│01-打造舒适的AI开发环境--软件篇1.mp4

│02-打造舒适的AI开发环境--软件篇23.mp4

│03-打造舒适的AI开发环境--硬件篇.mp4

│04-【01课】赛题介绍 + Kaggle平台学习 + 开发环境搭建 + 比赛数据探索性分析.mp4

│05-【02课】基于3D CNN的baseline代码讲解.mp4

│06-【03课】基于transformer的baseline代码讲解.mp4

│07-【04课】基于XGBoost的baseline代码讲解.mp4

│

├─02-【kaggle入门】“深享杯”kaggle入门赛（新手入门）

│01-打造舒适的AI开发环境--软件篇1.mp4

│02-打造舒适的AI开发环境--软件篇23.mp4

│03-打造舒适的AI开发环境--硬件篇.mp4

│04-【01课】数据科学比赛介绍及Kaggle平台使用介绍.mp4

│05-【02课】数据挖掘比赛的基础Baseline.mp4

│06-【03课】特征工程实践.mp4

│07-【04课】pytorch实践-NCF实践.mp4

│08-【05课】数据挖掘中的文本信息的使用.mp4

│09-【06课】数据挖掘比赛中的Trick.mp4

│

├─03-【kaggle新赛】feedback-英语学习者语言知识评估大赛指导班(NLP·文本分类)

