尚硅谷人工智能大模型0720班 一站式就业实战体系 从Python基础到LLM应用开发，掌握AI大模型核心技术栈

1.笔记

2.资料

画图截图工具

• 📦 jetbrains.zip

3.视频及代码

day01

代码

• 🎬 00_AI大模型之Python基础_课程介绍.mp4
• 🎬 01_AI大模型之Python基础_计算机组成.mp4
• 🎬 02_AI大模型之Python基础_计算机语言的发展.mp4
• 🎬 03_AI大模型之Python基础_编译型语言和解释型语言.mp4
• 🎬 04_AI大模型之Python基础_Python语言的执行方式.mp4
• 🎬 05_AI大模型之Python基础_为什么选择Python.mp4
• 🎬 06_AI大模型之Python基础_Python特点.mp4
• 🎬 07_AI大模型之Python基础_Python的版本.mp4
• 🎬 08_AI大模型之Python基础_Python的解释器.mp4
• 🎬 09_AI大模型之Python基础_Python的安装.mp4
• 🎬 10_AI大模型之Python基础_Pycharm的安装.mp4
• 🎬 11_AI大模型之Python基础_Pycharm的配置.mp4
• 🎬 12_AI大模型之Python基础_上午内容回顾.mp4
• 🎬 13_AI大模型之Python基础_交互模式以及脚本模式运行Python程序.mp4
• 🎬 14_AI大模型之Python基础_Pycharm中运行程序.mp4
• 🎬 15_AI大模型之Python基础_注释.mp4
• 🎬 16_AI大模型之Python基础_变量的声明和赋值.mp4
• 🎬 17_AI大模型之Python基础_标识符的命名.mp4
• 🎬 18_AI大模型之Python基础_变量的修改以及常量.mp4
• 🎬 19_AI大模型之Python基础_Python中不同进制的表示形式.mp4
• 🎬 20_AI大模型之Python基础_进制之间的转换.mp4
• 🎬 21_AI大模型之Python基础_int数据类型.mp4

day02

代码

• 🎬 00_AI大模型之Python基础_内容回顾.mp4
• 🎬 01_AI大模型之Python基础_浮点数类型.mp4
• 🎬 02_AI大模型之Python基础_布尔数据类型.mp4
• 🎬 03_AI大模型之Python基础_字符串数据类型.mp4
• 🎬 04_AI大模型之Python基础_类型转换.mp4
• 🎬 05_AI大模型之Python基础_编码和解码.mp4
• 🎬 06_AI大模型之Python基础_输入和输出.mp4
• 🎬 07_AI大模型之Python基础_上午内容回顾.mp4
• 🎬 08_AI大模型之Python基础_算术、赋值运算符.mp4
• 🎬 09_AI大模型之Python基础_海象运算符.mp4
• 🎬 10_AI大模型之Python基础_比较运算符.mp4
• 🎬 11_AI大模型之Python基础_逻辑运算符.mp4
• 🎬 12_AI大模型之Python基础_位运算符(了解).mp4
• 🎬 13_AI大模型之Python基础_成员、身份运算符.mp4
• 🎬 14_AI大模型之Python基础_编码规范.mp4
• 🎬 15_AI大模型之Python基础_单分支.mp4
• 🎬 16_AI大模型之Python基础_双分支.mp4
• 🎬 17_AI大模型之Python基础_多分支.mp4

day03

代码

• 🎬 00_AI大模型之Python基础_内容回顾.mp4
• 🎬 01_AI大模型之Python基础_分支嵌套.mp4
• 🎬 02_AI大模型之Python基础_match、case分支.mp4
• 🎬 03_AI大模型之Python基础_三目运算符.mp4
• 🎬 04_AI大模型之Python基础_while循环.mp4
• 🎬 05_AI大模型之Python基础_for循环.mp4
• 🎬 06_AI大模型之Python基础_打印九九乘法表.mp4
• 🎬 07_AI大模型之Python基础_break、continue、pass关键字.mp4
• 🎬 08_AI大模型之Python基础_上午内容回顾以及序列介绍.mp4
• 🎬 09_AI大模型之Python基础_list对象创建以及内存分析.mp4
• 🎬 10_AI大模型之Python基础_list切片操作.mp4
• 🎬 11_AI大模型之Python基础_向list中添加元素.mp4
• 🎬 12_AI大模型之Python基础_修改元素等操作.mp4
• 🎬 13_AI大模型之Python基础_删除列表中元素.mp4
• 🎬 14_AI大模型之Python基础_列表推导式.mp4
• 🎬 15_AI大模型之Python基础_列表常用方法.mp4

day04

代码

• 🎬 00_AI大模型之Python基础_内容回顾.mp4
• 🎬 01_AI大模型之Python基础_字符串基本操作.mp4
• 🎬 02_AI大模型之Python基础_字符串常用的方法.mp4
• 🎬 03_AI大模型之Python基础_元组.mp4
• 🎬 04_AI大模型之Python基础_集合基本操作.mp4
• 🎬 05_AI大模型之Python基础_集合常用方法.mp4
• 🎬 06_AI大模型之Python基础_字典基本操作.mp4
• 🎬 07_AI大模型之Python基础_字典的遍历.mp4
• 🎬 08_AI大模型之Python基础_函数的抽取.mp4
• 🎬 09_AI大模型之Python基础_封装带参数的函数.mp4
• 🎬 10_AI大模型之Python基础_函数调用在内存中体现.mp4
• 🎬 11_AI大模型之Python基础_传递不可变类型.mp4
• 🎬 12_AI大模型之Python基础_传递可变类型.mp4
• 🎬 13_AI大模型之Python基础_不同赋值操作的区别.mp4

day05

代码

• 🎬 00_AI大模型之Python基础_内容回顾.mp4
• 🎬 01_AI大模型之Python基础_参数传递的形式.mp4
• 🎬 02_AI大模型之Python基础_解包传参.mp4
• 🎬 03_AI大模型之Python基础_浅拷贝.mp4
• 🎬 04_AI大模型之Python基础_深拷贝.mp4
• 🎬 05_AI大模型之Python基础_return关键字.mp4
• 🎬 06_AI大模型之Python基础_函数的嵌套调用.mp4
• 🎬 07_AI大模型之Python基础_上午内容回顾.mp4
• 🎬 08_AI大模型之Python基础_闭包.mp4
• 🎬 09_AI大模型之Python基础_作用域.mp4
• 🎬 10_AI大模型之Python基础_全局变量和局部变量.mp4
• 🎬 11_AI大模型之Python基础_global和nonlocal关键字.mp4
• 🎬 12_AI大模型之Python基础_递归求阶乘.mp4
• 🎬 13_AI大模型之Python基础_递归执行内存分析.mp4
• 🎬 14_AI大模型之Python基础_匿名函数.mp4
• 🎬 15_AI大模型之Python基础_匿名函数使用场景.mp4
• 🎬 16_AI大模型之Python基础_函数的注释.mp4

day06

代码

• 🎬 00_AI大模型之Python基础_内容回顾.mp4
• 🎬 01_AI大模型之Python基础_文件介绍.mp4
• 🎬 02_AI大模型之Python基础_open函数介绍.mp4
• 🎬 03_AI大模型之Python基础_向文件中写入数据.mp4
• 🎬 04_AI大模型之Python基础_从文件中读取数据.mp4
• 🎬 05_AI大模型之Python基础_文件拷贝基础实现.mp4
• 🎬 06_AI大模型之Python基础_文件拷贝代码优化.mp4
• 🎬 07_AI大模型之Python基础_面向过程、对象、函数对比.mp4
• 🎬 08_AI大模型之Python基础_类和对象.mp4
• 🎬 09_AI大模型之Python基础_上午内容回顾.mp4
• 🎬 10_AI大模型之Python基础_类的定义.mp4
• 🎬 11_AI大模型之Python基础_类的操作.mp4
• 🎬 12_AI大模型之Python基础_类定义以及对象创建内存分析.mp4
• 🎬 13_AI大模型之Python基础_init方法.mp4
• 🎬 14_AI大模型之Python基础_self.mp4
• 🎬 15_AI大模型之Python基础_类属性.mp4
• 🎬 16_AI大模型之Python基础_实例属性.mp4
• 🎬 17_AI大模型之Python基础_类的方法.mp4
• 🎬 18_AI大模型之Python基础_魔法方法.mp4

day07

代码

• 🎬 00_AI大模型之Python基础_内容回顾以及晨测题讲解.mp4
• 🎬 01_AI大模型之Python基础_考试题讲解.mp4
• 🎬 02_AI大模型之Python基础_动态的添加属性和方法.mp4
• 🎬 03_AI大模型之Python基础_私有化属性和方法.mp4
• 🎬 04_AI大模型之Python基础_property.mp4
• 🎬 05_AI大模型之Python基础_property注意事项.mp4
• 🎬 06_AI大模型之Python基础_单继承.mp4
• 🎬 07_AI大模型之Python基础_上午内容回顾.mp4
• 🎬 08_AI大模型之Python基础_多继承.mp4
• 🎬 09_AI大模型之Python基础_super访问父类成员.mp4
• 🎬 10_AI大模型之Python基础_方法的解析顺序.mp4
• 🎬 11_AI大模型之Python基础_方法的重写以及小结.mp4
• 🎬 12_AI大模型之Python基础_方法调用顺序说明.mp4
• 🎬 13_AI大模型之Python基础_多态.mp4

day08

代码

• 🎬 00_AI大模型之Python基础_内容回顾以及晨测题讲解.mp4
• 🎬 01_AI大模型之Python基础_愤怒的小鸟游戏说明.mp4
• 🎬 02_AI大模型之Python基础_愤怒的小鸟代码实现.mp4
• 🎬 03_AI大模型之Python基础_面向对象举例.mp4
• 🎬 04_AI大模型之Python基础_异常介绍.mp4
• 🎬 05_AI大模型之Python基础_异常处理最基本代码.mp4
• 🎬 06_AI大模型之Python基础_对不同类型异常的处理.mp4
• 🎬 07_AI大模型之Python基础_Else关键字.mp4
• 🎬 08_AI大模型之Python基础_finally关键字.mp4
• 🎬 09_AI大模型之Python基础_抛出异常以及断言机制.mp4
• 🎬 10_AI大模型之Python基础_自定义异常.mp4
• 🎬 11_AI大模型之Python基础_异常传递.mp4
• 🎬 12_AI大模型之Python基础_with关键字.mp4
• 🎬 13_AI大模型之Python基础_小结.mp4

day09

代码

pycache

• 🎬 00_AI大模型之Python基础_内容回顾以及晨测题讲解.mp4
• 🎬 01_AI大模型之Python基础_模块介绍.mp4
• 🎬 02_AI大模型之Python基础_全局导入不带包模块.mp4
• 🎬 03_AI大模型之Python基础_局部导入不带包模块部分成员.mp4
• 🎬 04_AI大模型之Python基础_局部导入不带包模块的非_开头成员.mp4
• 🎬 05_AI大模型之Python基础_模块的搜索顺序.mp4
• 🎬 06_AI大模型之Python基础_all中限制导入成员.mp4
• 🎬 07_AI大模型之Python基础_name属性.mp4
• 🎬 08_AI大模型之Python基础_dir函数.mp4
• 🎬 09_AI大模型之Python基础_创建包.mp4
• 🎬 10_AI大模型之Python基础_带包的全局导入.mp4
• 🎬 11_AI大模型之Python基础_上午内容回顾.mp4
• 🎬 12_AI大模型之Python基础_带包的局部导入.mp4
• 🎬 13_AI大模型之Python基础_通过pip管理第三方库.mp4
• 🎬 14_AI大模型之Python基础_安装第三方库.mp4
• 🎬 15_AI大模型之Python基础_打包.mp4
• 🎬 16_AI大模型之Python基础_安装打好的包.mp4
• 🎬 17_AI大模型之Python基础_深拷贝和浅拷贝.mp4
• 🎬 18_AI大模型之Python基础_迭代器对象创建.mp4
• 🎬 19_AI大模型之Python基础_自定义迭代器.mp4

day10

代码

• 🎬 00_AI大模型之Python基础_内容回顾.mp4
• 🎬 01_AI大模型之Python基础_通过推导式创建生成器.mp4
• 🎬 02_AI大模型之Python基础_通过类似函数方式创建生成器.mp4
• 🎬 03_AI大模型之Python基础_获取生成器函数返回值.mp4
• 🎬 04_AI大模型之Python基础_通过send向生成器传递值.mp4
• 🎬 05_AI大模型之Python基础_send启动生成器.mp4
• 🎬 06_AI大模型之Python基础_命名空间，作用域，闭包.mp4
• 🎬 07_AI大模型之Python基础_上午内容回顾.mp4
• 🎬 08_AI大模型之Python基础_闭包实现装饰器.mp4
• 🎬 09_AI大模型之Python基础_装饰器和普通函数对比.mp4
• 🎬 10_AI大模型之Python基础_装饰器语法糖.mp4
• 🎬 11_AI大模型之Python基础_多层装饰器.mp4
• 🎬 12_AI大模型之Python基础_多层函数内存执行过程分析.mp4
• 🎬 13_AI大模型之Python基础_带参数的装饰器.mp4
• 🎬 14_AI大模型之Python基础_类装饰器.mp4

