九天菜菜深度学习实战

九天菜菜深度学习实战
├──深度学习网盘
| ├──001.Lesson 0.1 GPU购买与GPU白嫖指南.mp4 142.26M
| ├──002.Lesson 0.2 PyTorch安装与部署（CPU版本）.mp4 85.71M
| ├──003.Lesson 0.3 PyTorch安装与配置（GPU版本）.mp4 133.96M
| ├──004.Lesson 1 张量的创建与常用方法.mp4 404.65M
| ├──005.Lesson 2 张量的索引、分片、合并及维度调整.mp4 305.24M
| ├──006.Lesson 3 张量的广播和科学运算.mp4 312.28M
| ├──007.Lesson 4 张量的线性代数运算.mp4 407.08M
| ├──008.Lesson 5 基本优化方法与最小二乘法.mp4 1.51G
| ├──009.Lesson 6 动态计算图与梯度下降入门.mp4 1.46G
| ├──010.Lesson 7.1 神经网络的诞生与发展_batch.mp4 217.83M
| ├──011.Lesson 7.2 机器学习中的基本概念.mp4 509.35M
| ├──012.Lesson 7.3 深入理解PyTorch框架.mp4 411.52M
| ├──013.Lesson 8.1单层回归神经网络 & Tensor新手避坑指南.mp4 799.78M
| ├──014.Lesson 8.2 torch.nn.Linear实现单层回归网络的正向传播.mp4 318.35M
| ├──015.Lesson 8.3 二分类神经网络的原理与实现.mp4 498.14M
| ├──016.Lesson 8.4 torch.nn.functional实现单层二分类网络的正向传播.mp4 216.03M
| ├──017.Lesson 8.5 多分类神经网络.mp4 531.86M
| ├──018.Lesson 9.1 从异或门问题认识多层神经网络.mp4 732.25M
| ├──019.Lesson 9.2 黑箱：深度神经网络的不可解释性.mp4 405.00M
| ├──020.Lesson 9.3 & 9.4 层与激活函数.mp4 262.03M
| ├──021.Lesson 9.5 从0实现深度神经网络的正向传播.mp4 997.90M
| ├──022.Lesson 10.1 SSE与二分类交叉熵损失.mp4 222.57M
| ├──023.Lesson 10.2 二分类交叉熵的原理与实现.mp4 408.43M
| ├──024.Lesson 10.3 多分类交叉熵的原理与实现.mp4 487.38M
| ├──025.Lesson 11.1 梯度下降中的两个关键问题.mp4 525.79M
| ├──026.Lesson 11.2.1 反向传播的原理.mp4 505.30M
| ├──027.Lesson 11.2.2 反向传播的实现.mp4 417.51M
| ├──028.Lesson 11.3 走出第一步：动量法Momentum.mp4 655.70M
| ├──029.Lesson 11.4 开始迭代：batch与epochs.mp4 674.39M
| ├──030.Lesson 11.5.1 在Fashion-MNIST数据集上实现完整的神经网络（上）.mp4 504.54M
| ├──031.Lesson 11.5.2 在Fashion-MNIST数据集上实现完整的神经网络（下）.mp4 1017.73M
| ├──032.Lesson 12.0 深度学习基础网络手动搭建与快速实现.mp4 236.24M
| ├──033.Lesson 12.1 深度学习建模实验中数据集生成函数的创建与使用.mp4 1.19G
| ├──034.Lesson 12.2 可视化工具TensorBoard的安装与使用.mp4 387.52M
| ├──035.Lesson 12.3 线性回归建模实验.mp4 569.75M
| ├──036.Lesson 12.4 逻辑回归建模实验.mp4 704.44M
| ├──037.Lesson 12.5 softmax回归建模实验.mp4 959.72M
| ├──038.Lesson 13.1 深度学习建模目标与性能评估理论.mp4 1.10G
| ├──039.Lesson 13.2.1 模型拟合度概念介绍与欠拟合模型的结构调整策略.mp4 1.20G
