进击AI算法工程师【梗直哥瞿炜】

本次分享的资源是进击AI算法工程师【梗直哥瞿炜】的学习资料！ 内容涵盖深度学习基础（线性代数、微积分、概率论）、核心算法（梯度下降、反向传播、各种优化器）、主流模型（Transformer、BERT、ViT、GPT、ResNet等）以及多个项目实战（猫狗大战、电影评论情感分析等）。 从环境搭建到代码实现，再到项目落地，应有尽有！ 还有超多小技巧，例如conda命令使用、Jupyter Notebook快速上手等等，简直不要太贴心！ 快来下载学习吧！🎉

以下是需要分享的资源信息：

资源名称为（进击AI算法工程师【梗直哥瞿炜】）
涵盖的资源有：
1.关主，放走丢.png
2.领1TB网盘容量.jpg
3.068.11-3 键值对注意力和多头注意力.mp4
4.025.5-7 梯度消失和梯度爆炸.mp4
5.089.14-5 项目实战：猫狗大战.mp4
6.017.4-7 分类问题.mp4
7.087.14-3 迁移学习.mp4
8.021.5-3 过拟合和欠拟合示例.mp4
9.071.11-6 Transformer模型.mp4
10.073.12-1BERT模型.mp4
11.076.12-4 ViT模型.mp4
12.003.1-3 课程使用的技术栈.mp4
13.006.2-3 概率.mp4
14.008.3-2 conda实用命令.mp4
15.014.4-4 多层感知机代码实现.mp4
16.020.5-2 过拟合欠拟合应对策略.mp4
17.024.5-6 Dropout代码实现.mp4
18.082.13-4 生成对抗网络.mp4
19.018.4-8 多分类问题代码实现.mp4
20.030.6-4 梯度下降.mp4
21.013.4-3 前向传播和反向传播.mp4
22.019.5-1 训练的常见问题.mp4
23.023.5-5 Dropout.mp4
24.070.11-5 注意力池化及代码实现.mp4
25.072.11-7 Transformer代码实现.mp4
26.095.15-6 项目实战：电影评论情感分析.mp4
27.027.6-1 最优化与深度学习.mp4
28.065.10-9 机器翻译简单代码实现.mp4
29.074.12-2 GPT系列模型.mp4
30.002.1-2 初识深度学习.mp4
31.004.2-1 线性代数.mp4
32.022.5-4 正则化.mp4
33.049.8-5 ResNet.mp4
34.037.6-11 梯度下降代码实现.mp4
35.039.7-1 全连接层问题.mp4
36.077.12-5 Swin Transformer模型.mp4
37.035.6-9 RMSProp_Adadelta算法.mp4
38.038.6-12 学习率调节器.mp4
39.040.7-2 图像卷积.mp4
40.043.7-5 池化层Pooling.mp4
41.046.8-2 VGGNet.mp4
42.047.8-3 批量规范化.mp4
43.075.12-3 T5模型.mp4
44.086.14-2 图像数据增强.mp4
45.090.15-1 词嵌入和word2vec.mp4
46.092.15-3 预训练模型.mp4
47.096.16-1 InstructGPT模型.mp4
48.100.16-5 下一步学习的建议.mp4
49.001.1-1 课程内容和理念.mp4
50.007.3-1 CUDA+Anaconda深度学习环境搭建.mp4
51.033.6-7 动量法.mp4
52.034.6-8 AdaGrad算法.mp4
53.036.6-10 Adam算法.mp4
54.078.12-6 GPT模型代码实现.mp4
55.079.13-1 蒙特卡洛方法.mp4
56.080.13-2 变分推断.mp4
57.081.13-3 变分自编码器.mp4
58.083.13-5 Diffusion扩散模型.mp4
59.084.13-6 图像生成.mp4
60.088.14-4 经典视觉数据集.mp4
61.091.15-2 词义搜索和句意表示.mp4
62.093.15-4 Hugging Face库介绍.mp4
63.094.15-5 经典NLP数据集.mp4
64.097.16-2 CLIP模型.mp4
65.098.16-3 DALL-E模型.mp4
66.099.16-4 深度学习最新发展趋势分析.mp4
67.005.2-2 微积分.mp4
68.009.3-3 Jupyter Notebook快速上手.mp4
69.010.3-4 深度学习库PyTorch安装.mp4
70.012.4-2 多层感知机.mp4
71.015.4-5 回归问题.mp4
72.026.5-8 模型文件的读写.mp4
73.028.6-2 损失函数.mp4
74.029.6-3 损失函数性质.mp4
75.031.6-5 随机梯度下降法.mp4
76.041.7-3 卷积层.mp4
77.042.7-4 卷积层常见操作.mp4
78.044.7-6 卷积神经网络代码实现（LeNet）.mp4
79.045.8-1 AlexNet.mp4
80.048.8-4 GoogLeNet.mp4
81.050.8-6 DenseNet.mp4
82.051.9-1 序列建模.mp4
83.052.9-2 文本数据预处理.mp4
84.053.9-3 循环神经网络.mp4
85.054.9-4 随时间反向传播算法.mp4
86.055.9-5 循环神经网络代码实现.mp4
87.056.9-6 RNN的长期依赖问题.mp4
88.057.10-1 深度循环神经网络.mp4
89.058.10-2 双向循环神经网络.mp4
90.059.10-3 门控循环单元.mp4
91.060.10-4 长短期记忆网络.mp4
92.061.10-5 复杂循环神经网络代码实现.mp4
93.062.10-6 编码器-解码器网络.mp4
94.063.10-7 序列到序列模型代码实现.mp4
95.064.10-8 束搜索算法.mp4
96.066.11-1 什么是注意力机制.mp4
97.067.11-2 注意力的计算.mp4
98.069.11-4 自注意力机制.mp4
99.011.4-1 神经网络原理.mp4
100.016.4-6 线性回归代码实现.mp4