资源详情
教程目录： ┣━Python就业班 ┃ ┣━02 多任务 ┃ ┃ ┣━02-进程 ┃ ┃ ┃ ┣━05-进程、线程的区别 ┃ ┃ ┃ ┣━07-进程池概述.mp4 ┃ ┃ ┃ ┣━08-进程池的创建 ┃ ┃ ┃ ┣━03-使用Process完成多进程 ┃ ┃ ┃ ┣━01-线程知识点复习.mp4 ┃ ┃ ┃ ┣━02-进程、程序的概念 ┃ ┃ ┃ ┣━04-使用Process完成多进程-补充 ┃ ┃ ┃ ┣━09-案例：多任务文件夹copy ┃ ┃ ┃ ┣━06-通过队列完成进程间通信 ┃ ┃ ┣━01-线程 ┃ ┃ ┃ ┣━04-通过继承Thread类完成创建线程 ┃ ┃ ┃ ┣━05-通过继承Thread类完成创建线程-补充 ┃ ┃ ┃ ┣━01-多任务介绍、以及Thread的基本使用 ┃ ┃ ┃ ┣━10-死锁、银行家算法 ┃ ┃ ┃ ┣━03-查看正在运行的线程、主线程等待子线程先结束 ┃ ┃ ┃ ┣━11-案例：多线程版udp聊天器 ┃ ┃ ┃ ┣━06-多线程共享全局变量 ┃ ┃ ┃ ┣━09-同步概念、互斥锁解决资源竞争的问题 ┃ ┃ ┃ ┣━08-创建线程是指定传递的参数、多线程共享全局变量的问题 ┃ ┃ ┃ ┣━02-Thread创建线程 完成多任务 ┃ ┃ ┃ ┣━07-多线程共享全局变量-args参数 ┃ ┃ ┣━03-协程 ┃ ┃ ┃ ┣━01-迭代器 ┃ ┃ ┃ ┣━05-生成器-1 ┃ ┃ ┃ ┣━06-生成器-2-send方式 ┃ ┃ ┃ ┣━07-（重点）生成器-小总结 ┃ ┃ ┃ ┣━03-（重点）迭代器的应用 ┃ ┃ ┃ ┣━08-使用yield完成多任务 ┃ ┃ ┃ ┣━10-案例：图片下载器 ┃ ┃ ┃ ┣━11-（重点）进程、线程、协程对比 ┃ ┃ ┃ ┣━02-完善迭代器 ┃ ┃ ┃ ┣━04-迭代器使用的其他方式 ┃ ┃ ┃ ┣━09-使用greenlet、gevent完成多任务 ┃ ┣━08 首页布局案例和移动布局 ┃ ┃ ┣━02-CSS3动画 ┃ ┃ ┃ ┣━07transiton动画02 ┃ ┃ ┃ ┣━05transiton动画01 ┃ ┃ ┃ ┣━01翻面动画02 ┃ ┃ ┃ ┣━02animation动画 ┃ ┃ ┃ ┣━03loading动画 ┃ ┃ ┃ ┣━06走路动画 ┃ ┃ ┃ ┣━09复习-tansform变形-翻面动画01 ┃ ┃ ┃ ┣━04圆角-透明度-rgba ┃ ┃ ┣━06-CSS3前缀和H5新增标签 ┃ ┃ ┃ ┣━02h5新增标签-表单控件-属忄生 ┃ ┃ ┃ ┣━01css3前缀 ┃ ┃ ┣━03-CSS3选择器和CSS权重 ┃ ┃ ┃ ┣━01css权重 ┃ ┃ ┣━04-屏幕适配 ┃ ┃ ┃ ┣━03流体布局 ┃ ┃ ┃ ┣━01视口-retina屏幕适配 ┃ ┃ ┃ ┣━02背景图尺寸设置 ┃ ┃ ┃ ┣━04响应式布局 ┃ ┃ ┣━05-移动端布局实例 ┃ ┃ ┃ ┣━01复习-rem布局原理 ┃ ┃ ┃ ┣━04rem首页布局03 ┃ ┃ ┃ ┣━05rem首页布局 ┃ ┃ ┃ ┣━02cssrem安装-流体布局制作首页 ┃ ┃ ┃ ┣━03rem首页布局02 ┃ ┃ ┃ ┣━06rem首页布局01.mp4 ┃ ┃ ┣━01-首页布局 ┃ ┃ ┃ ┣━01首页布局03 ┃ ┃ ┃ ┣━03重置样式reset.css ┃ ┃ ┃ ┣━02首页布局04 ┃ ┃ ┃ ┣━04首页头部制作 ┃ ┃ ┃ ┣━05首页logo-搜索框-购物车 ┃ ┣━23 深度学习 ┃ ┃ ┣━08-卷积神经网络 ┃ ┃ ┃ ┣━02_激活层与池化层 ┃ ┃ ┃ ┣━04卷积神经网络识别手写数字 ┃ ┃ ┃ ┣━01_卷积神经网络介绍以及卷积层结构 ┃ ┃ ┃ ┣━03面试题分析 ┃ ┃ ┣━06-文件读取分析存储 ┃ ┃ ┃ ┣━05tfrecords文件的读取与存储 ┃ ┃ ┃ ┣━02图片文件读取 ┃ ┃ ┃ ┣━01图像基本知识分析 ┃ ┃ ┃ ┣━03二进制文件读取分析 ┃ ┃ ┃ ┣━04二进制文件读取 ┃ ┃ ┣━09-验证码识别 ┃ ┃ ┃ ┣━01_第六天复习 ┃ ┃ ┃ ┣━02_验证码识别原理分析 ┃ ┃ ┃ ┣━04_验证码识别的实现 ┃ ┃ ┃ ┣━03_验证码识别程序流程以及图片数据的处理 ┃ ┃ ┣━02-图和会话 ┃ ┃ ┃ ┣━04_会话的run方法.mp4 ┃ ┃ ┃ ┣━02_图 ┃ ┃ ┃ ┣━01tensorflow图的结构.mp4 ┃ ┃ ┃ ┣━03_会话 ┃ ┃ ┣━04-变量和模型保存加载 ┃ ┃ ┃ ┣━03_trainable,学习率的调整，梯度爆炸 ┃ ┃ ┃ ┣━05_模型的保存与加载 ┃ ┃ ┃ ┣━06自定义命令行参数 ┃ ┃ ┃ ┣━02_线忄生回归的原理复习以及实现 ┃ ┃ ┃ ┣━01可视化学习 ┃ ┃ ┃ ┣━04_增加损失值等变量显示 ┃ ┃ ┣━03-张量和基本运算 ┃ ┃ ┃ ┣━02运算API介绍 ┃ ┃ ┃ ┣━01张量的定义以及数据 ┃ ┃ ┣━07-简单神经网络 ┃ ┃ ┃ ┣━03_简单的神经网络实现手写数字图片识别 ┃ ┃ ┃ ┣━02_神经网络结构 ┃ ┃ ┃ ┣━01_感知机模型 ┃ ┃ ┃ ┣━04_简单的单层神经网络预测手写数字图片 ┃ ┃ ┣━01-TensorFlow介绍 ┃ ┃ ┃ ┣━01_tensorflow基本介绍 ┃ ┃ ┣━05-数据读取 ┃ ┃ ┃ ┣━04_CSV文件读取案例 ┃ ┃ ┃ ┣━01_tensorflow解决读取数据、实现同步模拟 ┃ ┃ ┃ ┣━03_文件读取流程 ┃ ┃ ┃ ┣━02_队列管理器和协程协调器实现异步读取训练 ┃ ┃ ┣━10-分布式系统和线忄生回归 ┃ ┃ ┃ ┣━02自实现一个线忄生回归 ┃ ┃ ┃ ┣━01_分布式的原理，架构，更新参数模式 ┃ ┣━24 数据结构和算法 ┃ ┃ ┣━04-栈与队列 ┃ ┃ ┃ ┣━01-栈的实现 ┃ ┃ ┃ ┣━02队列与双端队列的实现.mp4 ┃ ┃ ┃ ┣━03-栈与队列的概念.mp4 ┃ ┃ ┣━06-树与树算法 ┃ ┃ ┃ ┣━03-二叉树的概念 ┃ ┃ ┃ ┣━04-二叉树的实现 ┃ ┃ ┃ ┣━05-二叉树的先序、中序、后序遍历 ┃ ┃ ┃ ┣━02-树的概念 ┃ ┃ ┃ ┣━01-二叉树的广度优先遍历 ┃ ┃ ┃ ┣━06-二叉树由遍历确定一棵树 ┃ ┃ ┣━02-顺序表 ┃ ┃ ┃ ┣━01-内存、类型本质、连续存储 ┃ ┃ ┃ ┣━02-顺序表添加与删除元素_Python列表的实现 ┃ ┃ ┃ ┣━03-基本顺序表与元素外围顺序表 ┃ ┃ ┃ ┣━05-顺序表数据区替换与扩充 ┃ ┃ ┃ ┣━04-顺序表的一体式结构与分离式结构 ┃ ┃ ┣━05-排序与搜索 ┃ ┃ ┃ ┣━10-二分查找时间复杂度 ┃ ┃ ┃ ┣━13-希尔排序实现 ┃ ┃ ┃ ┣━04-快速排序 ┃ ┃ ┃ ┣━06-排序算法的稳定忄生 ┃ ┃ ┃ ┣━09-插入排序1 ┃ ┃ ┃ ┣━11-归并排序_代码执行流程 ┃ ┃ ┃ ┣━15-归并排序时间复杂度及排序算法复杂度对比 ┃ ┃ ┃ ┣━16快速排序实现2 ┃ ┃ ┃ ┣━05-冒泡排序及实现 ┃ ┃ ┃ ┣━14-插入排序2 ┃ ┃ ┃ ┣━07-希尔排序 ┃ ┃ ┃ ┣━02-二分查找 ┃ ┃ ┃ ┣━08-选择排序算法及实现 ┃ ┃ ┃ ┣━01-插入算法 ┃ ┃ ┃ ┣━03-归并排序 ┃ ┃ ┃ ┣━12-快速排序实现1 ┃ ┃ ┣━01-数据结构和算法基础 ┃ ┃ ┃ ┣━04-算法引入 ┃ ┃ ┃ ┣━08-常见时间复杂度与大小关系 ┃ ┃ ┃ ┣━05-Python列表类型不同操作的时间效率 ┃ ┃ ┃ ┣━03-数据结构引入 ┃ ┃ ┃ ┣━07-Python列表与字典操作的时间复杂度 ┃ ┃ ┃ ┣━01-代码执行时间测量模块timeit ┃ ┃ ┃ ┣━06-最坏时间复杂度与计算规则 ┃ ┃ ┃ ┣━02时间复杂度与大O表示法 ┃ ┃ ┣━03-链表 ┃ ┃ ┃ ┣━08-单向循环链表删除元素 ┃ ┃ ┃ ┣━02链表的提出 ┃ ┃ ┃ ┣━03双向链表及添加元素 ┃ ┃ ┃ ┣━06-双向链表删除元素 ┃ ┃ ┃ ┣━10-单向循环链表删除元素复习及链表扩展 ┃ ┃ ┃ ┣━11-单链表的判空、长度、遍历与尾部添加结点的代码实现 ┃ ┃ ┃ ┣━12-单链表尾部添加和在指定位置添加 ┃ ┃ ┃ ┣━05单向循环链表添加元素 ┃ ┃ ┃ ┣━07-Python中变量标识的本质 ┃ ┃ ┃ ┣━13-单链表查找和删除元素 ┃ ┃ ┃ ┣━04-单链表的ADT模型 ┃ ┃ ┃ ┣━09-单链表及结点的定义代码 ┃ ┃ ┃ ┣━01-单向循环链表遍历和求长度 ┃ ┃ ┃ ┣━14单链表与顺序表的对比 ┃ ┣━25-36章为老师发的线上课程 ┃ ┃ ┣━33 深度学习必备原理与实战4 ┃ ┃ ┃ ┣━框架：Caffe框架常用工具 ┃ ┃ ┃ ┃ ┣━3-对训练结果进行分类任务 ┃ ┃ ┃ ┃ ┣━1-生成网络配置文件 ┃ ┃ ┃ ┃ ┣━2-对训练的网络模型绘制LOSS曲线 ┃ ┃ ┃ ┣━框架：深度学习框架Caffe网络配置 ┃ ┃ ┃ ┃ ┣━3-网络配置文件-计算层 ┃ ┃ ┃ ┃ ┣━1-CAFFE简介 ┃ ┃ ┃ ┃ ┣━2-网络配置文件-数据层 ┃ ┃ ┃ ┃ ┣━4-超参数solver文件 ┃ ┃ ┃ ┣━框架：Caffe框架小技巧 ┃ ┃ ┃ ┃ ┣━1-使用命令行训练网络 ┃ ┃ ┃ ┃ ┣━3-绘制网络结构图 ┃ ┃ ┃ ┃ ┣━2-使用python定义自己的层 ┃ ┃ ┃ ┣━框架：Caffe制作数据源 ┃ ┃ ┃ ┃ ┣━2-多label问题之HDF5数据源 ┃ ┃ ┃ ┃ ┣━1-制作LMDB数据源 ┃ ┃ ┣━32 深度学习必备原理与实战3 ┃ ┃ ┃ ┣━框架：Tensorflow神经网络模型 ┃ ┃ ┃ ┃ ┣━1-神经网络模型架构.A危i ┃ ┃ ┃ ┃ ┣━2-训练神经网络.A危i ┃ ┃ ┃ ┣━项目：深度学习项目实战-验证码识别 ┃ ┃ ┃ ┃ ┣━1-验证码数据生成 ┃ ┃ ┃ ┃ ┣━3-卷积网络模型定义 ┃ ┃ ┃ ┃ ┣━4-迭代及测试网络效果 ┃ ┃ ┃ ┃ ┣━2-构造网络的输入数据和标签 ┃ ┃ ┃ ┣━算法：网络模型训练技巧 ┃ ┃ ┃ ┃ ┣━1-数据增强策略 ┃ ┃ ┃ ┃ ┣━3-巧妙设计神经网络 ┃ ┃ ┃ ┣━框架：Tensorflow构建RNN网络 ┃ ┃ ┃ ┃ ┣━3-训练RNN网络 ┃ ┃ ┃ ┃ ┣━1-使用RNN处理Mnist数据集 ┃ ┃ ┃ ┃ ┣━2-RNN网络模型 ┃ ┃ ┃ ┣━框架：Tensorflow加载训练好的模型 ┃ ┃ ┃ ┃ ┣━1-加载训练好的VGG网络模型 ┃ ┃ ┃ ┃ ┣━2-使用VGG模型进行测试 ┃ ┃ ┃ ┣━框架：深度学习框架Tensorflow基本操作 ┃ ┃ ┃ ┃ ┣━2-Tensorflow安装 ┃ ┃ ┃ ┃ ┣━3-基本计算单元-变量 ┃ ┃ ┃ ┃ ┣━4- 常用基本操作 ┃ ┃ ┃ ┃ ┣━1-Tensorflow简介 ┃ ┃ ┃ ┣━算法：经典网络架构与物体检测任务 ┃ ┃ ┃ ┃ ┣━2-分类与回归任务 ┃ ┃ ┃ ┃ ┣━1-经典网络架构 ┃ ┃ ┃ ┃ ┣━3-三代物体检测算法 ┃ ┃ ┃ ┣━框架：Tensorflow构建CNN网络 ┃ ┃ ┃ ┃ ┣━2-卷积神经网络模型参数 ┃ ┃ ┃ ┃ ┣━3-模型的保存和读取 ┃ ┃ ┃ ┃ ┣━1-卷积神经网络模型架构 ┃ ┃ ┃ ┣━框架：Tensorflow框架构造回归模型 ┃ ┃ ┃ ┃ ┣━1-构造线忄生回归模型 ┃ ┃ ┃ ┃ ┣━3-逻辑回归框架 ┃ ┃ ┃ ┃ ┣━4-迭代完成逻辑回归模型 ┃ ┃ ┃ ┃ ┣━2-Mnist数据集简介 ┃ ┃ ┣━26 机器学习入门篇 ┃ ┃ ┃ ┣━4-案例实战-信用卡欺诈检测 ┃ ┃ ┃ ┃ ┣━1-案例背景和目标.mp4 ┃ ┃ ┃ ┃ ┣━5-模型评估方法 ┃ ┃ ┃ ┃ ┣━8-混淆矩阵 ┃ ┃ ┃ ┃ ┣━3-下采样策略.mp4 ┃ ┃ ┃ ┃ ┣━7-逻辑回归模型 ┃ ┃ ┃ ┃ ┣━9-逻辑回归阈值对结果的影响 ┃ ┃ ┃ ┃ ┣━4-交叉验证.mp4 ┃ ┃ ┃ ┃ ┣━6-正则化惩罚 ┃ ┃ ┃ ┃ ┣━10-s*OTE样本生成策略 ┃ ┃ ┃ ┃ ┣━2-样本不均衡解决方案.mp4 ┃ ┃ ┃ ┣━1-算法：线忄生回归算法 ┃ ┃ ┃ ┃ ┣━2-误差项分析 ┃ ┃ ┃ ┃ ┣━1-线忄生回归算法概述 ┃ ┃ ┃ ┃ ┣━3-似然函数求解 ┃ ┃ ┃ ┃ ┣━5-线忄生回归求解 ┃ ┃ ┃ ┃ ┣━4-目标函数推导 ┃ ┃ ┃ ┣━3-案例：Python实现逻辑回归与梯度下降 ┃ ┃ ┃ ┃ ┣━4-案例实战：实验对比效果 ┃ ┃ ┃ ┃ ┣━2-案例实战：完成梯度下降模块 ┃ ┃ ┃ ┃ ┣━3-案例实战：停止策略与梯度下降案例 ┃ ┃ ┃ ┃ ┣━1-案例实战：Python实现逻辑回归任务概述 ┃ ┃ ┃ ┣━2-算法：逻辑回归算法 ┃ ┃ ┃ ┃ ┣━2-逻辑回归求解 ┃ ┃ ┃ ┃ ┣━1-逻辑回归算法原理推导 ┃ ┃ ┣━27 机器学习入门篇2 ┃ ┃ ┃ ┣━1-算法：决策树 ┃ ┃ ┃ ┃ ┣━2-衡量标准-熵 ┃ ┃ ┃ ┃ ┣━3-决策树构造实例 ┃ ┃ ┃ ┃ ┣━1-决策树原理概述 ┃ ┃ ┃ ┃ ┣━4-信息增益率 ┃ ┃ ┃ ┃ ┣━5-决策树剪枝策略 ┃ ┃ ┃ ┣━4-集成算法实例 ┃ ┃ ┃ ┃ ┣━1-集成算法实例概述 ┃ ┃ ┃ ┃ ┣━3-基础模型 ┃ ┃ ┃ ┃ ┣━4-集成实例 ┃ ┃ ┃ ┃ ┣━5-Stacking模型 ┃ ┃ ┃ ┃ ┣━2-ROC与AUC指标 ┃ ┃ ┃ ┃ ┣━6-效果改进 ┃ ┃ ┃ ┣━9-案例：聚类实践 ┃ ┃ ┃ ┃ ┣━2-聚类案例实战.mp4 ┃ ┃ ┃ ┃ ┣━1-多种聚类算法概述.mp4 ┃ ┃ ┃ ┣━2-决策树Sklearn实例 ┃ ┃ ┃ ┃ ┣━1-案例：决策树复习 ┃ ┃ ┃ ┃ ┣━2-案例：决策树涉及参数 ┃ ┃ ┃ ┃ ┣━4-案例：sklearn参数选择 ┃ ┃ ┃ ┃ ┣━3-案例：树可视化与sklearn库简介 ┃ ┃ ┃ ┣━11-算法：PCA主成分分析 ┃ ┃ ┃ ┃ ┣━1-PCA降维概述 ┃ ┃ ┃ ┃ ┣━3-PCA求解 ┃ ┃ ┃ ┃ ┣━2-PCA要优化的目标 ┃ ┃ ┃ ┣━3-算法：随机森林与集成算法 ┃ ┃ ┃ ┃ ┣━2-特征重要忄生衡量 ┃ ┃ ┃ ┃ ┣━3-提升模型 ┃ ┃ ┃ ┃ ┣━1-集成算法-随机森林 ┃ ┃ ┃ ┃ ┣━4-堆叠模型 ┃ ┃ ┃ ┣━8-算法：DBSCAN聚类 ┃ ┃ ┃ ┃ ┣━1-DBSCAN聚类算法 ┃ ┃ ┃ ┃ ┣━3-DBSCAN可视化展示 ┃ ┃ ┃ ┃ ┣━2-DBSCAN工作流程 ┃ ┃ ┃ ┣━10-案例：Python实现线忄生判别分析 ┃ ┃ ┃ ┃ ┣━2-求解得出降维结果 ┃ ┃ ┃ ┃ ┣━1-实现线忄生判别分析进行降维任务 ┃ ┃ ┃ ┣━12-案例：Python实现PCA主成分分析 ┃ ┃ ┃ ┃ ┣━1-PCA降维实例 ┃ ┃ ┃ ┣━5-算法：贝叶斯算法 ┃ ┃ ┃ ┃ ┣━4-垃圾邮件过滤实例 ┃ ┃ ┃ ┃ ┣━5-贝叶斯实现拼写检查器 ┃ ┃ ┃ ┃ ┣━2-贝叶斯推导实例 ┃ ┃ ┃ ┃ ┣━1-贝叶斯算法概述 ┃ ┃ ┃ ┃ ┣━3-贝叶斯拼写纠错实例 ┃ ┃ ┃ ┣━6-案例：Python文本数据分析 ┃ ┃ ┃ ┃ ┣━5-LDA建模 ┃ ┃ ┃ ┃ ┣━2-相似度计算 ┃ ┃ ┃ ┃ ┣━6-基于贝叶斯算法进行新闻分类 ┃ ┃ ┃ ┃ ┣━1-文本分析与关键词提取 ┃ ┃ ┃ ┃ ┣━3-新闻数据与任务简介 ┃ ┃ ┃ ┃ ┣━4-TF-IDF关键词提取 ┃ ┃ ┃ ┣━7-算法：KMEANS聚类 ┃ ┃ ┃ ┃ ┣━1-KMEANS算法概述 ┃ ┃ ┃ ┃ ┣━2-KMEANS工作流程 ┃ ┃ ┃ ┃ ┣━3-KMEANS迭代可视化展示 ┃ ┃ ┣━25 Python网络爬虫 ┃ ┃ ┃ ┣━04-数据存储 ┃ ┃ ┃ ┃ ┣━1-json字符串介绍 ┃ ┃ ┃ ┃ ┣━4-读取csv文件的两种方式 ┃ ┃ ┃ ┃ ┣━5-写入csv文件的两种方式 ┃ ┃ ┃ ┃ ┣━2-dump成json字符串以及编码问题 ┃ ┃ ┃ ┃ ┣━3-load成Python对象 ┃ ┃ ┃ ┣━03-数据解析 ┃ ┃ ┃ ┃ ┣━10-【作业】腾讯招聘网爬虫作业 ┃ ┃ ┃ ┃ ┣━9-【实战】电影天堂爬虫之爬虫完成 ┃ ┃ ┃ ┃ ┣━1-xpath简介以及工具安装 ┃ ┃ ┃ ┃ ┣━11-BeautifulSoup4库的基本介绍 ┃ ┃ ┃ ┃ ┣━13-BeautifulSoup4库提取数据详解 ┃ ┃ ┃ ┃ ┣━22-正则表达式之匹配多个多个字符 ┃ ┃ ┃ ┃ ┣━24-正则表达式之开始结束和或语法 ┃ ┃ ┃ ┃ ┣━27-正则表达式之re模块常用函数 ┃ ┃ ┃ ┃ ┣━6-【实战】电影天堂爬虫之网页分析 ┃ ┃ ┃ ┃ ┣━20-【实战】中国天气网爬虫之数据可视化 ┃ ┃ ┃ ┃ ┣━25-正则表达式之转义字符和原生字符串 ┃ ┃ ┃ ┃ ┣━26-正则表达式之group分组 ┃ ┃ ┃ ┃ ┣━3-lxml解析html代码和文件 ┃ ┃ ┃ ┃ ┣━15-select和css选择器提取元素 ┃ ┃ ┃ ┃ ┣━2-xpath语法详解 ┃ ┃ ┃ ┃ ┣━23-正则表达式之多个小案例 ┃ ┃ ┃ ┃ ┣━5-【实战】豆瓣电影爬虫 ┃ ┃ ┃ ┃ ┣━14-css常用选择器介绍 ┃ ┃ ┃ ┃ ┣━18-【实战】中国天气网爬虫之华北城市数据爬取 ┃ ┃ ┃ ┃ ┣━19-【实战】中国天气网爬虫之所有城市数据爬取 ┃ ┃ ┃ ┃ ┣━21-正则表达式之单个字符匹配规则 ┃ ┃ ┃ ┃ ┣━12-BeautifulSoup4库的基本使用 ┃ ┃ ┃ ┃ ┣━16-BeaufifulSoup拾遗 ┃ ┃ ┃ ┃ ┣━28-【实战】正则表达式之古诗文网爬虫实战 ┃ ┃ ┃ ┃ ┣━29-【作业】正则表达式之糗事百科爬虫作业 ┃ ┃ ┃ ┃ ┣━7-【实战】电影天堂爬虫之爬取详情页url ┃ ┃ ┃ ┃ ┣━8-【实战】电影天堂爬虫之解析详情页 ┃ ┃ ┃ ┃ ┣━17-【实战】中国天气网爬虫之页面分析 ┃ ┃ ┃ ┃ ┣━4-lxml和xpath结合使用详解 ┃ ┃ ┃ ┣━06-Scrapy框架 ┃ ┃ ┃ ┃ ┣━18-【反爬虫】下载器中间件讲解 ┃ ┃ ┃ ┃ ┣━20-【反爬虫】开放ip代理池和独享代理配置 ┃ ┃ ┃ ┃ ┣━33-分布式爬虫-redis的集合操作 ┃ ┃ ┃ ┃ ┣━36-分布式爬虫实战-房天下全国658城市所有房源信息抓取（2） ┃ ┃ ┃ ┃ ┣━8-【实战】CrawlSpider实现微信小程序社区爬虫 ┃ ┃ ┃ ┃ ┣━10-Request和Response对象讲解 ┃ ┃ ┃ ┃ ┣━16-【实战】汽车之家宝马5系高清图片下载爬虫（3） ┃ ┃ ┃ ┃ ┣━30-分布式爬虫-配置其他机器连接本机redis服务器 ┃ ┃ ┃ ┃ ┣━6-【实战】scrapy糗事百科之抓取多个页面.A危i ┃ ┃ ┃ ┃ ┣━7-CrawlSpider讲解 ┃ ┃ ┃ ┃ ┣━14-【实战】汽车之家宝马5系高清图片下载爬虫（1） ┃ ┃ ┃ ┃ ┣━19-【反爬虫】反爬虫-设置随机请求头 ┃ ┃ ┃ ┃ ┣━2-scrapy框架快速入门 ┃ ┃ ┃ ┃ ┣━23-Scrapy框架实战-简书网整站爬虫之页面解析 ┃ ┃ ┃ ┃ ┣━27-分布式爬虫-redis介绍 ┃ ┃ ┃ ┃ ┣━3-【实战】scrapy糗事百科之爬虫编写.A危i ┃ ┃ ┃ ┃ ┣━38-分布式爬虫实战-房天下全国658城市所有房源信息抓取（4） ┃ ┃ ┃ ┃ ┣━39-分布式爬虫实战-房天下全国658城市所有房源信息抓取（5） ┃ ┃ ┃ ┃ ┣━41-分布式爬虫实战-房天下全国658城市所有房源信息爬取（7） ┃ ┃ ┃ ┃ ┣━11-【实战】scrapy模拟登录人人网 ┃ ┃ ┃ ┃ ┣━40-分布式爬虫实战-房天下全国658城市所有房源信息抓取（6） ┃ ┃ ┃ ┃ ┣━17-【实战】汽车之家宝马5系高清图片下载爬虫（4） ┃ ┃ ┃ ┃ ┣━25-Scrapy框架实战-简书网整站爬虫之爬取ajax数据 ┃ ┃ ┃ ┃ ┣━26-分布式爬虫-分布式爬虫介绍 ┃ ┃ ┃ ┃ ┣━32-分布式爬虫-redis的列表操作 ┃ ┃ ┃ ┃ ┣━1-scrapy框架架构详解 ┃ ┃ ┃ ┃ ┣━29-分布式爬虫-windows下redis安装与配置 ┃ ┃ ┃ ┃ ┣━34-分布式爬虫-redis的哈希操作 ┃ ┃ ┃ ┃ ┣━37-分布式爬虫实战-房天下全国658城市所有房源信息抓取（3） ┃ ┃ ┃ ┃ ┣━5-【实战】scrapy糗事百科之优化数据存储的方式.A危i ┃ ┃ ┃ ┃ ┣━9-Scrapy Shell的使用 ┃ ┃ ┃ ┃ ┣━12-【实战】scrapy模拟登录豆瓣网 ┃ ┃ ┃ ┃ ┣━13-【实战】自动识别豆瓣网图形验证码 ┃ ┃ ┃ ┃ ┣━15-【实战】汽车之家宝马5系高清图片下载爬虫（2） ┃ ┃ ┃ ┃ ┣━21-【Scrapy框架】实战-攻克BOSS直聘反爬虫之正常爬取 ┃ ┃ ┃ ┃ ┣━28-分布式爬虫-linux下安装redis ┃ ┃ ┃ ┃ ┣━35-分布式爬虫实战-房天下全国658城市所有房源信息抓取（1） ┃ ┃ ┃ ┃ ┣━22-【Scrapy框架】实战-攻克BOSS直聘反爬虫之无限制爬取 ┃ ┃ ┃ ┃ ┣━24-Scrapy框架实战-简书网整站爬虫之保存数据到MySQL ┃ ┃ ┃ ┃ ┣━31-分布式爬虫-redis的字符串操作 ┃ ┃ ┃ ┃ ┣━4-【实战】scrapy糗事百科之pipeline保存数据.A危i ┃ ┃ ┃ ┣━01-爬虫前奏 ┃ ┃ ┃ ┃ ┣━1-网络爬虫概述 ┃ ┃ ┃ ┃ ┣━2-http协议和chrome抓包工具（1） ┃ ┃ ┃ ┃ ┣━3-http协议和chrome抓包工具（2） ┃ ┃ ┃ ┣━02-网络请求 ┃ ┃ ┃ ┃ ┣━15-requests处理cookie信息 ┃ ┃ ┃ ┃ ┣━8-cookie原理和格式详解 ┃ ┃ ┃ ┃ ┣━6-【作业】内涵段子爬虫作业 ┃ ┃ ┃ ┃ ┣━3-urllib库之参数编码和解码函数 ┃ ┃ ┃ ┃ ┣━9-【实战】爬虫使用cookie模拟登录.mp4 ┃ ┃ ┃ ┃ ┣━11-cookie信息的加载与保存 ┃ ┃ ┃ ┃ ┣━13-requests发送post请求 ┃ ┃ ┃ ┃ ┣━5-【实战】用Request爬取拉勾网职位信息 ┃ ┃ ┃ ┃ ┣━14-requests使用代理ip ┃ ┃ ┃ ┃ ┣━2-urllib库之urlretrieve函数用法 ┃ ┃ ┃ ┃ ┣━4-urllib库之urlparse和urlsplit函数用法.mp4 ┃ ┃ ┃ ┃ ┣━16-requests处理不信任的ssl证书 ┃ ┃ ┃ ┃ ┣━12-requests库的基本使用 ┃ ┃ ┃ ┃ ┣━1-urllib库之urlopen函数用法 ┃ ┃ ┃ ┃ ┣━10-【实战】爬虫自动登录访问授权页面.mp4 ┃ ┃ ┃ ┃ ┣━7-ProxyHandler实现代理ip ┃ ┃ ┃ ┣━05-爬虫进阶 ┃ ┃ ┃ ┃ ┣━13-selenium关闭页面和浏览器 ┃ ┃ ┃ ┃ ┣━19-selenium打开多窗口和切换窗口 ┃ ┃ ┃ ┃ ┣━21-selenium中的WebElement类补充.A危i ┃ ┃ ┃ ┃ ┣━3-多线程共享全局变量以及锁机制 ┃ ┃ ┃ ┃ ┣━8-【实战】多线程下载表情包之异步爬虫完成 ┃ ┃ ┃ ┃ ┣━10-【作业】多线程下载百思不得姐段子爬虫作业 ┃ ┃ ┃ ┃ ┣━18-selenium的隐式等待和显式等待 ┃ ┃ ┃ ┃ ┣━23-【实战】selenium完美实现拉勾网爬虫之详情页解析.A危i ┃ ┃ ┃ ┃ ┣━4-Lock版生产者和消费者模式 ┃ ┃ ┃ ┃ ┣━30-tesseract处理拉勾网验证码 ┃ ┃ ┃ ┃ ┣━7-【实战】多线程下载表情包之同步爬虫完成 ┃ ┃ ┃ ┃ ┣━1-多线程概念和threading模块介绍 ┃ ┃ ┃ ┃ ┣━25-【实战】selenium完美实现拉勾网爬虫之细节处理 ┃ ┃ ┃ ┃ ┣━29-tesseract代码识别图片 ┃ ┃ ┃ ┃ ┣━12-selenium+chromedriver安装和入门 ┃ ┃ ┃ ┃ ┣━14-selenium定位元素的方法详解 ┃ ┃ ┃ ┃ ┣━17-selenium操作cookie ┃ ┃ ┃ ┃ ┣━20-selenium使用代理ip ┃ ┃ ┃ ┃ ┣━27-tesseract库介绍 ┃ ┃ ┃ ┃ ┣━28-tesseract在终端下识别图片 ┃ ┃ ┃ ┃ ┣━24-【实战】selenium完美实现拉勾网爬虫之跑通流程.A危i ┃ ┃ ┃ ┃ ┣━26-【作业】使用selenium实现boss直聘爬虫作业 ┃ ┃ ┃ ┃ ┣━6-Queue线程安全队列讲解 ┃ ┃ ┃ ┃ ┣━9-GIL全局解释器锁详解 ┃ ┃ ┃ ┃ ┣━22-【实战】selenium完美实现拉勾网爬虫之列表页解析.A危i ┃ ┃ ┃ ┃ ┣━5-Condition版生产者与消费者模式 ┃ ┃ ┃ ┃ ┣━11-ajax介绍和爬取ajax数据的两种方式 ┃ ┃ ┃ ┃ ┣━15-selenium操作表单元素 ┃ ┃ ┃ ┃ ┣━16-selenium行为链 ┃ ┃ ┃ ┃ ┣━2-使用Thread类创建多线程 ┃ ┃ ┣━35 深度学习项目实战2 ┃ ┃ ┃ ┣━项目实战：对抗生成网络（基于Tensorflow） ┃ ┃ ┃ ┃ ┣━4-DCGAN网络特忄生 ┃ ┃ ┃ ┃ ┣━3-Gan迭代生成 ┃ ┃ ┃ ┃ ┣━2-GAN网络结构定义 ┃ ┃ ┃ ┃ ┣━5-DCGAN训练 ┃ ┃ ┃ ┃ ┣━1-对抗生成网络原理概述 ┃ ┃ ┃ ┣━第6节 项目实战：文本分类任务解 ┃ ┃ ┃ ┃ ┣━1-开场 ┃ ┃ ┃ ┃ ┣━4-使用tensorflow配置参数 ┃ ┃ ┃ ┃ ┣━2-数据任务简介 ┃ ┃ ┃ ┃ ┣━3-使用CNN进行文本分类原理 ┃ ┃ ┃ ┃ ┣━5-数据读取 ┃ ┃ ┃ ┃ ┣━6-数据切分 ┃ ┃ ┃ ┣━项目实战：DQN让AI自己玩游戏（基于Tensorflow） ┃ ┃ ┃ ┃ ┣━1-DeepQnetwork原理 ┃ ┃ ┃ ┃ ┣━4-搭建DQN网络模型 ┃ ┃ ┃ ┃ ┣━3-DQN网络参数配置 ┃ ┃ ┃ ┃ ┣━2-DQN网络细节 ┃ ┃ ┃ ┣━项目实战：强化学习基础（基于Tensorflow） ┃ ┃ ┃ ┃ ┣━1-强化学习概念（开场） ┃ ┃ ┃ ┃ ┣━3-马尔科夫决策过程 ┃ ┃ ┃ ┃ ┣━4-Bellman方程 ┃ ┃ ┃ ┃ ┣━10-QLearning效果演示 ┃ ┃ ┃ ┃ ┣━2-强化学习基本概念 ┃ ┃ ┃ ┃ ┣━8-QLearning基本原理 ┃ ┃ ┃ ┃ ┣━9-QLearning迭代计算实例 ┃ ┃ ┃ ┃ ┣━5-值迭代求解 ┃ ┃ ┃ ┃ ┣━6-完成值迭代代码 ┃ ┃ ┃ ┃ ┣━7-求解流程详解 ┃ ┃ ┃ ┣━项目实战：LSTM情感分析（基于Tensorflow） ┃ ┃ ┃ ┃ ┣━2-LSTM网络架构 ┃ ┃ ┃ ┃ ┣━5-基于word2vec的LSTM模型 ┃ ┃ ┃ ┃ ┣━1-RNN网络架构 ┃ ┃ ┃ ┃ ┣━4-情感数据集处理 ┃ ┃ ┃ ┃ ┣━3-案例：使用LSTM进行情感分类 ┃ ┃ ┃ ┣━第5节 项目实战：机器人写唐诗 ┃ ┃ ┃ ┃ ┣━6-数据预处理模块 ┃ ┃ ┃ ┃ ┣━10-训练唐诗生成模型 ┃ ┃ ┃ ┃ ┣━11-测试唐诗生成效果 ┃ ┃ ┃ ┃ ┣━3-LSTM网络架构 ┃ ┃ ┃ ┃ ┣━5-参数配置 ┃ ┃ ┃ ┃ ┣━4-任务概述与环境配置 ┃ ┃ ┃ ┃ ┣━0-开场_RNN ┃ ┃ ┃ ┃ ┣━7-batch数据制作 ┃ ┃ ┃ ┃ ┣━1-递归神经网络（RNN）概述 ┃ ┃ ┃ ┃ ┣━2-RNN网络细节 ┃ ┃ ┃ ┃ ┣━8-RNN模型定义 ┃ ┃ ┃ ┃ ┣━9-完成训练模块 ┃ ┃ ┣━30 深度学习必备原理与实战 ┃ ┃ ┃ ┣━算法：神经网络整体架构 ┃ ┃ ┃ ┃ ┣━2-实例演示 ┃ ┃ ┃ ┃ ┣━3-过拟合解决方案 ┃ ┃ ┃ ┃ ┣━1-整体架构 ┃ ┃ ┃ ┣━算法：深度学习必备基础知识点 ┃ ┃ ┃ ┃ ┣━1-线忄生分类 ┃ ┃ ┃ ┃ ┣━4-softmax分类器 ┃ ┃ ┃ ┃ ┣━2-损失函数 ┃ ┃ ┃ ┃ ┣━3-正则化惩罚项 ┃ ┃ ┃ ┣━案例：案例实战CIFAR图像分类任务 ┃ ┃ ┃ ┃ ┣━2-神经网络案例-分模块构造神经网络 ┃ ┃ ┃ ┃ ┣━3-神经网络案例-训练神经网络完成分类任务 ┃ ┃ ┃ ┃ ┣━1-神经网络案例-cifar分类任务 ┃ ┃ ┃ ┃ ┣━4-神经网络架构-感受神经网络的强大 ┃ ┃ ┃ ┣━算法：最优化与反向传播 ┃ ┃ ┃ ┃ ┣━1-最优化形象解读 ┃ ┃ ┃ ┃ ┣━2-最优化问题细节 ┃ ┃ ┃ ┃ ┣━3-反向传播 ┃ ┃ ┃ ┣━算法：深度学习概述与计算机视觉挑战 ┃ ┃ ┃ ┃ ┣━1-深度学习概述 ┃ ┃ ┃ ┃ ┣━3-用K近邻来进行分类 ┃ ┃ ┃ ┃ ┣━2-挑战与常规套路 ┃ ┃ ┃ ┃ ┣━4-超参数与交叉验证 ┃ ┃ ┣━29 数据挖掘篇 ┃ ┃ ┃ ┣━5-京东**预测 ┃ ┃ ┃ ┃ ┣━8-特征工程.A危i ┃ ┃ ┃ ┃ ┣━3-数据检查 ┃ ┃ ┃ ┃ ┣━6-数据探索概述.A危i ┃ ┃ ┃ ┃ ┣━7-**因素分析.A危i ┃ ┃ ┃ ┃ ┣━2-数据挖掘流程 ┃ ┃ ┃ ┃ ┣━5-构建商品特征表单 ┃ ┃ ┃ ┃ ┣━1-项目与数据介绍 ┃ ┃ ┃ ┃ ┣━4-构建用户特征表单 ┃ ┃ ┃ ┃ ┣━9-基本特征构造.A危i ┃ ┃ ┃ ┣━2-用户画像 ┃ ┃ ┃ ┃ ┣━4-任务概述与方案 ┃ ┃ ┃ ┃ ┣━6-构造输入特征 ┃ ┃ ┃ ┃ ┣━5-构造词向量特征 ┃ ┃ ┃ ┃ ┣━7-建立预测模型 ┃ ┃ ┃ ┃ ┣━1-用户画像概述 ┃ ┃ ┃ ┃ ┣━2-如何建立用户画像 ┃ ┃ ┃ ┃ ┣━3-用户搜索数据介绍 ┃ ┃ ┃ ┣━6-房价预测 ┃ ┃ ┃ ┃ ┣━5-模型预测 ┃ ┃ ┃ ┃ ┣━3-数据对数变换 ┃ ┃ ┃ ┃ ┣━4-缺失值处理与box-cox变换 ┃ ┃ ┃ ┃ ┣━2-离散形数据 ┃ ┃ ┃ ┃ ┣━1-房价预测任务概述 ┃ ┃ ┃ ┣━4-Xgboost实战 ┃ ┃ ┃ ┃ ┣━1-Xgboost算法概述 ┃ ┃ ┃ ┃ ┣━8-树结构对结果的影响 ┃ ┃ ┃ ┃ ┣━5-保险赔偿任务概述 ┃ ┃ ┃ ┃ ┣━6-Xgboost参数定义 ┃ ┃ ┃ ┃ ┣━2-Xgboost模型构造 ┃ ┃ ┃ ┃ ┣━3-Xgboost建模衡量标准 ┃ ┃ ┃ ┃ ┣━7-基础模型定义 ┃ ┃ ┃ ┃ ┣━4-Xgboost安装 ┃ ┃ ┃ ┃ ┣━9-学习率与采样对结果的影响 ┃ ┃ ┃ ┣━1-泰坦尼克号获救预测 ┃ ┃ ┃ ┃ ┣━6-忄生别特征分析 ┃ ┃ ┃ ┃ ┣━7-船舱等级特征分析 ┃ ┃ ┃ ┃ ┣━5-数据读取与统计分析 ┃ ┃ ┃ ┃ ┣━8-缺失值问题 ┃ ┃ ┃ ┃ ┣━10-登船地点特征分析 ┃ ┃ ┃ ┃ ┣━9-年龄特征缺失值填充与分析 ┃ ┃ ┃ ┃ ┣━3-Python兵器库介绍 ┃ ┃ ┃ ┃ ┣━4-sklearn库介绍 ┃ ┃ ┃ ┃ ┣━1-数据挖掘任务流程 ┃ ┃ ┃ ┃ ┣━2-数据介绍 ┃ ┃ ┃ ┣━3-kaggle数据科学 ┃ ┃ ┃ ┃ ┣━4-技能使用情况 ┃ ┃ ┃ ┃ ┣━3-工资情况 ┃ ┃ ┃ ┃ ┣━7-调查总结 ┃ ┃ ┃ ┃ ┣━2-基本情况可视化展示 ┃ ┃ ┃ ┃ ┣━6-python和r哪家强 ┃ ┃ ┃ ┃ ┣━5-数据集与平台 ┃ ┃ ┃ ┃ ┣━1-kaggle数据科学调查介绍 ┃ ┃ ┣━31 深度学习必备原理与实战2 ┃ ┃ ┃ ┣━案例：Gensim中文词向量建模 ┃ ┃ ┃ ┃ ┣━2-维基百科中文数据处理 ┃ ┃ ┃ ┃ ┣━4-测试模型相似度结果 ┃ ┃ ┃ ┃ ┣━1-使用Gensim库构造词向量 ┃ ┃ ┃ ┃ ┣━3-Gensim构造word2vec模型 ┃ ┃ ┃ ┣━算法：自然语言处理-word2vec ┃ ┃ ┃ ┃ ┣━3-N-gram模型 ┃ ┃ ┃ ┃ ┣━10-负采样模型 ┃ ┃ ┃ ┃ ┣━8-CBOW求解目标 ┃ ┃ ┃ ┃ ┣━9-锑度上升求解 ┃ ┃ ┃ ┃ ┣━2-语言模型 ┃ ┃ ┃ ┃ ┣━4-词向量 ┃ ┃ ┃ ┃ ┣━1-自然语言处理与深度学习 ┃ ┃ ┃ ┃ ┣━0-开篇 ┃ ┃ ┃ ┃ ┣━5-神经网络模型 ┃ ┃ ┃ ┃ ┣━7-CBOW模型实例 ┃ ┃ ┃ ┣━算法：卷积参数详解 ┃ ┃ ┃ ┃ ┣━3-池化层原理 ┃ ┃ ┃ ┃ ┣━1-pading与stride ┃ ┃ ┃ ┃ ┣━2-卷积参数共享 ┃ ┃ ┃ ┣━案例：案例实战CNN网络 ┃ ┃ ┃ ┃ ┣━2-卷积网络代码1.A危i ┃ ┃ ┃ ┃ ┣━3-卷积网络代码2.A危i ┃ ┃ ┃ ┃ ┣━1-卷积池化反向传播.A危i ┃ ┃ ┃ ┣━算法：卷积神经网络基本原理 ┃ ┃ ┃ ┃ ┣━1-卷积神经网络的应用 ┃ ┃ ┃ ┃ ┣━2-卷积层解释 ┃ ┃ ┃ ┃ ┣━3-卷积计算过程 ┃ ┃ ┃ ┣━案例：使用word2vec进行分类任务 ┃ ┃ ┃ ┃ ┣━1-影评情感分类 ┃ ┃ ┃ ┃ ┣━4-使用gensim构建word2vec词向量 ┃ ┃ ┃ ┃ ┣━2-基于词袋模型训练分类器 ┃ ┃ ┃ ┃ ┣━3-准备word2vec输入数据 ┃ ┃ ┣━34 深度学习项目实战 ┃ ┃ ┃ ┣━项目实战：关键点检测第一阶段网络训练（基于Caffe） ┃ ┃ ┃ ┃ ┣━1-多标签数据源制作及其坐标转换 ┃ ┃ ┃ ┃ ┣━0-人脸关键点算法概述 ┃ ┃ ┃ ┃ ┣━4-第一阶段网络训练 ┃ ┃ ┃ ┃ ┣━2-对数据进行增强 ┃ ┃ ┃ ┃ ┣━3-完成第一阶段数据源制作 ┃ ┃ ┃ ┣━项目实战：实现人脸检测（基于Caffe） ┃ ┃ ┃ ┃ ┣━3-坐标变换 ┃ ┃ ┃ ┃ ┣━6-矫正过程 ┃ ┃ ┃ ┃ ┣━2-scale变换和预处理 ┃ ┃ ┃ ┃ ┣━5-测试效果及改进 ┃ ┃ ┃ ┃ ┣━8-项目总结 ┃ ┃ ┃ ┃ ┣━1-检测框架 ┃ ┃ ┃ ┃ ┣━4-NMS完成代码 ┃ ┃ ┃ ┃ ┣━7-如何提高精度 ┃ ┃ ┃ ┣━项目实战：关键点检测第二阶段模型实现（基于Caffe） ┃ ┃ ┃ ┃ ┣━4-完成全部测试结果 ┃ ┃ ┃ ┃ ┣━1-第二三阶段数据源制作 ┃ ┃ ┃ ┃ ┣━3-网络模型参数初始化 ┃ ┃ ┃ ┃ ┣━5-人脸关键点检测效果 ┃ ┃ ┃ ┃ ┣━6-项目总结分析 ┃ ┃ ┃ ┃ ┣━7-算法框架分析 ┃ ┃ ┃ ┃ ┣━2-第二三阶段网络模型训练 ┃ ┃ ┃ ┣━项目实战：人脸检测数据源制作与网络训练（基于Caffe） ┃ ┃ ┃ ┃ ┣━5-制作LMDB数据源 ┃ ┃ ┃ ┃ ┣━1-数据获取 ┃ ┃ ┃ ┃ ┣━2-正负样本数据裁剪 ┃ ┃ ┃ ┃ ┣━0-项目概述 ┃ ┃ ┃ ┃ ┣━7-超参数和训练网络 ┃ ┃ ┃ ┃ ┣━3-TXT数据制作 ┃ ┃ ┃ ┃ ┣━4-LMDB脚本文件 ┃ ┃ ┃ ┃ ┣━6-网络配置文件 ┃ ┃ ┣━28 机器学习提升篇 ┃ ┃ ┃ ┣━04-案例：推荐系统实践 ┃ ┃ ┃ ┃ ┣━1-Surprise库与数据简介.A危i ┃ ┃ ┃ ┃ ┣━3-得出推荐商品结果.A危i ┃ ┃ ┃ ┃ ┣━2-Surprise库使用方法.A危i ┃ ┃ ┃ ┣━03-算法：推荐系统 ┃ ┃ ┃ ┃ ┣━5-基于物品的协同过滤 ┃ ┃ ┃ ┃ ┣━7-隐语义模型求解 ┃ ┃ ┃ ┃ ┣━3-相似度计算 ┃ ┃ ┃ ┃ ┣━8-模型评估标准 ┃ ┃ ┃ ┃ ┣━4-基于用户的协同过滤 ┃ ┃ ┃ ┃ ┣━6-隐语义模型 ┃ ┃ ┃ ┣━11-案例：探索忄生数据分析-农粮数据分析 ┃ ┃ ┃ ┃ ┣━农业-3单变量分析 ┃ ┃ ┃ ┃ ┣━农业-2数据切片分析 ┃ ┃ ┃ ┃ ┣━农业-1数据背景简介 ┃ ┃ ┃ ┃ ┣━农业-4峰度与偏度 ┃ ┃ ┃ ┃ ┣━农业-7变量关系可视化展示 ┃ ┃ ┃ ┃ ┣━农业-5数据对数变换 ┃ ┃ ┃ ┃ ┣━农业-6数据分析维度 ┃ ┃ ┃ ┣━12-机器学习套路与BenchMark ┃ ┃ ┃ ┃ ┣━1-HTTP检测任务与数据挖掘的核心 ┃ ┃ ┃ ┃ ┣━2-论文的重要程度 ┃ ┃ ┃ ┃ ┣━4-BenchMark的作用 ┃ ┃ ┃ ┃ ┣━3-BenchMark概述 ┃ ┃ ┃ ┣━02-案例：GMM聚类实践 ┃ ┃ ┃ ┃ ┣━1-GMM实例 ┃ ┃ ┃ ┃ ┣━2-GMM聚类 ┃ ┃ ┃ ┣━09-算法：Xgboost提升算法 ┃ ┃ ┃ ┃ ┣━1-Xgboost算法概述 ┃ ┃ ┃ ┃ ┣━2-Xgboost模型构造 ┃ ┃ ┃ ┃ ┣━3-Xgboost建模衡量标准 ┃ ┃ ┃ ┣━01-算法：EM算法 ┃ ┃ ┃ ┃ ┣━5-GMM模型 ┃ ┃ ┃ ┃ ┣━3-EM算法求解实例 ┃ ┃ ┃ ┃ ┣━4-Jensen不等式 ┃ ┃ ┃ ┃ ┣━2-隐变量问题 ┃ ┃ ┃ ┃ ┣━1-EM算法要解决的问题 ┃ ┃ ┃ ┣━08-案例：时间序列预测任务 ┃ ┃ ┃ ┃ ┣━2-Pandas数据重采样 ┃ ┃ ┃ ┃ ┣━5-使用tsfresh库进行分类任务 ┃ ┃ ┃ ┃ ┣━1-Pandas生成时间序列 ┃ ┃ ┃ ┃ ┣━3-Pandas滑动窗口 ┃ ┃ ┃ ┃ ┣━4-股票预测案例 ┃ ┃ ┃ ┃ ┣━6-维基百科词条EDA ┃ ┃ ┃ ┣━05-算法：线忄生支持向量机 ┃ ┃ ┃ ┃ ┣━1-支持向量机要解决的问题 ┃ ┃ ┃ ┃ ┣━5-SVM求解实例 ┃ ┃ ┃ ┃ ┣━4-目标函数求解 ┃ ┃ ┃ ┃ ┣━6-支持向量的作用 ┃ ┃ ┃ ┃ ┣━2-距离与数据的定义 ┃ ┃ ┃ ┃ ┣━3-目标函数 ┃ ┃ ┃ ┣━06-案例：SVM实践 ┃ ┃ ┃ ┃ ┣━1-sklearn求解支持向量机 ┃ ┃ ┃ ┃ ┣━2-SVM参数选择 ┃ ┃ ┃ ┣━07-算法：时间序列AIRMA模型 ┃ ┃ ┃ ┃ ┣━1-数据平稳忄生与差分法 ┃ ┃ ┃ ┃ ┣━2-ARIMA模型 ┃ ┃ ┃ ┃ ┣━4-建立ARIMA模型 ┃ ┃ ┃ ┃ ┣━5-参数选择 ┃ ┃ ┃ ┃ ┣━3-相关函数评估方法 ┃ ┃ ┃ ┣━10-案例：Xgboost调参实例 ┃ ┃ ┃ ┃ ┣━5-树结构对结果的影响 ┃ ┃ ┃ ┃ ┣━6-学习率与采样对结果的影响 ┃ ┃ ┃ ┃ ┣━2-保险赔偿任务概述 ┃ ┃ ┃ ┃ ┣━1-Xgboost安装 ┃ ┃ ┃ ┃ ┣━4-基础模型定义 ┃ ┃ ┃ ┃ ┣━3-Xgboost参数定义 ┃ ┃ ┣━36 深度学习项目实战3 ┃ ┃ ┃ ┣━第2节 项目实战：seq2seq序列模 ┃ ┃ ┃ ┃ ┣━1-环境配置 ┃ ┃ ┃ ┃ ┣━6-数据预处理 ┃ ┃ ┃ ┃ ┣━3-编码层与词向量 ┃ ┃ ┃ ┃ ┣━8-完成解码操作 ┃ ┃ ┃ ┃ ┣━2-数据预处理 ┃ ┃ ┃ ┃ ┣━5-模型迭代 ┃ ┃ ┃ ┃ ┣━4-完成解码模块 ┃ ┃ ┃ ┃ ┣━7-使用构建好的词向量模型 ┃ ┃ ┃ ┃ ┣━9-任务总结 ┃ ┃ ┃ ┣━4.项目实战：style-transfer实战（基于Tensorflow） ┃ ┃ ┃ ┃ ┣━3-生成网络计算操作 ┃ ┃ ┃ ┃ ┣━4-参数初始化 ┃ ┃ ┃ ┃ ┣━7-完成训练模块 ┃ ┃ ┃ ┃ ┣━1-内容与风格特征提取 ┃ ┃ ┃ ┃ ┣━6-Style损失计算 ┃ ┃ ┃ ┃ ┣━9-完成测试代码 ┃ ┃ ┃ ┃ ┣━2-生成网络结构定义 ┃ ┃ ┃ ┃ ┣━8-模型保存与打印结果 ┃ ┃ ┃ ┃ ┣━5-Content损失计算 ┃ ┃ ┃ ┣━3.