| ├──040.Lesson 13.2.2 【加餐】损失函数的随机创建现象详解.mp4 357.39M
| ├──041.Lesson 13.3.1 梯度不平稳性与Glorot条件（1）.mp4 624.94M
| ├──042.Lesson 13.3.2 梯度不平稳性与Glorot条件（2）.mp4 457.15M
| ├──043.Lesson 13.3.3 梯度不平稳性与Glorot条件（3）.mp4 514.04M
| ├──044.Lesson 13.4 Dead ReLU Problem与学习率优化.mp4 763.22M
| ├──045.Lesson 13.5 Xavier方法与kaiming方法（HE初始化）.mp4 919.39M
| ├──046.Lesson 14.1 数据归一化与Batch Normalization基础理论.mp4 1.01G
| ├──047.Lesson 14.2 Batch Normalization在PyTorch中的实现.mp4 1.16G
| ├──048.Lesson 14.3 Batch Normalization综合调参实战.mp4 944.67M
| ├──049.Lesson 15.1 学习率调度基本概念与手动实现方法.mp4 895.10M
| ├──050.Lesson 15.2 学习率调度在PyTorch中的实现方法.mp4 885.37M
| ├──051.Lesson 16.1 配置环境，计算机视觉行业综述.mp4 216.47M
| ├──052.Lesson 16.2 图像的基本操作.mp4 579.20M
| ├──053.Lesson 16.3 卷积操作与边缘检测.mp4 431.99M
| ├──054.Lesson 16.4 卷积遇见深度学习.mp4 291.32M
| ├──055.Lesson 16.5.1 在Pytorch中实现卷积网络：卷积核、输入通与特征图.mp4 444.89M
| ├──056.Lesson 16.5.2 在PyTorch中实现卷积网络：步长与填充.mp4 621.77M
| ├──057.Lesson 16.5.3 在PyTorch中实现卷积网络：池化层，BN与Dropout.mp4 467.97M
| ├──058.Lesson 16.6.1 复现经典架构(1)：LeNet5.mp4 374.24M
| ├──059.Lesson 16.6.2 复现经典架构(2)：AlexNet.mp4 770.77M
| ├──060.Lesson 16.7 如何拓展网络深度：VGG架构.mp4 213.36M
| ├──061.Lesson 16.8.1 感受野（上）：定义与性质.mp4 616.97M
| ├──062.Lesson 16.8.2 感受野（下）：膨胀卷积，计算感受野大小.mp4 675.63M
| ├──063.Lesson 16.9 平移不变性.mp4 528.63M
| ├──064.Lesson 16.10 卷积层的参数量计算，1×1卷积核.mp4 402.89M
| ├──065.Lesson 16.11 分组卷积与深度可分离卷积.mp4 392.89M
| ├──066.Lesson 16.12 全连接层的参数，用nn.Sequential复现VGG16.mp4 648.87M
| ├──067.Lesson 16.13 全局平均池化，NiN网络的复现.mp4 545.96M
| ├──068.Lesson 16.14 GoogLeNet：思想与具体架构.mp4 739.65M
| ├──069.Lesson 16.15 GoogLeNet的复现.mp4 1008.56M
| ├──070.Lesson 16.16 残差网络：思想与具体架构.mp4 553.92M
| ├──071.Lesson 16.17.1 ResNet的复现 (1) ：架构中的陷阱.mp4 461.80M
| ├──072.Lesson 16.17.2 ResNet的复现 (2) ：卷积块、残差块、瓶颈架构.mp4 1.00G
| ├──073.Lesson 16.17.3 ResNet的复现 (3)：完整的残差网络.mp4 1.08G
| ├──074.Lesson 17.1 计算机视觉中的三种基本任务.mp4 401.44M
| ├──075.Lesson 17.2.1 经典数据集(1)：入门数据集，新手读数据踩坑指南.mp4 511.58M
