P5人工智能深度学习高薪就业班5期|2022年|咕泡（更新完毕）

课程介绍：

课程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。

〖课程目录〗:

• | └──8、古泡人工智能P5第5期2022年
• | | ├──10_图神经网络实战
• | | | ├──1_图神经网络基础
• | | | ├──2_图卷积GCN模型
• | | | ├──3_图模型必备神器PyTorch Geometric安装与使用
• | | | ├──4_使用PyTorch Geometric构建自己的图数据集
• | | | ├──5_图注意力机制与序列图模型
• | | | ├──6_图相似度论文解读
• | | | ├──7_图相似度计算实战
• | | | ├──8_基于图模型的轨迹估计
• | | | └──9_图模型轨迹估计实战
• | | ├──11_3D点云实战
• | | | ├──1_3D点云实战 3D点云应用领域分析
• | | | ├──2_3D点云PointNet算法
• | | | ├──3_PointNet++算法解读
• | | | ├──4_Pointnet++项目实战
• | | | ├──5_点云补全PF-Net论文解读
• | | | ├──6_点云补全实战解读
• | | | ├──7_点云配准及其案例实战
• | | | └──8_基础补充-对抗生成网络架构原理与实战解析
• | | ├──12_目标追踪与姿态估计实战
• | | | ├──1_课程介绍
• | | | ├──2_姿态估计OpenPose系列算法解读
• | | | ├──3_OpenPose算法源码分析
• | | | ├──4_deepsort算法知识点解读
• | | | ├──5_deepsort源码解读
• | | | ├──6_YOLO-V4版本算法解读
• | | | ├──7_V5版本项目配置
• | | | └──8_V5项目工程源码解读
• | | ├──13_面向深度学习的无人驾驶实战
• | | | ├──10_NeuralRecon项目源码解读
• | | | ├──11_TSDF算法与应用
• | | | ├──12_TSDF实战案例
• | | | ├──13_轨迹估计算法与论文解读
• | | | ├──14_轨迹估计预测实战
• | | | ├──15_特斯拉无人驾驶解读
• | | | ├──1_深度估计算法原理解读
• | | | ├──2_深度估计项目实战
• | | | ├──3_车道线检测算法与论文解读
• | | | ├──4_基于深度学习的车道线检测项目实战
• | | | ├──5_商汤LoFTR算法解读
• | | | ├──6_局部特征关键点匹配实战
• | | | ├──7_三维重建应用与坐标系基础
• | | | ├──8_NeuralRecon算法解读
• | | | └──9_NeuralRecon项目环境配置
• | | ├──14_缺陷检测实战
• | | | ├──10_基于视频流水线的Opencv缺陷检测项目
• | | | ├──11_图像分割deeplab系列算法
• | | | ├──12_基于deeplabV3+版本进行VOC分割实战
• | | | ├──13_Deeplab铁质材料缺陷检测与开源项目应用流程
• | | | ├──1_课程介绍
• | | | ├──2_物体检框架YOLO-V4版本算法解读
• | | | ├──3_物体检测框架YOLOV5版本项目配置
• | | | ├──4_物体检测框架YOLOV5项目工程源码解读
• | | | ├──5_基于YOLOV5的钢材缺陷检测实战
• | | | ├──6_Semi-supervised布料缺陷检测实战
• | | | ├──7_Opencv图像常用处理方法实例
• | | | ├──8_Opencv轮廓检测与直方图
• | | | ├──8_Opencv梯度计算与边缘检测实例
• | | | └──9_基于Opencv缺陷检测项目实战
• | | ├──15_行人重识别实战
• | | | ├──1_行人重识别原理及其应用
• | | | ├──2_基于注意力机制的Reld模型论文解读
• | | | ├──3_基于Attention的行人重识别项目实战
• | | | ├──4_AAAI2020顶会算法精讲
• | | | ├──5_项目实战-基于行人局部特征融合的再识别实战
• | | | ├──6_旷视研究院最新算法解读（基于图模型）
• | | | └──7_基于拓扑图的行人重识别项目实战
• | | ├──16_对抗生成网络实战
• | | | ├──1_课程介绍
• | | | ├──2_对抗生成网络架构原理与实战解析
• | | | ├──3_基于CycleGan开源项目实战图像合成
• | | | ├──4_stargan论文架构解析
• | | | ├──5_stargan项目实战及其源码解读
• | | | ├──6_基于starganvc2的变声器论文原理解读
• | | | ├──7_starganvc2变声器项目实战及其源码解读
• | | | ├──8_图像超分辨率重构实战
• | | | └──9_基于GAN的图像补全实战
• | | ├──17_强化学习实战系列
• | | | ├──1_强化学习简介及其应用
• | | | ├──2_PPO算法与公式推导
• | | | ├──3_PPO实战-月球登陆器训练实例
• | | | ├──4_Q-learning与DQN算法
• | | | ├──5_DQN算法实例演示
• | | | ├──6_DQN改进与应用技巧
• | | | ├──7_Actor-Critic算法分析（A3C）
• | | | └──8_用A3C玩转超级马里奥
• | | ├──18_面向医学领域的深度学习实战
