XTZX驭风计划：培养人工智能青年人才-NLP方向

驭风计划：培养人工智能青年人才-NLP方向资源介绍:

“驭风计划-NLP方向”特邀清华大学计算机系教授主讲专业核心课。本计划以机器学习训练营、深度学习训练营为人工智能基础课程，以自然语言处理训练营为人工智能行业热门技术课程，以算法训练营为算法思维修炼课程，通过循序渐进的课程体系，帮助学员打下扎实的理论基本功，通过丰富的实训案例，培养学员的实践应用能力。

资源目录:

└─学堂在线清华大学驭风计划深度学习python算法
    ├─机器学习训练营(2022_第9期)
    │  ├─01.序-学习课件
    │  │  │  1.1_初识机器学习_
    │  │  │  机器学习课件最终版PDF合集  3.zip
    │  │  │  
    │  │  └─机器学习课件最终版PDF合集  3
    │  │      └─机器学习课件最终版PDF合集  3
    │  │              ML10.Topic6.1-IBL(1)_最终版.pdf
    │  │              ML12.Topic7.1-SVM(1)_最终版.pdf
    │  │              ML14.Topic8.1-Unsupervised-I_最终版.pdf
    │  │              ML15.Topic8.2-Unsupervised-II_最终版.pdf
    │  │              ML16.Topic9-Ensemble_最终版.pdf
    │  │              ML18.Toipc10.2-DLinto-II_最终版.pdf
    │  │              ML19.Topic11-GWAP_最终版.pdf
    │  │              ML2.Topic1.2-G通用系统设计_最终版.pdf
    │  │              ML20.Topic12-overview_已排版.pdf
    │  │              ML4.Topic2.2-实验方法与原则(2)_最终版.pdf
    │  │              ML5.Topic3.1-决策树学习方法_最终版.pdf
    │  │              ML6.Topic3.2-决策树学习进阶_最终版.pdf
    │  │              ML7.Topic4-Regression_最终版.pdf
    │  │              ML9.Topic5.2-贝叶斯(II)_最终版.pdf
    │  │              
    │  ├─02.机器学习基础
    │  │      1.1.1_机器学习的应用背景 _
    │  │      1.1.1_机器学习的应用背景_
    │  │      1.1.2_什么是机器学习 _
    │  │      1.1.2_什么是机器学习_
    │  │      1.2_一般的机器学习系统设计_part01 _
    │  │      1.2_一般的机器学习系统设计_part01_
    │  │      1.2_一般的机器学习系统设计_part02 _
    │  │      1.2_一般的机器学习系统设计_part02_
    │  │      
    │  ├─03.机器学习实验方法与原则
    │  │      2.1_机器学习实验方法与原则I _
    │  │      2.1_机器学习实验方法与原则I_
    │  │      2.2_机器学习实验方法与原则II _
    │  │      2.2_机器学习实验方法与原则II_
    │  │      
    │  ├─04.决策树学习
    │  │      3.1.2_经典决策树算法 _
    │  │      3.1.3_过拟合问题 _
    │  │      3.1.3_过拟合问题_
    │  │      3.2.1_决策树的过拟合以及措施 _
    │  │      3.2.1_决策树的过拟合以及措施_
    │  │      3.2.2_现实场景中的决策树学习 _
    │  │      ML_hw1.ipynb.zip
    │  │      基于决策树的英雄联盟游戏胜负预测.zip
    │  │      实验一 基于决策树的英雄联盟游戏胜负预测.txt
    │  │      
    │  ├─05.回归分析
    │  │      4.2_损失函数 _
    │  │      4.2_损失函数_0718195925_
    │  │      4.3_多元线性回归_
    │  │      4.4_相关系数与决定系数 _
    │  │      实验二 基于回归分析的大学综合得分预测.txt
    │  │      
    │  ├─06.贝叶斯学习
    │  │      5.1_贝叶斯学习 _
    │  │      5.2_朴素贝叶斯分类器 _
    │  │      hw3.zip
    │  │      实验三 贝叶斯垃圾邮件识别.txt
    │  │      
    │  ├─07.基于实例的学习方法
    │  │      6.1_最近邻方法_
    │  │      6.2_K近邻方法_
    │  │      6.4_基于实例-记忆的学习器 _
    │  │      6.4_基于实例-记忆的学习器_
    │  │      hw4.zip
    │  │      基于K-近邻的车牌号识别.zip
    │  │      
    │  ├─08.支持向量机（SVM）
    │  │      7.1_线性支持向量机_
    │  │      7.2_基于核的支持向量机_
    │  │      
    │  ├─09.无监督学习
    │  │      8.1.1_无监督学习介绍 _
    │  │      8.1.1_无监督学习介绍_
    │  │      8.1.2_聚类介绍 _
    │  │      8.2.1_层次聚类 _
    │  │      8.2.1_层次聚类_