│01-打造舒适的AI开发环境--硬件篇.mp4

│02-打造舒适的AI开发环境--软件篇1.mp4

│03-打造舒适的AI开发环境--软件篇23.mp4

│04-【01课】赛题解析和baseline 详解.mp4

│05-【02课】Bert预训练家族模型概览.mp4

│06-【03课】NLP比赛提分技巧 - 1.mp4

│07-【04课】NLP比赛提分技巧 -2.mp4

│

├─04-【kaggle新赛】Open Problems-单细胞变化预测大赛指导班（医疗数据挖掘）

│01-打造舒适的AI开发环境--硬件篇.mp4

│02-打造舒适的AI开发环境--软件篇1.mp4

│03-打造舒适的AI开发环境--软件篇23.mp4

│04-【01课】数据 EDA，题目分析.mp4

│05-【02课】baseline 代码介绍.mp4

│06-【03课】可能的上分点.mp4

│

├─05-【CCF BDCI 2022】小样本分类大赛指导班（nlp任务） V2 E4 }, H, N7 p4 e! F# x$ Q

│01-打造舒适的AI开发环境--硬件篇.mp4

│02-打造舒适的AI开发环境--软件篇23.mp4$ x) j7 |- B7 M- `quot; ^! d

│03-打造舒适的AI开发环境--软件篇1.mp4

│04-【01课】赛题解析和baseline 详解.mp4

│05-【02课】Bert预训练家族模型概览.mp4

│06-【03课】小样本学习发展和应用.mp45 i/ h7 V9 p, T. c1 ~! I+ o! b

│07-【04课】NLP比赛提分技巧.mp4

│08-【05课】模型训练技巧分享.mp40 _% z6 i n9 g Y0 c\5 o4 W

│09-【06课】往期kaggle文本分类比赛回顾.mp4% O7 I% o#39; ^~6 v$ p/ y

│

├─06-【kaggle 新人赛】数据挖掘新人赛（机器学习·二分类任务）0 X% i( C#39; t1 X# y

│01-打造舒适的AI开发环境--软件篇1.mp4

│02-打造舒适的AI开发环境--软件篇23.mp4

│03-打造舒适的AI开发环境--硬件篇.mp4

│04-【01课】数据科学比赛介绍及Kaggle平台使用介绍.mp4

│05-【02课】数据挖掘比赛的基础Baseline.mp4* b#39; n. D; U f$ kquot; l

│06-【03课】数据挖掘比赛中的神经网络Baseline.mp4* Q* O, bquot; P6 s, i/ q6 T4 t

│07-【04课】数据挖掘比赛中的调参方法以及模型融合.mp4

│ x# h! p, xd) v

├─07-【Kaggle新赛】DFL 德甲足球事件检测大赛指导班（CV·目标检测-视频分类）

│01-打造舒适的AI开发环境--软件篇1.mp41 P/ p7 ]- f4 h9 d) {

│02-打造舒适的AI开发环境--软件篇23.mp4! f0 w lb3 z

│03-打造舒适的AI开发环境--硬件篇.mp48 k0 ?, N j- |6 E4 _! n#39; p8 t+ u

│04-【01课】赛题介绍+baseline详解.mp4

│05-【02课】视频分类与图像分类.mp4#39; C, I5 M* Fquot; Z5 V1 F: f# I1 @

│06-【03课】数据扩增方法.mp4

│07-【04课】多模型集成方法.mp4) x* @. `/ r; w9 K: b

│08-【05课】历史视频比赛总结.mp4

│09-【06课】比赛总结与直播答疑.mp43 k+ yquot; L0 K# y: z3 O3 {quot; |

│

├─08-【Kaggle 练习赛】商品合格率预测大赛指导班

│01-打造舒适的AI开发环境--硬件篇.mp4

│02-打造舒适的AI开发环境--软件篇1.mp41 c% Z7 Equot; v3 \) a: V# A

│03-打造舒适的AI开发环境--软件篇23.mp4

│04-【01课】赛题介绍+baseline详解（理论+实操）.mp4! ?K [2 Iquot; D

│05-【02课】机器学习经典树模型的介绍以及实战.mp4

│06-【03课】TabTranformer原理详解.mp48 |8 O: c$ z0 d0 V- o; G5 k

│07-【04课】比赛tricks和过往类似比赛讲解.mp4

│4 k* A* n5 L8 ~9 @0 S6 d4 Ai

├─09-【Kaggle新赛】HuBMAP + HPA 多器官功能组织分割大赛指导班

│01-打造舒适的AI开发环境--软件篇1.mp4

│02-打造舒适的AI开发环境--软件篇23.mp4

│03-打造舒适的AI开发环境--硬件篇.mp4

│04-【01课】赛题介绍 + kaggle 平台学习 + 比赛数据探索性分析.mp4Q0 v) `, s+ m

│05-【02课】Baseline讲解.mp4quot; D\9 o a8 D1 Z

│06-【03课】往期肾小球比赛讲解.mp42 R#39; o; R) G( ~1 Z

│07-【04课】额外的一个新比赛（待定） 肾小球答疑.mp4

│08-【05课】额外的新比赛往期方案讲解.mp4

│09-【06课】理论知识补充.mp4* `- i6 K6 ]4 b, _8 ]$ H- \5 A# S

│10-【07课】复盘.mp4

│- dquot; H( h/ ^: z; c8 I! i; h

├─10-【kaggle新赛】议论文评分大赛指导班（NLP·AES任务）7 d. e3 b; U5 a! ~

│01-打造舒适的AI开发环境--软件篇23.mp41 u4 L( |2 X/ ^1 G4 T X

│02-打造舒适的AI开发环境--软件篇1.mp4

│03-打造舒适的AI开发环境--硬件篇.mp4% ^- m$ q$ \ V G7 j

