人工智能项目实战班官方498.0《Z7485-深度之眼-人工智能项目实战班》]赏金猎人会员专属高佣，私聊萌萌加入赏金猎人会员开启快速合买任何课程，所有加密课都可以筹如何确认自己佣金比例？专属佣金以后台实际显示为准，默认佣金可在右上角查看...

2023-01-28

手把手带你零基础入门设计，让你懂理念，知实战！...

2023-01-28 双专业 评级 大学双专业

手把手带你零基础入门设计，让你懂理念，知实战！...

2023-01-28 双专业 评级 大学双专业

课程如果有后续更新、或者网盘失效等售后问题，请添加微信客服，帮您解决：xydhz_01，注意购买我们的课程，如果课程还没有完结，会提供后续更新的，联系客服获取。仅用中学数学知识就能看懂的人工智能入门课资源截图：...

2023-01-28

图书名称：《人工智能产品经理技能图谱AI技术与能力升级》【作者】张俊林，王斌作【页数】234【出版社】北京：机械工业出版社,2021.07【ISBN号】978-7-111-67919-6【参考文献】张俊林，王斌作.人工智能产品经理技能图谱AI技术与能力升级.北京：机械工业出版社,2021.07.图书封面：图书目录：《人工智能产品经理技能图谱AI技术与能力升级》内容提要：《人工智能产品经理技能图谱》首先对人工智能产品经理做了分类，并对每类人工智能产品经理的工作流程进行了介绍，然后从相关技术、数学、算法、软件设计、硬件设计等方面对人工智能产品经理需掌握和了解的相关知识做了详细介绍。本书以丰富的实际案例贯穿始终，对各类人工智《人工智能产品经理技能图谱AI技术与能力升级》内容试读第1章AI产品经理一不是简单的“当产品经理遇上AI”三大浪潮看AI技术发展A1产业结构AI行业架构)AI产品和AI产品经理AI产品经理的四象限分类AI产品经理的岗位布局)AI产品经理AI产品经理的能力提升)(第一步：找到自己的糖山成为AI产品经理三步走第二步：找到自已的此较优势第三步：打造闭环系统，提高自己的能力人工智能产品经理技能图谱002AI技术与能力升级1.1三大浪潮看AI技术发展只有掌握了技术的发展规律，才不会在瞬息万变的技术脉络中迷失方向。人类技术的新方向到底是什么呢？有一种曲线叫技术成熟度曲线，技术成熟度曲线已经成为观察T市场的手段和工具，技术成熟度曲线描绘的是从技术的产生到成熟的5个阶段，如图1-1所示。分别是科技诞生促动期一过高期望的峰值期一泡沫化的低谷期一稳步爬升的光明期一实质生产的高原期。关注度过高期望的峰值期实质生产的高原期稳步爬升的光明期泡沫化的低谷期科技诞生的促动期时间图1-1技术成熟度曲线AI技术到哪个阶段了呢？第一次浪潮（20世纪40~60年代)一逻辑主义这一次AI浪潮，以推理和搜索为主，推理是把人的思维过程用符号表示，处理方法和搜索类似；搜索的简单理解就是情形区分，穷举所有模式，找到正确的路径，形象化的理解就是构建搜索树。第二次浪潮(20世纪70~80年代)一专家系统20世纪80年代，AI卷土重来，和之前不同，它开始应用在工厂的生产车间等现实产业领域，更多依靠“知识”的支撑，代表性的成果如1984年发布的斯坦福大学研发的MYCN医疗诊断专家系统。第1章003AI产品经理一不是简单的“当产品经理遇上AI”第三次浪潮(20世纪80年代至今)一机器学习、深度学习、计算机视觉在这个阶段，机器学习迅猛发展，大体上可分为两类，即有监督学习和无监督学习。有监督学习是指事先准备好输入和正确输出相配套的训练数据，让机器进行学习，以便输入某个数据到机器时，能得到正确的输出；无监督学习则被应用于仅提供输入数据，需要计算机自己找出数据内在结构的场合，从中抽取出其所包含的模式和规则。2012年国际图像识别领域国际大赛ILSVRC上，首次参赛的多伦多大学将错误率降到15%，领先其他人工智能团队10个百分点以上，有如此突破是因为他们应用了新式机器学习一深度学习。所谓深度学习，就是以数据为基础，由计算机自动生成特征量，不需要人来设计特征量，可以说深度学习代表的“特征表示学习”是一次历史性的突破。相信AI发展还会总体符合技术成熟度曲线那样的波浪式前进、螺旋式上升的趋势，值得产品经理奉献一生。这将是一个值得长期投入的事情。1.2AI产品和AI产品经理什么是AI产品？直接或者间接应用了AI技术的产品，都可以称为AI产品。AI产品设计要以操作极度简单为标准，但是前端的简单代表后端的复杂，系统越复杂，才能越智能。同样，AI的发展依赖于产业生态的共同推进，上游依托芯片提供算力保障，中游A!厂商着力研发算法模型，下游靠应用领域提供落地场景。1.AI产业结构AI产业结构可分为基础层（计算基础设施）、技术层（软件算法及平台)与应用层（行业应用及产品)，如图1-2所示。1)基础层：主要包括计算硬件（AI芯片)、计算系统技术（云计算、大数据和5G通信）和数据（数据采集、标注和分析）。基础层主要以硬件为核心，其中包括GPU/FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件，这些是支撑人工智能应用的前提。这些硬件为整个人工智能的运算提供算力。004人工智能产品经理技能图谱AI技术与能力升级计算硬件(AI芯片)基础层（计算基础设施）计算系统技术（云计算、大数据和5G通信）数据（数据采集、标注和分析）算法理论（机器学习算法、类脑算法）技术层（软件算法及平台）开发平台（基础开源框架、技术开放平台）应用技术（计算机视觉、自然语言理解和人机交互）行业解决方案(“A+”)应用层（行业应用及产品）典型产品（机器人、智能音箱、智能汽车、无人机等）图1-2AI产业结构2)技术层：包括算法理论（机器学习算法、类脑算法）、开发平台（基础开源框架、技术开放平台)和应用技术（计算机视觉、自然语言理解和人机交互）。当前，国内的AI技术平台在应用层面主要聚焦于计算机视觉、语音识别和语言技术处理领域，国内技术层公司发展势头也随之迅猛，其中代表性的企业包括科大讯飞、格灵深瞳、捷通华声（灵云）、商汤、永洪科技、旷视科技、云知声等。3)应用层：应用层主要是基于基础层与技术层实现与传统产业的融合，实现不同场景的应用。随着AI在语音、语意、计算机视觉等领域实现的技术性突破，将加速应用到各个产业场景。包括行业解决方案(“AI+”)和典型产品（机器人、智能音箱、智能汽车、无人机等)2.A!行业架构AI技术不同于互联网技术的发展，AI技术更侧重于软硬件结合落地，所以笔者给大家梳理了通用的AI技术及相关平台。底层硬件配合具备合适的算法的软件，才能产出智能化的产品。现在国内的AI相关公司都分布在图1-3所示的图谱中的某个或多个位置。AI通用技术及平台的能力取决于两点：第一点是技术的成熟度；第二点是对具体业务的渗透力。第1章005AI产品经理一不是简单的“当产品经理遇上AI”计算机视觉语音识别自然语言处理机器学习通用技术及平台大数据服务知识图谱操作系统云计算服务物联网平台无人机服务机器人硬件设备智能家居移动设备及软件自动驾驶CPU云端训练GPUAI芯片ASIC设备端推理底层硬件类脑芯片激光雷达毫米波雷达视觉传感摄像头3D传感图1-3人工智能行业架构计算机视觉、语音识别和自然语言处理的应用精准度在于知识图谱的构建和机器学习能力。AI技术由单点技术应用转为整体解决方案的构建，企业注重技术的融合发展。AI技术的发展依赖于数据积累，企业通过向场景渗透，用数据优化技术算法，构建行业壁垒。未来的市场潜力取决于AI技术与硬件基础应用功能间的协同发展，AI技术在用户与设备的交互方式上实现革新，视觉语音语义等AI技术对场景数据的理解能力是决定其交互能力的关键。在底层硬件上，芯片是保障算法和算力的重要硬件，芯片成功的关键在于芯片的技术实力，根据芯片的部署位置和承担任务，衡量芯片技术实力的指标各不相同。人工智能产品经理技能图谱006AI技术与能力升级云端芯片通常用来进行数据训练，训练过程将承载海量的数据集，要求芯片具备很强的并行运算能力；终端芯片主要用来进行数据推理，芯片的综合功耗是技术发展关键；类脑芯片打破冯·诺依曼结构，模仿大脑结构进行运算，可提升计算效率、降低功耗，成为AI芯片长期发展趋势。视觉传感器的研发不同于软件系统具有边际效应，重点在于突破成本障碍，激光雷达在自动驾驶领域的作用至关重要，整个行业集中于降低激光雷达的生产成本，车规级固态激光雷达应是企业发展的战略重点。国内对毫米波雷达的研究处于起步阶段，目前市场上存在24GHz和77GHz两种规格的毫米波雷达。77GHz毫米波雷达的探测精确度好、穿透力强，未来将成为市场主流，研发77GHz毫米波雷达的是企业发展的战略重点。摄像头通过与计算机视觉技术融合，在安防监控、自动驾驶、智能电视等领域实现机器智能化，在相应场景的认证分析和辅助决策能力是关键。3.A1产品经理的四象限分类通过分析AI产业结构和行业架构，不难发现，在每个节点都需要相应的AI产品经理。科技发展趋势从兴起到没落，通常分为三个阶段：第一阶段：技术gt产品第二阶段：产品gt技术第三阶段：运营gt产品第一阶段，在技术发展的早期，技术不成熟，以研发为主，需要投入大量科研经费，且结果不确定；这一阶段的“玩家”主要是资金雄厚的大公司，他们有财力投入，注重科研。这一阶段的公司多以技术驱动。第二阶段，技术已经相对成熟，应用广泛，掌握该技术的人才不再稀缺，中小公司很容易将其应用到自家产品之上；这一阶段竞争者众多，公司之间比拼的不再是技术能力，而是产品能力。谁能够把技术和场景更好地结合起来，做出优秀的产品，谁就能快速占领市场。第三阶段，随着优秀产品的出现，场景和技术结合的路径出现，公司之间都明白了应该在什么场景下做什么样的产品；各家的产品都已经成熟且趋同，在优化用户体验上已经没有···试读结束···...