    │  │      8.2.2_K-means聚类 _
    │  │      8.2.2_K-means聚类_
    │  │      8.2.3_K-medoids 聚类 _
    │  │      8.2.3_K-medoids 聚类_
    │  │      AAAI 会议论文聚类分析.zip
    │  │      hw5.ipynb.zip
    │  │      实验五 AAAI 会议论文聚类分析.txt
    │  │      
    │  ├─10.集成学习
    │  │      9.1.1_集成学习基础 _
    │  │      9.1.1_集成学习基础_
    │  │      9.1.2_加权多数算法 _
    │  │      9.1.2_加权多数算法_
    │  │      9.1.3_Bagging算法 _
    │  │      9.2.1_Boosting与AdaBoost算法 _
    │  │      9.2.2_Boosting和AdaBoost的算法比较 _
    │  │      9.2.2_Boosting和AdaBoost的算法比较_
    │  │      exp6.zip
    │  │      基于集成学习的 Amazon 用户评论质量预测 4.zip
    │  │      实验六 基于集成学习的 Amazon 用户评论质量预测.txt
    │  │      
    │  ├─11.深度学习基础
    │  │      10.1_深度学习介绍 _
    │  │      10.1_深度学习介绍_
    │  │      10.2.1_循环神经网络 _
    │  │      10.2.1_循环神经网络_
    │  │      10.2.2_长短期记忆网络 _
    │  │      10.2.3_门控循环单位网络 _
    │  │      10.2.3_门控循环单位网络_
    │  │      10.2.4_深度学习应用_
    │  │      
    │  ├─12.基于群体智慧的机器学习数据集构建
    │  │      11.1_基于群体智慧的机器学习数据集构建_
    │  │      
    │  ├─13.机器学习算法总结
    │  │      12.1_机器学习算法总结 _
    │  │      
    │  ├─14.毕业设计
    │  │      某闯关类手游用户流失预测.zip
    │  │      
    │  └─直播回放
    │          实验一汇报、讲解+实验三布置+答疑 _
    │          实验一汇报、讲解+实验三布置+答疑_
    │          实验三讲解+实验五布置+答疑_
    │          实验二布置+答疑 _
    │          实验二布置+答疑_
    │          实验五讲解+答疑 _
    │          实验五讲解+答疑_
    │          实验六布置+答疑 _
    │          实验六布置+答疑_
    │          实验六汇报、点评、讲解+答疑 _
    │          实验四讲解+实验六布置+答疑_
    │          开营仪式+实验一布置_
    │          毕设汇报、点评、讲解+结营仪式_
    │          
    ├─算法训练营
    │  ├─上机实践：习题精讲
    │  │  │  第1部分-习题.7z
    │  │  │  第2部分-习题.7z
    │  │  │  第3部分-习题.7z
    │  │  │  第4部分-习题.7z
    │  │  │  第5部分-习题.7z
    │  │  │  
    │  │  ├─第1部分-习题
    │  │  │      习题精讲1-1_
    │  │  │      习题精讲1-2_
    │  │  │      习题精讲1-3_
    │  │  │      
    │  │  ├─第2部分-习题
    │  │  │      习题精讲2-1_
    │  │  │      习题精讲2-2_
    │  │  │      习题精讲2-3_
    │  │  │      
    │  │  ├─第3部分-习题
    │  │  │      习题精讲3-1_
    │  │  │      习题精讲3-2_
    │  │  │      习题精讲3-3_
    │  │  │      
    │  │  ├─第4部分-习题
    │  │  │      习题精讲4-1_
    │  │  │      习题精讲4-2_
    │  │  │      习题精讲4-3_
    │  │  │      
    │  │  └─第5部分-习题
    │  │          习题精讲5-1_
    │  │          习题精讲5-2_
    │  │          习题精讲5-3_
    │  │          
    │  ├─直播回放
    │  │  │  周测1讲解+答疑_
    │  │  │  周测2讲解+答疑_
    │  │  │  周测4讲解+答疑_
    │  │  │  周测5讲解+答疑_
    │  │  │  直播回放.7z
    │  │  │  
    │  │  └─直播回放
    │  │      └─直播回放
    │  │              周测1讲解+答疑_
    │  │              周测2讲解+答疑_
    │  │              周测3讲解+答疑_
    │  │              周测4讲解+答疑_
    │  │              周测5讲解+答疑_
    │  │              
    │  ├─第0课：调整姿势，迎接算法挑战
    │  │      专题课：扬帆起航，开启算法之旅_
    │  │      习题讲解_