│04-【01课】赛题分析，EDA.mp4! n7 p# A, r. x3 A4 N0 L

│05-【02课】baseline基本讲解.mp45 }9 F/ R2 L, i7 e

│06-【03课】赛题理论知识讲解.mp4$ D k2 e1 e) uquot; ^- c

│07-【04课】赛题trick讲解.mp43 _- \1 L) I) \

│08-【05课】往期类似比赛讲解.mp4

│09-【06课】答疑.mp4quot; |, V0 t9 h% {8 i# {7 G* w

│10-【07课】比赛复盘.mp40 rquot; K) f, k4 mquot; |8 {

│+ l6 h1 rp ^, Y

├─11-【kaggle新赛】信用违约预测大赛指导班（金融风控·结构化数据挖掘）

│01-打造舒适的AI开发环境--软件篇1.mp4

│02-打造舒适的AI开发环境--软件篇23.mp4, q) q2 Oc8 ]% C, w( [; ]#39; ^# e

│03-打造舒适的AI开发环境--硬件篇.mp4

│04-【01课】赛题介绍+baseline详解（理论+实操）.mp4+ D; R#39; j: ]: S( m

│05-【02课】树模型介绍与调参.mp4K E4 x1 v, X8 fK0 v

│06-【03课】深度学习模型搭建.mp4

│07-【04课】模型集成方法.mp4

│08-【05课】历史金融风控比赛总结.mp4

│09-【06课】比赛总结与直播答疑.mp4+ ], ^/ k5 H9 xc3 d! O4 O# B

│2 A! |4 |quot; n/ M: Y% o

├─12-快速入门推荐算法-基于top-k的推荐赛+ c: J! ] }6 E; _7 t8 G

│【01课】推荐系统算法总体介绍+赛题介绍+baseline讲解.mp4

│【02课】推荐系统中的召回算法.mp42 |0 O3 T5 m0 Q9 r$ J! U

│【03课】推荐系统中的多兴趣召回算法.mp4

│【04课】推荐系统中的排序算法.mp46 Z5 d! q9 N [. ?

│【05课】推荐系统中的多目标算法.mp4

│【06课】知识图谱在推荐系统中的应用.mp4G# f1 ~4 s; c X( Z5 |2 x1 a# K$ g

│

├─13-【Kaggle新赛】UW-Madison 肠胃道图像分割大赛（CV·图像分割）! {4 C2 d# A- X- _! l7 \: i

│01-打造舒适的AI开发环境--硬件篇.mp4

│02-打造舒适的AI开发环境--软件篇1.mp4

│03-打造舒适的AI开发环境--软件篇23.mp4

│05-【01课 】 赛题介绍+kaggle平台学习+比赛数据探索性分析.mp4

│06-【02课】Baseline讲解.mp4! p2 i7 O$ B) d9 l* C4 i

│07-【03课】语义分割模型基础一，基础版.mp4 O/ s5 H$ l, x1 Y( DG

│08-【04课】 语义分割模型基础二- 进阶版.mp4

│09-【05课】通用比赛思路及历年分割比赛top思路代码讲解.mp4[; p; m8 s1 w% [

│10-【06课】直播答疑.mp4

│11-【07课】比赛复盘.mp4. Q* p! D7 h1 P5 ]. Y/ D

│( Mquot; r$ ~9 k! R

├─14-【kaggle新赛】美国专利短语相似度大赛（NLP·文本相似度）

│【01课】赛题介绍+baseline详解（理论+实操）.mp4* z9 w( }8 C9 N% ~+ m; F1 _

│【02课】BERT预训练语言模型的介绍.mp4

│【03课】Deberta等BERT变种预训练语言模型的介绍.mp4a9 f$ c) z6 r0 ~

│【04课】比赛中的上分技巧.mp4

│【05课】模型融合以及比赛解答.mp4

│【06课】top方案的分享和比赛总结.mp4

│/ ?. I, b7 w0 E2 t% b1 A

├─15-【Kaggle新赛】NBME-临床患者病例评分大赛指导班(NLP·Token分类)

│01-打造舒适的AI开发环境.mp4( S w ?/ E: o3 Uquot; k9 [

│03-01-课赛题介绍+baseline详解.mp4$ t3 e( D3 V9 F

│04-02课-BERT代码详解及HuggingFace Transfomers实战.mp4: x/ F5 Q% a# hquot; R( {2 c$ ~quot; _7 S

│05-03课-BERT及其变种.mp4

│06-04课-代码实操课（kaggle环境）.mp4

│07-05课-BERT变种和比赛技巧.mp4

│08-06课-比赛总结和top方案分享.mp4% l- W4 l/ ^5 o- E$ t! ]! L6 b

│* G9 g* Q i+ W5 ]- a

├─16-【Kaggle新赛】tensorflow海星目标检测大赛指导班(CV·目标检测)/ t. r4 D0 S4 E+ R# ?

│00-打造舒适的AI开发环境.mp4% gquot; z s+ ^quot; ?@/ a/ T0 q+ A. _quot; z

│【01课】开营第一课（直播回放）.mp4

│【02课】目标检测二阶段算法.mp4. d: n}#39; N8 ?quot; T, o8 n

│【03课】修改网络设计.mp4 ]`#39; Y8 v- d9 W. A, N

│【04课】骨干网介绍和损失函数设计.mp4/ }3 V p7 ?2 G5 P, ]

│【05课】数据增强和调参.mp43 _2 yquot; T* k! L5 _! ?2 t- Squot; t; j* `

│【06课】总结复盘.mp4

│【07课】TOP方案分享_.mp4

│【先修指南】kaggle竞赛介绍.mp4

│. g+ g) o9 S2 ?4 w7 x1 H4 p

├─17-03 数学基础- D5 S! h/ a; H. W B6 d4 \?