• | | | ├──10_基于deeplab的心脏视频数据诊断分析
• | | | ├──11_YOLO系列物体检测算法原理解读
• | | | ├──12_基于YOLO5细胞检测实战
• | | | ├──13_知识图谱原理解读
• | | | ├──14_Neo4j数据库实战
• | | | ├──15_基于知识图谱的医药问答系统实战
• | | | ├──16_词向量模型与RNN网络架构
• | | | ├──17_医学糖尿病数据命名实体识别
• | | | ├──1_卷积神经网络原理与参数解读
• | | | ├──2_PyTorch框架基本处理操作
• | | | ├──3_PyTorch框架必备核心模块解读
• | | | ├──4_基于Resnet的医学数据集分类实战
• | | | ├──5_图像分割及其损失函数概述
• | | | ├──6_Unet系列算法讲解
• | | | ├──7_unet医学细胞分割实战
• | | | ├──8_deeplab系列算法
• | | | └──9_基于deeplabV3+版本进行VOC分割实战
• | | ├──19_深度学习模型部署与剪枝优化实战
• | | | ├──3_pyTorch框架部署实践
• | | | ├──4_YOLO-V3物体检测部署实例
• | | | ├──5_docker实例演示
• | | | ├──6_tensorflow-serving实战
• | | | ├──7_模型剪枝-Network Slimming算法分析
• | | | ├──8_模型剪枝-Network Slimming实战解读
• | | | └──9_Mobilenet三代网络模型架构
• | | ├──1_直播课回放
• | | | ├──10_直播7：GPT系列算法与实战
• | | | ├──11_额外补充：GPT建模与预测流程
• | | | ├──12_额外补充：文本摘要建模
• | | | ├──13_直播8：知识抽取实战
• | | | ├──14_直播9：Openai CLIP模型
• | | | ├──15_直播10：DeformableDetr算法解读
• | | | ├──16_直播11：OCR算法解读
• | | | ├──17_直播12：KIE关键信息抽取与视频超分辨率重构
• | | | ├──18_直播13：对比学习
• | | | ├──1_直播1：开班典礼
• | | | ├──2_Pycharm环境配置与Debug演示(没用过的同学必看)
• | | | ├──3_直播2：深度学习必备基础-神经网络与卷积网络
• | | | ├──4_直播3：Transformer原理及其各领域应用分析
• | | | ├──5_额外补充：时间序列预测
• | | | ├──6_直播4：Informer时间序列预测源码解读
• | | | ├──7_额外补充：Huggingface与NLP（讲故事）
• | | | ├──8_直播5：Huggingface核心模块解读
• | | | └──9_直播6：BERT系列模型与命名实体识别实例
• | | ├──20_自然语言处理经典案例实战
• | | | ├──20_自然语言处理经典案例实战.7z 3.68G
• | | | └──解压密码.txt 0.02kb
• | | ├──21_自然语言处理通用框架-BERT实战
• | | | └──21_自然语言处理通用框架-BERT实战.7z 2.86G
• | | ├──22_知识图谱实战系列
• | | | └──22_知识图谱实战系列.7z 1.84G
• | | ├──23_语音识别实战系列
• | | | └──23_语音识别实战系列.7z 2.09G
• | | ├──24_推荐系统实战系列【www.52download.cn】
• | | | └──24_推荐系统实战系列.7z 3.31G
• | | ├──2_深度学习必备核心算法
• | | | ├──1_神经网络算法解读
• | | | ├──2_卷积神经网络算法解读
• | | | └──3_递归神经网络算法解读
• | | ├──3_深度学习核心框架PyTorch
• | | | ├──1_PyTorch框架介绍与配置安装
• | | | ├──2_使用神经网络进行分类任务
• | | | ├──3_神经网络回归任务-气温预测
• | | | ├──4_卷积网络参数解读分析
• | | | ├──5_图像识别模型与训练策略（重点）
• | | | ├──6_DataLoader自定义数据集制作
• | | | ├──7_LSTM文本分类实战
• | | | └──8_PyTorch框架Flask部署例子
• | | ├──4_MMLAB实战系列
• | | | ├──10_第四模块：DBNET文字检测
• | | | ├──11_第四模块：ANINET文字识别
• | | | ├──12_第四模块：KIE基于图模型的关键信息抽取
• | | | ├──12_第五模块：stylegan2源码解读
• | | | ├──13_第六模块：BasicVSR++视频超分辨重构源码解读
• | | | ├──14_第七模块：多模态3D目标检测算法源码解读
• | | | ├──15_第八模块：模型蒸馏应用实例
• | | | ├──16_第八模块：模型剪枝方法概述分析
• | | | ├──17_第九模块：mmaction行为识别
• | | | ├──18_额外补充
• | | | ├──1_MMCV安装方法
• | | | ├──2_第一模块：分类任务基本操作
• | | | ├──3_第一模块：训练结果测试与验证
• | | | ├──4_第一模块：模型源码DEBUG演示
• | | | ├──5_第二模块：使用分割模块训练自己的数据集
• | | | ├──6_第二模块：基于Unet进行各种策略修改