    │  │      习题课：最大红矩形_
    │  │      解题指南：如何提交作业&栈排序习题解答_
    │  │      邓俊辉：学习算法的一些建议_
    │  │      
    │  ├─第1部分：初入宝山，窥探算法奥秘
    │  │  ├─（1A）邓公在算法课赐予我青春的力量
    │  │  │      PART1_
    │  │  │      PART2_
    │  │  │      PART3_
    │  │  │      
    │  │  └─（1B）邓公陪你学算法
    │  │          PART1_
    │  │          PART2_
    │  │          PART3_
    │  │          
    │  ├─第2部分：渐入佳境，领略算法之美
    │  │  ├─（2A）一起听邓公讲算法
    │  │  │      PART1_
    │  │  │      PART2_
    │  │  │      PART3_
    │  │  │      
    │  │  └─（2B）邓公教你“分而治之”
    │  │          PART1_
    │  │          PART2_
    │  │          PART3_
    │  │          
    │  ├─第3部分：坚持不懈，修炼算法内功
    │  │  ├─（3A）听邓公讲讲图搜索
    │  │  │      PART1_
    │  │  │      PART2_
    │  │  │      PART3_
    │  │  │      
    │  │  └─（3B）听邓公讲讲动态规划
    │  │          PART1_
    │  │          PART2_
    │  │          PART3_
    │  │          
    │  ├─第4部分：持续烧脑，精研算法之妙
    │  │  ├─（4A）邓公带你探秘“字符串”
    │  │  │      PART1_
    │  │  │      PART2_
    │  │  │      PART3_
    │  │  │      
    │  │  └─（4B）邓公带你探秘“散列”
    │  │          PART1_
    │  │          PART2_
    │  │          PART3_
    │  │          
    │  └─第5部分：蓄力前行，勇攀算法高峰
    │      ├─（5A）邓公带你初探“计算几何
    │      │      PART1_
    │      │      PART2_
    │      │      PART3_
    │      │      
    │      └─（5B）随邓公再探“计算几何”大观园
    │              PART1_
    │              PART2_
    │              PART3_
    │              
    ├─自然语言处理训练营(2023_第3期)
    │  └─{1}--课程
    │      ├─{10}--文本生成
    │      │      #10.1#--第10章课件.pdf
    │      │      (10.1)--10_文本生成_v3.pdf
    │      │      [10.1]--10.1_文本生成简介_
    │      │      [10.2]--10.2_传统文本生成方式_
    │      │      [10.3]--10.3_基于神经网络的文本生成_
    │      │      [10.4]--10.4_文本生成任务以及挑战_
    │      │      [10.5]--10.5_当前趋势和未来_
    │      │      
    │      ├─{11}--NLP前沿介绍
    │      │      (11.2)--ChatGPT技术.pdf
    │      │      (11.3)--后ChatGPT时代.pdf
    │      │      [11.2]--对抗学习_
    │      │      [11.3]--强化学习_
    │      │      [11.4]--ChatGPTGPT4背后的关键技术_
    │      │      [11.5]--后 ChatGPT 时代的 NLP 研究路线_
    │      │      
    │      ├─{12}--直播回放
    │      │      [12.10]--实验六布置+答疑_
    │      │      [12.11]--实验五汇报、讲解+答疑_
    │      │      [12.2]--实验二布置+答疑_
    │      │      [12.4]--实验三布置+答疑_
    │      │      [12.7]--实验三讲解+答疑_
    │      │      [12.8]--实验五布置+答疑_
    │      │      
    │      ├─{1}--课程介绍
    │      │      #1.1#--第1章课件.pdf
    │      │      (1.1)--01_NLP简介_v1.pdf
    │      │      [1.1]--1.1_什么是自然语言处理_
    │      │      [1.3]--1.3_自然语言处理的重要性_
    │      │      [1.4]--1.4_自然语言处理典型任务及应用_
    │      │      
    │      ├─{2}--NLP模型基础
    │      │      #2.1#--第2章课件.pdf
    │      │      (2.1)--02_NLP模型基础_v1.pdf
    │      │      (2.2)--Word2VecTransE案例（更新）.zip