| ├──076.Lesson 17.2.2 经典数据集(2)：竞赛数据与其他常用数据.mp4 510.58M
| ├──077.Lesson 17.3.1 使用自己的图像创造数据集.mp4 987.00M
| ├──078.Lesson 17.3.2 将二维表及其他结构转化为四维tensor.mp4 596.80M
| ├──079.Lesson 17.4 图像数据的数据预处理.mp4 385.51M
| ├──080.Lesson 17.5 数据增强.mp4 447.23M
| ├──081.【直播加餐】01 LSTM的原理与基本架构_v.mp4 223.80M
| ├──082.【直播加餐】02 深度原理：LSTM是如何解决梯度问题的？.mp4 161.02M
| ├──083.【直播加餐】03 PyTorch中的LSTM参数简介_v.mp4 132.39M
| ├──084.【直播加餐】04 LSTM在股价数据集上的预测实战_v.mp4 218.23M
| ├──085.【直播加餐】05 时间序列卷积的运算流程与操作v.mp4 175.69M
| ├──086.【直播加餐】06 时序卷积网络TCN架构解析与复现 v.mp4 181.72M
| ├──087.【直播加餐】07 Transformer中的注意力机制_v.mp4 227.85M
| ├──088.【直播加餐】08 Transformer中的Embedding与位置编码v.mp4 69.87M
| ├──089.【直播加餐】09 Transformer在Pytorch中的参数与实现v.mp4 191.73M
| ├──090.【直播加餐】10 Huggingface入门：bert gpt调用_v.mp4 176.93M
| ├──091.Lesson 17.6.1 更强大的优化算法 (1) AdaGrad.mp4 603.25M
| ├──092.Lesson 17.6.2 更强大的优化算法(2) RMSprop与Adam.mp4 638.83M
| ├──093.Lesson 17.7 调用经典架构.mp4 244.63M
| ├──094.Lesson 17.8.1 基于ResNet与VGG16自建架构.mp4 391.32M
| ├──095.Lesson 17.8.2 基于普通卷积层和池化层自建架构.mp4 285.16M
| ├──096.Lesson 17.9 有监督算法的预训练_迁移学习.mp4 688.17M
| ├──097.Lesson 17.10 深度学习中的模型选择.mp4 430.00M
| ├──098.Lesson 17.11(1) 案例1：项目背景_完整流程概述.mp4 350.17M
| ├──099.Lesson 17.11(2) 案例1：数据与架构.mp4 668.51M
| ├──100.Lesson 17.11(3) 案例1：提前停止.mp4 423.70M
| ├──101.Lesson 17.11(4) 案例1：一个完整的训练函数.mp4 891.11M
| ├──102.Lesson 17.11(5) 准备训练函数所需的全部参数.mp4 166.22M
| ├──103.Lesson 17.11(6) GPU内存管理机制、训练函数的GPU版本.mp4 309.19M
| ├──104.Lesson 17.11(7) 初步训练：模型选择.mp4 256.70M
| ├──105.Lesson 17.11(8) 模型调优(1)：增加迭代次数，让迭代更稳定.mp4 284.81M
| ├──106.Lesson 17.11(9) 模型调优(2)：对抗过拟合，其他可探索的方向.mp4 255.09M
| ├──107.Lesson 18.1 生成对抗网络的基本原理与损失函数.mp4 292.32M
| ├──108.Lesson 18.2.1 (1) 从0实现GAN的反向传播与训练.mp4 271.91M
| ├──109.Lesson 18.2.2 (2) 判别器的反向传播.mp4 201.91M
| ├──110.Lesson 18.2.3 (3) 生成器的反向传播.mp4 318.70M
| ├──111.Lesson 18.3.1 转置卷积层与DCGAN(1)：基本原理与实现.mp4 278.43M
| ├──112.Lesson 18.3.2 转置卷积层与DCGAN(2)：带步长与填充的转置卷积层（上.mp4 137.07M