• | | | ├──7_第二模块：分割任务CVPR最新Backbone设计及其应用
• | | | ├──8_第三模块：mmdet训练自己的数据任务
• | | | └──9_第三模块：DeformableDetr物体检测源码分析
• | | ├──5_Opencv图像处理框架实战
• | | | ├──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
• | | | ├──1_课程简介与环境配置
• | | | ├──20_卷积原理与操作
• | | | ├──21_项目实战-疲劳检测
• | | | ├──2_图像基本操作
• | | | ├──3_阈值与平滑处理
• | | | ├──4_图像形态学操作
• | | | ├──5_图像梯度计算
• | | | ├──6_边缘检测
• | | | ├──7_图像金字塔与轮廓检测
• | | | ├──8_直方图与傅里叶变换
• | | | └──9_项目实战-信用卡数字识别
• | | ├──6_综合项目-物体检测经典算法实战
• | | | ├──10_EfficientNet网络
• | | | ├──11_EfficientDet检测算法
• | | | ├──12_基于Transformer的detr目标检测算法
• | | | ├──13_detr目标检测源码解读
• | | | ├──1_深度学习经典检测方法概述
• | | | ├──2_YOLO-V1整体思想与网络架构
• | | | ├──3_YOLO-V2改进细节详解
• | | | ├──4_YOLO-V3核心网络模型
• | | | ├──5_项目实战-基于V3版本进行源码解读
• | | | ├──6_基于YOLO-V3训练自己的数据集与任务
• | | | ├──7_YOLO-V4版本算法解读
• | | | ├──8_V5版本项目配置
• | | | └──9_V5项目工程源码解读
• | | ├──7_图像分割实战
• | | | ├──10_MaskRcnn网络框架源码详解
• | | | ├──11_基于MASK-RCNN框架训练自己的数据与任务
• | | | ├──1_图像分割及其损失函数概述
• | | | ├──2_卷积神经网络原理与参数解读
• | | | ├──3_Unet系列算法讲解
• | | | ├──4_unet医学细胞分割实战
• | | | ├──5_U2NET显著性检测实战
• | | | ├──6_deeplab系列算法
• | | | ├──7_基于deeplabV3+版本进行VOC分割实战
• | | | ├──8_医学心脏视频数据集分割建模实战
• | | | └──9_物体检测框架-MaskRcnn项目介绍与配置
• | | ├──8_行为识别实战
• | | | ├──1_slowfast算法知识点通俗解读
• | | | ├──2_slowfast项目环境配置与配置文件
• | | | ├──3_slowfast源码详细解读
• | | | ├──4_基于3D卷积的视频分析与动作识别
• | | | ├──5_视频异常检测算法与元学习
• | | | ├──6_视频异常检测CVPR2021论文及其源码解读
• | | | └──7_基础补充-Resnet模型及其应用实例
• | | ├──9_2022论文必备-Transformer实战系列
• | | | ├──10_MedicalTransformer源码解读
• | | | ├──11_商汤LoFTR算法解读
• | | | ├──12_局部特征关键点匹配实战
• | | | ├──13_项目补充-谷歌开源项目BERT源码解读与应用实例
• | | | ├──14_项目补充-基于BERT的中文情感分析实战
• | | | ├──1_课程介绍
• | | | ├──2_自然语言处理通用框架BERT原理解读
• | | | ├──3_Transformer在视觉中的应用VIT算法
• | | | ├──4_VIT算法模型源码解读
• | | | ├──5_swintransformer算法原理解析
• | | | ├──6_swintransformer源码解读
• | | | ├──7_基于Transformer的detr目标检测算法
• | | | ├──8_detr目标检测源码解读
• | | | └──9_MedicalTrasnformer论文解读
• | | └──资料
• | | | ├──资料.7z.001 4.00G
• | | | ├──资料.7z.002 4.00G
• | | | ├──资料.7z.003 4.00G
• | | | ├──资料.7z.004 4.00G
• | | | ├──资料.7z.005 4.00G
• | | | ├──资料.7z.006 4.00G
• | | | ├──资料.7z.007 4.00G
• | | | ├──资料.7z.008 4.00G
• | | | ├──资料.7z.009 4.00G
• | | | ├──资料.7z.010 4.00G
• | | | ├──资料.7z.011 4.00G
• | | | ├──资料.7z.012 4.00G
• | | | ├──资料.7z.013 4.00G
• | | | ├──资料.7z.014 4.00G
• | | | ├──资料.7z.015 4.00G
• | | | ├──资料.7z.016 4.00G
• | | | ├──资料.7z.017 4.00G
• | | | ├──资料.7z.018 4.00G
• | | | ├──资料.7z.019 4.00G
• | | | ├──资料.7z.020 4.00G
• | | | ├──资料.7z.021 4.00G
• | | | └──资料.7z.022 3.22G

yeyudao普通

收藏 海报 链接