    │      │      [2.1]--2.1_词表示_
    │      │      [2.2]--2.2_分布式词表示_
    │      │      [2.3]--2.3_词嵌入_
    │      │      [2.7]--2.7_卷积神经网络_
    │      │      [2.8]--2.8_transformer_
    │      │      
    │      ├─{3}--seq2seq与机器翻译
    │      │      (3.1)--03_机器翻译_v1.pdf
    │      │      (3.2)--seq2seq案例.zip
    │      │      [3.2]--3.2_统计机器翻译_
    │      │      [3.3]--3.3_神经机器翻译_
    │      │      [3.4]--3.4_注意力机制_
    │      │      
    │      ├─{4}--预训练语言模型
    │      │      [4.1]--4.1 基于特征的预训练模型_
    │      │      [4.3]--4.3 基于微调的方法_
    │      │      [4.4]--4.4 BERT之后的预训练模型_
    │      │      
    │      ├─{5}--知识图谱
    │      │      #5.1#--第5章课件.pdf
    │      │      #5.2#--数据集与源码框架.pdf
    │      │      (5.1)--05_知识图谱.pdf
    │      │      [5.3]--5.3 知识表示学习的关键挑战_
    │      │      
    │      ├─{6}--序列标注与信息抽取
    │      │      #6.1#--第6章课件.pdf
    │      │      (6.1)--06_序列标注.pdf
    │      │      [6.1]--6.1_序列标注_
    │      │      [6.2]--6.2_词性标注_
    │      │      [6.5]--6.5_命名实体分类与实体链接_
    │      │      
    │      ├─{7}--文本分类与关系抽取
    │      │      #7.1#--第7章课件.pdf
    │      │      (7.1)--07_文本分类与关系抽取.pdf
    │      │      (7.2)--预训练模型应用实例-更新版.zip
    │      │      [7.2]--7.2_关系抽取_
    │      │      [7.3]--7.3_事件抽取_
    │      │      
    │      ├─{8}--文本匹配与信息检索
    │      │      #8.1#--第8章课件.pdf
    │      │      (8.1)--08_信息检索.pdf
    │      │      [8.1]--8.1_信息检索简介_
    │      │      [8.3]--8.3_词嵌入IR模型_
    │      │      [8.4]--8.4_神经IR模型_
    │      │      
    │      └─{9}--文档分析与阅读理解
    │              #9.1#--第9章课件.pdf
    │              #9.2#--数据集与源码框架.pdf
    │              (9.1)--09_机器问答_v3.pdf
    │              (9.2)--法律智能问答案例.zip
    │              [9.1]--9.1_机器问答简介_
    │              [9.3]--9.3_开放域问答_
    │              [9.4]--9.4_知识图谱问答_
    │              
    ├─自然语言处理训练营(2024_第1期)
    │  └─{1}--课程
    │      ├─{10}--文本生成
    │      │      #10.1#--第10章课件.pdf
    │      │      (10.1)--10_文本生成_v3.pdf
    │      │      [10.1]--10.1_文本生成简介_
    │      │      [10.2]--10.2_传统文本生成方式_
    │      │      [10.3]--10.3_基于神经网络的文本生成_
    │      │      [10.4]--10.4_文本生成任务以及挑战_
    │      │      [10.5]--10.5_当前趋势和未来_
    │      │      
    │      ├─{11}--NLP前沿介绍
    │      │      (11.2)--ChatGPT技术.pdf
    │      │      (11.3)--后ChatGPT时代.pdf
    │      │      [11.2]--对抗学习_
    │      │      [11.3]--强化学习_
    │      │      [11.4]--ChatGPTGPT4背后的关键技术_
    │      │      [11.5]--后 ChatGPT 时代的 NLP 研究路线_
    │      │      
    │      ├─{12}--直播回放
    │      │      (12.2)--第四次实训案例-讲解.pdf
    │      │      [12.10]--实验六布置+答疑_
    │      │      [12.11]--实验五汇报、讲解+直播答疑_
    │      │      [12.12]--实验六讲解+答疑_
    │      │      [12.1]--实验一布置+答疑_
    │      │      [12.2]--实验二布置+答疑_
    │      │      [12.3]--实验一汇报、讲解+答疑_