│01-【第一章】-1 导读课.mp4

│02-【第一章】-2 矩阵的基本概念和运算性质.mp45 p7 f9 }8 I3 W#39; N

│03-【第一章】-3 矩阵的逆，转置和对称转置.mp4

│04-【第一章】-4 行列式的计算.mp4

│05-【第一章】-5 特殊矩阵的行列式与行列式的性质.mp4

│06-【第一章】-6 行列式按行列展开，代数余子式.mp4

│07-【第一章】-7 行列式的应用：克莱姆法则.mp4

│08-【第一章】-8 矩阵的逆的引入.mp4

│09-【第一章】-9 常用矩阵性质与特殊矩阵的逆.mp4

│10-【第一章】-10 分块矩阵.mp42 ^+ b% b u0 [#39; Z}

│11-【第二章】-1 初等变换引入+三种矩阵初等变换以及三种初等矩阵以及矩阵标准型.mp4

│12-【第二章】-2 初等变换的性质以及逆矩阵的另一种简单求法.mp4! P9 T% l+ u# V3 v. I; R2 gquot; Y3 T* o

│13-【第二章】-3 矩阵秩的定义和性质以及线性方程组解的个数.mp4

│14-【第二章】-4 矩阵的秩在线性回归算法中的应用.mp4- K/ N) ZS2 f: s1 V

│15-【第二章】-5 向量的线性相关线性无关于可逆矩阵的关系+向量的内积范数正交规范正交基.mp4* jquot; P7 o5 Z% b: j

│16-【第二章】-6 施密特规范正交化+特征值特征向量定义直观意义+特征值特征向量求法与常用性质.mp4# M2 J* S5 r/ Z, i/ A! j

│17-【第二章】-7 施密特规范正交化+特征值特征向量定义直观意义+特征值特征向量求法与常用性质.mp4

│18-【第二章】-8 相似矩阵以及矩阵对角化+矩阵对角化的条件以及对称矩阵的对角化.mp4 n/ l+ r0 S7 R5 W5 F5 Q

│19-【第二章】-9对角化在压缩算法的应用+二次型矩阵正定性+矩阵正定性在线性回归算法应用（上）.mp4! u2 C. b7 Q3 o5 J% t

│20-【第二章】-10对角化在压缩算法应用+二次型矩阵正定性+矩阵正定性在线性回归算法应用（下）.mp4

│21-【第二章】-11 SVD分解的应用.mp48 u( ?8 I3 T, d$ | T. o

│22-【第三章】-1 常用函数的导数以及到导数的常用公式，复合函数求导.mp4

│23-【第三章】-2 中值定理洛必达法则泰勒公式及应用.mp4

│24-【第三章】-3 函数的凹凸性函数的极值.mp4

│25-【第三章】-4 不定积分.mp4

│26-【第三章】-5 定积分.mp4: i* T+ ^ G N( J% C/ Mquot; g

│27-【第三章】-6 偏导数多元函数复合求导法则链式求导法则.mp4( p4 m! u- r0 I9 o#39; Q% Q; `

│28-【第三章】-7 方向导数与梯度及其应用.mp49 Y$ A0 cx, C#39; V! Z

│29-【第三章】-8 多元函数泰勒公式与海森矩阵多元函数的极值.mp45 ^$ {2 j7 y5 o% E, e6 S! \. n) {0 k

│30-【第三章】-9 矩阵的求导.mp4

│31-【第三章】-10 矩阵的求导在深度学习中的应用.mp4

│32-【第四章-上】-1 随机实验样本空间随机事件概率的定义条件概率与乘法公式.mp4

│33-【第四章-上】-2 全概率公式与贝叶斯公式及应用独立性.mp46 Q7 M; `( f0 k$ \; Z: J

│34-【第四章-上】-3 随机变量与多维随机变量.mp4

│35-【第四章-上】-4 期望与方差（上）.mp4

│36-【第四章-上】-5 期望与方差（下）.mp47 g9 f/ g8 E) N8 U7 L_: q

│37-【第四章-上】-6 参数的估计.mp4

│38-【第四章-下】-1 无约束最优化梯度下降.mp42 L6 ~9 jy, @7 |3 s! V( z; I

│39-【第四章-下】-2 无约束最优化牛顿法.mp4$ d1 v/ }8 r% O7 N6 ?) V2 J

│40-【第四章-下】-3 约束最优化.mp4W/ y1 R8 s) k8 |

│( Kquot; O, f, C8 T+ s

├─18-04 神经网络基础知识( T, p4 U, I#39; p, nquot; x4 S