day11

代码

• 🎬 00_AI大模型之Python基础_晨测题讲解.mp4
• 🎬 01_AI大模型之Python基础_并发并行以及同步异步.mp4
• 🎬 02_AI大模型之Python基础_进程介绍.mp4
• 🎬 03_AI大模型之Python基础_Process类创建进程对象.mp4
• 🎬 04_AI大模型之Python基础_通过进程子类创建进程对象.mp4
• 🎬 05_AI大模型之Python基础_通过进程池创建进程对象.mp4
• 🎬 06_AI大模型之Python基础_进程之间不共享全局变量.mp4
• 🎬 07_AI大模型之Python基础_内容回顾.mp4
• 🎬 08_AI大模型之Python基础_通过Queue进行通信.mp4
• 🎬 09_AI大模型之Python基础_Queue兼容性问题说明.mp4
• 🎬 10_AI大模型之Python基础_Thread类创建线程对象.mp4
• 🎬 11_AI大模型之Python基础_通过线程子类创建线程对象.mp4
• 🎬 12_AI大模型之Python基础_线程池创建线程对象.mp4
• 🎬 13_AI大模型之Python基础_互斥锁解决线程安全问题.mp4
• 🎬 14_AI大模型之Python基础_卖票案例.mp4
• 🎬 15_AI大模型之Python基础_线程和进程对比.mp4

day12

代码

• 🎬 00_AI大模型之Python基础_内容回顾.mp4
• 🎬 01_AI大模型之Python基础_IP地址.mp4
• 🎬 02_AI大模型之Python基础_端口号.mp4
• 🎬 03_AI大模型之Python基础_协议.mp4
• 🎬 04_AI大模型之Python基础_Socket对象的创建.mp4
• 🎬 05_AI大模型之Python基础_UDP编程思路分析.mp4
• 🎬 06_AI大模型之Python基础_UDP服务器端开发.mp4
• 🎬 07_AI大模型之Python基础_UDP服务器端开发以及测试.mp4
• 🎬 08_AI大模型之Python基础_上午内容回顾.mp4
• 🎬 09_AI大模型之Python基础_TCP编程思路分析.mp4
• 🎬 10_AI大模型之Python基础_TCP编程服务器开发.mp4
• 🎬 11_AI大模型之Python基础_TCP编程客户端开发.mp4
• 🎬 12_AI大模型之Python基础_服务器随机消息以及输入消息.mp4
• 🎬 13_AI大模型之Python基础_加入多线程以及异常处理.mp4
• 🎬 14_AI大模型之Python基础_接口介绍.mp4
• 🎬 15_AI大模型之Python基础_访问一言接口并处理.mp4
• 🎬 16_AI大模型之Python基础_starlette开发web服务.mp4

day13

代码

pycache

• 🎬 00_AI大模型之Python基础_正则表达式介绍.mp4
• 🎬 01_AI大模型之Python基础_正则中常见的表示内容.mp4
• 🎬 02_AI大模型之Python基础_正则表达式案例.mp4
• 🎬 03_AI大模型之Python基础_CMS需求介绍.mp4
• 🎬 04_AI大模型之Python基础_客户类的定义.mp4
• 🎬 05_AI大模型之Python基础_字典初始化.mp4
• 🎬 06_AI大模型之Python基础_打印输出内容.mp4
• 🎬 07_AI大模型之Python基础_分支选择.mp4
• 🎬 08_AI大模型之Python基础_将客户放到字典中.mp4
• 🎬 09_AI大模型之Python基础_添加客户id.mp4
• 🎬 10_AI大模型之Python基础_添加客户其它属性.mp4
• 🎬 11_AI大模型之Python基础_显示所有用户以及测试.mp4

02_尚硅谷大模型技术之数据结构与算法

1.笔记

2.资料

3.视频及代码

day01

代码

• 🎬 00_AI大模型之数据结构与算法_CMS项目删除说明.mp4
• 🎬 01_AI大模型之数据结构与算法_如何刷题.mp4
• 🎬 02_AI大模型之数据结构与算法_数据结构介绍.mp4
• 🎬 03_AI大模型之数据结构与算法_时间复杂度.mp4
• 🎬 04_AI大模型之数据结构与算法_最优、最坏、平均时间复杂度.mp4
• 🎬 05_AI大模型之数据结构与算法_常见的时间复杂度.mp4
• 🎬 06_AI大模型之数据结构与算法_空间复杂度.mp4
• 🎬 07_AI大模型之数据结构与算法_数组和列表内存对比.mp4
• 🎬 08_AI大模型之数据结构与算法_上午内容回顾.mp4
• 🎬 09_AI大模型之数据结构与算法_数组和list动态扩容的实现.mp4
• 🎬 10_AI大模型之数据结构与算法_数组类型的定义.mp4
• 🎬 11_AI大模型之数据结构与算法_数组扩容实现.mp4
• 🎬 12_AI大模型之数据结构与算法_插入元素分析.mp4
• 🎬 13_AI大模型之数据结构与算法_插入元素代码实现.mp4
• 🎬 14_AI大模型之数据结构与算法_从数组中删除元素.mp4
• 🎬 15_AI大模型之数据结构与算法_数组其它方法以及测试.mp4
• 🎬 16_AI大模型之数据结构与算法_链表介绍.mp4
• 🎬 17_AI大模型之数据结构与算法_链表类的定义.mp4
• 🎬 18_AI大模型之数据结构与算法_向链表中添加元素.mp4

day02

代码

• 🎬 00_AI大模型之数据结构与算法_内容回顾.mp4
• 🎬 01_AI大模型之数据结构与算法_从链表上删除元素.mp4
• 🎬 02_AI大模型之数据结构与算法_链表其它方法实现以及测试.mp4
• 🎬 03_AI大模型之数据结构与算法_栈整体实现.mp4
• 🎬 04_AI大模型之数据结构与算法_栈的应用.mp4
• 🎬 05_AI大模型之数据结构与算法_队列介绍.mp4
• 🎬 06_AI大模型之数据结构与算法_队列代码实现.mp4
• 🎬 07_AI大模型之数据结构与算法_上午内容回顾.mp4
• 🎬 08_AI大模型之数据结构与算法_确定数组下标.mp4
• 🎬 09_AI大模型之数据结构与算法_哈希冲突处理.mp4
• 🎬 10_AI大模型之数据结构与算法_负载因子.mp4
• 🎬 11_AI大模型之数据结构与算法_hash表类的定义.mp4
• 🎬 12_AI大模型之数据结构与算法_向hash表中添加数据思路分析.mp4
• 🎬 13_AI大模型之数据结构与算法_扩容.mp4
• 🎬 14_AI大模型之数据结构与算法_向hash表中添加元素.mp4
• 🎬 15_AI大模型之数据结构与算法_从hash表中删除元素.mp4
• 🎬 16_AI大模型之数据结构与算法_hash表其它功能的实现以及测试.mp4

day03

代码

• 🎬 00_AI大模型之数据结构与算法_内容回顾.mp4
• 🎬 01_AI大模型之数据结构与算法_树相关概念.mp4
• 🎬 02_AI大模型之数据结构与算法_二叉树的存储结构.mp4
• 🎬 03_AI大模型之数据结构与算法_常见的二叉树.mp4
• 🎬 04_AI大模型之数据结构与算法_二叉树类的定义.mp4
• 🎬 05_AI大模型之数据结构与算法_查找树上的节点.mp4
• 🎬 06_AI大模型之数据结构与算法_向树中添加元素.mp4
• 🎬 07_AI大模型之数据结构与算法_删除没有子节点的节点.mp4
• 🎬 08_AI大模型之数据结构与算法_删除有一个子节点的节点.mp4
• 🎬 09_AI大模型之数据结构与算法_获取右子树最小值节点.mp4
• 🎬 10_AI大模型之数据结构与算法_删除有两个子节点的节点以及测试.mp4
• 🎬 11_AI大模型之数据结构与算法_二叉树的遍历.mp4
• 🎬 12_AI大模型之数据结构与算法_上午内容回顾.mp4
• 🎬 13_AI大模型之数据结构与算法_图数据结构介绍.mp4
• 🎬 14_AI大模型之数据结构与算法_二分查找法.mp4
• 🎬 15_AI大模型之数据结构与算法_查找多数元素.mp4
• 🎬 16_AI大模型之数据结构与算法_冒泡排序思路分析.mp4
• 🎬 17_AI大模型之数据结构与算法_冒泡排序代码实现.mp4

day04

代码

• 🎬 00_AI大模型之数据结构与算法_内容回顾.mp4
• 🎬 01_AI大模型之数据结构与算法_选择排序思路分析.mp4
• 🎬 02_AI大模型之数据结构与算法_选择排序代码实现.mp4
• 🎬 03_AI大模型之数据结构与算法_插入排序思路分析.mp4
• 🎬 04_AI大模型之数据结构与算法_插入排序代码实现.mp4
• 🎬 05_AI大模型之数据结构与算法_归并排序思路分析.mp4
• 🎬 06_AI大模型之数据结构与算法_归并排序代码实现.mp4
• 🎬 07_AI大模型之数据结构与算法_归并排序代码执行流程.mp4
• 🎬 08_AI大模型之数据结构与算法_上午内容回顾.mp4
• 🎬 09_AI大模型之数据结构与算法_快速排序思路分析.mp4
• 🎬 10_AI大模型之数据结构与算法_快速排序代码实现.mp4
• 🎬 11_AI大模型之数据结构与算法_堆排序思路分析.mp4
• 🎬 12_AI大模型之数据结构与算法_堆排序代码实现.mp4
• 🎬 13_AI大模型之数据结构与算法_总结.mp4

day05

上个班视频

day01

代码

• 🎬 00_AI大模型之数据结构与算法_Python基础项目删除讲解.mp4
• 🎬 01_AI大模型之数据结构与算法_如何学.mp4
• 🎬 02_AI大模型之数据结构与算法_数据结构介绍.mp4
• 🎬 03_AI大模型之数据结构与算法_算法介绍.mp4
• 🎬 04_AI大模型之数据结构与算法_时间复杂度以及大O表示法.mp4
• 🎬 05_AI大模型之数据结构与算法_常见的时间空间复杂度.mp4
• 🎬 06_AI大模型之数据结构与算法_列表内存分配.mp4
• 🎬 07_AI大模型之数据结构与算法_array模块下的array内存分配.mp4
• 🎬 08_AI大模型之数据结构与算法_定义数组类.mp4
• 🎬 09_AI大模型之数据结构与算法_向数组中插入元素思路.mp4
• 🎬 10_AI大模型之数据结构与算法_插入元素前扩容.mp4
• 🎬 11_AI大模型之数据结构与算法_向数组中添加元素.mp4
• 🎬 12_AI大模型之数据结构与算法_删除数组指定位置元素.mp4
• 🎬 13_AI大模型之数据结构与算法_数组其它方法实现.mp4
• 🎬 14_AI大模型之数据结构与算法_链表介绍.mp4
• 🎬 15_AI大模型之数据结构与算法_定义链表类.mp4
• 🎬 16_AI大模型之数据结构与算法_向链表中添加元素图示.mp4
• 🎬 17_AI大模型之数据结构与算法_向链表中添加元素代码实现.mp4
• 🎬 18_AI大模型之数据结构与算法_从链表中删除指定位置元素.mp4
• 🎬 19_AI大模型之数据结构与算法_链表其它方法实现.mp4
• 🎬 20_AI大模型之数据结构与算法_总结.mp4

day04

代码

• 🎬 00_AI大模型之数据结构与算法_内容回顾.mp4
• 🎬 01_AI大模型之数据结构与算法_选择排序思路分析.mp4
• 🎬 02_AI大模型之数据结构与算法_选择排序代码实现.mp4
• 🎬 03_AI大模型之数据结构与算法_插入排序思路分析.mp4
• 🎬 04_AI大模型之数据结构与算法_插入排序代码实现.mp4
• 🎬 05_AI大模型之数据结构与算法_归并排序思路分析.mp4
• 🎬 06_AI大模型之数据结构与算法_归并排序代码实现.mp4
• 🎬 07_AI大模型之数据结构与算法_归并排序执行图.mp4
• 🎬 08_AI大模型之数据结构与算法_上午内容回顾.mp4
• 🎬 09_AI大模型之数据结构与算法_快速排序思路分析.mp4
• 🎬 10_AI大模型之数据结构与算法_快速排序代码实现.mp4
• 🎬 11_AI大模型之数据结构与算法_快速排序执行图.mp4
• 🎬 12_AI大模型之数据结构与算法_堆排序思路分析.mp4
• 🎬 13_AI大模型之数据结构与算法_堆排序代码实现.mp4
• 🎬 14_AI大模型之数据结构与算法_堆排序执行图.mp4

代码

• 🎬 00_AI大模型之数据结构与算法_内容回顾.mp4
• 🎬 01_AI大模型之数据结构与算法_汉诺塔思路分析.mp4
• 🎬 02_AI大模型之数据结构与算法_汉诺塔代码实现.mp4
• 🎬 03_AI大模型之数据结构与算法_汉诺塔执行流程分析.mp4
• 🎬 04_AI大模型之数据结构与算法_卡拉楚巴算法.mp4
• 🎬 05_AI大模型之数据结构与算法_爬楼梯案例.mp4
• 🎬 06_AI大模型之数据结构与算法_最大连续子数组和.mp4
• 🎬 07_AI大模型之数据结构与算法_0-1背包思路.mp4
• 🎬 08_AI大模型之数据结构与算法_0-1背包代码实现.mp4
• 🎬 09_AI大模型之数据结构与算法_0-1背包一维数组实现.mp4
• 🎬 10_AI大模型之数据结构与算法_完全背包.mp4
• 🎬 11_AI大模型之数据结构与算法_全排列代码.mp4
• 🎬 12_AI大模型之数据结构与算法_全排列执行流程分析.mp4
• 🎬 13_AI大模型之数据结构与算法_一次交换得到最大值.mp4