| ├──113.Lesson 18.3.2 转置卷积层与DCGAN(2)：带步长与填充的转置卷积层（下.mp4 174.28M
| ├──114.Lesson 18.3.2 转置卷积层与DCGAN(3)：DCGAN架构复现 (上).mp4 176.00M
| ├──115.Lesson 18.3.2 转置卷积层与DCGAN(3)：DCGAN架构复现 (下).mp4 143.23M
| ├──116.Lesson 18.3.2 转置卷积层与DCGAN(4)：从DCGAN到pix2pix.mp4 66.02M
| ├──117.Lesson 18.3.3 cGAN与InfoGAN(1)：基本运行原理.mp4 222.81M
| ├──118.Lesson 18.3.3 cGAN与InfoGAN(2) 标签输入与Embed技巧.mp4 314.87M
| ├──119.Lesson 18.3.3 cGAN与infoGAN (3) 从0复现一个cGAN架构.mp4 232.40M
| ├──120.Lesson 18.4.1 自动编码器家族(1)：认识自动编码器.mp4 152.73M
| ├──121.Lesson 18.4.1 自动编码器家族(2)：三大类自动编码器.mp4 249.38M
| ├──122.Lesson 18.4.1 自动编码器家族(3)：自动编码器的应用场景.mp4 172.86M
| ├──123.Lesson 18.4.2 变分自动编码器(1)：数据流与细节梳理.mp4 233.80M
| ├──124.Lesson 18.4.2 变分自动编码器(2)：损失函数详解.mp4 186.66M
| ├──125.Lesson 18.4.2 变分自动编码器(3)：重参数化技巧.mp4 115.78M
| ├──126.Lesson 18.5.1 分割架构必备基础.mp4 182.77M
| ├──127.Lesson 18.5.2 Unet架构复现.mp4 195.50M
| ├──128.Lesson 19.1.1 欢迎来到NLP的世界.mp4 150.91M
| ├──129.Lesson 19.1.2 大模型的行业影响与发展.mp4 178.69M
| ├──130.Lesson 19.2.1 深度学习中的时间序列数据.mp4 119.20M
| ├──131.Lesson 19.2.2 文字序列数据 – 结构与分词操作.mp4 131.31M
| ├──132.Lesson 19.2.3 文字序列数据 – Token与编码.mp4 146.54M
| ├──133.Lesson 19.3.1~3.2 RNN的架构与数据流.mp4 176.46M
| ├──134.Lesson 19.3.3 各类NLP任务下循环神经网络的输入与输出.mp4 237.22M
| ├──135.Lesson 19.3.4.1 认识PyTorch中nn.RNN层.mp4 119.92M
| ├──136.Lesson 19.3.4.2 在PyTorch中实现RNN.mp4 141.82M
| ├──137.Lesson 19.3.4.3 深度神经网络的实现.mp4 158.17M
| ├──138.Lesson 19.3.4.4 自定义循环层中的循环数据流.mp4 86.76M
| ├──139.Lesson 19.3.4.5 双向循环神经网络.mp4 64.68M
| ├──140.Lesson 19.3.4.6【加餐】手动实现RNN执行情感分类任务.mp4 82.27M
| ├──141.Lesson 19.3.4.7【加餐】手动实现RNN执行文本生成任务.mp4 61.06M
| ├──142.Lesson 19.3.5.1 RNN反向传播的数学流程.mp4 155.82M
| ├──143.Lesson 19.3.5.2 RNN各类缺陷的数学本质.mp4 133.64M
| ├──144.Lesson 20.1.0 LSTM开篇与学习路径.mp4 64.22M
| ├──145.Lesson 20.1.1.1 LSTM的起源：权重冲突.mp4 113.14M
| ├──146.Lesson 20.1.1.2 LSTM治理权重冲突问题的基本思路.mp4 107.63M
| ├──147.Lesson 20.1.2.1 LSTM的架构：信息分割与门控单元.mp4 163.15M
| ├──148.Lesson 20.1.2.2 LSTM的架构：解决权重冲突与输出门.mp4 93.21M