│01-01-神经网络基础与多层感知机-0.mp47 X! f7 G$ k* V1 n* @

│02-01-神经网络基础与多层感知机-1.mp4- U1 w4 GE- t* i8 t6 ~

│03-01-神经网络基础与多层感知机-2.mp4

│04-01-神经网络基础与多层感知机-3.mp4) @. c+ O) G: g) I

│05-01-神经网络基础与多层感知机-4.mp4

│06-02-卷积神经网络-0.mp4

│07-02-卷积神经网络-1.mp48 F! T( q% F- f/ K+ n3 S

│08-02-卷积神经网络-2.mp4: _2 Iquot; ^* \9 ]6 i6 u! E n

│09-03-循环神经网络-0.mp44 w P) M; s2 O; z: z, o0 {

│10-03-循环神经网络-1.mp4

│11-03-循环神经网络-2.mp4

│

├─19-01 Python · AI数据科学入门* i6 l @. Q6 bquot; e; [$ s

│01-第一章 绪论和环境配置.mp4

│02-【作业讲解】第一章：助教实际演示配置环境过程.mp4

│03-第二章 Python 基本语法元素.mp41 I/ C( D2 {/ m7 z9 Bn0 P5 P

│04-【作业讲解】第二章：Python基本语法元素.mp4quot; T7 k8 E) S* g

│05-第三章 基本数据类型.mp4

│06-【作业讲解】第三章：基本数据类型.mp4

│07-第四章 组合数据类型.mp4

│08-【作业讲解】第四章：复杂数据类型.mp4* L4 kj, z6 d o ^

│09-第五章 程序控制结构.mp47 RN6 R+ m, k0 |

│10-【作业讲解】第五章：程序控制结构.mp4

│11-第六章 函数-面向过程的编程.mp4

│12-【作业讲解】第六章：函数.mp4

│13-第七章 类-面向对象的编程.mp4

│14-【作业讲解】第七章：类.mp4

│15-第八章 文件-异常和模块.mp4% X/ @5 Zquot; Z vK: @

│16-【作业讲解】第八章：文件-异常和模块.mp4

│17-第九章 有益的探索.mp4

│18-【作业讲解】第九章：有益的探索.mp45 H- |% x2 s4 ZA

│19-第十章 Python标准库.mp48 x+ y5 O; J9 l( j9 H

│20-【作业讲解】第十章：Python标准库.mp43 A8 b; m- Vquot; Q2 c) M6 }* g* h

│21-第十一章 科学计算库—Numpy应用.mp4

│22-【作业讲解】第十一章：Numpy库.mp4

│23-第十二章 Pandas库.mp4

│24-【作业讲解】第十二章：Pandas库.mp4#39; Z, ^- O#39; V: L4 Q9 x U

│25-第十三章 Matplotlib.mp4* s; D4 w( Y8 o

│26-【作业讲解】第十三章：Matplotlib.mp47 ^2 m6 v. u; n9 L# ~

│27-第十四章 Sklearn常规用法.mp4#39; y. U2 T; x; s S4 t1 X

│28-【作业讲解】第十四章：Sklearn常规用法.mp4

│29-第十五章 再谈编程.mp4- B; x2 y) dquot; v# V0 cquot; \- {/ P

│

├─20-深度学习PyTorch框架班

│01-【必看】深入浅出PyTorch.mp4

│02-【第一周】PyTorch简介与安装.mp4

│03-【第一周】补充-pytorch开发环境安装.mp4

│04-【第一周】张量简介与创建.mp46 C1 n, z7 {9 A: s% P

│05-【第一周】张量操作与线性回归.mp4$ d* e3 X* F$ ~quot; y* U3 R

│06-【第一周】计算图与动态图机制.mp49 v3 c, \4 w$ M! A. [1 V

│07-【第一周】autograd与逻辑回归.mp4) I! O9 w; C/ y% P |1 N

│08-【第一周】作业讲解1.mp4% X) F4 `#39; b$ O Q( Z