03_尚硅谷大模型技术之Linux及Shell

1.笔记

2.资料

3.视频及代码

day01

• 🎬 00_AI大模型之Linux与Shell_Linux介绍.mp4
• 🎬 01_AI大模型之Linux与Shell_Vmware的介绍.mp4
• 🎬 02_AI大模型之Linux与Shell_虚拟电脑的配置.mp4
• 🎬 03_AI大模型之Linux与Shell_安装ubuntu.mp4
• 🎬 04_AI大模型之Linux与Shell_虚拟机网络的配置.mp4
• 🎬 05_AI大模型之Linux与Shell_配置Xshell.mp4
• 🎬 06_AI大模型之Linux与Shell_Linux目录结构.mp4
• 🎬 07_AI大模型之Linux与Shell_apt包管理工具.mp4
• 🎬 08_AI大模型之Linux与Shell_帮助命令.mp4
• 🎬 09_AI大模型之Linux与Shell_pwd,ls,cd命令.mp4
• 🎬 10_AI大模型之Linux与Shell_mkdir,touch,cp,rm,mv命令.mp4
• 🎬 11_AI大模型之Linux与Shell_cat,tail,echo,重定向,ln命令.mp4
• 🎬 12_AI大模型之Linux与Shell_vim编辑器.mp4
• 🎬 13_AI大模型之Linux与Shell_root用户.mp4
• 🎬 14_AI大模型之Linux与Shell_用户操作命令.mp4
• 🎬 15_AI大模型之Linux与Shell_用户组命令.mp4

day02

• 🎬 00_AI大模型之Linux与Shell_chmod命令.mp4
• 🎬 01_AI大模型之Linux与Shell_chown和chgrp命令.mp4
• 🎬 02_AI大模型之Linux与Shell_find命令.mp4
• 🎬 03_AI大模型之Linux与Shell_管道符和grep.mp4
• 🎬 04_AI大模型之Linux与Shell_压缩和解压缩.mp4
• 🎬 05_AI大模型之Linux与Shell_df和du命令.mp4
• 🎬 06_AI大模型之Linux与Shell_ping,ifconfig,hostname命令.mp4
• 🎬 07_AI大模型之Linux与Shell_ps,top,kill,free命令.mp4
• 🎬 08_AI大模型之Linux与Shell_定时任务.mp4
• 🎬 09_AI大模型之Linux与Shell_Shell介绍.mp4
• 🎬 10_AI大模型之Linux与Shell_第一个shell程序.mp4
• 🎬 11_AI大模型之Linux与Shell_自定义变量.mp4
• 🎬 12_AI大模型之Linux与Shell_特殊变量.mp4
• 🎬 13_AI大模型之Linux与Shell_算术运算符.mp4
• 🎬 14_AI大模型之Linux与Shell_条件判断.mp4
• 🎬 15_AI大模型之Linux与Shell_if分支.mp4
• 🎬 16_AI大模型之Linux与Shell_case分支.mp4
• 🎬 17_AI大模型之Linux与Shell_for循环.mp4
• 🎬 18_AI大模型之Linux与Shell_特殊变量区别.mp4
• 🎬 19_AI大模型之Linux与Shell_while循环.mp4
• 🎬 20_AI大模型之Linux与Shell_read和函数.mp4
• 🎬 21_AI大模型之Linux与Shell_cut.mp4
• 🎬 22_AI大模型之Linux与Shell_awk.mp4

04_尚硅谷大模型技术之MySQL

1.笔记

2.资料

3.视频及代码

day01

• 🎬 00_AI大模型之MySQL_晨测题讲解.mp4
• 🎬 01_AI大模型之MySQL_MySQL介绍.mp4
• 🎬 02_AI大模型之MySQL_表和表之间关系.mp4
• 🎬 03_AI大模型之MySQL_MySQL安装.mp4
• 🎬 04_AI大模型之MySQL_安装常见问题说明.mp4
• 🎬 05_AI大模型之MySQL_不同客户端连接数据库.mp4
• 🎬 06_AI大模型之MySQL_忘记密码操作.mp4
• 🎬 07_AI大模型之MySQL_命令行基本操作.mp4
• 🎬 08_AI大模型之MySQL_可视化客户端基本操作.mp4
• 🎬 09_AI大模型之MySQL_SQL语句的规范以及分类.mp4
• 🎬 10_AI大模型之MySQL_SQL中的注释.mp4
• 🎬 11_AI大模型之MySQL_DDL_库相关.mp4
• 🎬 12_AI大模型之MySQL_DDL_表相关.mp4
• 🎬 13_AI大模型之MySQL_DML_insert.mp4
• 🎬 14_AI大模型之MySQL_DML_delete.mp4
• 🎬 15_AI大模型之MySQL_DML_update.mp4
• 🎬 16_AI大模型之MySQL_DML_select初识.mp4
• 🎬 17_AI大模型之MySQL_DDL和DML总结.mp4
• 🎬 18_AI大模型之MySQL_算术、比较区间运算符.mp4

day02

• 🎬 00_AI大模型之MySQL_内容回顾.mp4
• 🎬 01_AI大模型之MySQL_模糊匹配运算符.mp4
• 🎬 02_AI大模型之MySQL_逻辑运算符以及空值判断.mp4
• 🎬 03_AI大模型之MySQL_整数类型.mp4
• 🎬 04_AI大模型之MySQL_浮点数类型.mp4
• 🎬 05_AI大模型之MySQL_定长和可变长类型.mp4
• 🎬 06_AI大模型之MySQL_枚举和集合.mp4
• 🎬 07_AI大模型之MySQL_文本类型和二进制类型(了解).mp4
• 🎬 08_AI大模型之MySQL_日期类型.mp4
• 🎬 09_AI大模型之MySQL_上午内容回顾.mp4
• 🎬 10_AI大模型之MySQL_函数的介绍与分类.mp4
• 🎬 11_AI大模型之MySQL_单行函数.mp4
• 🎬 12_AI大模型之MySQL_字符串函数介绍.mp4
• 🎬 13_AI大模型之MySQL_字符串函数案例.mp4
• 🎬 14_AI大模型之MySQL_日期函数介绍.mp4
• 🎬 15_AI大模型之MySQL_日期函数案例.mp4
• 🎬 16_AI大模型之MySQL_加密函数.mp4
• 🎬 17_AI大模型之MySQL_分支判断函数.mp4
• 🎬 18_AI大模型之MySQL_多行函数.mp4

day03

• 🎬 00_AI大模型之MySQL_窗口函数介绍.mp4
• 🎬 01_AI大模型之MySQL_窗口函数案例.mp4
• 🎬 02_AI大模型之MySQL_连接查询介绍.mp4
• 🎬 03_AI大模型之MySQL_内连接.mp4
• 🎬 04_AI大模型之MySQL_左外连接.mp4
• 🎬 05_AI大模型之MySQL_右外连接.mp4
• 🎬 06_AI大模型之MySQL_全外连接.mp4
• 🎬 07_AI大模型之MySQL_自连接.mp4
• 🎬 08_AI大模型之MySQL_上午内容回顾.mp4
• 🎬 09_AI大模型之MySQL_groupBy分组.mp4
• 🎬 10_AI大模型之MySQL_rollup.mp4
• 🎬 11_AI大模型之MySQL_having.mp4
• 🎬 12_AI大模型之MySQL_orderBy和limit.mp4
• 🎬 13_AI大模型之MySQL_select中嵌套子查询.mp4
• 🎬 14_AI大模型之MySQL_having和where中嵌套子查询.mp4
• 🎬 15_AI大模型之MySQL_exists中嵌套子查询.mp4
• 🎬 16_AI大模型之MySQL_from中嵌套子查询.mp4
• 🎬 17_AI大模型之MySQL_update中嵌套子查询.mp4
• 🎬 18_AI大模型之MySQL_delete中嵌套子查询.mp4
• 🎬 19_AI大模型之MySQL_建表或者向表中插入数据使用子查询.mp4
• 🎬 20_AI大模型之MySQL_CTE.mp4

day04

代码

• 🎬 00_AI大模型之MySQL_内容回顾.mp4
• 🎬 01_AI大模型之MySQL_约束介绍.mp4
• 🎬 02_AI大模型之MySQL_非空约束.mp4
• 🎬 03_AI大模型之MySQL_唯一键约束.mp4
• 🎬 04_AI大模型之MySQL_主键约束.mp4
• 🎬 05_AI大模型之MySQL_自增约束.mp4
• 🎬 06_AI大模型之MySQL_默认值约束.mp4
• 🎬 07_AI大模型之MySQL_检查约束.mp4
• 🎬 08_AI大模型之MySQL_外键约束.mp4
• 🎬 09_AI大模型之MySQL_事务介绍.mp4
• 🎬 10_AI大模型之MySQL_事务隔离级别.mp4
• 🎬 11_AI大模型之MySQL_用户管理以及MySQL8新特性.mp4
• 🎬 12_AI大模型之MySQL_Python中连接本地MySQL.mp4
• 🎬 13_AI大模型之MySQL_Ubuntu上安装MySQL.mp4
• 🎬 14_AI大模型之MySQL_Python连接Ubuntu上的MySQL.mp4
• 🎬 15_AI大模型之MySQL_Python程序中操作Redis.mp4
• 🎬 16_AI大模型之MySQL_Ubuntu上安装Jdk以及Hadoop.mp4
• 🎬 17_AI大模型之MySQL_Hive的安装以及访问.mp4

05_尚硅谷大模型技术之Numpy&Pandas

1.笔记

2.资料

data

3.视频及代码

day01

代码

• 🎬 00_AI大模型之Numpy_Pandas_Anaconda介绍.mp4
• 🎬 01_AI大模型之Numpy_Pandas_window上安装Anaconda.mp4
• 🎬 02_AI大模型之Numpy_Pandas_Ubuntu上安装Anaconda.mp4
• 🎬 03_AI大模型之Numpy_Pandas_conda相关命令.mp4
• 🎬 04_AI大模型之Numpy_Pandas_jupyter介绍.mp4
• 🎬 05_AI大模型之Numpy_Pandas_Pycharm中集成Jupyter.mp4
• 🎬 06_AI大模型之Numpy_Pandas_切换conda环境.mp4
• 🎬 07_AI大模型之Numpy_Pandas_内容回顾以及不同运行环境梳理.mp4
• 🎬 08_AI大模型之Numpy_Pandas_安装问题说明.mp4
• 🎬 09_AI大模型之Numpy_Pandas_集成远程Jupyter.mp4
• 🎬 10_AI大模型之Numpy_Pandas_Jupyter快捷键.mp4
• 🎬 11_AI大模型之Numpy_Pandas_numpy介绍.mp4
• 🎬 12_AI大模型之Numpy_Pandas_ndarray属性.mp4
• 🎬 13_AI大模型之Numpy_Pandas_array和asarray.mp4
• 🎬 14_AI大模型之Numpy_Pandas_ndarray的创建方式.mp4
• 🎬 15_AI大模型之Numpy_Pandas_数据类型.mp4

day02

代码

• 🎬 00_AI大模型之Numpy_Pandas_内容回顾.mp4
• 🎬 01_AI大模型之Numpy_Pandas_数组的切片与索引.mp4
• 🎬 02_AI大模型之Numpy_Pandas_numpy的基本函数.mp4
• 🎬 03_AI大模型之Numpy_Pandas_统计函数.mp4
• 🎬 04_AI大模型之Numpy_Pandas_比较、排序和去重.mp4
• 🎬 05_AI大模型之Numpy_Pandas_axis方向说明.mp4
• 🎬 06_AI大模型之Numpy_Pandas_广播机制.mp4
• 🎬 07_AI大模型之Numpy_Pandas_矩阵计算.mp4
• 🎬 08_AI大模型之Numpy_Pandas_上午内容回顾.mp4
• 🎬 09_AI大模型之Numpy_Pandas_Pandas介绍.mp4
• 🎬 10_AI大模型之Numpy_Pandas_Series的创建方式.mp4
• 🎬 11_AI大模型之Numpy_Pandas_Series常用属性.mp4
• 🎬 12_AI大模型之Numpy_Pandas_Series常用方法_1.mp4
• 🎬 13_AI大模型之Numpy_Pandas_Series常用方法_2.mp4
• 🎬 14_AI大模型之Numpy_Pandas_Series的计算.mp4

day03

代码

data

• 🎬 00_AI大模型之Numpy_Pandas_内容回顾.mp4
• 🎬 01_AI大模型之Numpy_Pandas_DataFrame对象的创建.mp4
• 🎬 02_AI大模型之Numpy_Pandas_DataFrame常用属性.mp4
• 🎬 03_AI大模型之Numpy_Pandas_DataFrame常用方法.mp4
• 🎬 04_AI大模型之Numpy_Pandas_布尔索引.mp4
• 🎬 05_AI大模型之Numpy_Pandas_DataFrame的运算.mp4
• 🎬 06_AI大模型之Numpy_Pandas_DataFrame的修改.mp4
• 🎬 07_AI大模型之Numpy_Pandas_上午内容回顾.mp4
• 🎬 08_AI大模型之Numpy_Pandas_导出数据到csv以及json.mp4
• 🎬 09_AI大模型之Numpy_Pandas_将df数据写到MySQL.mp4
• 🎬 10_AI大模型之Numpy_Pandas_数据的导入.mp4
• 🎬 11_AI大模型之Numpy_Pandas_pandas日期初识.mp4
• 🎬 12_AI大模型之Numpy_Pandas_天气数据基本统计.mp4
• 🎬 13_AI大模型之Numpy_Pandas_天气聚合统计以及图形化.mp4
• 🎬 14_AI大模型之Numpy_Pandas_天气统计排序.mp4
• 🎬 15_AI大模型之Numpy_Pandas_员工统计案例.mp4

