深度之眼AI大赛年度会员视频,Kaggle比赛22套辅导课程 价值1998元

本课程是一套专为有志于在AI数据科学领域深耕的开发者、学生及从业者打造的“理论+实战”一体化全栈课程。课程以“夯实基础、竞赛驱动、项目实战”为核心,系统性地串联起从Python编程、数学基础、深度学习框架到Kaggle/CCF等顶级数据科学竞赛的完整知识体系。你将不仅学习算法原理,更将通过数十个真实竞赛案例(涵盖NLP、CV、推荐系统、金融风控等),亲手实践从数据探索、特征工程、模型构建到调优集成的全流程,最终具备独立解决复杂数据问题并冲击竞赛榜单的实战能力。
核心学习路径
1. 基础筑基:编程、数学与框架
Python与AI入门:系统学习Python核心语法、组合数据类型、函数与面向对象编程,并掌握Numpy、Pandas、Matplotlib、Sklearn等数据科学核心库,为后续学习打下坚实基础。
AI数学基础:深入剖析线性代数(矩阵运算、特征值、SVD分解)、微积分(梯度、泰勒公式)与概率统计(贝叶斯、期望方差),并结合在线性回归、深度学习中的应用,让你真正理解算法背后的数学之美。
神经网络与PyTorch框架:
理论基础:学习多层感知机(MLP)、卷积神经网络(CNN)、循环神经网络(RNN)等核心网络结构。
框架实战:从张量操作、计算图、autograd机制,到数据读取(Dataloader)、模型构建(nn.Module)、损失函数与优化器,再到TensorBoard可视化、模型微调(Finetune)与GPU加速,全面掌握PyTorch开发流程。
2. 核心实战:Kaggle/CCF竞赛全领域覆盖
自然语言处理(NLP):
文本分类:通过“有毒评论识别”、“英语学习者语言评估”等比赛,掌握BERT、Deberta等预训练模型家族的实战应用与提分技巧。
文本相似度:在“美国专利短语相似度”大赛中,深入理解语义匹配模型与交叉熵损失函数。
Token分类:通过“NBME临床病例评分”大赛,学习序列标注任务的处理方法。
小样本学习:在“CCF BDCI小样本分类”大赛中,探索在数据稀缺场景下的模型训练策略。
自动评分(AES):通过“议论文评分”大赛,学习如何处理复杂的回归与分类混合任务。
计算机视觉(CV):
图像分割:在“HuBMAP多器官组织分割”和“UW-Madison肠胃道分割”大赛中,掌握U-Net等语义分割模型及后处理技巧。
目标检测:通过“Tensorflow海星检测”和“DFL德甲足球事件检测”大赛,学习Faster R-CNN等两阶段检测算法及视频分类技术。
3D视觉:在“酶稳定性预测”大赛中,探索基于3D CNN和Transformer的蛋白质结构分析方法。
结构化数据与推荐系统:
金融风控:通过“信用违约预测”大赛,学习处理不平衡数据、特征工程及XGBoost/LightGBM等树模型的调参技巧。
推荐算法:系统学习推荐系统全链路,包括召回(多兴趣召回)、排序、多目标学习及知识图谱应用,并通过“商品合格率预测”等比赛实战。
数据挖掘:在“深享杯”等入门赛中,掌握数据挖掘比赛的标准流程、Trick与模型融合方法。
3. 进阶提升:工程化与高级技巧
开发环境搭建:课程伊始即详细讲解AI开发所需的软硬件环境配置,包括GPU驱动、CUDA、Conda环境管理等,让你少走弯路。
模型优化与集成:深入学习AutoML、超参数优化(HPO)、模型融合(Blending/Stacking)等高级技巧,这是在竞赛中脱颖而出的关键。
竞赛复盘与Top方案:每个竞赛模块结束后,都会对历史Top方案进行拆解复盘,学习冠军选手的思路与技巧,快速提升实战水平。
课程亮点
海量竞赛实战:涵盖Kaggle、CCF、WSDM等平台的20+个真实竞赛案例,覆盖NLP、CV、推荐、风控等主流方向,实战经验拉满。
全栈知识体系:从Python基础、数学原理到PyTorch框架,再到竞赛实战,构建完整的AI数据科学知识闭环,拒绝碎片化学习。
紧跟前沿技术:课程内容紧跟AI发展趋势,深入讲解Transformer、BERT、Deberta、TabTransformer等前沿模型在竞赛中的应用。
注重工程落地:不仅讲算法,更讲工程实现,包括环境配置、代码调试、模型保存与加载、GPU加速等,培养工业级开发习惯。

