课程目录

• 0、三维视觉与3D-AIGC的学术应用与研究1期（Kant老师）
• 01_04次三维视觉与3D-AIGC学术应用与研究
• 02_03次三维视觉与3D-AIGC学术应用与研究
• 03_02次三维视觉与3D-AIGC学术应用与研究
• 04_01次三维视觉与3D-AIGC学术应用与研究
• 05_开班-三维视觉与3D-AIGC学术应用与研究
• 06_06次三维视觉与3D-AIGC学术应用与研究
• 07_05次三维视觉与3D-AIGC学术应用与研究
• 1、05【kaggle】3D图像重建匹配挑战赛
• 10_【06课】比赛复盘(直播2023-08-03)
• 1_【必看】课前须知.html
• 2_打造舒适的AI开发环境–软件篇2-3
• 3_打造舒适的AI开发环境–软件篇1
• 4_打造舒适的AI开发环境–硬件篇
• 5_【01课】2022图像匹配挑战赛top名次逐行代码讲解（一）(直播2023-05-19)
• 6_【02课】2022图像匹配挑战赛top名次逐行代码讲解（二）(直播2023-05-26)
• 7_【03课】2022图像匹配挑战赛top名次逐行代码讲解（三））(直播2023-05-31)
• 8_【04课】新赛baseline讲解(直播2023-06-04)
• 9_【05课】2023图像匹配挑战赛top名次逐行代码讲解（一））(直播2023-06-19)
• 2、科研方法论研修班（全额版）
• 10_【4月11日】第九节：论文修改和审稿反馈(直播2024-04-11)
• 11_【4月16日】第十节：学术发表和学术生涯规划(直播2024-04-16)
• 12_【4月18日】第十一节：老师点评、自我评价与答疑(直播2024-04-18)
• 1_课件资料.html
• 2_【3月12日】第一节：导论和学术科研概述(直播2024-03-12)
• 3_【3月14日】第二节：研究主题选择和问题定义(直播2024-03-14)
• 4_【3月19日】第三节：文献综述和相关工作(直播2024-03-19)
• 5_【3月21日】第四节：实验设计和数据收集(直播2024-03-21)
• 6_【3月26日】第五节：算法和模型选择(直播2024-03-26)
• 7_【3月28日】第六节：实验实施和结果分析(直播2024-03-28)
• 8_【4月2日】第七节：论文写作和结构学术(直播2024-04-02)
• 9_【4月9日】第八节：论文讨论和贡献(直播2024-04-09)
• 3、02 Python · AI&数据科学入门
• 10_第五章-程序控制结构
• 11_【作业讲解】第五章：程序控制结构
• 12_第六章-函数-面向过程的编程
• 13_【作业讲解】第六章：函数
• 14_第七章-类-面向对象的编程
• 15_【作业讲解】第七章：类
• 16_第八章-文件、异常和模块
• 17_【作业讲解】第八章：文件、异常和模块
• 18_第九章-有益的探索
• 19_【作业讲解】第九章：有益的探索
• 20_第十章-Python标准库
• 21_【作业讲解】第十章：Python标准库
• 22_第十一章-科学计算库—Numpy应用
• 23_【作业讲解】第十一章：Numpy库
• 24_第十二章-Pandas库
• 25_【作业讲解】第十二章：Pandas库
• 26_第十三章-Matplotlib
• 27_【作业讲解】第十三章：Matplotlib
• 28_第十四章-Sklearn常规用法
• 29_【作业讲解】第十四章：Sklearn常规用法
• 2_第一章-绪论和环境配置
• 30_第十五章-再谈编程
• 3_【作业讲解】第一章：助教实际演示配置环境过程
• 4_第二章-Python-基本语法元素
• 5_【作业讲解】第二章：Python基本语法元素
• 6_第三章-基本数据类型
• 7_【作业讲解】第三章：基本数据类型
• 8_第四章-组合数据类型
• 9_【作业讲解】第四章：复杂数据类型
• 4、03深度学习PyTorch框架班
• 10_【第一周】计算图与动态图机制
• 11_【第一周】autograd与逻辑回归
• 12_【第一周】作业讲解1
• 13_【第一周】作业讲解2
• 14_【第一周】作业讲解3
• 15_【第二周】数据读取机制Dataloader与Dataset
• 16_【第二周】数据预处理transforms模块机制
• 17_【第二周】二十二种transforms数据预处理方法
• 18_【第二周】学会自定义transforms方法
• 19_【第二周】作业讲解
• 1_【严正声明】盗版必究！.html
• 20_【第三周】模型创建步骤与nn_Module