day04

代码

• 🎬 00_AI大模型之Python基础串讲_晨测题讲解以及内容回顾.mp4
• 🎬 01_AI大模型之Python基础串讲_concat连接Series.mp4
• 🎬 02_AI大模型之Python基础串讲_concat连接DataFrame.mp4
• 🎬 03_AI大模型之Python基础串讲_merge连接的方式.mp4
• 🎬 04_AI大模型之Python基础串讲_设置关联列以及通过索引关联.mp4
• 🎬 05_AI大模型之Python基础串讲_join通过索引连接.mp4
• 🎬 06_AI大模型之Python基础串讲_merge连接方式的指定.mp4
• 🎬 07_AI大模型之Python基础串讲_上午内容回顾.mp4
• 🎬 08_AI大模型之Python基础串讲_缺失值的判断.mp4
• 🎬 09_AI大模型之Python基础串讲_查看缺失值.mp4
• 🎬 10_AI大模型之Python基础串讲_剔除缺失值.mp4
• 🎬 11_AI大模型之Python基础串讲_填充缺失值.mp4
• 🎬 12_AI大模型之Python基础串讲_Series上使用apply.mp4
• 🎬 13_AI大模型之Python基础串讲_DataFrame上使用apply.mp4
• 🎬 14_AI大模型之Python基础串讲_向量化函数.mp4
• 🎬 15_AI大模型之Python基础串讲_分组聚合.mp4
• 🎬 16_AI大模型之Python基础串讲_cut函数.mp4
• 🎬 17_AI大模型之Python基础串讲_agg聚合函数.mp4
• 🎬 18_AI大模型之Python基础串讲_分组转换和过滤.mp4

day05

代码

• 🎬 00_AI大模型之Numpy_Pandas_内容回顾.mp4
• 🎬 01_AI大模型之Numpy_Pandas_Pivot透视表介绍.mp4
• 🎬 02_AI大模型之Numpy_Pandas_睡眠时间压力统计睡眠基本实现.mp4
• 🎬 03_AI大模型之Numpy_Pandas_透视表实现.mp4
• 🎬 04_AI大模型之Numpy_Pandas_日期基本类型.mp4
• 🎬 05_AI大模型之Numpy_Pandas_使用时间作为索引.mp4
• 🎬 06_AI大模型之Numpy_Pandas_时间序列生成以及采样.mp4
• 🎬 07_AI大模型之Numpy_Pandas_正余弦曲线.mp4
• 🎬 08_AI大模型之Numpy_Pandas_mt直方图展示降水量.mp4
• 🎬 09_AI大模型之Numpy_Pandas_mt散点图.mp4
• 🎬 10_AI大模型之Numpy_Pandas_pandas提供的绘图.mp4
• 🎬 11_AI大模型之Numpy_Pandas_Seaborn可视化.mp4
• 🎬 12_AI大模型之Numpy_Pandas_项目业务背景.mp4
• 🎬 13_AI大模型之Numpy_Pandas_数据源介绍.mp4
• 🎬 14_AI大模型之Numpy_Pandas_待统计指标说明.mp4
• 🎬 15_AI大模型之Numpy_Pandas_数据的读取以及清洗.mp4
• 🎬 16_AI大模型之Numpy_Pandas_日期类型转换.mp4
• 🎬 17_AI大模型之Numpy_Pandas_添加新的特征.mp4
• 🎬 18_AI大模型之Numpy_Pandas_数值型列描述性统计.mp4
• 🎬 19_AI大模型之Numpy_Pandas_房价相关性统计.mp4
• 🎬 20_AI大模型之Numpy_Pandas_分组聚合统计.mp4
• 🎬 21_AI大模型之Numpy_Pandas_可视化.mp4

06_尚硅谷大模型技术之Git

1.笔记

2.资料

3.代码

project-1

project-2

project-3

project-4

demo

4.视频

• 🎬 00_AI大模型之Git_何为版本控制.mp4
• 🎬 01_AI大模型之Git_版本控制工具.mp4
• 🎬 02_AI大模型之Git_Git的简介.mp4
• 🎬 03_AI大模型之Git_Git的安装.mp4
• 🎬 04_AI大模型之Git_设置全局签名.mp4
• 🎬 05_AI大模型之Git_命令_添加到暂存区以及本地库.mp4
• 🎬 06_AI大模型之Git_比较文件.mp4
• 🎬 07_AI大模型之Git_版本穿梭以及删除.mp4
• 🎬 08_AI大模型之Git_分支介绍.mp4
• 🎬 09_AI大模型之Git_分支合并以及冲突处理.mp4
• 🎬 10_AI大模型之Git_gitee上创建仓库.mp4
• 🎬 11_AI大模型之Git_提交本地库内容到远程库.mp4
• 🎬 12_AI大模型之Git_克隆远程库项目到本地以及删除原有凭据.mp4
• 🎬 13_AI大模型之Git_邀请成员以及拉取远程库项目.mp4
• 🎬 14_AI大模型之Git_Pycharm中集成Git.mp4
• 🎬 15_AI大模型之Git_Pycharm关联Git.mp4
• 🎬 16_AI大模型之Git_push以及pull和克隆.mp4
• 🎬 17_AI大模型之Git_总结.mp4

07_尚硅谷大模型技术之机器学习核心

1.笔记

2.资料

data

3.视频及代码

Day1

Day1

notebook

.ipynb_checkpoints

• 🎬 1_数学基础_导数概念和运算法则.wmv
• 🎬 2_数学基础_利用导数求极值和二阶导数.wmv
• 🎬 3_数学基础_代码绘制导函数图像和极值.wmv
• 🎬 4_数学基础_偏导数.wmv
• 🎬 5_数学基础_方向导数和梯度.wmv
• 🎬 6_数学基础_标量和向量_基本概念和运算.wmv
• 🎬 7_数学基础_标量和向量_范数.wmv
• 🎬 8_数学基础_矩阵_基本运算.wmv
• 🎬 9_数学基础_矩阵_其它运算.wmv
• 🎬 10_数学基础_张量.wmv
• 🎬 11_数学基础_矩阵求导.wmv
• 🎬 12_数学基础_代码中的离散梯度计算.wmv
• 🎬 13_数学基础_概率的概念和计算.wmv
• 🎬 14_数学基础_概率分布.wmv
• 🎬 15_数学基础_贝叶斯定理.wmv
• 🎬 16_数学基础_极大似然估计.wmv

Day2

• 🎬 1_复习回顾.wmv
• 🎬 2_机器学习_基本概念.wmv
• 🎬 3_机器学习_AI、ML、DL的联系和区别.wmv
• 🎬 4_机器学习_发展历史.wmv
• 🎬 5_机器学习_应用领域.wmv
• 🎬 6_机器学习_基本术语.wmv
• 🎬 7_机器学习_基本分类.wmv
• 🎬 8_机器学习_具体方法分类.wmv
• 🎬 9_机器学习_监督学习流程.wmv
• 🎬 10_特征工程_概念和主要内容.wmv
• 🎬 11_特征工程_低方差过滤法.wmv
• 🎬 12_特征工程_相关系数法_皮尔逊.wmv
• 🎬 13_特征工程_相关系数法_斯皮尔曼.wmv
• 🎬 14_特征工程_特征降维_PCA.wmv
• 📦 ml_tutorial_Day2.zip

Day3

• 🎬 1_复习回顾.wmv
• 🎬 2_模型评估和模型选择_损失函数.wmv
• 🎬 3_模型评估和模型选择_经验误差和泛化误差.wmv
• 🎬 4_模型评估和模型选择_欠拟合和过拟合.wmv
• 🎬 5_模型评估和模型选择_欠拟合和过拟合案例_整体思路.wmv
• 🎬 6_模型评估和模型选择_欠拟合和过拟合案例_引入模块和定义数据.wmv
• 🎬 7_模型评估和模型选择_欠拟合和过拟合案例_欠拟合.wmv
• 🎬 8_模型评估和模型选择_欠拟合和过拟合案例_恰好拟合和过拟合.wmv
• 🎬 9_上午复习总结.wmv
• 🎬 10_模型评估和模型选择_正则化.wmv
• 🎬 11_模型评估和模型选择_正则化案例_未正则化.wmv
• 🎬 12_模型评估和模型选择_正则化案例_L1和L2正则化.wmv
• 🎬 13_问题解答.wmv
• 🎬 14_模型评估和模型选择_交叉验证.wmv
• 🎬 15_模型求解_解析法.wmv
• 📦 ml_tutorial_Day3.zip

Day4

• 🎬 1_复习回顾.wmv
• 🎬 2_模型求解算法_梯度下降法_基本概念和特点.wmv
• 🎬 3_模型求解算法_梯度下降法_分类.wmv
• 🎬 4_模型求解算法_梯度下降法_实现步骤.wmv
• 🎬 5_模型求解算法_梯度下降法_案例1.wmv
• 🎬 6_模型求解算法_梯度下降法_案例2.wmv
• 🎬 7_模型求解算法_梯度下降法_学习率的选取.wmv
• 🎬 8_模型求解算法_梯度下降法_Lasso回归和岭回归中的应用.wmv
• 🎬 9_模型求解算法_牛顿法和拟牛顿法.wmv
• 🎬 10_复习总结_梯度下降法.wmv
• 🎬 11_模型评价指标_回归.wmv
• 🎬 12_模型评价指标_分类_混淆矩阵.wmv
• 🎬 13_模型评价指标_分类_准确率、精确率和召回率.wmv
• 🎬 14_模型评价指标_生成分类报告.wmv
• 🎬 15_模型评价指标_分类_ROC曲线.wmv
• 🎬 16_模型评价指标_分类_ROC案例.wmv
• 🎬 17_模型评价指标_分类_AUC.wmv
• 📦 ml_tutorial_Day4.zip

Day5

• 🎬 1_复习回顾.wmv
• 🎬 2_KNN_工作原理.wmv
• 🎬 3_KNN_关键参数和特点.wmv
• 🎬 4_KNN_API_分类器.wmv
• 🎬 5_KNN_API_回归器.wmv
• 🎬 6_KNN_距离度量方法.wmv
• 🎬 7_KNN_特征转换_归一化.wmv
• 🎬 8_KNN_特征转换_标准化.wmv
• 🎬 9_KNN_心脏病预测案例_整体介绍.wmv
• 🎬 10_复习回顾_KNN.wmv
• 🎬 11_KNN_心脏病预测案例_加载数据集.wmv
• 🎬 12_KNN_心脏病预测案例_特征工程.wmv
• 🎬 13_KNN_心脏病预测案例_模型训练和评估.wmv
• 🎬 14_KNN_心脏病预测案例_模型保存和加载.wmv
• 🎬 15_KNN_心脏病预测案例_网格搜索和超参数调节.wmv
• 📦 ml_tutorial_Day5.zip

Day6

• 🎬 1_复习回顾.wmv
• 🎬 2_线性回归_基本原理和应用.wmv
• 🎬 3_线性回归_API调用.wmv
• 🎬 4_线性回归_损失函数.wmv
• 🎬 5_线性回归_一元线性回归_解析法.wmv
• 🎬 6_线性回归_多元线性回归_正规方程法.wmv
• 🎬 7_复习总结.wmv
• 🎬 8_线性回归_API_初始化参数和评价指标.wmv
• 🎬 9_线性回归_梯度下降法_整体介绍和案例.wmv
• 🎬 10_线性回归_梯度下降法_代码实现1.wmv
• 🎬 11_线性回归_梯度下降法_代码实现2.wmv
• 🎬 12_线性回归_梯度下降法API_SGDRegressor.wmv
• 🎬 13_线性回归_梯度下降法的问题.wmv
• 🎬 14_线性回归_广告预测案例.wmv
• 📦 ml_tutorial_Day6.zip

Day7

• 🎬 1_复习回顾.wmv
• 🎬 2_逻辑回归_基本概念和原理.wmv
• 🎬 3_逻辑回归_应用场景.wmv
• 🎬 4_逻辑回归_损失函数.wmv
• 🎬 5_逻辑回归_损失函数梯度计算.wmv
• 🎬 6_逻辑回归_API调用.wmv
• 🎬 7_逻辑回归_心脏病预测案例.wmv
• 🎬 8_逻辑回归_多分类任务_OVR.wmv
• 🎬 9_逻辑回归_多分类任务_Softmax回归.wmv
• 🎬 10_上午内容复习.wmv
• 🎬 11_逻辑回归_数字识别案例_数据集加载和划分.wmv
• 🎬 12_逻辑回归_数字识别案例_模型训练和测试.wmv
• 🎬 13_感知机_基本概念.wmv
• 🎬 14_感知机_逻辑门电路.wmv
• 🎬 15_感知机_逻辑门代码实现.wmv
• 🎬 16_感知机_感知机的局限.wmv
• 🎬 17_感知机_多层感知机实现异或门.wmv
• 📦 ml_tutorial_Day7.zip

Day8

• 🎬 1_复习回顾.wmv
• 🎬 2_朴素贝叶斯_基本原理.wmv
• 🎬 3_朴素贝叶斯_极大似然估计.wmv
• 🎬 4_朴素贝叶斯_贝叶斯估计.wmv
• 🎬 5_朴素贝叶斯_学习和分类过程.wmv
• 🎬 6_决策树_基本原理.wmv
• 🎬 7_决策树_工作过程.wmv
• 🎬 8_决策树_信息熵和条件熵.wmv
• 🎬 9_决策树_信息增益和ID3.wmv
• 🎬 10_决策树_信息增益率.wmv
• 🎬 11_决策树_基尼指数和CART.wmv
• 🎬 12_决策树_CART回归树.wmv
• 🎬 13_决策树_剪枝.wmv
• 🎬 14_SVM_基本原理.wmv
• 🎬 15_SVM_线性可分SVM_硬间隔.wmv
• 🎬 16_SVM_线性SVM_软间隔.wmv
• 🎬 17_SVM_非线性SVM_核函数.wmv
• 🎬 18_集成学习_基本介绍.wmv
• 🎬 19_集成学习_Adaboost.wmv
• 🎬 20_集成学习_随机森林.wmv
• 🎬 21_无监督_聚类_整体介绍.wmv
• 🎬 22_无监督_聚类_均值聚类.wmv
• 🎬 23_无监督_聚类_层次聚类.wmv
• 🎬 24_无监督_聚类_密度聚类.wmv
• 🎬 25_无监督_聚类_KMeans API.wmv
• 📦 ml_tutorial_Day08.zip