| ├──149.Lesson 20.1.2.3 LSTM中的浅层数学讨论.mp4 94.77M
| ├──150.Lesson 20.1.3.1 nn.LSTM层的参数群 (上).mp4 161.76M
| ├──151.Lesson 20.1.3.1 nn.LSTM层的参数群 (下)：Proj_size.mp4 136.84M
| ├──152.Lesson 20.1.3.2 nn.LSTM层的输入与输出.mp4 126.49M
| ├──153.Lesson 20.1.3.3 在PyTorch中实现完整LSTM网络.mp4 162.19M
| ├──154.Lesson 20.1.4.1 LSTM在单变量数据集上的预测实战（上）.mp4 131.18M
| ├──155.Lesson 20.1.4.1 LSTM在单变量数据集上的预测实战（下）.mp4 140.13M
| ├──156.Lesson 24.1.1 谷歌邮箱Gmail注册.mp4 107.26M
| ├──157.Lesson 24.1.2 OpenAI账号注册.mp4 36.94M
| ├──158.Lesson 24.1.3 ChatGPT Plus升级流程.mp4 88.12M
| ├──159.Lesson 24.1.4 ChatGPT防封指南.mp4 55.72M
| ├──160.Lesson 24.2.1 大模型技术学习目标和内容规划.mp4 98.68M
| ├──161.Lesson 24.2.2 OpenAI在线大模型生态介绍.mp4 149.52M
| ├──162.Lesson 24.2.3 开源大模型生态与ChatGLM-6B大模型介绍.mp4 207.13M
| ├──163.Lesson 24.3.1 大语言模型的基本深度学习概念补充讲解.mp4 224.75M
| ├──164.Lesson 24.3.2 OpenAI Fine-tuning API简介.mp4 41.79M
| ├──165.Lesson 24.3.3 开源微调框架入门介绍.mp4 209.36M
| ├──166.Lesson 24.4 大模型课程硬件要求说明.mp4 156.22M
| ├──167.Lesson 24.5 LangChain入门介绍.mp4 146.39M
| ├──168.Lesson 24.6.1 OpenAI官网使用说明.mp4 178.11M
| ├──169.Lesson 24.6.2 本地调用OpenAI API方法.mp4 89.23M
| ├──170.Lesson 24.7.1 Completion模型与Chat模型介绍.mp4 104.34M
| ├──171.Lesson 24.7.2 Completion.create函数参数详解.mp4 180.87M
| ├──172.Lesson 24.7.3 Completion.create函数调参数实践.mp4 104.56M
| ├──173.Lesson 24.7.4 手动创建可调节对话风格的对话机器人.mp4 84.52M
| ├──174.Lesson 24.8.1 大语言模型原生能力与涌现能力介绍.mp4 70.58M
| ├──175.Lesson 24.8.2 提示工程技术入门.mp4 108.16M
| ├──176.Lesson 24.9.1 One-shot&Few-shot提示方法.mp4 111.58M
| ├──177.Lesson 24.9.2 Zero-shot-CoT提示法.mp4 126.45M
| ├──178.Lesson 24.9.3 Few-shot-CoT提示法.mp4 72.67M
| ├──179.Lesson 24.9.4 LtM提示方法.mp4 107.64M
| ├──180.Lesson 24.10.1 SCAN指令翻译项目介绍与数据集准备.mp4 157.56M
| ├──181.Lesson 24.10.2 针对SCAN数据集的Few-shot-LtM提示工程流程.mp4 306.65M
| ├──182.Lesson 24.10.3 SCAN指令翻译项目完整建模流程.mp4 134.96M
| ├──183.Lesson 24.11.1 Chat Completion模型背景介绍.mp4 124.38M
| ├──184.Lesson 24.11.2 Chat Completion模型发展现状.mp4 99.51M