• 21_【第三周】模型容器与AlexNet构建
• 22_【第三周】nn网络层-卷积层
• 23_【第三周】nn网络层-池化-线性-激活函数层
• 24_【第三周】作业讲解
• 25_【第四周】权值初始化
• 26_【第四周】损失函数（一）
• 27_【第四周】损失函数(二)
• 28_【第四周】优化器optimizer的概念
• 29_【第四周】torch_optim_SGD
• 2_【招募】如何获得深度之眼奖学金和助学金？.html
• 30_【第四周】作业讲解
• 31_【第五周】学习率调整策略
• 32_【第五周】TensorBoard简介与安装
• 33_【第五周】TensorBoard使用（一）
• 34_【第五周】TensorBoard使用（二）
• 35_【第五周】hook函数与CAM可视化
• 36_【第五周】作业讲解
• 37_【第六周】正则化之weight_decay
• 38_【第六周】正则化之Dropout
• 39_【第六周】Batch-Normalization
• 3_【必看】训练营学习指南.html
• 40_【第六周】Normalizaiton_layers
• 41_【第六周】作业讲解
• 42_【第七周】模型保存与加载
• 43_【第七周】模型finetune
• 44_【第七周】GPU的使用
• 45_【第七周】PyTorch常见报错
• 46_【第七周】作业讲解
• 47_【第八周】图像分类一瞥
• 48_【第八周】图像分割一瞥
• 49_【第八周】图像目标检测一瞥（上）
• 50_【第八周】图像目标检测一瞥（下）
• 51_【第九周】生成对抗网络一瞥
• 52_【第九周】循环神经网络一瞥
• 5_【必看】深入浅出PyTorch
• 6_【第一周】PyTorch简介与安装
• 7_【第一周】补充-pytorch开发环境安装
• 8_【第一周】张量简介与创建
• 9_【第一周】张量操作与线性回归
• 5、《机器学习》西瓜书训练营
• 10_【第二周】多元线性回归公式
• 11_【第二周】对数几率回归公式
• 12_【第二周】学习sklearn中逻辑回归算法.html
• 13_【第二周】本周学习内容总结.html
• 14_【第二周】【作业讲解】逻辑回归
• 15_【第三周】决策树的分裂准则
• 16_【第三周】决策树的剪枝和连续值处理.html
• 17_【第三周】sklearn包中决策树算法的使用.html
• 18_【第三周】本周学习任务简单总结.html
• 19_【第三周】【作业讲解】决策树
• 1_【严正声明】盗版必究！.html
• 20_【第四周】支持向量机原始模型的建立和求解
• 21_【第四周】核函数和软间隔支持向量机
• 22_【第四周】sklearn包中svm算法的使用.html
• 23_【第四周】本周学习任务简单总结.html
• 24_【第四周】【作业讲解】SVM
• 25_【第五周】极大似然估计与朴素贝叶斯
• 26_【第五周】EM算法1
• 27_【第五周】EM算法2
• 28_【第五周】EM算法3
• 29_【第五周】sklearn包中的朴素贝叶斯算法的适用.html
• 2_【招募】如何获得深度之眼奖学金和助学金？.html
• 30_【第五周】本周学习任务简单总结.html
• 31_【第五周】【作业讲解】贝叶斯和EM算法
• 32_【第六周】神经网络结构
• 33_【第六周】sklearn包中神经网络的使用.html
• 34_【第六周】本周学习任务简单总结.html
• 35_【第六周】【作业讲解】神经网络
• 36_【第七周】经验误差与过拟合.html
• 37_【第七周】评估方法.html
• 38_【第七周】性能度量.html
• 39_【第七周】sklearn包中模型评估方法的使用.html
• 3_【必看】训练营学习指南.html
• 40_【第七周】本周学习任务简单总结.html
• 41_【第七周】【作业讲解】模型评估与选择
• 42_【第八周】深度学习初探.html
• 43_【第八周】特征降维.html
• 44_【第八周】特征选择.html
• 45_【第八周】sklearn包中特征选择和降维算法的使用.html
• 46_【第八周】本周学习任务简单总结.html
• 47_【第八周】【作业讲解】特征选择
• 48_【第九周】集成学习.html
• 49_【第九周】结合策略.html
• 4_【资料合集】课件下载合集.html
• 50_【第九周】实验-lightGBM的使用.html
• 51_【第九周】本周学习任务简单总结.html
• 52_【第九周】【作业讲解】k-means
• 53_【第十周】聚类