Day9

• 🎬 1_复习回顾.wmv
• 🎬 2_无监督_聚类_模型评价指标.wmv
• 🎬 3_无监督_降维_SVD.wmv
• 🎬 4_无监督_降维_PCA.wmv

08_尚硅谷大模型技术之深度学习核心

1.笔记

2.资料

data

3.视频及代码

Day1

• 🎬 1_深度学习_课程简介.wmv
• 🎬 2_深度学习_概述.wmv
• 🎬 3_神经网络_基本概念和结构.wmv
• 🎬 4_复习总结.wmv
• 🎬 5_神经网络_复习感知机和引入激活函数.wmv
• 🎬 6_神经网络_激活函数_阶跃函数.wmv
• 🎬 7_神经网络_激活函数_Sigmoid函数.wmv
• 🎬 8_神经网络_激活函数_Tanh函数.wmv
• 🎬 9_神经网络_激活函数_ReLU函数.wmv
• 🎬 10_神经网络_激活函数_Softmax函数.wmv
• 🎬 11_神经网络_激活函数_其它激活函数.wmv
• 🎬 12_神经网络_三层神经网络_基本结构和信号传递.wmv
• 🎬 13_神经网络_三层神经网络_代码实现.wmv
• 📦 dl_tutorial_Day1.zip

Day10

• 🎬 1_复习回顾.wmv
• 🎬 2_PyTorch深度学习_房价预测案例_整体思路和模块引入.wmv
• 🎬 3_PyTorch深度学习_房价预测案例_构建数据集和特征工程.wmv
• 🎬 4_PyTorch深度学习_房价预测案例_创建模型和初始化.wmv
• 🎬 5_PyTorch深度学习_房价预测案例_定义优化器和损失函数.wmv
• 🎬 6_PyTorch深度学习_房价预测案例_模型训练.wmv
• 🎬 7_问题解答.wmv
• 🎬 8_PyTorch深度学习_房价预测案例_模型验证和测试运行.wmv
• 🎬 9_CNN_整体介绍.wmv
• 🎬 10_CNN_卷积层_基本介绍.wmv
• 🎬 11_CNN_卷积层_数学上的卷积运算.wmv
• 🎬 12_CNN_卷积层_卷积运算.wmv
• 🎬 13_CNN_卷积层_填充.wmv
• 🎬 14_CNN_卷积层_步幅及输出形状计算.wmv
• 🎬 15_CNN_卷积层_三维数据的卷积.wmv
• 🎬 16_CNN_卷积层_API调用.wmv
• 📦 dl_tutorial_Day10.zip

Day11

• 🎬 1_复习回顾.wmv
• 🎬 2_问题解答和扩展.wmv
• 🎬 3_CNN_池化层_基本介绍.wmv
• 🎬 4_CNN_池化层_API调用.wmv
• 🎬 5_CNN_深度卷积神经网络_历史介绍.wmv
• 🎬 6_CNN_深度卷积神经网络_API调用.wmv
• 🎬 7_CNN_服装分类案例_整体介绍.wmv
• 🎬 8_CNN_服装分类案例_创建数据集.wmv
• 🎬 9_CNN_服装分类案例_创建模型.wmv
• 🎬 10_问题解答.wmv
• 🎬 11_CNN_服装分类案例_模型训练和验证.wmv
• 🎬 12_CNN_服装分类案例_打印进度条.wmv
• 🎬 13_CNN_服装分类案例_预测新数据.wmv
• 🎬 14_NLP_基本介绍.wmv
• 📦 dl_tutorial_Day11.zip

Day12

• 🎬 1_复习回顾.wmv
• 🎬 2_词嵌入层_基本概念和原理.wmv
• 🎬 3_词嵌入层_API调用.wmv
• 🎬 4_问题解答和扩展.wmv
• 🎬 5_NLP_著名模型.wmv
• 🎬 6_RNN_基本概念和原理.wmv
• 🎬 7_RNN_API调用.wmv
• 🎬 8_上午复习总结.wmv
• 🎬 9_RNN_输出形状说明.wmv
• 🎬 10_RNN_古诗生成案例_整体思路.wmv
• 🎬 11_RNN_古诗生成案例_数据预处理.wmv
• 🎬 12_问题解答.wmv
• 🎬 13_RNN_古诗生成案例_创建数据集.wmv
• 🎬 14_RNN_古诗生成案例_构建模型.wmv
• 📦 dl_tutorial_Day12.zip

Day13

• 🎬 1_复习回顾.wmv
• 🎬 2_RNN_古诗生成案例_模型训练.wmv
• 🎬 3_问题解答_数据形状.wmv
• 🎬 4_RNN_古诗生成案例_生成古诗.wmv
• 🎬 5_RNN_古诗生成案例_改进思路.wmv
• 📦 dl_tutorial.zip

Day2

• 🎬 1_复习回顾.wmv
• 🎬 2_神经网络_手写数字识别案例_代码实现.wmv
• 🎬 3_神经网络_手写数字识别案例_批量测试.wmv
• 🎬 4_神经网络的学习_损失函数_均方误差.wmv
• 🎬 5_神经网络的学习_损失函数_交叉熵误差.wmv
• 🎬 6_神经网络的学习_损失函数_分类和回归任务损失函数.wmv
• 🎬 7_上午复习总结.wmv
• 🎬 8_神经网络的学习_数值微分.wmv
• 🎬 9_神经网络的学习_数值微分案例_绘制切线.wmv
• 🎬 10_神经网络的学习_数值微分_偏导数和梯度.wmv
• 🎬 11_神经网络的学习_数值微分_偏导数和梯度_二维扩展.wmv
• 🎬 12_神经网络的学习_神经网络的梯度计算.wmv
• 🎬 13_问题解答.wmv
• 📦 dl_tutorial_Day2.zip

Day3

• 🎬 1_复习回顾.wmv
• 🎬 2_神经网络的学习_梯度下降法.wmv
• 🎬 3_神经网络的学习_梯度下降法_求最小值案例.wmv
• 🎬 4_神经网络的学习_梯度下降法_超参数调优.wmv
• 🎬 5_神经网络的学习_模型训练相关概念.wmv
• 🎬 6_神经网络的学习_SGD_基本概念和步骤.wmv
• 🎬 7_神经网络的学习_综合案例_两层神经网络类.wmv
• 🎬 8_上午复习总结.wmv
• 🎬 9_神经网络的学习_综合案例_加载数据.wmv
• 🎬 10_神经网络的学习_综合案例_模型训练和验证.wmv
• 🎬 11_反向传播_计算图_基本结构.wmv
• 🎬 12_反向传播_计算图_反向传播介绍.wmv
• 🎬 13_反向传播_数学原理_链式法则.wmv
• 🎬 14_反向传播_加法和乘法节点.wmv
• 📦 dl_tutorial_Day3.zip

Day4

• 🎬 1_复习回顾.wmv
• 🎬 2_反向传播_激活层_ReLU.wmv
• 🎬 3_反向传播_激活层_Sigmoid.wmv
• 🎬 4_反向传播_Affine_原理和推导.wmv
• 🎬 5_问题解答.wmv
• 🎬 6_反向传播_Affine_代码实现.wmv
• 🎬 7_上午复习总结.wmv
• 🎬 8_反向传播_输出层_原理和推导.wmv
• 🎬 9_问题解答.wmv
• 🎬 10_反向传播_输出层_代码实现.wmv
• 🎬 11_问题解答.wmv
• 🎬 12_反向传播_综合案例代码实现.wmv
• 📦 dl_tutorial_Day4.zip

Day5

• 🎬 1_复习回顾.wmv
• 🎬 2_深度学习_整体介绍.wmv
• 🎬 3_深度学习_梯度消失和梯度爆炸.wmv
• 🎬 4_更新参数方法优化_SGD的缺点.wmv
• 🎬 5_更新参数方法优化_动量法_原理介绍.wmv
• 🎬 6_更新参数方法优化_动量法_代码实现.wmv
• 🎬 7_更新参数方法优化_学习率衰减.wmv
• 🎬 8_更新参数方法优化_AdaGrad.wmv
• 🎬 9_更新参数方法优化_RMSProp.wmv
• 🎬 10_上午总结.wmv
• 🎬 11_更新参数方法优化_Adam_原理和公式.wmv
• 🎬 12_更新参数方法优化_Adam_代码实现.wmv
• 🎬 13_更新参数方法优化_各种方法对比_代码实现.wmv
• 🎬 14_更新参数方法优化_各种方法对比_超参数调节.wmv
• 📦 dl_tutorial_Day5.zip

Day6

• 🎬 1_复习回顾.wmv
• 🎬 2_参数初始化_概念和重要性.wmv
• 🎬 3_参数初始化_常数初始化.wmv
• 🎬 4_参数初始化_正态分布和均匀分布初始化.wmv
• 🎬 5_参数初始化_Xavier和He初始化.wmv
• 🎬 6_正则化_整体介绍.wmv
• 🎬 7_正则化_Batch Normalization.wmv
• 🎬 8_正则化_权值衰减.wmv
• 🎬 9_正则化_Dropout.wmv
• 🎬 10_PyTorch_基本介绍.wmv
• 🎬 11_PyTorch_安装基本介绍.wmv
• 🎬 12_上午复习总结.wmv
• 🎬 13_PyTorch安装_CPU.wmv
• 🎬 14_PyTorch安装_GPU.wmv
• 🎬 15_PyTorch_CUDA安装.wmv
• 🎬 16_PyTorch_安装细节.wmv
• 🎬 17_PyTorch_安装完成验证.wmv
• 🎬 18_PyTorch_创建张量_按内容.wmv
• 🎬 19_PyTorch_创建张量_按形状.wmv
• 🎬 20_PyTorch_创建张量_指定类型.wmv
• 🎬 21_PyTorch_创建张量_指定区间.wmv
• 🎬 22_PyTorch_创建张量_按数值填充.wmv
• 🎬 23_PyTorch_创建张量_随机生成.wmv
• 📦 dl_tutorial_Day6.zip

Day7

• 🎬 1_复习回顾.wmv
• 🎬 2_PyTorch_张量转换_类型转换.wmv
• 🎬 3_PyTorch_张量转换_Tensor转换为ndarray.wmv
• 🎬 4_PyTorch_张量转换_ndarray转换为Tensor.wmv
• 🎬 5_PyTorch_张量转换_Tensor与标量的转换.wmv
• 🎬 6_PyTorch_张量数值计算_基本运算.wmv
• 🎬 7_PyTorch_张量数值计算_哈达玛积.wmv
• 🎬 8_PyTorch_张量数值计算_张量矩阵乘法.wmv
• 🎬 9_PyTorch_节省内存.wmv
• 🎬 10_上午复习总结.wmv
• 🎬 11_PyTorch_张量统计函数.wmv
• 🎬 12_PyTorch_张量索引_简单索引和范围索引.wmv
• 🎬 13_PyTorch_张量索引_列表索引.wmv
• 🎬 14_PyTorch_张量索引_布尔索引.wmv
• 🎬 15_PyTorch_张量形状操作_交换维度.wmv
• 🎬 16_PyTorch_张量形状操作_调整形状.wmv
• 🎬 17_PyTorch_张量形状操作_增删维度.wmv
• 🎬 18_PyTorch_张量形状操作_拼接和堆叠.wmv
• 🎬 19_PyTorch_自动微分模块_反向传播计算梯度流程.wmv
• 🎬 20_PyTorch_自动微分模块_底层原理介绍.wmv
• 📦 dl_tutorial_Day7.zip

Day8

• 🎬 1_复习回顾.wmv
• 🎬 2_PyTorch_自动微分模块_detach.wmv
• 🎬 3_PyTorch_自动微分模块_detach对梯度计算的影响.wmv
• 🎬 4_问题解答和扩展说明.wmv
• 🎬 5_PyTorch_自动微分模块_detach_vs_data.wmv
• 🎬 6_PyTorch_线性回归案例_整体思路和流程.wmv
• 🎬 7_PyTorch_线性回归案例_准备数据.wmv
• 🎬 8_PyTorch_线性回归案例_模型定义和训练.wmv
• 🎬 9_PyTorch_线性回归案例_记录损失和画图.wmv
• 🎬 10_上午复习总结.wmv
• 🎬 11_PyTorch深度学习_激活函数_Sigmoid.wmv
• 🎬 12_PyTorch深度学习_激活函数_Tanh和ReLU.wmv
• 🎬 13_PyTorch深度学习_激活函数_Softmax.wmv
• 🎬 14_PyTorch深度学习_全连接层.wmv
• 🎬 15_PyTorch深度学习_参数初始化.wmv
• 🎬 16_PyTorch深度学习_正则化_Dropout.wmv
• 🎬 17_PyTorch深度学习_自定义模型和前向传播.wmv
• 🎬 18_PyTorch深度学习_查看模型参数.wmv
• 🎬 19_PyTorch深度学习_查看模型结构和参数数量.wmv
• 📦 dl_tutorial_Day8.zip