2023-01-16

图书名称：《人工智能与计算机基础》【作者】高金锋，魏长宝主编【丛书名】普通高等院校规划教材·计算机系列【页数】360【出版社】成都：电子科学技术大学出版社,2020.09【ISBN号】978-7-5647-8157-6【价格】48.00【分类】人工智能-高等学校-教材；电子计算机-高等学校-教材【参考文献】高金锋，魏长宝主编.人工智能与计算机基础.成都：电子科学技术大学出版社,2020.09.图书目录：《人工智能与计算机基础》内容提要：本书共有四部分内容，共13章，主要讲述了计算机基础知识、办公自动化综合应用、人工智能程序设计基础、人工智能基础及应用等，重点介绍了计算机与计算思维的相关知识、文字处理软件、电子表格处理软件、演示文稿软件等基础办公软件，以及Pytho程序设计基础及应用、人工智能基础及应用等进阶内容。本书采用理论结合实践的形式，结合最新的计算机科学技术的发展成果，充分考虑了大学生的知识结构和学习特点，内容注重计算机基础知识的介绍和学生动手能力的培养。《人工智能与计算机基础》内容试读第一部分计算基述第1章计算机与计算思维》教学目标本章从计算机的概念到计算机的发展和应用领域开始，由浅入深地介绍微型计算机系统的组成、功能及常用的外部设备，了解计算机发展的历史和未来计算机的发展趋势，掌握计算机中信息的表示、存储与处理，最后详细阐述计算思维的概念、特点和应用，初步掌握计算思维的思想，为后续内容的学习打下基础。)教学内容本章主要介绍计算机的基础知识，主要包括：1.计算机的概念；2.计算机的发展、分类及应用领域：3.微型计算机软、硬件系统的组成及主要技术指标；4.计算机中数据的表示、存储与处理；5.计算思维的概念、特点及应用。教学重点和难点1.计算机的发展、分类和应用领域。2.微型计算机软、硬件系统的组成及主要技术指标。3.计算机中数据的表示、存储与处理。4.计算思维的概念、特点及应用。1.1计算机概述在人类文明发展的历史长河中，计算机工具经历了从简单到复杂、从低级到高级的发展过程。比如，从古至今人们依次使用绳结、算筹、算盘、计算尺、手摇机械计算机、电动机械计算机、电子计算机等作为生活中的计算工具。它们在不同的历史时期都发挥了各自的作用，而且也孕育了电子计算机的设计和维形。计算机(Comuter)俗称电脑，是现代一种用于高速计算的电子计算机器，可以进行数值计算，又可以进行逻辑计算，还具有存储记忆功能。是能够按照程序运行，自动、高速处理海量数据的现代化智能电子设备。3M田人工智能与计算机基础1.1,1计算机的发展、分类及应用1.计算机的发展电子数字计算机(ElectroicDigitalComuter)是一种能自动地、高速地、精确地进行信息处理的电子设备，是20世纪最重大的发明之一。在计算机家族中包括了机械计算机、电动计算机、电子计算机等。电子计算机又可分为电子模拟计算机和电子数字计算机，通常我们所说的计算机就是指电子数字计算机，它是现代科学技术发展的结晶，特别是微电子、光电、通信等技术以及计算数学、控制理论的迅速发展带动计算机不断更新。自1946年第一台电子数字计算机诞生以来，计算机发展十分迅速，已经从开始的高科技军事应用渗透到了人类社会的各个领域，对人类社会的发展产生了极其深刻的影响。(1)第一台电子计算机的诞生。世界上第一台电子数字式计算机于1946年2月14日在美国宾夕法尼亚大学正式投入运行，它的名称叫ENIAC(埃尼阿克)，是电子数字积分器与计算机(TheElectroicNumericalItergratoradCalculator)的缩写，它使用了l8Oo0多个电子管，耗电150千瓦时，占地170平方米，重达30吨，造价为48万多美元，每秒钟可进行5000次加法运算或4000次乘法运算，是继电器计算机的1000倍，手工计算的20万倍，当时的目的是用来计算炮弹弹道，如图1-1世界上第一台电子计算机ENIAC。图1-1世界上第一台电子计算机ENIACENIAC虽然每秒只能进行5000次加法运算，却把科学家从奴隶般的计算中解救了出来。ENIAC的问世，标志着计算机时代的到来，具有跨时代的意义。与此同时，美籍匈牙利科学家冯·诺依曼和他的研制小组在共同讨论的基础上，发表了一个全新的“存储程序通用电子计算机方案”一EDVAC(ElectroicDicreteVarialeAutomaticComuter),即离散变量自动电子计算机。在EDVAC中，冯·诺依曼采用了二进制数，并创立了“存储程序”的设计思想，EDVAC也被认为是现代计算机的原型。(2)计算机科学奠基人。冯·诺依曼(JohvoNeuma,图1-2)，原籍匈牙利，布达佩斯大学数学博士。20图1-2冯·诺依曼世纪最重要的数学家之一，在现代计算机、博弈论、核武器和生化武器等领域内的科学全才之一，被后人称为“计算机之父”和“博弈论之父”。4网第1章计算机与计算思维冯·诺伊曼对世界上第一台电子计算机EIAC(电子数字积分计算机)的设计提出过建议，1945年3月他在共同讨论的基础上起草了一个全新的“存储程序通用电子计算机方案”一EDVAC(ElectroicDicreteVarialeAutomaticComuter的缩写)。这对后来计算机的设计有决定性的影响，特别是确定计算机的结构，采用存储程序以及二进制编码等，至今仍为电子计算机设计者所遵循。根据冯·诺伊曼的原理和思想，决定了计算机必须有输入、输出、运算、控制和存储五个部分，今天计算机的基本结构仍采用冯·诺伊曼的原理和思想，所以人们称符合这种设计的计算机为冯·诺伊曼机，他也被誉为“现代电子计算机之父”。冯·诺依曼思想主要包括以下3个方面的内容。①计算机由5大基本部件组成。5大部件包括运算器、控制器、存储器、输入设备和输出设备。②计算机内部采用二进制。二进制只有“0”和“1”两个数码，具有运算规则简单、物理实现简单、可靠性高和运算速度快的特点。③采用存储程序控制计算机工作的原理。事先把需要计算机运行的程序和处理的数据以二进制形式存入计算机的存储器中，运行时在控制器的控制下，计算机从存储器中依次取出指令并执行指令。从而完成人们安排的工作，这就是存储程序控制的工作原理。