    │      │      [12.5]--实验二讲解+答疑_
    │      │      [12.7]--实验三讲解+答疑_
    │      │      [12.8]--实验五布置+答疑_
    │      │      
    │      ├─{1}--课程介绍
    │      │      (1.1)--01_NLP简介_v1.pdf
    │      │      [1.1]--1.1_什么是自然语言处理_
    │      │      [1.2]--1.2_自然语言处理的挑战_
    │      │      [1.3]--1.3_自然语言处理的重要性_
    │      │      [1.4]--1.4_自然语言处理典型任务及应用_
    │      │      
    │      ├─{2}--NLP模型基础
    │      │      (2.1)--02_NLP模型基础_v1.pdf
    │      │      (2.2)--Word2VecTransE案例（更新）.zip
    │      │      [2.1]--2.1_词表示_
    │      │      [2.2]--2.2_分布式词表示_
    │      │      [2.3]--2.3_词嵌入_
    │      │      [2.7]--2.7_卷积神经网络_
    │      │      [2.8]--2.8_transformer_
    │      │      
    │      ├─{3}--seq2seq与机器翻译
    │      │      #3.1#--第3章课件.pdf
    │      │      #3.2#--数据集与源码框架.pdf
    │      │      (3.1)--03_机器翻译_v1.pdf
    │      │      (3.2)--seq2seq案例.zip
    │      │      [3.2]--3.2_统计机器翻译_
    │      │      [3.3]--3.3_神经机器翻译_
    │      │      [3.4]--3.4_注意力机制_
    │      │      
    │      ├─{4}--预训练语言模型
    │      │      [4.1]--4.1 基于特征的预训练模型_
    │      │      [4.3]--4.3 基于微调的方法_
    │      │      [4.4]--4.4 BERT之后的预训练模型_
    │      │      
    │      ├─{5}--知识图谱
    │      │      #5.1#--第5章课件.pdf
    │      │      #5.2#--数据集与源码框架.pdf
    │      │      (5.1)--05_知识图谱.pdf
    │      │      [5.2]--5.2 知识表示学习_
    │      │      [5.3]--5.3 知识表示学习的关键挑战_
    │      │      
    │      ├─{6}--序列标注与信息抽取
    │      │      #6.1#--第6章课件.pdf
    │      │      (6.1)--06_序列标注.pdf
    │      │      [6.1]--6.1_序列标注_
    │      │      [6.2]--6.2_词性标注_
    │      │      [6.5]--6.5_命名实体分类与实体链接_
    │      │      
    │      ├─{7}--文本分类与关系抽取
    │      │      #7.2#--数据集与源码框架.pdf
    │      │      (7.1)--07_文本分类与关系抽取.pdf
    │      │      (7.2)--预训练模型应用实例-更新版.zip
    │      │      [7.2]--7.2_关系抽取_
    │      │      [7.3]--7.3_事件抽取_
    │      │      
    │      ├─{8}--文本匹配与信息检索
    │      │      (8.1)--08_信息检索.pdf
    │      │      [8.1]--8.1_信息检索简介_
    │      │      [8.4]--8.4_神经IR模型_
    │      │      
    │      └─{9}--文档分析与阅读理解
    │              #9.1#--第9章课件.pdf
    │              (9.1)--09_机器问答_v3.pdf
    │              (9.2)--法律智能问答案例.zip
    │              [9.1]--9.1_机器问答简介_
    │              [9.3]--9.3_开放域问答_
    │              [9.4]--9.4_知识图谱问答_
    │              
    ├─驭风计划-python入门与应用
    │      1.10 循环语句-while循环_
    │      1.11 循环语句-for循环_
    │      1.12 快速入门函数_
    │      1.12.pdf
    │      1.2-1.5.pdf
    │      1.3 开发工具的选择_
    │      1.4 jupyter使用_
    │      1.5 第三方模块管理_
    │      1.6 理解变量_
    │      1.6-1.8.pdf
    │      1.7 输入输出语句与基本语法_
    │      1.8 三种运算符_
    │      1.9 条件语句-if语句_
    │      1.9.pdf
    │      10.1 python操作mysql_
    │      10.1mysql数据库操作.pdf
    │      10.2多进程详解与应用.pdf