• 54_【第十周】HMM-1
• 55_【第十周】HMM-2
• 56_【第十周】HMM-3
• 57_【第十周】实验-sklearn-user-guide-2_3_2.html
• 58_【第十周】本周学习任务简单总结.html
• 59_【第十一周】任务与奖赏.html
• 5_赠送的【机器学习实战】–导读课+全套作业讲解+python代码.html
• 60_【第十一周】学习任务简单总结.html
• 61_【达观杯nlp比赛】第一节课-了解NLP任务和熟悉比赛题目-赛前介绍和准备
• 62_【达观杯nlp比赛】第二节课-了解NLP任务和熟悉比赛题目-赛题介绍和思路分析
• 63_【达观杯nlp比赛】第三节课-数据分析及处理
• 64_【达观杯nlp比赛】第四节课——Baseline实现
• 65_【达观杯nlp比赛】第五节课-验证集构建和交叉验证
• 6_【第一周】机器学习绪论
• 7_【第一周】本周学习任务简单总结.html
• 8_【第二周】西瓜书公式推导学习指南
• 9_【第二周】一元线性回归公式
• 6、AI数学基础
• 10_【第一章-线性代数(上)】-8-矩阵的逆②
• 11_【第一章-线性代数(上)】-9-矩阵的逆③
• 12_【第二章-线性代数(下)】章节导读
• 13_【第二章-线性代数(下)】-1-矩阵的初等变换①
• 14_【第二章-线性代数(下)】-2-矩阵的初等变换②
• 15_【第二章-线性代数(下)】-3-矩阵的初等变换③
• 16_【第二章-线性代数(下)】-4-矩阵的初等变换④
• 17_【第二章-线性代数(下)】-5-矩阵的特征值与特征向量①
• 18_【第二章-线性代数(下)】-6-矩阵的特征值与特征向量②
• 19_【第二章-线性代数(下)】-7-矩阵的特征值与特征向量③
• 20_【第二章-线性代数(下)】-8-矩阵对角化以及二次型①
• 21_【第二章-线性代数(下)】-9-矩阵对角化以及二次型②
• 22_【第二章-线性代数(下)】-10-矩阵对角化以及二次型③
• 23_【第二章-线性代数(下)】-11svd分解的应用
• 24_【第三章-微积分】-01常用函数的导数以及到导数的常用公式
• 25_【第三章-微积分】-02-中值定理&洛必达法则&泰勒公式及应用
• 26_【第三章-微积分】-03-函数的凹凸性&函数的极值
• 27_【第三章-微积分】-04-不定积分
• 28_【第三章-微积分】-05-定积分
• 29_【第三章-微积分】-06-偏导数&多元函数复合求导法则链式求导法则
• 2_【第一章-线性代数(上)】章节导读
• 30_【第三章-微积分】-07-方向导数与梯度及其应用
• 31_【第三章-微积分】-08-多元函数泰勒公式与海森矩阵&多元函数的极值
• 32_【第三章-微积分】-09-矩阵的求导
• 33_【第三章-微积分】-10-矩阵的求导在深度学习中的应用
• 34_【第四章-概率论】-01随机实验样本空间随机事件&概率的定义
• 35_【第四章-概率论】-02全概率公式与贝叶斯公式及应用&独立性
• 36_【第四章-概率论】-03随机变量与多维随机变量
• 37_【第四章-概率论】-04期望与方差part1
• 38_【第四章-概率论】-05期望与方差part2
• 39_【第四章-概率论】-06参数的估计
• 3_【第一章-线性代数(上)】-1-矩阵及其基本运算①
• 40_【第五章-最优化】-1-无约束最优化梯度下降
• 41_【第五章-最优化】-2-无约束最优化梯度下降
• 42_【第五章-最优化】-3-约束最优化
• 4_【第一章-线性代数(上)】-2-矩阵及其基本运算②
• 5_【第一章-线性代数(上)】-3-矩阵的行列式①
• 6_【第一章-线性代数(上)】-4-矩阵的行列式②
• 7_【第一章-线性代数(上)】-5-矩阵的行列式③
• 8_【第一章-线性代数(上)】-6-矩阵的行列式④
• 9_【第一章-线性代数(上)】-7-矩阵的逆①
• 7、人工智能代码0基础特训营
• 1_代码特训营资料合集.html
• 2_【1月15日】模块一：transformer系列(直播2024-01-15)
• 3_【1月17日】模块二：CV基础任务框架系列(直播2024-01-17)
• 4_【1月19日】模块三：AIGC-图像生成系列(直播2024-01-19)
• 5_【1月22日】模块四：LLM大语言模型系列(直播2024-01-22)
• 6_【1月24日】模块五：多模态大模型系列(直播2024-01-24)
• 7_【1月26日】模块六：激光雷达点云感知系列(直播2024-01-26)
• 8_【1月29日】作业讲解(直播2024-01-29)