艾伦·麦席森·图灵(AlaMathioTurig,图1-3)，英国著名的数学家、逻辑学家，被称为“计算机科学之父”“人工智能之父”，是计算机逻辑的奠基者，他提出了“图灵机”和“图灵测试”等重要概念。人们为纪念其在计算机领域的卓越贡献而设立“图灵奖”。在计算机发展史上，涌现了许多著名的人物，除了冯·诺伊曼和艾伦·麦席森·图灵外，还有英国著名的数学图3艾伦·麦席森·图灵家查尔斯·巴贝奇，美国人霍华德·艾肯等等，他们都对计算机的发展做出了巨大的贡献。(3)电子计算机的发展。从第一台电子计算机诞生到现在的70多年，计算机技术以前所未有的速度迅猛发展，早期计算机大约每隔8~10年速度提高10倍，成本、体积缩小为原来的1/10；近年来，大约每隔3年，计算机性能提高近4倍，成本下降50%。人们常按制造计算机所采用的元器件将计算机分为四代：①第一代计算机。第一代电子管计算机(1946一1957年)，其基本元件是电子管。内存为磁鼓，外存为磁带，使用机器语言或汇编语言编程，运算速度为每秒几千次到几万次，内存储器容量非常小。这一代的计算机体积庞大、造价昂贵、速度低、存储容量小、可靠性差、不易掌握、应用范围小，主要应用于军事和科研领域的科学计算。UNIVAC一I是第一代计算机的代表。②第二代计算机。第二代晶体管计算机(1958一1964年)，其主要元件是晶体管。晶体管计算机体积小，速度快、功能强和可靠性高。第二代计算机与第一代计算机相比，其运算速度从每秒几万次提高到几十万次，内存储器容量扩展到几十万字节，使用范围也由单一的科学计算扩展到数据处理和事务处理等其他领域中。BM一7000系列机是第二代计算机的代表。5田人工智能与计算机基础③第三代计算机。第三代集成电路计算机(1965一1970年)，其主要元件是采用中小规模集成电路。所谓集成电路是用特殊的工艺将完整的电子线路做在一个硅片上，通常只有四分之一邮票大小。与晶体管相比，集成电路计算机的体积、重量、功耗都进一步减少，运算速度、逻辑运算功能和可靠性都进一步提高。此外，软件在这个时期形成了产业。操作系统在规模和功能上发展很快，提出了结构化、模块化的程序设计思想，出现了结构化的程序设计语言。这一时期的计算机同时向标准化、多样化、通用化、系列化发展。IBM一360系列是最早采用集成电路的通用计算机，也是影响最大的第三代计算机的代表。④第四代计算机。第四代大规模和超大规模集成电路计算机(1971年至今)，其主要特征是逻辑器件采用大规模和超大规模集成电路。计算机的体积、重量和耗电量进一步减少，计算机的性价比（性能价格比）基本上以每18个月翻一番的速度上升。IBM4300系列，3080系列、3090系列和9000系列是这一代计算机的代表性产品。尽管人们早已谈论第五代、第六代计算机了，但一些专家认为，新一代计算机系统的本质是智能化，它具有知识表示和推理能力，可以模拟或部分代替人的智能，具有人一机自然通信能力。从1946年第一台计算机诞生起，计算机已经走过了半个世纪的发展历程。70多年来，计算机在提高速度、增加功能、缩小体积、降低成本和开拓应用等方面不断发展。未来的计算机在朝着巨型化、微型化、多媒体化、网络化、智能化的方向发展。现在已经开始了对神经元网络计算机、生物计算机等的研究，并取得了可喜的进展。特别是生物计算机的研究表明，采用蛋白分子为主要原材料的生物芯片的处理速度比现今最快的计算机速度还要快100万倍，而能量消耗仅为现代计算机的10亿分之一。(4)微型计算机的发展。微型计算机简称“微型机”“微机”“个人计算机”或“PC机”，由于其具备人脑的某些功能，所以也称其为“微电脑”。自1981年美国IBM公司推出了第一代微型计算机IBM一PC/XT以来，以微处理器为核心的微型计算机便以其执行结果精确、处理速度快捷、小型、廉价、可靠性高、灵活性大等特点迅速进人社会各个领域，技术不断更新、产品不断换代，先后经历了80286、80386、80486乃至当前的80586(Petium)微处理器芯片阶段，并从单纯的计算工具发展成为能够处理数字、符号、文字、语言、图形、图像、音频和视频等多种信息在内的强大多媒体工具如今的微型计算机产品无论从运算速度、多媒体功能、软硬件支持性以及易用性方面都比早期产品有了很大的飞跃，便携式计算机更是以小巧、轻便、无线联网等优势受到了越来越多的移动办公人士的喜爱，一直保持着高速发展的态势。第一台微型计算机一1974年，罗伯茨用8080微处理器装配了一种专供业余爱好者试验用的计算机“牛郎星”(Altair)。第一台真正的微型计算机一1976年，乔布斯和沃兹尼克设计成功了他们的第一台微型计算机，装在一个木盒子里，它有一块较大的电路板，8KB的存储器，能发声，且可以显示高分辨率图形。1977年，沃兹尼克设计了世界上第一台真正的个人计算机一AleⅡ，并“追认”他们在“家酿计算机俱乐部”展示的那台机器为AleI。1978年年初，他们又为AleⅡ增加了磁盘驱动器。从微型计算机的档次，即CPU的类型来划分，它的发展阶段又可以分为以下几个阶段：第一代微机一第一代PC机以IBM公司的IBMPC/XT机为代表，CPU是8088，诞生6···试读结束···...

2023-01-14 计算机基础epub 计算机基础epub下载

中级电子商务设计师考试全套资料，包括教材，网课，真题，模拟卷等...

2022-12-16

地平线2025:人工智能来了电子书高清版如今的智能产品已经成为了大家的不可或缺的一部分，几乎每个人都有电子电子产品，无论男女老少，本书用非常浅显通俗的语言介绍了人工智能的前世今生，介绍了人工智能的发展现状及未来的发展趋势，感兴趣的欢迎下载阅读内容介绍各种智能产品已成为人类生活中不可或缺的一部分。智能手机，计算机，CNC设备，甚至各种已经逐渐形成大规模制造的机器人.…….所有这些都表明人工智能正在来临，人工智能时代正在来临！本书以非常朴素的语言介绍。人工智能的过去和现在介绍了人工智能的发展现状和未来发展趋势，并分析了中国在人工智能领域的地位和未来发展前景。同时，本书还从制造，农业，教育，医疗，交通，金融，物流，军事等各个方面展示了人工智能的发展现状和趋势，并穿插了专家学者，...

