorflow自己打造word2vec
• 19.制作自己常用工具包
• 2.GBDT提升算法
• 20.数据处理与特征工程
• 3.xgboost-gbdt-lightgbm
• 4.使用lightgbm进行饭店流量预测
• 5.人口普查数据集项目实战-收入预测
• 6.降维算法-线性判别分析
• 7.贝叶斯优化及其工具包使用
• 8.贝叶斯优化实战
• 9.EM算法
• 1 数据特征
• 10 HMM隐马尔科夫模型
• 11 HMM案例实战
• 12 推荐系统
• 13 音乐推荐系统实战
• 14 基于统计分析的电影推荐
• 15 学习曲线
• 16 NLP-文本特征方法对比
• 17 使用word2vec分类任务
• 18 和 19 章
• 2 GBDT提升算法
• 20 机器学习项目实战-数据处
• 20181129_155828
• 21 机器学习项目实战-建模与
• 3 xgboost-gbdt-lightgbm提
• 4 使用lightgbm进行饭店流
• 5 人口普查数据集项目实战
• 6 降维算法-线性判别分析
• 7 贝叶斯优化及其工具包使用
• 8 贝叶斯优化实战
• 25、Python Kaggle竞赛案例实战
• Kaggle第1课：机器学习算法、工具与流程概述
• Kaggle 第一次课 1
• Kaggle 第一次课2
• Kaggle第1课：机器学习算法、工具与流程概述
• Kaggle第2课：经济金融领域的应用
• Kaggle 第二次课
• 第2课 经济金融领域的应用
• Kaggle第3课：排序与CTR预估问题
• 5-2
• kaggle第三课
• New3
• Kaggle第4课：自然语言处理类问题
• Kaggle4_2
• Kaggle第四课第一部分
• Kaggle第5课：能源预测与分配类问题案例
• 5-1
• 5-2
• Kaggle第6课：走起-深度学习
• 6
• 第6课：走起-深度学习
• Kaggle第7课：电商推荐与销量预测相关案例
• 7
• Kaggle第8课：金融风控问题
• baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg
• 第8课：金融风控问题
• 第八课
• （解压密码000000）课堂同步
• 26、LSTM行为识别
• 行为识别
• 27、问答机器人
• QA问答
• 28、OpenCV计算机视觉图像识别深度学习实战
• 第01讲 图像处理基础
• 第一课
• 第02讲 初探计算机视觉
• （解压密码000000）第二讲同步资料
• 第二课
• 第03讲 空域图像处理的洪荒之力
• （解压密码000000）第三讲同步资料
• 第三课上
• 第三课下
• 第04讲 机器视觉中的特征提取与描述
• 第四课上
• 第四课下
• 第05讲 坐标变换与视觉测量
• 第五课
• 第06讲 深度学习在图像识别中的应用
• （解压密码000000）第六讲同步资料
• 第六课上
• 第六课下
• 第07讲 图像检索
• （解压密码000000）第七讲同步资料
• 第七课
• 第08讲 图像标注与问答
• （解压密码000000）第八讲同步资料
• 第八课
• 第09讲 3D计算机视觉
• （解压密码000000）第九讲同步资料
• 第九课上
• 第九课下
• 第10讲 机器视觉项目实战
• （解压密码000000）第十讲同步资料
• 第十课
• opencv-3.0.0
• （解压密码000000）图像处理与计算机视觉基础总结
• 29、python3数据分析与挖掘实战
• Python3数据分析与挖掘实战
• 第10章 Python数据分析与挖掘技术基础
• 第11章 Python数据可视化分析实现
• 第12章 Python数据清洗、集成与变换
• 第13章 数据转换、属性构造、数据规约
• 第14章 文本挖掘
• 第15章 文本相似度分析
• 第16章 Python数据分析与挖掘实战 上
• 第17章 Python数据建模与分类实现 下
• 第18章 Python数据分析与挖掘聚类实现与回归分析
• 第19章 Python数据分析与挖掘实战
• 第1章 Python基础 第一阶段
• 第20章 Python降维技术与大型数据分析与挖掘项目实训上
• 第21章 Python降维技术与大型数据分析与挖掘项目实训下
• 第2章 Python基础 第二阶段
• 第3章 Python 爬虫初识
• 第4章 Urllib库实战