项目实战：style-transfer工作原理（基于Tensorflow） ┃ ┃ ┃ ┃ ┣━2-style-transfer基本原理 ┃ ┃ ┃ ┃ ┣━3风格生成 ┃ ┃ ┃ ┃ ┣━4-风格生成网络细节 ┃ ┃ ┃ ┃ ┣━7-数据读取操作 ┃ ┃ ┃ ┃ ┣━1-课程简介 ┃ ┃ ┃ ┃ ┣━8-VGG体征提取网络结构 ┃ ┃ ┃ ┃ ┣━5-风格转换效果 ┃ ┃ ┃ ┃ ┣━6-风格转换参数配置 ┃ ┃ ┃ ┣━第5节 12306抢票实战 ┃ ┃ ┃ ┣━第1节 项目实战：seq2seq序列生 ┃ ┃ ┃ ┃ ┣━3-Seq2Seq网络应用 ┃ ┃ ┃ ┃ ┣━1-机器翻译技术发展 ┃ ┃ ┃ ┃ ┣━0-开场_seq2seq ┃ ┃ ┃ ┃ ┣━4-Attention机制 ┃ ┃ ┃ ┃ ┣━2-Seq2Seq网络基本架构 ┃ ┣━03 web服务器v3.1 ┃ ┃ ┣━04-并发web服务器实现 ┃ ┃ ┃ ┣━06-单进程、线程、非堵塞实现并发的验证-1 ┃ ┃ ┃ ┣━08-长连接、短连接 ┃ ┃ ┃ ┣━10-（重要）epoll的原理过程讲解 ┃ ┃ ┃ ┣━01-http协议复习 ┃ ┃ ┃ ┣━03-多进程、线程实现http服务器-补充 ┃ ┃ ┃ ┣━05-（重要）单进程、线程、非堵塞实现并发的原理 ┃ ┃ ┃ ┣━09-单进程、线程、非堵塞、长连接的http服务器 ┃ ┃ ┃ ┣━02-多进程、线程实现http服务器 ┃ ┃ ┃ ┣━07-单进程、线程、非堵塞实现并发的验证-2、debug的思想 ┃ ┃ ┃ ┣━11-epoll版的http服务器 ┃ ┃ ┃ ┣━04-gevent实现http服务器 ┃ ┃ ┣━01-正则表达式 ┃ ┃ ┃ ┣━01-正则表达式简介 ┃ ┃ ┃ ┣━08-re的高级用法：search、sub等 ┃ ┃ ┃ ┣━04-匹配多个字符 ┃ ┃ ┃ ┣━02-匹配单个字符-1 ┃ ┃ ┃ ┣━03-匹配单个字符-2 ┃ ┃ ┃ ┣━07-分组等 ┃ ┃ ┃ ┣━05-案例：简单判断变量名是否符合要求、匹配结尾开头 ┃ ┃ ┃ ┣━06-案例：简单判断email、转义 ┃ ┃ ┣━02-http协议 ┃ ┃ ┃ ┣━03-通过网络调试助手充当http服务器来验证http协议 ┃ ┃ ┃ ┣━02-HTTP协议的通俗讲解 ┃ ┃ ┃ ┣━01-此阶段知识的介绍 ┃ ┃ ┣━03-简单web服务器实现 ┃ ┃ ┃ ┣━02-tcp3次握手、4次挥手 ┃ ┃ ┃ ┣━04-案例：返回浏览器需要的页面http服务器-介绍.mp4 ┃ ┃ ┃ ┣━03-tcp3次握手、4次挥手-强调.mp4 ┃ ┃ ┃ ┣━05-案例：返回浏览器需要的页面http服务器-代码实现 ┃ ┃ ┃ ┣━01-案例：返回固定页面的http服务器 ┃ ┃ ┣━05-网络通信 ┃ ┃ ┃ ┣━02-wireshark抓包工具-安装 ┃ ┃ ┃ ┣━04-2台电脑通信、网络掩码 ┃ ┃ ┃ ┣━01-tcp ip协议 ┃ ┃ ┃ ┣━03-wireshark抓包工具-使用 ┃ ┃ ┃ ┣━06-路由器链接多个网络、默认网关 ┃ ┃ ┃ ┣━08-ip不变、mac地址发生变化 ┃ ┃ ┃ ┣━07-浏览器访问服务器的过程 ┃ ┃ ┃ ┣━05-集线器、交换器组网、arp获取mac地址等 ┃ ┣━16 微信公众号 ┃ ┃ ┣━01-开发配置和微信服务器接入 ┃ ┃ ┃ ┣━03_微信公众号开发的配置说明 ┃ ┃ ┃ ┣━04_学校服务器使用说明 ┃ ┃ ┃ ┣━05_接入微信公众号服务器开发 ┃ ┃ ┃ ┣━02_了解微信公众号开发 ┃ ┃ ┃ ┣━01_认识微信公众号 ┃ ┃ ┣━02-公众号接收和发送消息 ┃ ┃ ┃ ┣━02_xmltodict工具的使用 ┃ ┃ ┃ ┣━03_收发微信消息数据开发 ┃ ┃ ┃ ┣━04_其他消息与事件消息.mp4 ┃ ┃ ┃ ┣━05测试消息接口.mp4 ┃ ┃ ┃ ┣━01_开发者服务器收发微信消息的流程 ┃ ┃ ┣━03-微信网页授权 ┃ ┃ ┃ ┣━02_获取微信用户资料流程说明 ┃ ┃ ┃ ┣━01_网页获取微信用户资料开发 ┃ ┣━22 机器学习 ┃ ┃ ┣━02-特征工程和文本特征提取 ┃ ┃ ┃ ┣━06_文本特征抽取以及中文问题 ┃ ┃ ┃ ┣━07_tf-df分析问题 ┃ ┃ ┃ ┣━03_数据集的组成 ┃ ┃ ┃ ┣━04_特征工程的定义 ┃ ┃ ┃ ┣━05_字典特征数据抽取 ┃ ┃ ┣━09-线忄生回归 ┃ ┃ ┃ ┣━06_Ridge岭回归分析 ┃ ┃ ┃ ┣━01_第二天知识回顾 ┃ ┃ ┃ ┣━03_线忄生回归策略，优化，案例 ┃ ┃ ┃ ┣━02_线忄生回归的定义以及矩阵的运算 ┃ ┃ ┃ ┣━05_过拟合以及欠拟合 ┃ ┃ ┃ ┣━04_线忄生回归两种求解方式总结 ┃ ┃ ┣━10-逻辑回归 ┃ ┃ ┃ ┣━10_逻辑回归总结 ┃ ┃ ┃ ┣━11_京东金融数据集介绍 ┃ ┃ ┃ ┣━08_逻辑回归定义，损失函数，优化与线忄生回归比较 ┃ ┃ ┃ ┣━07_模型的保存与加载 ┃ ┃ ┃ ┣━09_逻辑回归预测癌症案例 ┃ ┃ ┣━03-数据特征预处理 ┃ ┃ ┃ ┣━10_标准化总结以及缺失值处理 ┃ ┃ ┃ ┣━08_特征预处理-归一化.mp4 ┃ ┃ ┃ ┣━11_标准化总结以及缺失值处理 ┃ ┃ ┃ ┣━09_归一化以及标准化对比 ┃ ┃ ┣━05-机器学习概述 ┃ ┃ ┃ ┣━03_转换器与估计器 ┃ ┃ ┃ ┣━02_数据的划分和介绍 ┃ ┃ ┃ ┣━01_第一天复习 ┃ ┃ ┣━08-决策树和随机森林 ┃ ┃ ┃ ┣━13_决策树的划分以及案例 ┃ ┃ ┃ ┣━14_决策树的保存结果分析 ┃ ┃ ┃ ┣━12_决策树之信息论基础 ┃ ┃ ┃ ┣━16_每日总结 ┃ ┃ ┃ ┣━15_随机森林的原理以及案例调优
下载地址
链接:https://pan.baidu.com/s/11KmrWllN1l79Vvzni_XU1g 密码：tl6f