2022-12-16 地平线人工智能有限公司 地平线人工智能科技有限公司

现在很流行各种编程，不管是小孩子还是成人很多人都选择学习一些编程，本课件为入门课程，有详细的讲义和视频教学，可以跟在后面学习。Pytho是一种计算机程序设计语言。你可能已经听说过很多种流行的编程语言，比如非常难学的C语言，非常流行的Java语言，适合初学者的Baic语言，适合网页编程的JavaScrit语言等等。那Pytho是一种什么语言？首先，我们普及一下编程语言的基础知识。用任何编程语言来开发程序，都是为了让计算机干活，比如下载一个MP3，编写一个文档等等，而计算机干活的CPU只认识机器指令，所以，尽管不同的编程语言差异极大，最后都得“翻译”成CPU可以执行的机器指令。而不同的编程语言，干同一个活，编写的代码量，差距也很大。比如，完成同一个任务，C语言要写1000行代码，Java只需要写100行，而Pytho可能只要20行。所以Pytho是一种相当高级的语言。你也许会问，代码少还不好？代码少的代价是运行速度慢，C程序运行1秒钟，Java程序可能需要2秒，而Pytho程序可能就需要10秒。那是不是越低级的程序越难学，越高级的程序越简单？表面上来说，是的，但是，在非常高的抽象计算中，高级的Pytho程序设计也是非常难学的，所以，高级程序语言不等于简单。有需要学习这方面知识的都可以看看，学习一门技能在以后的生活学习中都能够起到一定作用，有感兴趣的同学赶紧下载看看吧！...

2022-12-16 python编程语言属于什么语言 python编程语言汇总

在“人工智能基础课”栏目中，王天一教授将根据自己的积累和思考，与大家分享他对人工智能的理解，用通俗易懂的语言从零开始教大家人工智能的基础知识，并进行梳理人工智能。智能学习路径为未来人工智能相关领域的深耕奠定了坚实的基础。...

2022-12-12 极客时间 大数据 极客时间 app

【完结】给孩子的音乐艺术鉴赏课+世界名画鉴赏课+人工智能课目录：├─001.给孩子的人工智能课【完结】│├┈第10讲：“胶囊医生”帮你药到病除.m3│├┈第11讲：AI如何用基因编辑生命？.m3│├┈第12讲：能活一千岁的人类已经诞生？.m3│├┈第13讲：再过10年，红绿灯就要退役了！.m3│├┈第14讲：未来和你一起“吃鸡”的将会是它.m3│├┈第15讲：探索火星太危险，让AI去怎么样？.m3│├┈第16讲：只要一个眼神，机器人就能读懂你的心？.m3│├┈第17讲：索菲亚和你掉进河里，警察应该救谁？.MP3│├┈第18讲：马斯克v扎克伯格：人类会被机器毁灭吗？.m3│├┈第6讲：人工智能眼中的我们.m3│├┈第6讲：人工智能眼中的我们.df│├┈第7讲：人工智能如何为人类重建巴别塔.m3│├┈第8讲：未来最酷的AI学校的一天是怎样的？.m3│├┈第9讲：机器人也偏科？.m3│├┈第二讲：在未来世界，每个人都要“靠脸”吃饭？.m3│├┈第三讲：名校毕业生v人工智能，到底谁才是最佳员工.m3│├┈第四讲：《哈利波特》出后续，作者是它？.m3│├┈第五讲：AI也能创造AI？.m3│├┈第一讲：从扫地机器人到哆啦A梦，什么是AI？.m3│└┈欢迎收听给孩子的人工智能课.m3├─002.给孩子的世界名画鉴赏课【完结】│├─1--10││├─PDF││├┈09.第九讲：15岁的少年如何以艺术生财？.m3││├┈10第十讲：谁是绘画史上的第一张自画像？.MP3││├┈第八讲：如何把蒙娜丽莎变成萌叔？.m3││├┈第二讲：为什么一张画能价值29.577亿元？.m3││├┈第六讲：替罪羔羊是怎么由来的？.m3││├┈第七讲：人和天斗谁会赢？.MP3││├┈第三讲：世上最美的回眸一笑是什么？.m3││├┈第四讲：为什么它是世界最悲惨的画作？.m3││├┈第五讲：大卫胜利的背后是什么？.m3││├┈第一讲：全世界最知名的《向日葵》美在哪里？.m3││└┈欢迎收听给孩子的世界名画鉴赏课.m3│├┈014.第十四讲：太阳去哪里了.m3│├┈015.第十五讲：印象派的黑科技是什么？.m3│├┈第十八讲：当绘画撞上光学后的会是什么？.m3│├┈第十八讲：当绘画撞上光学后的会是什么？.df│├┈第十二讲：16岁登上人生顶峰是什么感觉？.m3│├┈第十二讲：16岁登上人生顶峰是什么感觉？.df│├┈第十六讲：如何在17世纪做个潮男？.m3│├┈第十六讲：如何在17世纪做个潮男？.df│├┈第十七讲：比韩式美容还厉害的装扮？.m3│├┈第十七讲：比韩式美容还厉害的装扮？.df│├┈第十三讲：为什么他25岁的时候有50个徒弟？.m3│├┈第十三讲：为什么他25岁的时候有50个徒弟？.df│├┈第十四讲：太阳去哪里了.df│├┈第十五讲：印象派的黑科技是什么？.df│└┈第十一讲：你的学习，能让你的老师改行吗？.MP3├─003.给孩子的音乐艺术鉴赏课【完结】│├─1--10││├┈第八讲：音乐家中的文学家.m3││├┈第八讲：音乐家中的文学家.df││├┈第二讲：红头发神父晕弥撒.m3││├┈第二讲：红头发神父晕弥撒.df││├┈第九讲：只为钢琴谱写诗篇.m3││├┈第九讲：只为钢琴谱写诗篇.df││├┈第六讲：源自心灵直抵心灵.m3││├┈第六讲：源自心灵直抵心灵.df││├┈第七讲：短暂而闪亮的歌王.m3││├┈第七讲：短暂而闪亮的歌王.df││├┈第三讲：英王室的德国宠儿.m3││├┈第三讲：英王室的德国宠儿.df││├┈第十讲：心中之泉永不枯竭.m3││├┈第十讲：心中之泉永不枯竭.df││├┈第四讲、维也纳的幽默老爹.MP3││├┈第四讲、维也纳的幽默老爹.df││├┈第五讲、出生入死皆为音乐.m3││├┈第五讲、出生入死皆为音乐.df││├┈第一讲：叫做小溪的大海.m3││├┈第一讲：叫做小溪的大海.df││├┈欢迎收听给孩子的音乐艺术鉴赏课.m3││└┈续篇：一切的开始.m3│├┈第十八讲：新世界的节奏律动.m3│├┈第十八讲：新世界的节奏律动.df│├┈第十二讲：激情，浪漫与幻想.m3│├┈第十二讲：激情，浪漫与幻想.df│├┈第十六讲、用音符描绘诗与画.m3│├┈第十六讲、用音符描绘诗与画.df│├┈第十七讲：音乐中也有毕加索.MP3│├┈第十七讲：音乐中也有毕加索.df│├┈第十三讲：俄罗斯芭蕾的童话.m3│├┈第十三讲：俄罗斯芭蕾的童话.df│├┈第十四讲超级大明星怕老爸.MP3│├┈第十四讲：超级大明星怕老爸.df│├┈第十五讲：歌唱爱情只为艺术.m3│├┈第十五讲：歌唱爱情只为艺术.df│├┈第十一讲：你的学习，能让你的老师改行吗？.MP3│└┈第十一讲：你的学习，能让你的老师改行吗？.df...

2022-12-10 完结 人工智能的小说 人工智能小说

带你零基础入门设计，让你明白概念，实践！...