    │      10.3多线程详解与应用.pdf
    │      10.4 统计文件练习_
    │      10.5 进程池_
    │      10.7 线程安全与互斥锁_
    │      11.1 有序列表中插入元素_
    │      11.10 加数的最大积_
    │      11.11 n的第k个因子_
    │      11.2 求交集_
    │      11.3 字符串旋转_
    │      11.4 字符串列表翻转_
    │      11.7 解压缩列表_
    │      11.8 数字列表加法操作_
    │      11.9 排队问题_
    │      12.1 numpy简介与安装_
    │      12.2 ndarray对象_
    │      12.3 numpy数据类型与访问_
    │      12.5 分割切分_
    │      13.1 matplotlib_
    │      13matplotlib.pdf
    │      14.1 pandas课程介绍_
    │      14.2 series对象_
    │      14.3 dataframe对象_
    │      14.4 pandas数据导入_
    │      14.5 缺失值处理（一）_
    │      14.7 根据条件获取数据_
    │      14.8 描述性统计与计算_
    │      14.9 索引及多级索引_
    │      15.1 period与时间应用_
    │      15.10 str处理_
    │      15.2 时间分析_
    │      15.3 数据去重_
    │      15.5 数据集合并（二）_
    │      15.7 数据处理_
    │      15.8 分组处理_
    │      15.9 cuts_
    │      16.10 seaborn_
    │      16.2 gdp分析（一）_
    │      16.3 gdp分析（二）_
    │      16.5 复购率_
    │      16.6 复购时间间隔_
    │      16.7 用户转化率分析_
    │      16.8 rfm模型（一）_
    │      16.9 rfm模型（二）_
    │      17.1 设置颜色_
    │      17.2 sns数据集与第一个图表_
    │      17.4 seaborn_
    │      17.5 买家评论信息分析（一）_
    │      17.7 泰坦尼克分析_
    │      17.8 mv_lens1_
    │      2.1 数字基础_
    │      2.2随机数模块.pdf
    │      2.4 随机数模块_
    │      3.1 序列基础_
    │      3.1序列.pdf
    │      3.2 序列通用函数_
    │      3.2字符串详解.pdf
    │      3.3 字符串_
    │      3.3列表.pdf
    │      3.4 字符串相关函数_
    │      3.4列表解析.pdf
    │      3.5.1 字符串相关方法（1）_
    │      3.5.2 字符串相关方法（2）_
    │      3.5.3 字符串相关方法（3）_
    │      3.7 列表操作详解_
    │      3.8 元组_
    │      4.1.1 列表练习（1）_
    │      4.1字典.pdf
    │      4.2 列表解析_
    │      4.2集合.pdf
    │      4.3拷贝问题.pdf
    │      4.4 字典相关方法_
    │      4.4collections模块.pdf
    │      4.5.1 字典强化练习（1）_
    │      4.5.2 字典强化练习（2）_
    │      4.6 集合_
    │      4.7 拷贝问题_
    │      4.8 collections模块详解_
    │      5.1 文件操作快速入门_
    │      5.2csv文件详解.pdf
    │      5.4 文件读取操作_
    │      5.5.1 产生销售数据_
    │      5.5.2 销售数据统计_
    │      5.7.2 csv文件练习（2）_
    │      6.1 时间处理_
    │      6.10 单元格格式设置_
    │      6.13 ini文件读写_
    │      6.1时间处理.pdf
    │      6.2 按照时间完成订单的统计_
    │      6.2os模块目录处理.pdf
    │      6.3 统计7天内的订单量_
    │      6.3excel文件详解.pdf
    │      6.4json与picke.pdf
    │      6.5 文件练习_
    │      6.5ini配置文件处理.pdf
    │      6.6 excel读取快速入门_
    │      6.7 excel读取操作_
    │      6.9 excel文件拆分_
    │      7.1 函数基础_
    │      7.10 yield与生成器函数_
    │      7.1函数基础详解.pdf
    │      7.2 函数参数_
    │      7.2匿名函数与函数式编程.pdf
    │      7.3递归函数.pdf
    │      7.4闭包.pdf
    │      7.5 匿名函数_
    │      7.5装饰器.pdf
    │      7.6 函数式编程_
    │      7.6生成器函数.pdf
    │      7.7 递归_
    │      7.8 闭包_
    │      8.10 特殊方法_
