咕泡-人工智能深度学习系统班（第八期）

发布时间：2024-12-08

发布者：

云帆破浪

文件大小：共计2629个文件，合计:221.65 GB

资源金币：4.99 金币

资源来源：夸克网盘

资源状态：【实时检测】链接有效

本站会员，可以免费下载全站所有资源

资源介绍

《咕泡-人工智能深度学习系统班（第八期）》是一套全面的人工智能与深度学习课程，内容涵盖了从基础的深度学习框架TrF和PyTrh的使用，到高级的无人驾驶、语音识别、推荐系统、图像分割、自然语言处理等领域的实战项目。课程中不仅包含了对深度学习核心算法的解读，还介绍了模型部署与优化、数据加载与处理、神经网络回归、文本分类、3D点云处理、对抗生成网络等前沿技术。此外，课程还提供了综合项目实战，如物体检测算法、Trarmr实战系列、Ov图像处理框架应用等，以及如何将论文创新点应用到实际项目中。学员可以通过这些系统的学习和实战，掌握深度学习在多个领域的应用，并提高自己的论文实验和项目实战能力。

资源目录结构(只展示部分的文件和文件夹，以下文件快照生成于2024-12-08)

资源投诉

咕泡-人工智能深度学习系统班（第八期）

20-面向医学领域的深度学习实战

3-知识图谱原理解读

6-Unet系列算法讲解

7-医学糖尿病数据命名实体识别

7-unet医学细胞分割实战

5-基于知识图谱的医药问答系统实战

3-PyTorch框架必备核心模块解读

-YOLO系列物体检测算法原理解读

9-基于deeplabV3+版本进行VOC分割实战

4-基于Resnet的医学数据集分类实战

6-词向量模型与RNN网络架构

2-PyTorch框架基本处理操作

4-Neo4j数据库实战

0-基于deeplab的心脏视频数据诊断分析

5-图像分割及其损失函数概述

8-deeplab系列算法

-卷积神经网络原理与参数解读

2-基于YOLO5细胞检测实战

4-面向深度学习的无人驾驶实战

4-基于深度学习的车道线检测项目实战

8-NeuralRecon算法解读

0-NeuralRecon项目源码解读

4-轨迹估计预测实战

6-局部特征关键点匹配实战

-深度估计算法原理解读

9-NeuralRecon项目环境配置

7-三维重建应用与坐标系基础

2-深度估计项目实战

3-车道线检测算法与论文解读

2-TSDF实战案例

-TSDF算法与应用

5-商汤LoFTR算法解读

3-轨迹估计算法与论文解读

5-特斯拉无人驾驶解读

28-语音识别实战系列

3-starganvc2变声器论文原理解读

2-LAS模型语音识别实战

4-staeganvc2变声器源码实战

5-语音分离ConvTasnet模型

6-ConvTasnet语音分离实战

-seq2seq序列网络模型

7-语音合成tacotron最新版实战

2-CV与NLP经典大模型解读

7-BEVformer项目源码解读

4-视觉自监督任务BEITV2论文解读

4-chatgpt算法解读分析

9-扩散模型diffusion架构算法解读

3-GPT2训练与预测部署流程

-openai-dalle2源码解读

5-LLM与LORA微调策略解读

-课程简介

8-补充-视觉大模型基础-deformableAttention

6-LLM下游任务训练自己模型实战

5-视觉自监督任务BEITV2源码解读

0-openai-dalle2论文解读

2-GPT系列算法解读

2-自监督任务-对比学习思想

7-视觉大模型SAM

8-视觉QA算法与论文解读

3-视觉自监督BEIT算法解读

6-BEV感知特征空间算法解读

26-自然语言处理通用框架-BERT实战

-自然语言处理通用框架BERT原理解读

6-必备基础-掌握Tensorflow如何实现word2vec模型

2-谷歌开源项目BERT源码解读与应用实例

3-项目实战-基于BERT的中文情感分析实战

4-项目实战-基于BERT的中文命名实体识别识别实战

8-医学糖尿病数据命名实体识别

7-必备基础知识点-RNN网络架构与情感分析应用实例

5-必备基础知识点-woed2vec模型通俗解读

29-推荐系统实战系列