大学双专业 双专业高级工程师

课程介绍课程来自于2022年古泡人工智能P5第5期课程-深度学习+计算机视觉+自然语言处理内容全面覆盖深度学习算法及其项目实战，主要应用于计算机视觉与自然语言处理两大核心领域，配套实战案例与项目全部基于真实数据集与实际任务展开。大型项目完美结合当下行业趋势，培养满足企业就业需求的中高级人工智能算法工程师。网盘截图一、什么是人工智能技术：人工智能（AritificialItelligece），英文缩写AI，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是类人行为、类人思考、理性的思考、理性的行动。人工智能的基础是哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学。人工智能的发展经过了孕育、诞生、早期的热情、现实的困难等数个阶段。人工智能是计算机科学的一个分支，该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。二、人工智能技术的四大分支：1、模拟识别：是指对表征事物或者现象的各种形式（数值的文字的逻辑关系的等）信息进行处理分析，以及对食物或现象进行描述分析分类解释的过程，例如汽车车牌号的辨识涉及到图像处理分析等技术。2、机器学习：研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构是指不断完善自身的性能，或者达到操作者的特定要求。3、数据挖掘：知识库的知识发现，通过算法搜索挖掘出有用的信息，应用于市场分析、科学探索、疾病预测等。4、智能算法：解决某类问题的一些特定模式算法，例如，我们最熟悉的最短路径问题，以及工程预算问题等。三、人工智能的三种形态：1、弱人工智能：弱人工智能是擅长单个方面的人工智能，比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了。2、强人工智能：人类级别的人工智能，是指在各方面都能和人类比肩的人工智能、人类能干的脑力活它都能干。创造强人工智能比弱人工智能要难的多。3、超人工智能：牛津哲学家，知名人工智能思想家NickBotrom把超级智能定义为ldquo在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能rdquo。文件目录文件目录1_直播课回放1_直播1：开班典礼1人工智能CVNLP高薪实战班.m42_Pycharm环境配置与Deug演示(没用过的同学必看)Pycharm环境配置与Deug演示(没用过的同学必看).m43_直播2：深度学习必备基础-神经网络与卷积网络1.深度学习必备基础-神经网络与卷积网络.m44_直播3：Traformer原理及其各领域应用分析Traformer原理及其各领域应用分析.m45_额外补充：时间序列预测额外补充：时间序列预测.m46_直播4：Iformer时间序列预测源码解读Iformer时间序列预测源码解读.m42_深度学习必备核心算法1_神经网络算法解读1-神经网络算法解读.m42_卷积神经网络算法解读2-卷积神经网络算法解读.m43_递归神经网络算法解读3-递归神经网络算法解读.m43_深度学习核心框架PyTorch1_PyTorch框架介绍与配置安装1-PyTorch框架与其他框架区别分析1.m4.m42-CPU与GPU版本安装方法解读1.m4.m42_使用神经网络进行分类任务1-数据集与任务概述2.m4.m42-基本模块应用测试2.m4.m43-网络结构定义方法2.m4.m44-数据源定义简介2.m4.m45-损失与训练模块分析2.m4.m46-训练一个基本的分类模型2.m4.m47-参数对结果的影响2.m4.m43_神经网络回归任务-气温预测神经网络回归任务-气温预测1.m4.m44_卷积网络参数解读分析1-输入特征通道分析2.m4.m42-卷积网络参数解读2.m4.m43-卷积网络模型训练2.m4.m45_图像识别模型与训练策略（重点）1-任务分析与图像数据基本处理2.m4.m42-数据增强模块2.m4.m43-数据集与模型选择1.m4.m44-迁移学习方法解读1.m4.m45-输出层与梯度设置1.m4.m46-输出类别个数修改1.m4.m47-优化器与学习率衰减1.m4.m48-模型训练方法1.m4.m49-重新训练全部模型1.m4.m410-测试结果演示分析1.m4.m46_DataLoader自定义数据集制作1-Dataloader要完成的任务分析1.m4.m42-图像数据与标签路径处理1.m4.m43-Dataloader中需要实现的方法分析1.m4.m44-实用Dataloader加载数据并训练模型1.m4.m47_LSTM文本分类实战1-数据集与任务目标分析1.m4.m42-文本数据处理基本流程分析1.m4.m43-命令行参数与DEBUG1.m4.m44-训练模型所需基本配置参数分析1.m4.m45-预料表与字符切分1.m4.m46-字符预处理转换ID1.m4.m47-LSTM网络结构基本定义1.m4.m48-网络模型预测结果输出1.m4.m49-模型训练任务与总结1.m4.m48_PyTorch框架Flak部署例子1-基本结构与训练好的模型加载.m4.m42-服务端处理与预测函数.m4.m43-基于Flak测试模型预测结果.m4.m44_MMLAB实战系列1_MMCV安装方法MMCV安装方法.m42_第一模块：分类任务基本操作1-准备MMCLS项目.m4MMCLS问题修正1.m42-基本参数配置解读.m43-各模块配置文件组成.m44-生成完整配置文件.m45-根据文件夹定义数据集.m46-构建自己的数据集.m47-训练自己的任务.m43_第一模块：训练结果测试与验证1-测试DEMO效果.m42-测试评估模型效果.m43-MMCLS中增加一个新的模块.m44-修改配置文件中的参数.m45-数据增强流程可视化展示.m46-Grad-Cam可视化方法.m47-可视化细节与效果分析.m48-MMCLS可视化模块应用.m49-模型分析脚本使用.m44_第一模块：模型源码DEBUG演示1-VIT任务概述.m42-数据增强模块概述分析.m43-PatchEmeddig层.m44-前向传播基本模块.m45-CLS与输出模块.m45_第二模块：使用分割模块训练自己的数据集1-项目配置基本介绍.m42-数据集标注与制作方法.m43-跟别预测类别数修改配置文件.m44-加载预训练模型开始训练.m45-预测DEMO演示.m46_第二模块：基于Uet进行各种策略修改1-配置文件解读.m42-编码层模块.m43-上采样与输出层.m44-辅助层的作用.m45-给Uet添加一个eck层.m46-如何修改参数适配网络结构.m47-将Uet特征提取模块替换成traformer.m48-VIT模块源码分析.m47_第二模块：分割任务CVPR最新Backoe设计及其应用1-注册自己的Backoe模块.m4.m42-配置文件指定.m4.m43-DEBUG解读Backoe设计.m4.m44-PatchEmeddig的作用与实现.m4.m45-卷积位置编码计算方法.m4.m46-近似Attetio模块实现.m4.m47-完成特征提取与融合模块.m4.m48-分割任务输出模块.m4.m49-全局特征的作用与实现.m4.m410-汇总多层级特征进行输出.m4.m48_第三模块：mmdet训练自己的数据任务1-数据集标注与标签获取.m4.m42-COCO数据标注格式.m4.m43-通过脚本生成COCO数据格式.m4.m44-配置文件数据增强策略分析.m4.m45-训练所需配置说明.m4.m46-模型训练与DEMO演示.m4.m47-模型测试与可视化分析模块.m4.m48-补充：评估指标.m4.m49_第三模块：DeformaleDetr物体检测源码分析1-特征提取与位置编码.m42-序列特征展开并叠加.m43-得到相对位置点编码.m44-准备Ecoder编码层所需全部输入.m45-编码层中的序列分析.m46-偏移量offet计算.m47-偏移量对齐操作.m48-Ecoder层完成特征对齐.m49-Decoder要完成的操作.m410-分类与回归输出模块.m411-预测输出结果与标签匹配模块.m410_第四模块：DBNET文字检测1-文字检测数据概述与配置文件.m4.m42-配置文件参数设置.m4.m43-Neck层特征组合.m4.m44-损失函数模块概述.m4.m45-损失计算方法.m4.