| ├──185.Lesson 24.12.1 Chat Completion模型API详解.mp4 249.73M
| ├──186.Lesson 24.12.2 Messages参数设置技巧.mp4 167.01M
| └──187.Lesson 24.12.3 基于特定知识的简易问答机器人创建方法.mp4 147.30M
└──深度学习训练营课件
| ├──CV数据包
| | ├──datasets
| | ├──datasets2
| | ├──datasets3
| | ├──datasets4.zip 183.85M
| | └──必须下载datasets4和datasets2中的LSUN，其他按需下载.txt
| ├──Lesson 0-6 预习
| | ├──【PDF配套代码】code
| | ├──0 GPU选择指南 + PyTorch安装及环境搭建 V4.pdf 4.84M
| | ├──0 Python的安装与环境配置.pdf 7.16M
| | ├──Lesson 1.张量（Tensor）的创建和索引.pdf 8.89M
| | ├──Lesson 2.张量的索引、分片、合并以及维度调整.pdf 7.22M
| | ├──Lesson 3.张量的广播和科学运算.pdf 12.66M
| | ├──Lesson 4.张量的线性代数运算.pdf 13.11M
| | ├──Lesson 5.基本优化思想与最小二乘法.pdf 12.60M
| | └──Lesson 6.动态计算图与梯度下降入门.pdf 17.13M
| ├──Lesson 07
| | └──Lesson 7 认识深度学习，认识PyTorch.pdf 7.59M
| ├──Lesson 08
| | ├──Lesson 8 单层神经网络.pdf 2.04M
| | └──【PDF配套代码】Lesson 8.ipynb 33.26kb
| ├──Lesson 09
| | ├──Lesson 9 深层神经网络.pdf 1.79M
| | └──【PDF配套代码】Lesson 9.ipynb 99.90kb
| ├──Lesson 10
| | ├──Lesson 10 神经网络的损失函数.pdf 1.10M
| | └──【PDF配套代码】Lesson 10.ipynb 10.69kb
| ├──Lesson 11
| | ├──creditcard.csv 143.84M
| | ├──Lesson 11 神经网络的学习.pdf 3.02M
| | ├──MINST-FASHION数据集.zip 150.47M
| | └──【PDF配套代码】Lesson 11.ipynb 261.25kb
| ├──Lesson 12
| | ├──【PDF配套代码】code
| | ├──Lesson 12.0 深度学习基础网络手动搭建与快速实现.pdf 3.13M
| | ├──Lesson 12.1 深度学习建模实验中数据集创建函数的创建与使用.pdf 9.81M
| | ├──Lesson 12.2 PyTorch深度学习建模可视化工具TensorBoard的安装与使用.pdf 5.14M
| | ├──Lesson 12.3 线性回归建模实验.pdf 5.96M
| | ├──Lesson 12.4 逻辑回归建模实验.pdf 9.88M
| | ├──Lesson 12.5 softmax回归建模实验.pdf 18.34M
| | └──torchLearning.py 53.84kb
| ├──Lesson 13
| | ├──【PDF配套代码】code
| | ├──Lesson 13.1 深度学习建模目标与性能评估理论.pdf 26.62M
| | ├──Lesson 13.2 模型拟合度概念介绍与欠拟合模型的结构调整策略.pdf 24.67M
| | ├──Lesson 13.2【加餐】 损失函数的随机创建现象详解.pdf 3.67M
| | ├──Lesson 13.3 梯度不平稳性与Glorot条件.pdf 31.39M
| | ├──Lesson 13.4 Dead ReLU Problem与学习率优化.pdf 13.11M
| | └──Lesson 13.5 Xavier方法与kaiming方法（HE初始化）.pdf 22.87M
| ├──Lesson 14
| | ├──【PDF配套代码】code
| | ├──Lesson 14.1 数据归一化与Batch Normalization理论基础.pdf 22.06M