• 第5章 爬虫防屏蔽手段之代理服务器实战
• 第6章 爬虫实战及Scrapy框架的安装
• 第7章 Scrapy爬虫
• 第8章 用Scrapy爬取网站的数据
• 第9章 补充以及作业讲解
• 软件包及安装文档
• python-3.5.4-32位.exe
• python-3.5.4-64位.exe
• Python-3.5.x安装教程
• 源码
• 30、量化交易课程
• ML_机器学习与量化交易项目班
• ppt
• 代码
• 视频
• 31、数据挖掘课程
• 1-3课
• 4-6课
• 7-10课
• 32、OpenCV+TensorFlow 入门人工智能图像处理
• 第1章 课程导学
• 1-1 计算机视觉导学
• 第2章 计算机视觉入门
• 2-1 本章介绍
• 2-10 案例4：像素读取写入
• 2-11 tensorflow常量变量定义
• 2-12 tensorflow运算原理
• 2-13 常量变量四则运算
• 2-14 矩阵基础1
• 2-15 矩阵基础2
• 2-16 矩阵基础3
• 2-17 numpy模块使用
• 2-18 matplotlib模块的使用
• 2-19 小综合：人工神经网络逼近股票价格1
• 2-2 Mac下一站式开发环境anaconda搭建
• 2-20 小综合：人工神经网络逼近股票价格2
• 2-21 小综合：人工神经网络逼近股票价格3
• 2-22 小综合：人工神经网络逼近股票价格4
• 2-3 Windows下一站式开发环境anaconda搭建
• 2-4 测试案例helloWorld
• 2-5 案例1：图片的读取和展示
• 2-6 Opencv模块组织结构
• 2-7 案例2：图片写入
• 2-8 案例3：不同图片质量保存
• 2-9 像素操作基础
• 第3章 计算机视觉加强之几何变换
• 3-1 本章介绍
• 3-10 图片缩放
• 3-11 图片仿射变换
• 3-12 图片旋转
• 3-13 图片几何变换小结
• 3-2 图片缩放1
• 3-3 图片缩放2
• 3-4 图片缩放3
• 3-5 图片剪切
• 3-6 图片位移1
• 3-7 图片移位2
• 3-8 图片移位3
• 3-9 图片镜像
• 第4章 计算机视觉加强之图像特效&线段文字绘制
• 4-1 图像特效介绍
• 4-10 边缘检测2
• 4-11 浮雕效果
• 4-12 颜色映射
• 4-13 油画特效
• 4-14 图像特效小结
• 4-15 线段绘制
• 4-16 矩形圆形任意多边形绘制
• 4-17 文字图片绘制
• 4-2 图像灰度处理1
• 4-3 图像灰度处理2
• 4-4 算法优化
• 4-5 颜色反转
• 4-6 马赛克
• 4-7 毛玻璃
• 4-8 图片融合
• 4-9 边缘检测1
• 第5章 计算机视觉加强之图像美化
• 5-1 美化效果章节介绍
• 5-10 磨皮美白
• 5-11 高斯均值滤波
• 5-12 中值滤波
• 5-13 图像美化章节小结
• 5-2 彩色图片直方图
• 5-3 直方图均衡化
• 5-4 图片修补
• 5-5 灰度直方图源码
• 5-6 彩色直方图源码
• 5-7 灰度直方图均衡化
• 5-8 彩色直方图均衡化
• 5-9 亮度增强
• 第6章 计算机视觉加强之机器学习
• 6-1 机器学习章节介绍
• 6-10 SVM支持向量机1
• 6-11 SVM支持向量机2
• 6-12 SVM小结
• 6-13 Hog特征1
• 6-14 Hog特征2
• 6-15 Hog特征3
• 6-16 Hog特征4
• 6-17 Hog小结
• 6-18 Hog_SVM小狮子识别1
• 6-19 Hog_SVM小狮子识别2
• 6-2 视频分解图片
• 6-20 Hog_SVM小狮子识别3
• 6-21 Hog_SVM小狮子识别4
• 6-22 Hog_SVM小狮子识别5
• 6-23 机器学习小结
• 6-3 图片合成视频
• 6-4 Haar特征1
• 6-5 Haar特征2
• 6-6 Haar特征3
• 6-7 adaboost分类器1
• 6-8 adaboost分类器2
• 6-9 Haar+adaboost人脸识别
• 第7章 手写数字识别
• 7-1 章节介绍
• 7-10 knn数字识别8
• 7-11 knn数字识别9
• 7-12 knn数字识别10
• 7-13 cnn实现手写数字识别1
• 7-14 cnn实现手写数字识别2
• 7-15 cnn实现手写数字识别3
• 7-16 cnn实现手写数字识别4
