深度学习必修课：进击AI算法工程师

└─ 深度学习必修课：进击AI算法工程师 ->
　 ├─ 046.8-2 VGGNet.mp4 - 47.7M
　 ├─ 003.1-3 课程使用的技术栈.mp4 - 12.7M
　 ├─ 039.7-1 全连接层问题.mp4 - 38.5M
　 ├─ 013.4-3 前向传播和反向传播.mp4 - 39.5M
　 ├─ 006.2-3 概率.mp4 - 59.2M
　 ├─ 090.15-1 词嵌入和word2vec.mp4 - 33.3M
　 ├─ 019.5-1 训练的常见问题.mp4 - 33.8M
　 ├─ 045.8-1 AlexNet.mp4 - 49.6M
　 ├─ 056.9-6 RNN的长期依赖问题.mp4 - 37.7M
　 ├─ 050.8-6 DenseNet.mp4 - 58.5M
　 ├─ 055.9-5 循环神经网络代码实现.mp4 - 27.8M
　 ├─ 032.6-6 小批量梯度下降法.mp4 - 32M
　 ├─ 053.9-3 循环神经网络.mp4 - 48.2M
　 ├─ 060.10-4 长短期记忆网络.mp4 - 43.1M
　 ├─ 062.10-6 编码器-解码器网络.mp4 - 41.1M
　 ├─ 052.9-2 文本数据预处理.mp4 - 60M
　 ├─ 004.2-1 线性代数.mp4 - 56.4M
　 ├─ 088.14-4 经典视觉数据集.mp4 - 37.3M
　 ├─ 023.5-5 Dropout.mp4 - 32.1M
　 ├─ 038.6-12 学习率调节器.mp4 - 27.9M
　 ├─ 063.10-7 序列到序列模型代码实现.mp4 - 33M
　 ├─ 048.8-4 GoogLeNet.mp4 - 41M
　 ├─ 025.5-7 梯度消失和梯度爆炸.mp4 - 47.2M
　 ├─ 035.6-9 RMSProp_Adadelta算法.mp4 - 15.9M
　 ├─ 021.5-3 过拟合和欠拟合示例.mp4 - 22.4M
　 ├─ 054.9-4 随时间反向传播算法.mp4 - 43.9M
　 ├─ 020.5-2 过拟合欠拟合应对策略.mp4 - 41.2M
　 ├─ 043.7-5 池化层Pooling.mp4 - 33.6M
　 ├─ 064.10-8 束搜索算法.mp4 - 25.7M
　 ├─ 059.10-3 门控循环单元.mp4 - 28.6M
　 ├─ 034.6-8 AdaGrad算法.mp4 - 24.8M
　 ├─ 049.8-5 ResNet.mp4 - 65M
　 ├─ 092.15-3 预训练模型.mp4 - 55M
　 ├─ 084.13-6 图像生成.mp4 - 56.1M
　 ├─ 093.15-4 Hugging Face库介绍.mp4 - 36.4M
　 ├─ 087.14-3 迁移学习.mp4 - 31.8M
　 ├─ 091.15-2 词义搜索和句意表示.mp4 - 44.8M
　 ├─ 010.3-4 深度学习库PyTorch安装.mp4 - 9M
　 ├─ 071.11-6 Transformer模型.mp4 - 43.9M
　 ├─ 066.11-1 什么是注意力机制.mp4 - 43.4M
　 ├─ 076.12-4 ViT模型.mp4 - 31M
　 ├─ 081.13-3 变分自编码器.mp4 - 56.2M
　 ├─ 079.13-1 蒙特卡洛方法.mp4 - 28.5M
　 ├─ 099.16-4 深度学习最新发展趋势分析.mp4 - 37M
　 ├─ 015.4-5 回归问题.mp4 - 35.6M
　 ├─ 075.12-3 T5模型.mp4 - 37.8M
　 ├─ 069.11-4 自注意力机制.mp4 - 30.2M
　 ├─ 098.16-3 DALL-E模型.mp4 - 54.3M
　 ├─ 011.4-1 神经网络原理.mp4 - 44.8M
　 └─ 100.16-5 下一步学习的建议.mp4 - 18.5M