| | ├──Lesson 14.2 Batch Normalization在PyTorch中的实现.pdf 26.31M
| | └──Lesson 14.3 Batch Normalization综合调参实战.pdf 19.64M
| ├──Lesson 15
| | ├──【PDF配套代码】code
| | ├──Lesson 15.1 学习率调度基本概念与手动实现方法.pdf 9.27M
| | └──Lesson 15.2 学习率调度在PyTorch中的实现方法.pdf 18.51M
| ├──Lesson 16
| | ├──torch_receptive_field
| | ├──图像
| | ├──Lesson 16 计算机视觉开篇（上）.pdf 8.27M
| | ├──Lesson 16 计算机视觉开篇（下）.pdf 13.92M
| | ├──Lesson 16.14 – END.ipynb 68.45kb
| | ├──Lesson 16.1~16.6.ipynb 5.56M
| | ├──Lesson 16.7~16.13.ipynb 30.02kb
| | └──torchLearning.py 56.33kb
| ├──Lesson 17
| | ├──Lesson 17 深度视觉进阶.pdf 19.40M
| | ├──【PDF配套代码】Lesson 17.1 – 17.3.ipynb 947.04kb
| | ├──【PDF配套代码】Lesson 17.11 Case 1 – SVHN.ipynb 138.33kb
| | ├──【PDF配套代码】Lesson 17.4 & 17.5.ipynb 265.74kb
| | └──【PDF配套代码】Lesson 17.6 – 17.10.ipynb 100.12kb
| ├──Lesson 18
| | ├──data
| | ├──datalist.zip 4.35M
| | ├──Lesson 18 Kaggle医学影象识别 C4.5.ipynb 80.16kb
| | ├──Lesson 18 Kaggle医学影像识别 C1~C4.3.ipynb 26.52M
| | ├──Lesson 18 Kaggle医学影像识别 C4.4.ipynb 711.61kb
| | ├──MNIST.zip 22.05M
| | └──分割必备基础&Unet架构复现.ipynb 61.22kb
| ├──Lesson 19
| | ├──加餐所用数据集&代码
| | ├──Lesson 19 RNN v0807.html 771.41kb
| | └──Lesson 19 RNN v0807.ipynb 134.99kb
| ├──Lesson 20 LSTM
| | ├──airline-passengers.csv 2.13kb
| | ├──lesson 20 LSTM与GRU（上）.ipynb 92.16kb
| | ├──lesson 20 LSTM与GRU（下）v2月6日.ipynb 492.01kb
| | ├──stock_list.csv 753.81kb
| | └──stock_prices.csv 207.52M
| ├──nlp直播加餐
| | ├──bert-base-chinese.zip 1.48G
| | ├──bert-base-multilingual-cased.zip 2.79G
| | ├──Day 4 Transformer原理精讲.ipynb 44.12kb
| | ├──Day1 LSTM与深度学习中的时间序列.ipynb 36.98kb
| | ├──Day2 LSTM的参数全解与股价预测实战.ipynb 184.39kb
| | ├──Day3.5 加餐：LSTM原理与数学精讲.ipynb 44.33kb
| | ├──Day5 transformer的Pytorch与Huggingface实践.ipynb 177.92kb
| | ├──gpt2.zip 4.70G
| | └──single_stock.csv 27.10kb
| ├──简历模板【仅供参考】
| | ├──数据分析简历模板.zip 6.62M
| | └──算法简历模板.zip 5.59M
| ├──就业指导
| | ├──打造黄金简历,解锁面试技巧.pdf 1.44M
| | └──直播回放地址.txt 0.22kb
| └──CV论文包.zip 65.69M