Day9

• 🎬 1_复习回顾.wmv
• 🎬 2_问题解答.wmv
• 🎬 3_PyTorch深度学习_device.wmv
• 🎬 4_PyTorch深度学习_使用Sequential定义模型.wmv
• 🎬 5_PyTorch深度学习_损失函数_BCE.wmv
• 🎬 6_PyTorch深度学习_损失函数_CrossEntropyLoss.wmv
• 🎬 7_PyTorch深度学习_损失函数_回归任务.wmv
• 🎬 8_上午内容总结.wmv
• 🎬 9_PyTorch深度学习_损失函数_综合练习.wmv
• 🎬 10_PyTorch深度学习_更新优化方法_动量法.wmv
• 🎬 11_PyTorch深度学习_更新优化方法_学习率衰减_等间隔.wmv
• 🎬 12_PyTorch深度学习_更新优化方法_学习率衰减_指定间隔和指数衰减.wmv
• 🎬 13_PyTorch深度学习_更新优化方法_AdaGrad和RMSProp.wmv
• 🎬 14_PyTorch深度学习_更新优化方法_Adam和AdamW.wmv
• 📦 dl_tutorial_Day9.zip

09_尚硅谷大模型项目之智图寻宝

1.笔记

2.资料

NN-SVG-master

fonts

pictures

神经网络架构图

• 📦 dataset.zip
• 📦 pictures.zip

3.视频及代码

Day1

• 🎬 1_项目整体介绍.wmv
• 🎬 2_conda环境准备.wmv
• 🎬 3_工程创建.wmv
• 🎬 4_通用模块_设置随机数种子.wmv
• 🎬 5_知识储备_自编码器原理.wmv
• 🎬 6_知识储备_转置卷积.wmv
• 🎬 7_知识储备_转置卷积_扩展讲解.wmv
• 📦 image_processing_Day1.zip

Day2

• 🎬 1_复习回顾_知识储备.wmv
• 🎬 2_知识储备_自编码器案例_整体架构.wmv
• 🎬 3_知识储备_自编码器案例_加载图片和显示.wmv
• 🎬 4_知识储备_自编码器案例_创建自编码器模型.wmv
• 🎬 5_知识储备_自编码器案例_模型训练.wmv
• 🎬 6_知识储备_自编码器案例_推理重构图像.wmv
• 🎬 7_知识储备_自编码器案例_去噪自编码器.wmv
• 🎬 8_去噪模块_模型架构.wmv
• 🎬 9_去噪模块_创建数据集和划分.wmv
• 🎬 10_去噪模块_创建数据加载器.wmv
• 🎬 11_去噪模块_创建模型.wmv
• 🎬 12_去噪模块_训练模型.wmv
• 🎬 13_去噪模块_模型测试.wmv
• 🎬 14_问题解答.wmv
• 📦 image_processing_Day2.zip

Day3

• 🎬 1_复习回顾.wmv
• 🎬 2_去噪模块_最终实现_整体架构和配置文件.wmv
• 🎬 3_去噪模块_最终实现_创建数据集.wmv
• 🎬 4_去噪模块_最终实现_转换图片名提取数字.wmv
• 🎬 5_去噪模块_最终实现_图片按名称排序.wmv
• 🎬 6_去噪模块_最终实现_去噪器模型类.wmv
• 🎬 7_去噪模块_最终实现_训练引擎_训练一个轮次.wmv
• 🎬 8_去噪模块_最终实现_测试（验证）引擎.wmv
• 🎬 9_去噪模块_最终实现_模型训练.wmv
• 🎬 10_上午复习总结.wmv
• 🎬 11_去噪模块_最终实现_模型测试.wmv
• 📦 image_processing_Day3.zip

Day4

• 🎬 1_复习回顾.wmv
• 🎬 2_分类模块_整体架构.wmv
• 🎬 3_分类模块_创建数据集和划分.wmv
• 🎬 4_分类模块_创建模型.wmv
• 🎬 5_分类模块_训练模型.wmv
• 🎬 6_分类模块_测试.wmv
• 🎬 7_分类模块_最终实现_配置项.wmv
• 🎬 8_分类模块_最终实现_创建数据集.wmv
• 🎬 9_分类模块_最终实现_定义模型.wmv
• 🎬 10_分类模块_最终实现_训练和测试引擎.wmv
• 🎬 11_分类模块_最终实现_模型训练.wmv
• 🎬 12_分类模块_最终实现_测试.wmv
• 📦 image_processing_Day4.zip

Day5

• 🎬 1_复习回顾.wmv
• 🎬 2_相似检索模块_整体思路.wmv
• 🎬 3_相似检索模块_模型架构.wmv
• 🎬 4_相似检索模块_最终实现_配置.wmv
• 🎬 5_相似检索模块_最终实现_创建数据集.wmv
• 🎬 6_相似检索模块_最终实现_创建模型.wmv
• 🎬 7_相似检索模块_最终实现_训练和测试引擎.wmv
• 🎬 8_相似检索模块_最终实现_模型训练和生成嵌入矩阵.wmv
• 🎬 9_相似检索模块_最终实现_测试.wmv
• 🎬 10_web模块和综合测试.wmv
• 📦 image_processing_Day5.zip

10_尚硅谷大模型技术之NLP

1.笔记

2.资料

1.词向量

sgns.weibo.word

2.数据集

1.评论数据集

2.对话数据集

3.中英短句数据集

4.对联数据集

3.代码

4.视频

Day1

• 🎬 1_NLP课程整体介绍.wmv
• 🎬 2_NLP导论_基本概念.wmv
• 🎬 3_NLP导论_常见任务.wmv
• 🎬 4_NLP导论_技术演进史.wmv
• 🎬 5_文本表示_概述.wmv
• 🎬 6_文本表示_分词_英文分词.wmv
• 🎬 7_文本表示_分词_BPE.wmv
• 🎬 8_文本表示_分词_中文分词.wmv
• 🎬 9_文本表示_jieba分词_模式介绍.wmv
• 🎬 10_文本表示_jieba分词_自定义词典.wmv
• 🎬 11_文本表示_词表示_整体介绍.wmv
• 🎬 12_文本表示_词表示_Word2Vec概述.wmv
• 🎬 13_文本表示_词表示_Word2Vec原理.wmv
• 🎬 14_文本表示_词表示_使用公开词向量_加载.wmv
• 🎬 15_文本表示_词表示_使用公开词向量_应用.wmv
• 📦 nlp_tutorial_Day1.zip

Day10

• 🎬 001.概述课.mp4
• 🎬 1_复习回顾_Transformer总结.wmv
• 🎬 002.第一章 绪论 基本概念和术语.mp4
• 🎬 2_Transformer案例_位置编码改进.wmv
• 🎬 003.第一章 绪论 数据结构三要素.mp4
• 🎬 3_Transformer案例_模型预测.wmv
• 🎬 004.第一章 绪论 算法基本概念.mp4
• 🎬 4_Transformer案例_模型评估.wmv
• 🎬 005.第一章 绪论 算法效率度量（时间复杂度.mp4
• 🎬 5_预训练模型_整体概述.wmv
• 🎬 006.第一章 绪论 算法效率度量（空间复杂度.mp4
• 🎬 6_预训练模型_分类.wmv
• 🎬 7_预训练模型_GPT_模型结构.wmv
• 🎬 008.第二章 线性表 线性表的定义.mp4
• 🎬 8_预训练模型_GPT_预训练.wmv
• 🎬 009.第二章 线性表 线性表的基本操作.mp4
• 🎬 9_预训练模型_GPT_微调.wmv
• 🎬 010.第二章 线性表 顺序表的定义.mp4
• 🎬 10_预训练模型_BERT_模型结构.wmv
• 🎬 011.第二章 线性表 顺序表的操作（插入删.mp4
• 🎬 11_预训练模型_BERT_预训练.wmv
• 🎬 012.第二章 线性表 顺序表的操作（查找）.mp4
• 🎬 12_预训练模型_BERT_微调.wmv
• 🎬 013.第二章 线性表 单链表的定义.mp4
• 🎬 13_预训练模型_T5_原理概述.wmv
• 🎬 014.第二章 线性表 单链表的操作(单链表.mp4
• 🎬 14_预训练模型_T5_预训练和微调.wmv
• 🎬 015.第二章 线性表 单链表的操作(查找和.mp4
• 🎬 15_预训练模型_Huggingface_简介.wmv
• 🎬 016.第二章 线性表 单链表的操作(插入和.mp4
• 🎬 16_预训练模型_HF_模型加载.wmv
• 🎬 017.第二章 线性表 双链表.mp4
• 🎬 018.第二章 线性表 循环链表.mp4
• 🎬 019.第二章 线性表 静态链表.mp4
• 🎬 020.第二章 线性表 顺序表和链表的比较.mp4
• 🎬 022.第三章 栈的基本概念.mp4
• 🎬 023.第三章 顺序栈的实现.mp4
• 🎬 024.第三章 链栈的实现.mp4
• 🎬 025.第三章 队列的基本概念.mp4
• 🎬 026.第三章 顺序队列的实现.mp4
• 🎬 027.第三章 链式队列的实现.mp4
• 🎬 028.第三章 双端队列.mp4
• 🎬 029.第三章 栈在括号匹配中的应用.mp4
• 🎬 030.第三章 栈在表达式求值中的应用.mp4
• 🎬 031.第三章 栈在递归中的应用.mp4
• 🎬 032.第三章 队列的应用.mp4
• 🎬 033.第三章 数组的定义和存储.mp4
• 🎬 034.第三章 特殊矩阵的压缩存储.mp4
• 🎬 036.第四章 串的定义和基本操作.mp4
• 🎬 037.第四章 串的存储结构.mp4
• 🎬 038.第四章 简单模式匹配算法.mp4
• 🎬 039.第四章 KMP模式匹配算法.mp4
• 🎬 040.第四章 KMP算法的进一步优化.mp4
• 🎬 042.第五章 树的定义和基本术语.mp4
• 🎬 043.第五章 树的性质.mp4
• 🎬 044.第五章 二叉树的定义和基本术语(基本.mp4
• 🎬 045.第五章 二叉树的定义和基本术语(基本.mp4
• 🎬 046.第五章 二叉树的存储结构.mp4
• 🎬 047.第五章 二叉树的遍历.mp4
• 🎬 048.第五章 二叉树的遍历(层次遍历) (1).mp4
• 🎬 049.第五章 由遍历序列构造二叉树.mp4
• 🎬 050.第五章 线索二叉树(线索二叉树的概念.mp4
• 🎬 051.第五章 线索二叉树(二叉树的线索化).mp4
• 🎬 052.第五章 线索二叉树(查找前驱后继).mp4
• 🎬 053.第五章 树的存储结构.mp4
• 🎬 054.第五章 树、森林与二叉树之间的相互转.mp4
• 🎬 055.第五章 树、森林的遍历.mp4
• 🎬 056.第五章 哈夫曼树和哈夫曼编码.mp4
• 🎬 057.第五章 并查集.mp4
• 🎬 058.第五章 并查集的进一步优化.mp4
• 🎬 060.第六章 图的基本概念和术语.mp4
• 🎬 061.第六章 图的邻接矩阵存储.mp4
• 🎬 062.第六章 图的邻接表法存储.mp4
• 🎬 063.第六章 图的十字链表法和邻接多重表法.mp4
• 🎬 064.第六章 图的基本操作.mp4
• 🎬 065.第六章 图的广度优先遍历.mp4
• 🎬 066.第六章 图的深度优先遍历.mp4
• 🎬 067.第六章 最小生成树.mp4
• 🎬 068.第六章 最短路径问题1.mp4
• 🎬 069.第六章 最短路径问题2.mp4
• 🎬 070.第六章 拓扑排序.mp4
• 🎬 071.第六章 关键路径.mp4
• 🎬 073.第七章 查找的基本概念.mp4
• 🎬 074.第七章 顺序查找.mp4
• 🎬 075.第七章 折半查找.mp4
• 🎬 076.第七章 分块查找.mp4
• 🎬 077.第七章 二叉排序树.mp4
• 🎬 078.第七章 平衡二叉树.mp4
• 🎬 079.第七章 红黑树.mp4
• 🎬 080.第七章 B树.mp4
• 🎬 081.第七章 B+树.mp4
• 🎬 082.第七章 散列表的概念.mp4
• 🎬 083.第七章 散列函数的构造.mp4
• 🎬 084.第七章 处理冲突的方法.mp4
• 🎬 086.第八章 排序的概念.mp4
• 🎬 087.第八章 顺序查找和折半查找.mp4
• 🎬 088.第八章 希尔排序.mp4
• 🎬 089.第八章 冒泡排序.mp4
• 🎬 090.第八章 快速排序.mp4
• 🎬 091.第八章 简单选择排序.mp4
• 🎬 092.第八章 堆排序.mp4
• 🎬 093.第八章 堆的插入与删除.mp4
• 🎬 094.第八章 归并排序.mp4
• 🎬 095.第八章 基数排序.mp4
• 🎬 096.第八章 内部排序的比较(排序的七大要.mp4
• 🎬 097.第八章 外部排序的概念和方法.mp4
• 🎬 098.第八章 多路平衡败者树.mp4
• 🎬 099.第八章 置换选择排序.mp4
• 🎬 100.第八章 最佳归并树.mp4
• 📦 nlp_tutorial_Day10.zip

Day11

• 🎬 1_复习回顾.wmv
• 🎬 2_预训练模型_HF_带任务头的模型加载.wmv
• 🎬 3_预训练模型_HF_forward输入输出.wmv
• 🎬 4_预训练模型_HF-Tokenizer_加载.wmv
• 🎬 5_预训练模型_HF-Tokenizer_使用.wmv
• 🎬 6_预训练模型_HF-Tokenizer_配合模型使用.wmv
• 🎬 7_预训练模型_HF-Datasets_概述.wmv
• 🎬 8_预训练模型_HF-Datasets_数据集加载和访问.wmv
• 🎬 9_预训练模型_HF-Datasets_数据预处理.wmv
• 🎬 10_预训练模型_HF-Datasets_保存数据集.wmv
• 🎬 11_预训练模型_HF-Datasets_集成DataLoader.wmv
• 🎬 12_预训练模型案例_文本情感分析_整体架构和配置.wmv
• 🎬 13_预训练模型案例_数据预处理.wmv
• 🎬 14_预训练模型案例_创建数据加载器.wmv
• 🎬 15_预训练模型案例_模型定义.wmv
• 🎬 16_预训练模型案例_模型训练.wmv
• 🎬 17_预训练模型案例_模型推理预测.wmv
• 🎬 18_预训练模型案例_模型评估.wmv
• 📦 nlp_tutorial_Day11.zip