m411_第四模块：ANINET文字识别1-数据集与环境概述.m4.m42-配置文件修改方法.m4.m43-Bakoe模块得到特征.m4.m44-视觉Traformer模块的作用.m4.m45-视觉模型中的编码与解码的效果.m4.m46-文本模型中的结构分析.m4.m47-迭代修正模块.m4.m48-输出层与损失计算.m4.m412_第四模块：KIE基于图模型的关键信息抽取1-配置文件以及要完成的任务解读.m4.m42-KIE数据集格式调整方法.m4.m43-配置文件与标签要进行处理操作.m4.m44-边框要计算的特征分析.m4.m45-标签数据处理与关系特征提取.m4.m46-特征合并处理.m4.m47-准备拼接边与点特征.m4.m48-整合得到图模型输入特征.m4.m412_第五模块：tylega2源码解读1-要完成的任务与基本思想概述.m4.m42-得到tyle特征编码.m4.m43-特征编码风格拼接.m4.m44-基础风格特征卷积模块.m4.m45-上采样得到输出结果.m4.m46-损失函数概述.m4.m413_第六模块：BaicVSR++视频超分辨重构源码解读1-要完成的任务分析与配置文件.m4.m42-特征基础提取模块.m43-光流估计网络模块.m44-基于光流完成对齐操作.m45-偏移量计算方法1.m4.m46-双向计算特征对齐.m47-提特征传递流程分析.m48-序列传播计算.m49-准备变形卷积模块的输入.m4.m410-传播流程整体完成一圈.m411-完成输出结果.m4.m414_第七模块：多模态3D目标检测算法源码解读1-环境配置与数据集概述.m42-数据与标注文件介绍.m43-基本流程梳理并进入deug模式.m44-数据与图像特征提取模块.m45-体素索引位置获取.m4.m46-体素特征提取方法解读.m47-体素特征计算方法分析.m48-全局体素特征提取.m49-多模态特征融合.m410-3D卷积特征融合.m411-输出层预测结果.m415_第八模块：模型蒸馏应用实例1-任务概述与工具使用.m42-Teacher与Studet网络结构定义.m43-训练T与S得到蒸馏模型.m44-开始模型训练过程与问题修正.m45-日志输出与模型分离.m46-分别得到Teacher与Studet模型.m47-实际测试效果演示.m416_第八模块：模型剪枝方法概述分析1-SuerNet网络结构分析与剪枝概述.m42-搜索匹配到符合计算量的模型并训练.m417_第九模块：mmactio行为识别创建自己的行为识别标注数据集.m418_额外补充在源码中加入各种注意力机制方法.m45_Oecv图像处理框架实战1_课程简介与环境配置0-课程简介2.m4.m42-Noteook与IDE环境.m4.m42-Pytho与Oecv配置安装.m4.m42_图像基本操作1-计算机眼中的图像.m4.m42-视频的读取与处理.m4.m43-ROI区域.m4.m44-边界填充.m4.m45-数值计算.m4.m43_阈值与平滑处理1-图像平滑处理.m4.m42-高斯与中值滤波.m4.m4图像阈值.m4.m44_图像形态学操作1-腐蚀操作.m4.m42-膨胀操作.m4.m43-开运算与闭运算.m4.m44-梯度计算.m4.m45-礼帽与黑帽.m4.m45_图像梯度计算1-Soel算子.m4.m42-梯度计算方法.m4.m43-charr与lakacia算子.m4.m46_边缘检测1-Cay边缘检测流程.m4.m42-非极大值抑制.m4.m43-边缘检测效果.m4.m47_图像金字塔与轮廓检测1-模板匹配方法.m4.m41-轮廓检测方法.m4.m41-图像金字塔定义.m4.m42-匹配效果展示.m4.m42-轮廓检测结果.m4.m42-金字塔制作方法.m4.m43-轮廓特征与近似.m4.m48_直方图与傅里叶变换1-直方图定义.m4.m41-傅里叶概述.m4.m42-频域变换结果.m4.m42-均衡化原理.m4.m43-均衡化效果.m4.m43-低通与高通滤波.m4.m49_项目实战-信用卡数字识别2-环境配置与预处理.m4.m43-模板处理方法.m4.m4总体流程与方法讲解.m4.m44-输入数据处理方法.m4.m45-模板匹配得出识别结果.m4.m410_项目实战-文档扫描OCR识别1-整体流程演示.m4.m42-文档轮廓提取.m4.m43-原始与变换坐标计算.m4.m44-透视变换结果.m4.m45-teeract-ocr安装配置.m4.m46-文档扫描识别效果.m4.m411_图像特征-harri1-角点检测基本原理.m4.m42-基本数学原理.m4.m43-求解化简.m4.m44-特征归属划分.m4.m45-oecv角点检测效果.m4.m412_图像特征-ift1-尺度空间定义.m4.m42-高斯差分金字塔.m4.m43-特征关键点定位.m4.m44-生成特征描述.m4.m45-特征向量生成.m4.m46-oecv中ift函数使用.m4.m413_案例实战-全景图像拼接1-特征匹配方法.m4.m42-图像拼接方法.m4.m42-RANSAC算法.m4.m44-流程解读.m4.m414_项目实战-停车场车位识别1-任务整体流程.m4.m42-所需数据介绍.m4.m43-图像数据预处理.m4.m44-车位直线检测.m4.m45-按列划分区域.m4.m46-车位区域划分.m4.m47-识别模型构建.m4.m48-基于视频的车位检测.m4.m415_项目实战-答题卡识别判卷1-整体流程与效果概述.m4.m42-预处理操作.m4.m43-填涂轮廓检测.m4.m44-选项判断识别.m4.m416_背景建模1-背景消除-帧差法.m4.m42-混合高斯模型.m4.m43-学习步骤.m4.m44-背景建模实战.m4.m417_光流估计1-基本概念.m4.m42-Luca-Kaade算法.m4.m43-推导求解.m4.m44-光流估计实战.m4.m418_Oecv的DNN模块1-d模块.m4.m42-模型加载结果输出.m4.m419_项目实战-目标追踪1-目标追踪概述.m4.m42-多目标追踪实战.m4.m43-深度学习检测框架加载.m4.m44-基于dli与d的追踪.m4.m45-多进程目标追踪.m4.m46-多进程效率提升对比.m4.m420_卷积原理与操作1-卷积效果演示.m4.m41-卷积神经网络的应用.m4.m42-卷积层解释.m4.m42-卷积操作流程.m4.m43-卷积计算过程.m4.m44-adig与tride.m4.m45-卷积参数共享.m4.m46-池化层原理.m4.m421_项目实战-疲劳检测1-关键点定位概述.m4.m42-获取人脸关键点.m4.m43-定位效果演示.m4.m44-闭眼检测.m4.m45-检测效果.m4.m46_综合项目-物体检测经典算法实战1_深度学习经典检测方法概述1-检测任务中阶段的意义.m4.m42-不同阶段算法优缺点分析.m4.m43-IOU指标计算.m4.m44-评估所需参数计算.m4.m45-ma指标计算.m4.m42_YOLO-V1整体思想与网络架构2-检测算法要得到的结果.m4.m43-整体网络架构解读.m4.m44-位置损失计算.m4.m4YOLO算法整体思路解读.m4.m45-置信度误差与优缺点分析.m4.m43_YOLO-V2改进细节详解V2版本细节升级概述.m4.m42-网络结构特点.m4.m43-架构细节解读.m4.m44-基于聚类来选择先验框尺寸.m4.m45-偏移量计算方法.m4.m46-坐标映射与还原.m4.m47-感受野的作用.m4.m48-特征融合改进.m4.m44_YOLO-V3核心网络模型1-V3版本改进概述.m4.m42-多cale方法改进与特征融合.m4.m43-经典变换方法对比分析.m4.m44-残差连接方法解读.m4.m45-整体网络模型架构分析.m4.m46-先验框设计改进.m4.m47-otfmax层改进.m4.m45_项目实战-基于V3版本进行源码解读1-数据与环境配置.m4.m42-训练参数设置.m4.m43-数据与标签读取.m4.m44-标签文件读取与处理.m4.m45-deug模式介绍.m4.m46-基于配置文件构建网络模型.m4.m47-路由层与hortcut层的作用.m4.m48-YOLO层定义解析.m4.m49-预测结果计算.m4.m410-网格偏移计算.m4.m411-模型要计算的损失概述.m4.m412-标签值格式修改.m4.m413-坐标相对位置计算.m4.m414-完成所有损失函数所需计算指标.m4.m415-模型训练与