-补充-基于相似度的酒店推荐系统

-推荐系统介绍及其应用

2-协同过滤与矩阵分解

0-基本统计分析的电影推荐

8-推荐系统常用工具包演示

3-音乐推荐系统实战

9-基于文本数据的推荐实例

5-基于知识图谱的电影推荐实战

6-点击率估计FM与DeepFM算法

7-DeepFM算法实战

4-知识图谱与Neo4j数据库实例

8-图像分割实战

-MaskRcnn网络框架源码详解

5-deeplab系列算法

3-unet医学细胞分割实战

7-医学⼼脏视频数据集分割建模实战

0-物体检测框架-MaskRcnn项目介绍与配置

9-补充：Mask2former源码解读

4-U2NET显著性检测实战

2-基于MASK-RCNN框架训练自己的数据与任务

6-基于deeplabV3+版本进⾏VOC分割实战

-图像分割及其损失函数概述

2-Unet系列算法讲解

8-分割模型Maskformer系列

24-自然语言处理必备神器Huggingface系列实战

0-图谱知识抽取实战

2-Transformer工具包基本操作实例解读

-补充Huggingface数据集制作方法实例

9-文本摘要建模

7-GPT系列算法

5-文本标注工具与NER实例

8-GPT训练与预测部署流程

-Huggingface与NLP介绍解读

6-文本预训练模型构建实例

4-BERT系列算法解读

3-transformer原理解读

6-缺陷检测实战

3-物体检测框架YOLOV5版本项目配置

0-基于Opencv缺陷检测项⽬实战

-基于视频流⽔线的Opencv缺陷检测项⽬

3-基于deeplabV3+版本进⾏VOC分割实战

5-基于YOLOV5的钢材缺陷检测实战

7-Opencv图像常⽤处理⽅法实例

2-图像分割deeplab系列算法

4-物体检测框架YOLOV5项目工程源码解读

9-Opencv轮廓检测与直⽅图

2-物体检框架YOLO-V4版本算法解读

-课程介绍

8-Opencv梯度计算与边缘检测实例

4-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程

6-Semi-supervised布料缺陷检测实战

7-综合项目-物体检测经典算法实战

4-YOLO-V2改进细节详解

0-V5项目工程源码解读

4-detr目标检测源码解读

8-YOLO-V4版本算法解读

5-DeformableDetr算法解读

7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）

6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）

6-半监督物体检测

-物体检测评估指标

-YOLO系列（V7）算法解读

8-EfficientDet检测算法

7-EfficientNet网络

2-V7源码解读

5-YOLO-V3核心网络模型

9-V5版本项目配置

3-基于Transformer的detr目标检测算法

2-深度学习经典检测⽅法概述

3-YOLO-V整体思想与网络架构

-直播回放

-2022论⽂必备-Transformer实战系列

22-深度学习模型部署与剪枝优化实战

6-Opencv图像处理框架实战

5-深度学习框架Tensorflflow

9-走向AI论文实验与项目实战的捷径-MMLAB实战系列

第八期资料

23-自然语言处理经典案例实战

9-强化学习与AI黑科技实例

0-经典视觉项目实战：行为识别、姿态估计、目标追踪

3-深度学习必备核⼼算法

2-图神经网络实战

8-对抗生成网络实战

7-行人重识别实战

25-时间序列预测

1、本网站数据来自互联网，通过自动抓取公开网页链接构建数据库，系统将基于链接特征选择性收录符合收录标准的内容

2、根据用户输入的关键词，通过智能算法自动匹配并展示相关第三方网页链接。所有搜索结果均为实时动态生成

3、本站不控制、修改第三方网页内容，不对其可用性、准确性负责

4、搜索结果中的广告及推广内容不代表本站推荐或担保

5、所有内容获取/呈现均通过自动化程序完成，无人工干预