• 7-17 cnn实现手写数字识别5
• 7-18 cnn实现手写数字识别6
• 7-19 数字识别小结
• 7-2 样本介绍
• 7-3 knn数字识别1
• 7-4 knn数字识别2
• 7-5 knn数字识别3
• 7-6 knn数字识别4
• 7-7 knn数字识别5
• 7-8 knn数字识别6
• 7-9 knn数字识别7
• 第8章 “刷脸”识别
• 8-1 章节介绍
• 8-2 最简单的图片爬虫
• 8-3 ffmpeg初识_音频
• 8-4 OpenCV预处理
• 8-5 神经网络训练识别1
• 8-6 神经网络训练识别2
• 8-7 神经网络训练识别3
• 8-8 神经网络训练识别4
• 8-9 本章小结
• 第9章 课程总结
• 9-1 课程总结
• 源码
• 33、OpenCV计算机视觉实战(Python版)
• 唐宇迪课件
• 第11-12章notebook课件
• 第16-17章notebook课件
• 第2-7章notebook课件(1)
• 第八章notebook课件
• 第二十一章：项目实战-疲劳检测
• 第九章：项目实战-信用卡数字识别
• 第十八章：Opencv的DNN模块
• 第十九章：项目实战-目标追踪
• 第十三章：案例实战-全景图像拼接
• 第十四章：项目实战-停车场车位识别
• 第十五章：项目实战-答题卡识别判卷
• 第十章：项目实战-文档扫描OCR识别
• 资料
• 第11-12章notebook课件
• 第16-17章notebook课件
• 第八章notebook课件
• 第二十一章：人脸关键点定位
• 第二十一章：项目实战-疲劳检测
• 第九章：项目实战-信用卡数字识别
• 第十八章：Opencv的DNN模块
• 第十九章：项目实战-目标追踪
• 第十三章：案例实战-全景图像拼接
• 第十四章：项目实战-停车场车位识别
• 第十五章：项目实战-答题卡识别判卷
• 第十章：项目实战-文档扫描OCR识别
• 01、课程简介
• 02、图像基本操作
• 03、阈值与平滑处理
• 04、图像形态学处理
• 05、图像梯度处理
• 06、边缘检测
• 07、图像金字塔与轮廓检测
• 08、直方图与傅里叶变换
• 09、项目实战-信用卡数字识别
• 10、项目实战-文档扫描OCR识别
• 11、图像特征-harris
• 12、图像特征-sift
• 13、案例实战-全景图像拼接
• 14、项目实战-停车场车位识别
• 15、项目实战-答题卡识别判卷
• 16、背景建模
• 17、光流估计
• 18、Opencv的DNN模块
• 19、项目实战-目标追踪
• 20、卷积原理与操作
• 21、项目实战-疲劳检测
• 唐宇迪OpenCV小章节
• 34 大数据 Python数据分析处理库-pandas实战视频课程
• 大数据 Python数据分析处理库-pandas实战视频课程1
• 大数据 Python数据分析处理库-pandas实战视频课程2
• 大数据 Python数据分析处理库-pandas实战视频课程3
• 大数据 Python数据分析处理库-pandas实战视频课程4
• 大数据 Python数据分析处理库-pandas实战视频课程5
• 大数据 Python数据分析处理库-pandas实战视频课程6
• 大数据 Python数据分析处理库-pandas实战视频课程7
• 大数据Python数据分析处理库-pandas实战视频课程
• 35 大数据 Python科学计算库-Numpy实战视频课程
• numpy代码
• 大数据 Python科学计算库-Numpy实战视频课程1
• 大数据 Python科学计算库-Numpy实战视频课程2
• 大数据 Python科学计算库-Numpy实战视频课程3
• 大数据 Python科学计算库-Numpy实战视频课程4
• 大数据 Python科学计算库-Numpy实战视频课程5
• 36 大数据——Python数据可视化-Matplotlib实战视频课程
• Matplotlib绘图
• 大数据——Python数据可视化-Matplotlib实战视频课程1
• 大数据——Python数据可视化-Matplotlib实战视频课程2
• 大数据——Python数据可视化-Matplotlib实战视频课程3
• 大数据——Python数据可视化-Matplotlib实战视频课程4
• 大数据——Python数据可视化-Matplotlib实战视频课程5