总结.m4.m416-预测效果展示.m4.m46_基于YOLO-V3训练自己的数据集与任务1-Laelme工具安装.m4.m42-数据信息标注.m4.m43-完成标签制作.m4.m44-生成模型所需配置文件.m4.m45-jo格式转换成yolo-v3所需输入.m4.m46-完成输入数据准备工作.m4.m47-训练代码与参数配置更改.m4.m48-训练模型并测试效果.m4.m47_YOLO-V4版本算法解读1-V4版本整体概述.m4.m42-V4版本贡献解读.m4.m43-数据增强策略分析.m4.m44-DroBlock与标签平滑方法.m4.m45-损失函数遇到的问题.m4.m46-CIOU损失函数定义.m4.m47-NMS细节改进.m4.m48-SPP与CSP网络结构.m4.m49-SAM注意力机制模块.m4.m410-PAN模块解读.m4.m411-激活函数与整体架构总结.m4.m48_V5版本项目配置1-整体项目概述.m4.m42-训练自己的数据集方法.m4.m43-训练数据参数配置.m4.m44-测试DEMO演示.m4.m49_V5项目工程源码解读1-数据源DEBUG流程解读.m4.m42-图像数据源配置.m4.m43-加载标签数据.m4.m44-Moaic数据增强方法.m4.m45-数据四合一方法与流程演示.m4.m46-getItem构建atch.m4.m47-网络架构图可视化工具安装.m4.m48-V5网络配置文件解读.m4.m49-Focu模块流程分析.m4.m410-完成配置文件解析任务.m4.m411-前向传播计算.m4.m412-BottleeckCSP层计算方法.m4.m413-Head层流程解读.m4.m413-1SPP层计算细节分析.m4.m414-上采样与拼接操作.m4.m415-输出结果分析.m4.m416-超参数解读.m4.m417-命令行参数介绍.m4.m418-训练流程解读.m4.m419-各种训练策略概述.m4.m420-模型迭代过程.m4.m410_EfficietNet网络第八课：EfficietNet网络模型.m4.m411_EfficietDet检测算法第十一章：EfficietDet检测算法.m4.m412_基于Traformer的detr目标检测算法1-DETR目标检测基本思想解读.m4.m42-整体网络架构分析.m4.m43-位置信息初始化query向量.m4.m44-注意力机制的作用方法.m4.m45-训练过程的策略.m4.m413_detr目标检测源码解读1-项目环境配置解读.m4.m42-数据处理与dataloader.m4.m43-位置编码作用分析.m4.m44-ackoe特征提取模块.m4.m45-mak与编码模块.m4.m46-编码层作用方法.m4.m47-Decoder层操作与计算.m4.m48-输出预测结果.m4.m49-损失函数与预测输出.m4.m47_图像分割实战1_图像分割及其损失函数概述1-语义分割与实例分割概述.m4.m42-分割任务中的目标函数定义.m4.m43-MIOU评估标准.m4.m42_卷积神经网络原理与参数解读1-卷积神经网络应用领域.m4.m42-卷积的作用.m4.m43-卷积特征值计算方法.m4.m44-得到特征图表示.m4.m45-步长与卷积核大小对结果的影响.m4.m46-边缘填充方法.m4.m47-特征图尺寸计算与参数共享.m4.m48-池化层的作用.m4.m49-1整体网络架构.m4.m410-VGG网络架构.m4.m411-残差网络Reet.m4.m412-感受野的作用.m4.m43_Uet系列算法讲解1-Uet网络编码与解码过程.m4.m42-网络计算流程.m4.m43-Uet升级版本改进.m4.m44-后续升级版本介绍.m4.m44_uet医学细胞分割实战1-医学细胞数据集介绍与参数配置.m4.m42-数据增强工具.m4.m43-Deug模式演示网络计算流程.m4.m44-特征融合方法演示.m4.m45-迭代完成整个模型计算任务.m4.m46-模型效果验证.m4.m45_U2NET显着性检测实战1-任务目标与网络整体介绍.m4.m42-显着性检测任务与目标概述.m4.m43-编码器模块解读.m4.m44-解码器输出结果.m4.m45-损失函数与应用效果.m4.m46_deela系列算法1-deela分割算法概述.m4.m42-空洞卷积的作用.m4.m43-感受野的意义.m4.m44-SPP层的作用.m4.m45-ASPP特征融合策略.m4.m46-deelaV3Plu版本网络架构.m4.m47_基于deelaV3+版本进行VOC分割实战1-PacalVoc数据集介绍.m4.m42-项目参数与数据集读取.m4.m43-网络前向传播流程.m4.m44-ASPP层特征融合.m4.m45-分割模型训练.m4.m48_医学心脏视频数据集分割建模实战1-数据集与任务概述.m4.m42-项目基本配置参数.m4.m43-任务流程解读.m4.m44-文献报告分析.m4.m45-补充：视频数据源特征处理方法概述.m4.m46-补充：R(2lu1)D处理方法分析.m4.m49_物体检测框架-MakRc项目介绍与配置0-开源项目数据集.m4.m40-Mak-Rc开源项目简介.m4.m40-参数配置.m4.m410_MakRc网络框架源码详解1-FPN层特征提取原理解读.m4.m42-FPN网络架构实现解读.m4.m43-生成框比例设置.m4.m44-基于不同尺度特征图生成所有框.m4.m45-RPN层的作用与实现解读.m4.m46-候选框过滤方法.m4.m47-Prooal层实现方法.m4.m48-DetectioTarget层的作用.m4.m49-正负样本选择与标签定义.m4.m410-RoiPoolig层的作用与目的.m4.m411-RorAlig操作的效果.m4.m412-整体框架回顾.m4.m411_基于MASK-RCNN框架训练自己的数据与任务1-Laelme工具安装.m4.m42-使用laelme进行数据与标签标注.m4.m43-完成训练数据准备工作.m4.m44-makrc源码修改方法.m4.m45-基于标注数据训练所需任务.m4.m46-测试与展示模块.m4.m48_行为识别实战1_lowfat算法知识点通俗解读1-lowfat核心思想解读.m4.m42-核心网络结构模块分析.m4.m43-数据采样曾的作用.m4.m44-模型网络结构设计.m4.m45-特征融合模块与总结分析.m4.m42_lowfat项目环境配置与配置文件1-环境基本配置解读.m4.m42-目录各文件分析.m4.m43-配置文件作用解读.m4.m44-测试DEMO演示1.m4.m45-训练所需标签文件说明.m4.m46-训练所需视频数据准备.m4.m47-视频数据集切分操作.m4.m48-完成视频分帧操作.m4.m43_lowfat源码详细解读1-模型所需配置文件参数读取1.m4.m42-数据处理概述1.m4.m43-dataloader数据遍历方法1.m4.m44-数据与标签读取实例1.m4.m45-图像数据所需预处理方法1.m4.m46-low与fat分别执行采样操作1.m4.m47-分别计算特征图输出结果1.m4.m48-low与fat特征图拼接操作1.m4.m49-reetBolock操作1.m4.m410-RoiAlig与输出层1.m4.m44_基于3D卷积的视频分析与动作识别1-3D卷积原理解读.m4.m42-UCF101动作识别数据集简介.m4.m43-测试效果与项目配置.m4.m44-视频数据预处理方法.m4.m45-数据Batch制作方法.m4.m46-3D卷积网络所涉及模块.m4.m47-训练网络模型.m4.m45_视频异常检测算法与元学习1-异常检测要解决的问题与数据集介绍.m4.m42-基本思想与流程分析.m4.m43-预测与常见问题.m4.m44-Meta-Lear要解决的问题.m4.m45-学习能力与参数定义.m4.m46-如何找到合适的初始化参数.m4.m47-MAML算法流程解读.m4.m46_视频异常检测CVPR2021论文及其源码解读1-论文概述与环境配置.m4.m42-数据集配置与读取.m4.m43-模型编码与解码结构.m4.m44-注意力机制模块打造.m4.m45-损失函数的目的.m4.m46-特征图生成.m4.m47-MetaLear与输出.m4.m47_基础补充-Reet模型及其应用实例1-医学疾病数据集介绍.m4.m42-Reet网络架构原理分析.m4.m43-dataloader加载