│09-【第一周】作业讲解2.mp4 dquot; L$ V7 g$ ^% Z]- M3 ^

│10-【第一周】作业讲解3.mp4. A; O4 iquot; a* r9 t

│11-【第二周】数据读取机制Dataloader与Dataset.mp4

│12-【第二周】数据预处理transforms模块机制.mp4

│13-【第二周】二十二种transforms数据预处理方法.mp4

│14-【第二周】学会自定义transforms方法.mp4

│15-【第二周】作业讲解.mp4

│16-【第三周】模型创建步骤与nn.Module.mp4\ H( r5 ]( f5 e5 `# q: p. Q( `8 }

│17-【第三周】模型容器与AlexNet构建.mp4

│18-【第三周】nn网络层-卷积层.mp4

│19-【第三周】nn网络层-池化-线性-激活函数层.mp4 A0 p6 [) J* l) |3 \quot; ?- jquot; V5 w K0 k

│20-【第三周】作业讲解.mp4

│21-【第四周】权值初始化.mp4

│22-【第四周】损失函数（一）.mp4; ~/ G3 i8 X7 m) W, f: h

│23-【第四周】损失函数(二).mp4( z4 X) d! i2 Y* y9 KD0 C! T5 m S

│24-【第四周】优化器optimizer的概念.mp4

│25-【第四周】torch.optim.SGD.mp48 R! q2 T2 q9 [

│26-【第四周】作业讲解.mp4 ?$ y9 P6 S9 z7 x) r+ g

│27-【第五周】学习率调整策略.mp4/ z% d0 A( o1 O# Q: m

│28-【第五周】TensorBoard简介与安装.mp4

│29-【第五周】TensorBoard使用（一）.mp4

│30-【第五周】TensorBoard使用（二）.mp4

│31-【第五周】hook函数与CAM可视化.mp4: }( n( {4 L, M@6 G

│32-【第五周】作业讲解.mp45 p5 z* o5 m$ p

│33-【第六周】正则化之weight_decay.mp4

│34-【第六周】正则化之Dropout.mp4

│35-【第六周】Batch Normalization.mp4

│36-【第六周】Normalizaiton_layers.mp4. [. g! S Z6 e9 q! @6 |0 W1 y* k7 \

│37-【第六周】作业讲解.mp42 Gm6 i% ^3 z, z ~0 ]

│38-【第七周】模型保存与加载.mp4

│39-【第七周】模型finetune.mp4* t Z6 n+ x4 k, X: h1 \_

│40-【第七周】GPU的使用.mp4

│41-【第七周】PyTorch常见报错.mp4L#39; y, {#39; t! z( d4 t+ U

│42-【第七周】作业讲解.mp4

│43-【第八周】图像分类一瞥.mp4

│44-【第八周】图像分割一瞥.mp43 m+ p. f, ^5 {#39; cy4 m! m

│45-【第八周】图像目标检测一瞥（上）.mp4/ [3 u1 b Oquot; L6 i2 T

│46-【第八周】图像目标检测一瞥（下）.mp4

│47-【第九周】生成对抗网络一瞥.mp4+ U5 H* \8 {6 zquot; C* _

│48-【第九周】循环神经网络一瞥.mp4

│6 C6 G+ e. V1 P! \9 q2 k#39; Z

├─21-【爱奇艺】WSDM用户留存大赛指导班. v2 T1 k0 s7 ]2 Tquot; r5 D

│01-打造舒适的AI开发环境.mp41 }+ t( {0 }% f. \1 s* M

│02-【01课】赛题介绍+baseline详解.mp44 E. Z; `: {! C! @

│03-【02课】特征工程.mp4

│04-【03课】序列模型.mp4

│05-【04课】Auto—MLHPO.mp41 b#39; ?* s# l#39; ^3 q) \

│06-【05课】爱奇艺结营视频.mp4

│; }#39; p: WD1 W1 O0 u5 J

└─22-【Kaggle新赛】有毒评论识别大赛指导班（NLP·文本分类）% W. y: ]2 F7 M, {$ _

01-打造舒适的AI开发环境.mp4