Day12

• 🎬 1_复习回顾.wmv
• 🎬 2_预训练模型案例_带任务头的模型实现_整体思路.wmv
• 🎬 3_预训练模型案例_带任务头的模型实现_训练.wmv
• 🎬 4_预训练模型案例_带任务头的模型实现_推理预测.wmv
• 🎬 5_预训练模型案例_带任务头的模型实现_模型评估.wmv
• 🎬 6_预训练模型案例_带任务头的模型实现_最终测试.wmv
• 🎬 7_云服务器_购买和连接云服务器.wmv
• 🎬 8_云服务器_远程解释器配置和训练.wmv
• 🎬 9_云服务器_模型评估和测试.wmv
• 🎬 10_综合练习_对联案例_需求说明和BART.wmv
• 🎬 11_综合练习_对联案例_模型选择.wmv
• 🎬 12_综合练习_对联案例_数据预处理.wmv
• 🎬 13_综合练习_对联案例_数据加载器.wmv
• 🎬 14_综合练习_对联案例_模型训练.wmv
• 🎬 15_综合练习_对联案例_模型推理预测.wmv
• 📦 nlp_tutorial.zip

Day2

• 🎬 1_复习回顾.wmv
• 🎬 2_文本表示_词表示_自行训练词向量_整体介绍.wmv
• 🎬 3_文本表示_词表示_自行训练词向量_代码实现.wmv
• 🎬 4_文本表示_词表示_自行训练词向量_测试.wmv
• 🎬 5_文本表示_词表示_词向量应用_原理介绍.wmv
• 🎬 6_文本表示_词表示_词向量应用_代码实现.wmv
• 🎬 7_文本表示_词表示_词向量应用_解决OOV问题.wmv
• 🎬 8_文本表示_词表示_上下文相关词表示.wmv
• 🎬 9_RNN_基本概念和结构.wmv
• 🎬 10_RNN_数学公式和简化表达.wmv
• 🎬 11_RNN_多层结构.wmv
• 🎬 12_RNN_双向结构.wmv
• 🎬 13_RNN_多层双向结构.wmv
• 🎬 14_RNN_API_参数说明.wmv
• 🎬 15_RNN_API_输入输出形状.wmv
• 🎬 16_RNN_API_代码测试.wmv
• 📦 nlp_tutorial_Day2.zip

Day3

• 🎬 1_复习回顾.wmv
• 🎬 2_RNN案例_智能输入法_需求分析和整体思路.wmv
• 🎬 3_RNN案例_智能输入法_项目结构.wmv
• 🎬 4_RNN案例_数据预处理_JSON与DataFrame转换.wmv
• 🎬 5_RNN案例_数据预处理_语料分词和构建词表.wmv
• 🎬 6_RNN案例_数据预处理_构建数据集并保存.wmv
• 🎬 7_RNN案例_定义数据集类和加载器.wmv
• 🎬 8_RNN案例_定义模型.wmv
• 🎬 9_RNN案例_定义配置文件.wmv
• 🎬 10_RNN案例_模型训练.wmv
• 📦 nlp_tutorial_Day3.zip

Day4

• 🎬 1_复习回顾.wmv
• 🎬 2_RNN案例_tensorboard介绍.wmv
• 🎬 3_RNN案例_tensorboard观察训练过程.wmv
• 🎬 4_RNN案例_预测新词.wmv
• 🎬 5_RNN案例_程序运行效果.wmv
• 🎬 6_RNN案例_模型评估.wmv
• 🎬 7_RNN案例_项目改进_分词器.wmv
• 🎬 8_RNN案例_项目改进_代码实现.wmv
• 🎬 9_RNN_存在问题.wmv
• 🎬 10_LSTM_概述.wmv
• 📦 nlp_tutorial_Day4.zip

Day5

• 🎬 1_复习回顾.wmv
• 🎬 2_LSTM_基础结构和核心原理.wmv
• 🎬 3_问题解答.wmv
• 🎬 4_LSTM_缓解梯度消失的原理.wmv
• 🎬 5_LSTM_复杂结构_多层和双向.wmv
• 🎬 6_LSTM_API_参数.wmv
• 🎬 7_LSTM_API_输入输出形状.wmv
• 🎬 8_LSTM案例_文本情感分析_需求分析.wmv
• 🎬 9_LSTM案例_文本情感分析_数据处理思路.wmv
• 🎬 10_LSTM案例_框架搭建和API测试.wmv
• 🎬 11_LSTM案例_数据预处理.wmv
• 🎬 12_LSTM案例_创建数据集.wmv
• 🎬 13_LSTM案例_定义模型.wmv
• 🎬 14_LSTM案例_模型训练.wmv
• 🎬 15_LSTM案例_模型预测（推理）.wmv
• 🎬 16_LSTM案例_模型评估.wmv
• 🎬 17_LSTM_存在问题.wmv
• 🎬 18_GRU_基本结构和原理.wmv
• 🎬 19_GRU_多层-双向结构和API.wmv
• 📦 nlp_tutorial_Day5.zip

Day6

• 🎬 1_复习回顾.wmv
• 🎬 2_GRU案例_文本情感分析_效果对比.wmv
• 🎬 3_RNN-LSTM-GRU效果对比.wmv
• 🎬 4_Seq2Seq_基本结构和原理.wmv
• 🎬 5_Seq2Seq_编码器.wmv
• 🎬 6_Seq2Seq_解码器.wmv
• 🎬 7_Seq2Seq_模型训练机制.wmv
• 🎬 8_Seq2Seq_模型推理机制.wmv
• 🎬 9_Seq2Seq案例_中英翻译_需求分析.wmv
• 🎬 10_Seq2Seq案例_配置文件.wmv
• 🎬 11_Seq2Seq案例_分词器.wmv
• 🎬 12_Seq2Seq案例_英文分词器介绍.wmv
• 🎬 13_Seq2Seq案例_数据预处理.wmv
• 🎬 14_Seq2Seq案例_创建数据集.wmv
• 🎬 15_Seq2Seq案例_创建模型.wmv
• 🎬 16_Seq2Seq案例_模型训练.wmv
• 🎬 17_Seq2Seq案例_查看训练损失.wmv
• 📦 nlp_tutorial_Day6.zip

Day7

• 🎬 1_复习回顾.wmv
• 🎬 2_Seq2Seq案例_预测_实现自回归生成.wmv
• 🎬 3_Seq2Seq案例_预测_处理生成序列和测试.wmv
• 🎬 4_Seq2Seq案例_模型评估.wmv
• 🎬 5_问题解答.wmv
• 🎬 6_Seq2Seq_存在问题.wmv
• 🎬 7_Attention_概述和工作原理.wmv
• 🎬 8_Attention_注意力评分函数.wmv
• 🎬 9_Attention案例_中英翻译_添加注意力机制.wmv
• 🎬 10_Attention案例_中英翻译_注意力机制实现思路.wmv
• 🎬 11_Attention案例_中英翻译_注意力机制实现和训练.wmv
• 🎬 12_Attention案例_中英翻译_测试和评估.wmv
• 📦 nlp_tutorial_Day7.zip

Day8

• 🎬 1_复习回顾.wmv
• 🎬 2_Attention_存在问题.wmv
• 🎬 3_Transformer_概述.wmv
• 🎬 4_Transformer_核心思想.wmv
• 🎬 5_Transformer_整体结构.wmv
• 🎬 6_Transformer_编码器_整体结构.wmv
• 🎬 7_Transformer_编码器_自注意力层_QKV向量.wmv
• 🎬 8_Transformer_编码器_自注意力层_完整计算过程.wmv
• 🎬 9_Transformer_编码器_自注意力层_代码测试.wmv
• 🎬 10_Transformer_编码器_自注意力层_总结.wmv
• 🎬 11_Transformer_编码器_自注意力层_多头注意力机制.wmv
• 🎬 12_Transformer_编码器_前馈神经网络层.wmv
• 🎬 13_Transformer_编码器_残差连接.wmv
• 🎬 14_Transformer_编码器_层归一化.wmv
• 🎬 15_Transformer_编码器_位置编码.wmv

Day9

• 🎬 1_复习回顾.wmv
• 🎬 2_Transformer_解码器_整体结构.wmv
• 🎬 3_Transformer_解码器_Mask自注意力子层.wmv
• 🎬 4_Transformer_解码器_其它子层结构.wmv
• 🎬 5_Transformer_模型训练和推理机制.wmv
• 🎬 6_Transformer_API_核心类.wmv
• 🎬 7_Transformer_API_Transformer构造参数.wmv
• 🎬 8_Transformer_API_Transformer前向传播.wmv
• 🎬 9_Transformer_API_编码和解码.wmv
• 🎬 10_Transformer_API_总结.wmv
• 🎬 11_Transformer案例_中英翻译_需求分析.wmv
• 🎬 12_Transformer案例_架构搭建和配置定义.wmv
• 🎬 13_Transformer案例_模型定义_整体结构.wmv
• 🎬 14_Transformer案例_模型定义_前向传播_编码.wmv
• 🎬 15_Transformer案例_模型定义_前向传播_解码.wmv
• 🎬 16_Transformer案例_模型定义_位置编码.wmv
• 🎬 17_问题解答_注册缓冲.wmv
• 🎬 18_Transformer案例_模型训练.wmv
• 📦 nlp_tutorial_Day9.zip

11_尚硅谷大模型项目之智能商品发布

1.笔记

2.资料

1.数据集

3.代码

4.视频

Day1

• 🎬 1_项目介绍和需求分析.wmv
• 🎬 2_环境准备和项目搭建.wmv
• 🎬 3_Python导包路径问题.wmv
• 🎬 4_项目脚本主入口main.wmv
• 🎬 5_数据预处理_preprocess.wmv
• 🎬 6_数据预处理_dataset.wmv
• 🎬 7_模型训练_整体框架搭建.wmv
• 🎬 8_模型训练_增加配置类.wmv
• 🎬 9_模型训练_面向对象改进实现.wmv
• 🎬 10_模型训练_核心训练逻辑实现.wmv
• 🎬 11_模型训练_优化_引入验证集并实现评估逻辑.wmv
• 🎬 12_模型训练_优化_验证结果测试.wmv
• 🎬 13_模型训练_优化_早停机制.wmv
• 📦 product_classification_Day1.zip

Day2

• 🎬 1_复习回顾.wmv
• 🎬 2_模型训练_优化_混合精度训练_整体介绍.wmv
• 🎬 3_模型训练_优化_混合精度训练_autocast.wmv
• 🎬 4_模型训练_优化_混合精度训练_GradScaler.wmv
• 🎬 5_模型训练_优化_混合精度训练_代码实现.wmv
• 🎬 6_模型训练_优化_检查点机制_整体介绍.wmv
• 🎬 7_模型训练_优化_检查点机制_代码实现和测试.wmv
• 🎬 8_模型推理预测.wmv
• 🎬 9_模型评估.wmv
• 🎬 10_模型应用与部署_整体介绍和HTTP复习.wmv
• 🎬 11_模型应用与部署_FastAPI使用方法.wmv
• 🎬 12_模型应用与部署_带请求体的API以及交互式文档.wmv
• 🎬 13_模型应用与部署_代码实现_接口层.wmv
• 🎬 14_模型应用与部署_代码实现_服务层及测试.wmv
• 🎬 15_项目入口脚本.wmv
• 📦 product_classification.zip