数据集.m4.m44-Reet网络前向传播.m4.m45-残差网络的hortcut操作.m4.m46-特征图升维与降采样操作.m4.m47-网络整体流程与训练演示.m4.m49_2022论文必备-Traformer实战系列1_课程介绍课程介绍1.m4.m42_自然语言处理通用框架BERT原理解读1-BERT任务目标概述.m4.m42-传统解决方案遇到的问题1.m4.m43-注意力机制的作用1.m4.m44-elf-attetio计算方法1.m4.m45-特征分配与oftmax机制1.m4.m46-Multi-head的作用1.m4.m47-位置编码与多层堆叠1.m4.m48-traformer整体架构梳理.m4.m49-BERT模型训练方法.m4.m410-训练实例.m4.m43_Traformer在视觉中的应用VIT算法1-traformer发家史介绍1.m4.m42-对图像数据构建atch序列1.m4.m43-VIT整体架构解读1.m4.m44-CNN遇到的问题与窘境1.m4.m45-计算公式解读1.m4.m46-位置编码与TNT模型1.m4.m47-TNT模型细节分析1.m4.m44_VIT算法模型源码解读1-项目配置说明1.m4.m42-输入序列构建方法解读1.m4.m43-注意力机制计算1.m4.m44-输出层计算结果1.m4.m45_witraformer算法原理解析1-witraformer整体概述1.m4.m42-要解决的问题及其优势分析1.m4.m43-一个lock要完成的任务1.m4.m44-获取各窗口输入特征1.m4.m45-基于窗口的注意力机制解读1.m4.m46-窗口偏移操作的实现1.m4.m47-偏移细节分析及其计算量概述1.m4.m48-整体网络架构整合1.m4.m49-下采样操作实现方法1.m4.m410-分层计算方法1.m4.m46_witraformer源码解读1-数据与环境配置解读1.m4.m42-图像数据atch编码1.m4.m43-数据按widow进行划分计算1.m4.m44-基础attetio计算模块1.m4.m45-窗口位移模块细节分析1.m4.m46-atchmerge下采样操作1.m4.m47-各lock计算方法解读1.m4.m48-输出层概述1.m4.m47_基于Traformer的detr目标检测算法1-DETR目标检测基本思想解读1.m4.m42-整体网络架构分析1.m4.m43-位置信息初始化query向量1.m4.m44-注意力机制的作用方法1.m4.m45-训练过程的策略1.m4.m48_detr目标检测源码解读1-项目环境配置解读2.m4.m42-数据处理与dataloader2.m4.m43-位置编码作用分析2.m4.m44-ackoe特征提取模块1.m4.m45-mak与编码模块1.m4.m46-编码层作用方法1.m4.m47-Decoder层操作与计算1.m4.m48-输出预测结果1.m4.m49-损失函数与预测输出1.m4.m49_MedicalTraformer论文解读1-论文整体分析.m4.m42-核心思想分析.m4.m43-网络结构计算流程概述.m4.m44-论文公式计算分析.m4.m45-位置编码的作用与效果.m4.m46-拓展应用分析.m4.m410_MedicalTraformer源码解读1-项目环境配置1.m4.m42-医学数据介绍与分析1.m4.m43-基本处理操作1.m4.m44-AxialAttetio实现过程1.m4.m45-位置编码向量解读1.m4.m46-注意力计算过程与方法1.m4.m47-局部特征提取与计算1.m4.m411_商汤LoFTR算法解读1-特征匹配的应用场景.m4.m42-特征匹配的基本流程分析.m4.m43-整体流程梳理分析.m4.m44-CroAttetio的作用与效果.m4.m45-traformer构建匹配特征.m4.m46-粗粒度匹配过程与作用.m4.m47-特征图拆解操作.m4.m48-细粒度匹配的作用与方法.m4.m49-基于期望预测最终位置.m4.m410-总结分析.m4.m412_局部特征关键点匹配实战1-项目与参数配置解读1.m4.m42-DEMO效果演示1.m4.m43-ackoe特征提取模块1.m4.m44-注意力机制的作用与效果分析1.m4.m45-特征融合模块实现方法1.m4.m46-cro关系计算方法实例1.m4.m47-粗粒度匹配过程1.m4.m48-完成基础匹配模块1.m4.m49-精细化调整方法与实例1.m4.m410-得到精细化输出结果1.m4.m411-通过期望计算最终输出1.m4.m413_项目补充-谷歌开源项目BERT源码解读与应用实例tfrecord制作1.m4.m41-BERT开源项目简介1.m4.m42-项目参数配置1.m4.m43-数据读取模块1.m4.m44-数据预处理模块1.m4.m46-Emeddig层的作用1.m4.m47-加入额外编码特征1.m4.m48-加入位置编码特征1.m4.m49-mak机制1.m4.m410-构建QKV矩阵1.m4.m411-完成Traformer模块构建1.m4.m412-训练BERT模型1.m4.m414_项目补充-基于BERT的中文情感分析实战1-中文分类数据与任务概述1.m4.m42-读取处理自己的数据集1.m4.m43-训练BERT中文分类模型1.m4.m410_图神经网络实战1_图神经网络基础1-图神经网络应用领域分析.m4.m42-图基本模块定义.m4.m43-邻接矩阵的定义.m4.m44-GNN中常见任务.m4.m45-消息传递计算方法.m4.m46-多层GCN的作用.m4.m42_图卷积GCN模型1-GCN基本模型概述.m4.m42-图卷积的基本计算方法.m4.m43-邻接的矩阵的变换.m4.m44-GCN变换原理解读.m4.m43_图模型必备神器PyTorchGeometric安装与使用1-PyTorchGeometric工具包安装与配置方法.m4.m42-数据集与邻接矩阵格式.m4.m43-模型定义与训练方法.m4.m44-文献引用数据集分类案例实战.m4.m44_使用PyTorchGeometric构建自己的图数据集1-构建数据集基本方法.m4.m42-数据集与任务背景概述.m4.m43-数据集基本预处理.m4.m44-用户行为图结构创建.m4.m45-数据集创建函数介绍.m4.m46-网络结构定义模块.m4.m47-TokPoolig进行下采样任务.m4.m48-获取全局特征.m4.m49-模型训练与总结.m4.m45_图注意力机制与序列图模型1-图注意力机制的作用与方法.m4.m42-邻接矩阵计算图Attetio.m4.m43-序列图神经网络TGCN应用.m4.m44-序列图神经网络细节.m4.m46_图相似度论文解读1-要完成的任务分析.m4.m42-基本方法概述解读.m4.m43-图模型提取全局与局部特征.m4.m44-NTN模块的作用与效果.m4.m45-点之间的对应关系计算.m4.m46-结果输出与总结.m4.m47_图相似度计算实战1-数据集与任务概述3.m4.m42-图卷积特征提取模块3.m4.m43-分别计算不同Batch点的分布3.m4.m44-获得直方图特征结果.m4.m45-图的全局特征构建.m4.m46-NTN图相似特征提取.m4.m47-预测得到相似度结果.m4.m48_基于图模型的轨迹估计1-数据集与标注信息解读.m4.m42-整体三大模块分析.m4.m43-特征工程的作用与效果.m4.m44-传统方法与现在向量空间对比.m4.m45-输入细节分析.m4.m46-子图模块构建方法.m4.m47-特征融合模块分析.m4.m48-VectorNet输出层分析.m4.m49_图模型轨迹估计实战1-数据与环境配置4.m4.m42-训练数据准备4.m4.m43-Aget特征提取方法4.m4.m44-DataLoader构建图结构4.m4.m45-SuGrah与Attetio模型流程4.m4.m4...

2022-11-25 模块配置文件 模块 配置文件是什么

课程介绍课程来自于【智元法律】宫辉法律检索的技巧及人工智能辅助操作课程大纲法律检索的技巧及人工智能辅助操作.m4...

2022-12-21

课程介绍课程来自【法学大师】龚辉：法学在线课程、法学书籍、音像出版发行的法学检索技巧和人工智能辅助操作；组织疑难案件专家论证；法律培训教学大纲法律检索技术与人工智能辅助操作.m4...

2022-11-06 法律检索人工智能 法律检索 人工智能的意义