    │      8.11 类组合与练习_
    │      8.12 班级管理实现_
    │      8.13 添加菜单_
    │      8.1面向对象编程.pdf
    │      8.2 类与实例属性_
    │      8.3 实例方法_
    │      8.3班级练习_jupyter.pdf
    │      8.4 对象的生命周期_
    │      8.5 面向对象三种方法_
    │      8.6 收银台结算案例_
    │      8.7 propety使用_
    │      8.8 反射_
    │      9.1 模块与导入_
    │      9.1模块与导入.pdf
    │      9.2 包与相对导入绝对导入_
    │      9.3 异常处理_
    │      9.3正则表达式.pdf
    │      9.6 正则表达式基本语法_
    │      9.7 边界匹配_
    │      9.9 split与sub方法_
    │      
    ├─驭风计划-深度学习
    │  │  1.1_深度学习的基本概念_
    │  │  1.2_深度学习的发展历程_
    │  │  1.3_深度学习的应用_
    │  │  10.1_生成式模型_
    │  │  10.2_受限玻尔兹曼机_
    │  │  10.3_深度信念网络_
    │  │  10.4 生成对抗网络_
    │  │  2.1_数学基础回顾_
    │  │  2.2_机器学习基础回顾_
    │  │  3.1_logistic回归_
    │  │  3.2_softmax回归_
    │  │  4.1_多层感知机_前言_
    │  │  4.2_前向计算_
    │  │  4.5_深度学习模型的训练技巧I_
    │  │  5.4_典型的卷积神经网络_
    │  │  6.2_处理过拟合_
    │  │  7.1_图像分类_
    │  │  7.2_物体检测_
    │  │  7.3_图像分割_
    │  │  7.4_图像风格转换_
    │  │  8.1_动态系统_
    │  │  8.2_RNNs_
    │  │  8.3_门控RNNs_
    │  │  8.4_语音识别应用_
    │  │  9.2_词表示_
    │  │  9.4_神经网络进行机器翻译_
    │  │  第一章.pdf
    │  │  第七章.pdf
    │  │  第三章.pdf
    │  │  第九章.pdf
    │  │  第二章.pdf
    │  │  第六章.pdf
    │  │  第十章.pdf
    │  │  第四章.pdf
    │  │  
    │  └─深度学习直播答疑
    │          直播答疑1_
    │          直播答疑4_
    │          直播答疑5_
    │          直播答疑7_
    │          直播答疑8_
    │          直播答疑9_
    │          
    └─驭风计划-深度学习（标清）
            1.1_深度学习的基本概念_
            1.2_深度学习的发展历程_
            1.3_深度学习的应用_
            1.4_深度学习的潜在风险_
            10.1_生成式模型_
            10.2_受限玻尔兹曼机_
            10.3_深度信念网络_
            10.4 生成对抗网络_
            2.1_数学基础回顾_
            2.2_机器学习基础回顾_
            3.1_logistic回归_
            3.2_softmax回归_
            4.1_多层感知机_前言_
            4.2_前向计算_
            4.3_反向计算_
            4.4_层分解_
            4.5_深度学习模型的训练技巧I_
            5.1_卷积神经网络简介_
            5.2_卷积层_
            5.3_池化层_
            5.4_典型的卷积神经网络_
            6.1_优化器_
            6.2_处理过拟合_
            6.3_批归一化_
            6.4_超参数选取_
            7.1_图像分类_
            7.2_物体检测_
            7.3_图像分割_
            7.4_图像风格转换_
            8.1_动态系统_
            8.2_RNNs_
            8.3_门控RNNs_
            8.4_语音识别应用_
            9.1_NLP典型任务_
            9.2_词表示_
            9.3_神经网络进行文本分类_
            9.4_神经网络进行机器翻译_
            实验4讲解+实验6布置答疑_
            实验6讲解_
            实验7汇报+结营_
            实验一汇报、讲解+实验三布置+直播答疑_
            实验三讲解+直播答疑_
            实验二讲解+直播答疑_
            实验五讲解_
            实验四、五布置+直播答疑_
            开营仪式+实验一、二布置+答疑_
            直播答疑1_
            直播答疑2_
            第一章.pdf
            第七章.pdf
            第三章.pdf
            第九章.pdf
            第二章.pdf
            第六章.pdf
            第十章.pdf
            第四章.pdf