12_尚硅谷大模型项目实战之地址对齐

1.笔记

2.资料

address_alignment

data

raw

pretrained

roberta-small-wwm-chinese-cluecorpussmall

templates

3.代码

address_alignment

pycache

data

processed

test

train

valid

raw

finetuned

pretrained

roberta-small-wwm-chinese-cluecorpussmall

.cache

huggingface

download

templates

4.视频

• 🎬 0716大模型项目串讲.mp4

13_尚硅谷大模型项目实战之智选新闻

1.笔记

2.资料

ai-news

data

pretrained

bart-base-chinese

bert-base-chinese

rouge

templates

3.代码

智选新闻参考代码

ai-news

data

processed_20251105_200514

raw

finetuned

checkpoint-38500

runs

Nov01_11-54-32_JinXin

Nov02_16-28-22_JinXin

Nov02_16-30-12_JinXin

Nov02_16-51-29_JinXin

Nov02_17-00-25_JinXin

Nov03_09-09-00_JinXin

Nov03_09-16-18_JinXin

Nov03_09-24-31_JinXin

Nov03_09-27-14_JinXin

Nov03_09-34-26_JinXin

Nov03_11-42-34_JinXin

Nov03_11-49-26_JinXin

Nov03_11-49-52_JinXin

Nov03_13-41-40_JinXin

Nov03_14-09-43_JinXin

Nov03_17-14-33_JinXin

Nov03_20-21-20_JinXin

Nov03_20-22-27_JinXin

Oct30_16-28-56_JinXin

Oct30_16-44-33_JinXin

Oct30_17-07-44_JinXin

Oct30_17-10-06_JinXin

Oct30_17-14-48_JinXin

Oct30_17-16-12_JinXin

Oct30_17-18-42_JinXin

Oct30_17-24-46_JinXin

Oct30_17-51-08_JinXin

Oct30_18-03-49_JinXin

Oct30_18-17-08_JinXin

Oct30_18-18-55_JinXin

Oct31_11-51-26_JinXin

Oct31_11-59-22_JinXin

Oct31_13-34-42_JinXin

Oct31_13-50-17_JinXin

Oct31_14-05-41_JinXin

Oct31_14-09-23_JinXin

Oct31_14-23-22_JinXin

Oct31_14-24-23_JinXin

Oct31_14-24-47_JinXin

Oct31_14-26-17_JinXin

Oct31_14-30-12_JinXin

Oct31_14-31-10_JinXin

Oct31_14-34-25_JinXin

Oct31_14-37-19_JinXin

Oct31_14-42-39_JinXin

Oct31_15-16-04_JinXin

Oct31_15-17-18_JinXin

Oct31_15-21-31_JinXin

Oct31_16-42-16_JinXin

Oct31_16-43-25_JinXin

pretrained

ai-news-beam-search

4.视频

• 🎬 智选新闻项目串讲总结一 .mp4
• 🎬 智选新闻项目串讲总结二.mp4

14_尚硅谷大模型技术之langchain

1.笔记

2.资料

3.代码

day01

langchain_demo

chapter_01

4.视频

day01

• 🎬 DAY01_01_langchain介绍.mp4
• 🎬 DAY01_02_langchain介绍2.mp4
• 🎬 DAY01_03_开发架构与开发场景相关介绍.mp4
• 🎬 DAY01_04_langchain核心模块介绍.mp4
• 🎬 DAY01_05_大模型的调用.mp4
• 🎬 DAY01_06_对话模型构造消息的几种方式.mp4
• 🎬 DAY01_07_多种调用方式.mp4
• 🎬 DAY01_08_协程示例介绍.mp4
• 🎬 DAY01_09_调用本地模型.mp4
• 🎬 DAY01_10_PromptTemplate的实例化及调用.mp4
• 🎬 DAY01_11_几个容易出错的问题.mp4

day02

day02

langchain_demo

chapter_01

chapter_02

chapter_03

assets

• 🎬 DAY02_01_关于init_chat_model的几点补充说明.mp4
• 🎬 DAY02_02_多模态提示词.mp4
• 🎬 DAY02_03_JsonOutputParser使用.mp4
• 🎬 DAY02_04_StrOutPutParser的使用.mp4
• 🎬 DAY02_05_structured_output的使用.mp4
• 🎬 DAY02_06_Runnable的定义及LCEL的使用.mp4
• 🎬 DAY02_07_runnablesequence的介绍.mp4
• 🎬 DAY02_08_runnable_parallel的使用.mp4
• 🎬 DAY02_09_structired_output_parser的说明.mp4
• 🎬 DAY02_10_runnable_parallel的具体应用.mp4
• 🎬 DAY02_11_runnable_lambda.mp4
• 🎬 DAY02_12_runnable_pass_through.mp4
• 🎬 DAY02_13_runnable_with_fallback.mp4
• 🎬 DAY02_14_RAG_介绍.mp4
• 🎬 DAY02_15_TextLoader的介绍.mp4
• 🎬 DAY02_16_JSONloader的使用.mp4

day03

day03

chapter_01

chapter_02

chapter_03

assets

• 📦 尚硅谷大模型技术之LangChainV1.0.2.zip

• 🎬 DAY03_01_关于structured_output的一点说明.mp4

• 🎬 DAY03_02_runnable的复习和rag概念的复习.mp4

• 🎬 DAY03_03_document_loader的复习.mp4

• 🎬 DAY03_04_docx_loader的加载.mp4

• 🎬 DAY03_05_解析pdf的介绍.mp4

• 🎬 DAY03_06_切分策略和embedding的介绍.mp4

• 🎬 DAY03_07_对于unstructured解析pdf的原理说明.mp4

• 🎬 DAY03_08_什么是Milvus及做向量检索的步骤.mp4

• 🎬 DAY03_09_milvus创建索引.mp4

• 🎬 DAY03_10_使用milvus进行向量检索.mp4

• 🎬 DAY03_11_向量相似度算法.mp4

day04

day04

langchain_demo

chapter_01

chapter_02

chapter_03

assets

• 📦 尚硅谷大模型技术之LangChainV1.0.2.zip

chapter_05

• 🎬 DAY04_01_复习.mp4
• 🎬 DAY04_02_agent的介绍.mp4
• 🎬 DAY04_03_创建tools的两种方式.mp4
• 🎬 DAY04_04_TOOL的调用.mp4
• 🎬 DAY04_05_大模型使用tools.mp4
• 🎬 DAY04_06_tools的底层原理.mp4
• 🎬 DAY04_07_agent的创建以及调用.mp4
• 🎬 DAY04_08_langsmith的使用.mp4
• 🎬 DAY04_09_agent当中如何添加记忆.mp4
• 🎬 DAY04_10_MCP的架构.mp4
• 🎬 DAY04_11_MCP数据层和传输层.mp4
• 🎬 DAY04_12_MCP的工作流程.mp4
• 🎬 DAY04_13_stdio_客户端服务端编码1.mp4
• 🎬 DAY04_13_stdio_客户端服务端编码2.mp4
• 🎬 DAY04_14_MCP_streamable_http.mp4
• 🎬 DAY04_15_langchain使用MCP.mp4
• 🎬 DAY04_16_supervisor_agent.mp4

15_尚硅谷大模型项目之电商图谱

1.笔记

2.资料

1.数据集

ner

原始数据

标注数据

数据库

3.前端代码

static

3.代码

4.视频

Day1

• 🎬 1_项目整体架构.wmv
• 🎬 2_Conda环境准备.wmv
• 🎬 3_业务数据准备.wmv
• 🎬 4_Neo4j_整体介绍.wmv
• 🎬 5_Neo4j_安装.wmv
• 🎬 6_Neo4j_启动.wmv
• 🎬 7_Neo4j_访问使用.wmv
• 🎬 8_Cypher基础_图数据模型.wmv
• 🎬 9_Cypher基础_写入和查询节点.wmv
• 🎬 10_Cypher基础_写入和查询关系.wmv
• 🎬 11_Cypher基础_写入和查询路径.wmv
• 🎬 12_Cypher基础_修改数据.wmv
• 🎬 13_Cypher基础_删除数据.wmv
• 🎬 14_Cypher基础_合并操作.wmv
• 🎬 15_Cypher数据类型.wmv
• 🎬 16_Cypher函数.wmv
• 🎬 17_Cypher高级查询_数据准备.wmv
• 🎬 18_Cypher高级查询_数据过滤.wmv
• 🎬 19_Cypher高级查询_排序和分页.wmv
• 🎬 20_Cypher高级查询_聚合.wmv

Day2

• 🎬 1_Cypher高级查询_联合查询.wmv
• 🎬 2_Cypher高级查询_子查询.wmv
• 🎬 3_Cypher高级查询_高级模式匹配.wmv
• 🎬 4_Cypher_约束.wmv
• 🎬 5_Python访问Neo4j_创建Driver.wmv
• 🎬 6_Python访问Neo4j_执行Cypher语句.wmv
• 🎬 7_实体抽取模型_整体架构和数据准备.wmv
• 🎬 8_实体抽取模型_LabelStudio安装和启动.wmv
• 🎬 9_实体抽取模型_LabelStudio_人工标注.wmv
• 🎬 10_实体抽取模型_AI自动标注_工作流程.wmv
• 🎬 11_实体抽取模型_AI自动标注_MLBackend.wmv
• 🎬 12_实体抽取模型_AI自动标注_连接模型.wmv
• 🎬 13_实体抽取模型_AI自动标注_修改代码_setup.wmv
• 🎬 14_实体抽取模型_AI自动标注_修改代码_predict.wmv
• 📦 label-studio-ml-backend.zip

Day3

• 🎬 1_实体抽取模型_整体架构.wmv
• 🎬 2_实体抽取模型_配置文件.wmv
• 🎬 3_实体抽取模型_数据预处理_整体思路.wmv
• 🎬 4_实体抽取模型_数据预处理_代码整体实现.wmv
• 🎬 5_实体抽取模型_数据预处理_编码实现和测试.wmv
• 🎬 6_实体抽取模型_模型训练_整体流程和Trainer类.wmv
• 🎬 7_实体抽取模型_模型训练_Trainer参数和训练演示.wmv
• 🎬 8_实体抽取模型_模型训练_TrainingArguments参数.wmv
• 🎬 9_实体抽取模型_模型训练_配置参数和训练过程.wmv
• 🎬 10_实体抽取模型_模型训练_评估函数和完整训练.wmv
• 🎬 11_实体抽取模型_模型训练_训练日志分析.wmv
• 🎬 12_实体抽取模型_模型训练_早停.wmv
• 🎬 13_实体抽取模型_模型预测_基本实现.wmv
• 📦 ec_graph_Day3.zip

Day4

• 🎬 1_实体抽取模型_模型预测_抽取实体标签.wmv
• 🎬 2_实体抽取模型_模型评估.wmv
• 🎬 3_电商图谱构建_思路和整体架构.wmv
• 🎬 4_电商图谱构建_电商核心概念.wmv
• 🎬 5_电商图谱构建_业务数据库_整体梳理.wmv
• 🎬 6_电商图谱构建_业务数据库_关系详细梳理.wmv
• 🎬 7_电商图谱构建_数据同步工具_MySQL读取器.wmv
• 🎬 8_电商图谱构建_数据同步工具_读取MySQL测试.wmv
• 🎬 9_电商图谱构建_数据同步工具_节点写入Neo4j测试.wmv
• 🎬 10_电商图谱构建_数据同步工具_UNWIND处理列表.wmv
• 🎬 11_电商图谱构建_数据同步工具_关系写入Neo4j.wmv
• 🎬 12_电商图谱构建_数据同步工具_完整实现.wmv
• 🎬 13_电商图谱构建_同步结构化数据_分类信息.wmv
• 🎬 14_电商图谱构建_同步结构化数据_平台属性.wmv
• 🎬 15_电商图谱构建_同步结构化数据_商品和品牌信息.wmv
• 🎬 16_电商图谱构建_同步结构化数据_销售属性.wmv
• 🎬 17_电商图谱构建_补充说明.wmv
• 🎬 18_电商图谱构建_同步非结构化数据.wmv
• 📦 ec_graph_Day4.zip

Day5

• 🎬 1_知识图谱应用_整体架构.wmv
• 🎬 2_知识图谱应用_基于图数据库的问答系统示例.wmv
• 🎬 3_知识图谱应用_实体对齐思路_基于向量数据库和同义词表.wmv
• 🎬 4_知识图谱应用_实体对齐思路_基于Neo4j语义相似度.wmv
• 🎬 5_知识图谱应用_实体对齐_测试案例_全文检索.wmv
• 🎬 6_知识图谱应用_实体对齐_测试案例_向量检索.wmv
• 🎬 7_知识图谱应用_创建索引工具类.wmv
• 🎬 8_知识图谱应用_创建索引工具类_测试.wmv
• 🎬 9_知识图谱应用_聊天服务_初始化和生成Cypher.wmv
• 🎬 10_知识图谱应用_聊天服务_实体对齐和生成回答.wmv
• 🎬 11_知识图谱应用_聊天接口_web应用实现和测试.wmv
• 📦 ec_graph.zip

16_尚硅谷大模型项目实战之AI智教

2.资料

ai-edu

bge-base-zh-v1.5

1_Pooling

data

templates

uie_pytorch

uie_base_pytorch

3.代码

data

4.视频

day01

• 🎬 AI智教_01_项目介绍.mp4
• 🎬 AI智教_02_mysql数据.mp4

17_尚硅谷大模型项目实战之智医助手

2.资料

ai-medical

data

annotated_data

knowledge_graph

pretrained

bert-base-chinese

bge-base-zh-v1.5

1_Pooling

mengzi-t5-base

templates

uie_pytorch

uie_base_pytorch

3.代码

smart_medical

data

annotated_data

knowledge_graph

4.视频

• 🎬 1-医疗项目介绍.mp4
• 🎬 2-Agent工具.mp4
• 🎬 3-Agent记忆.mp4
• 🎬 4-项目总结1-混合检索问题点.mp4
• 🎬 5-项目总结2-实体对齐.mp4
• 🎬 6-使用聚类的原因.mp4
• 🎬 7-Agent细节点讲解.mp4
• 🎬 8-子Agent.mp4

18_尚硅谷大模型技术之Coze+Dify平台智能体开发实战

1-课件

03-01-Coze案例：一键生成行业调研PPT

03-02-Coze案例：复刻爆款视频

Coze案例：复刻爆款视频-图片集

vidu-图生视频

• 🎬 1.mp4
• 🎬 2.mp4
• 🎬 3.mp4
• 🎬 4.mp4
• 🎬 5.mp4
• 🎬 6.mp4
• 🎬 7.mp4
• 🎬 8.mp4
• 🎬 9.mp4
• 🎬 10.mp4
• 🎬 11.mp4
• 🎬 12.mp4
• 🎬 13.mp4

分镜图片

03-03-Coze案例：产品营销海报生成

03-04-Dify案例：客户投诉分类助手-钉钉

03-05-Dify案例：一键生成行业调研报告

04-01-Coze案例：客服对话记录分析

images

04-02-Dify案例：客服对话记录分析

images

04-03-Coze案例：商品评论分析

images

04-04-Dify案例：商品评论分析

04-05-Coze案例：商品营销卖点提炼

images

2-资料

3-软件

4-代码

5-视频

19_尚硅谷大模型技术之LLM

20_尚硅谷大模型技术之强化学习

21_尚硅谷大模型技术之多模态

阶段测试

面试大保健