课程目录:
AI大赛
+—01-【kaggle新赛】酶稳定性预测大赛
| 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(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)
| 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
| 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.mp4
| 07-【04课】NLP比赛提分技巧.mp4
| 08-【05课】模型训练技巧分享.mp4
| 09-【06课】往期kaggle文本分类比赛回顾.mp4
|
+—06-【kaggle 新人赛】数据挖掘新人赛(机器学习·二分类任务)
| 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】数据挖掘比赛中的神经网络Baseline.mp4
| 07-【04课】数据挖掘比赛中的调参方法以及模型融合.mp4
|
+—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.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+baseline详解.mp4
| 05-【02课】视频分类与图像分类.mp4
| 06-【03课】数据扩增方法.mp4
| 07-【04课】多模型集成方法.mp4
| 08-【05课】历史视频比赛总结.mp4
| 09-【06课】比赛总结与直播答疑.mp4
|
+—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.mp4
| 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
| 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.mp4
| 07-【04课】比赛tricks和过往类似比赛讲解.mp4
|
+—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.mp4
| 05-【02课】Baseline讲解.mp4
| 06-【03课】往期肾小球比赛讲解.mp4
| 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
| 10-【07课】复盘.mp4
|
+—10-【kaggle新赛】议论文评分大赛指导班(NLP·AES任务)
| 01-打造舒适的AI开发环境–软件篇23.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–硬件篇.mp4
| 04-【01课】赛题分析,EDA.mp4
| 05-【02课】baseline基本讲解.mp4
| 06-【03课】赛题理论知识讲解.mp4
| 07-【04课】赛题trick讲解.mp4
| 08-【05课】往期类似比赛讲解.mp4
| 09-【06课】答疑.mp4
| 10-【07课】比赛复盘.mp4
|
+—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
| 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
| 05-【02课】树模型介绍与调参.mp4
| 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
|
+—12-快速入门推荐算法-基于top-k的推荐赛
| 【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.mp4
| 【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.mp4
| 【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.mp4
|
+—13-【Kaggle新赛】UW-Madison 肠胃道图像分割大赛(CV·图像分割)
| 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
| 07-【03课】语义分割模型基础一,基础版.mp4
| 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
| 10-【06课】直播答疑.mp4
| 11-【07课】比赛复盘.mp4
|
+—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
| 【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.mp4
| 【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
|
+—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
| 03-01-课赛题介绍+baseline详解.mp4
| 04-02课-BERT代码详解及HuggingFace Transfomers实战.mp4
| 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
|
+—16-【Kaggle新赛】tensorflow海星目标检测大赛指导班(CV·目标检测)
| 00-打造舒适的AI开发环境.mp4
| 【01课】开营第一课(直播回放).mp4
| 【02课】目标检测二阶段算法.mp4
| 【03课】修改网络设计.mp4
| 【04课】骨干网介绍和损失函数设计.mp4
| 【05课】数据增强和调参.mp4
| 【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
|
+—17-03 数学基础
| 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.mp4
| 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.mp4
| 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
| 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
| 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
| 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
| 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
| 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
| 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.mp4
| 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
| 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
| 28-【第三章】-7 方向导数与梯度及其应用.mp4
| 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.mp4
| 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.mp4
| 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).mp4
| 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.mp4
| 39-【第四章-下】-2 无约束最优化牛顿法.mp4
| 40-【第四章-下】-3 约束最优化.mp4
|
+—18-04 神经网络基础知识
| 01-01-神经网络基础与多层感知机-0.mp4
| 02-01-神经网络基础与多层感知机-1.mp4
| 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
| 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.mp4
| 08-02-卷积神经网络-2.mp4
| 09-03-循环神经网络-0.mp4
| 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
| 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.mp4
| 04-【作业讲解】第二章:Python基本语法元素.mp4
| 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
| 09-第五章 程序控制结构.mp4
| 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
| 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.mp4
| 19-第十章 Python标准库.mp4
| 20-【作业讲解】第十章:Python标准库.mp4
| 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
| 25-第十三章 Matplotlib.mp4
| 26-【作业讲解】第十三章:Matplotlib.mp4
| 27-第十四章 Sklearn常规用法.mp4
| 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
|
+—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.mp4
| 05-【第一周】张量操作与线性回归.mp4
| 06-【第一周】计算图与动态图机制.mp4
| 07-【第一周】autograd与逻辑回归.mp4
| 08-【第一周】作业讲解1.mp4
| 09-【第一周】作业讲解2.mp4
| 10-【第一周】作业讲解3.mp4
| 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
| 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
| 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
| 23-【第四周】损失函数(二).mp4
| 24-【第四周】优化器optimizer的概念.mp4
| 25-【第四周】torch.optim.SGD.mp4
| 26-【第四周】作业讲解.mp4
| 27-【第五周】学习率调整策略.mp4
| 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
| 32-【第五周】作业讲解.mp4
| 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
| 37-【第六周】作业讲解.mp4
| 38-【第七周】模型保存与加载.mp4
| 39-【第七周】模型finetune.mp4
| 40-【第七周】GPU的使用.mp4
| 41-【第七周】PyTorch常见报错.mp4
| 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.mp4
| 45-【第八周】图像目标检测一瞥(上).mp4
| 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
| 48-【第九周】循环神经网络一瞥.mp4
|
+—21-【爱奇艺】WSDM用户留存大赛指导班
| 01-打造舒适的AI开发环境.mp4
| 02-【01课】赛题介绍+baseline详解.mp4
| 03-【02课】特征工程.mp4
| 04-【03课】序列模型.mp4
| 05-【04课】Auto—ML&HPO.mp4
| 06-【05课】爱奇艺结营视频.mp4
|
\—22-【Kaggle新赛】有毒评论识别大赛指导班(NLP·文本分类)
01-打造舒适的AI开发环境.mp4

下载地址:

------本页内容已结束,喜欢请分享------

感谢您的来访,获取更多精彩文章请收藏本站。

深度之眼AI大赛年度会员视频,Kaggle比赛22套辅导课程 价值1998元-IT技术资源教程免费分享平台
深度之眼AI大赛年度会员视频,Kaggle比赛22套辅导课程 价值1998元
此内容为付费阅读,请付费后查看
¥29.9
限时特惠
¥99
立即购买
您当前未登录!建议登陆后购买,可保存购买订单
付费阅读
© 版权声明
THE END
喜欢就支持一下吧
点赞22 分享