深度之眼-数据科学强化学习多模态

课程是一套面向 AI 与深度学习开发者的 全栈系统课程，围绕”Python 数据科学基础—PyTorch 深度学习框架—数学基础—神经网络理论—NLP 自然语言处理—OpenCV 图像处理—CV-Transformer 视觉模型—人脸识别—三维重建—多模态学习—强化学习—from 基础到前沿—自监督/无监督学习”的完整学习路径，从 Python 编程与数据科学工具链（Numpy、Pandas、Matplotlib、Sklearn）入手，系统讲解 PyTorch 张量操作、自动微分、模型训练闭环、数据预处理与可视化调试，并深入数学基础——线性代数（矩阵运算、特征分解、SVD）、微积分（梯度下降、链式求导）、概率统计（贝叶斯、期望方差）与最优化理论，为深度学习奠定扎实的理论根基。
课程进一步覆盖神经网络核心架构——多层感知机、卷积神经网络（CNN）、循环神经网络（RNN），并深入 NLP 领域，从文本向量化、Word2Vec、BERT 到 RNN 序列模型与 HMM 隐马尔可夫模型，构建完整的自然语言处理知识体系。计算机视觉部分从 OpenCV 图像基础操作（滤波、形态学、边缘检测、特征描述、视频处理）出发，进阶到 CV-Transformer 前沿模型（ViT、PVT、Swin Transformer、DETR、Deformable DETR、Sparse R-CNN、ConvNeXt、MaskFormer）的论文精读与代码复现，再深入人脸识别（FaceNet、DeepID、Center Loss、L-Softmax、SphereFace、CosFace、ArcFace、MagFace）与三维重建（3DMM、Nonlinear 3DMM、3DDFA）等经典与前沿课题。
多模态部分讲解 CLIP、Deep Visual-Semantics、Show and Tell 等图文交叉模态模型的论文与代码实现。强化学习部分从基础概念（MC、TD）出发，系统覆盖 DQN 及其改进（DDQN、PER、DuelDQN）、C51、QRDQN、REINFORCE、PPO、DDPG、TD3、SQL、SAC 等核心算法的论文泛读、精读推导与 PyTorch 代码实现，并拓展到高级价值方法（Rainbow、D4PG、A3C、IMPALA）与内在动机（ICM、Curiosity、VIME、VIC、DIAYN、SMM、EDL）等前沿方向。最后通过 MOCO、SimCLR 等自监督/无监督学习经典论文的学习，帮助学员掌握无需标注数据的表征学习范式。
核心学习内容
1. Python 数据科学入门
课程从 Python 基础语法、基本数据类型、组合数据类型、程序控制结构讲起，系统学习函数、面向对象编程、文件异常与模块、Python 标准库。随后进入数据科学核心工具链：Numpy 科学计算、Pandas 数据分析、Matplotlib 数据可视化、Sklearn 机器学习常规用法，配合每章作业讲解巩固基础。
2. PyTorch 深度学习框架
课程以八周周期系统讲解 PyTorch：第一周张量创建与操作、计算图与动态图机制、Autograd 自动求导；第二周 DataLoader/Dataset 数据读取机制与 Transforms 数据预处理；第三周模型创建（nn.Module）、网络层（卷积/池化/激活）、AlexNet 构建；第四周权值初始化、损失函数、优化器（SGD）；第五周学习率调整策略、TensorBoard 可视化、Hook 函数与 CAM 可视化；第六周正则化技术（Weight Decay、Batch Normalization、Dropout）；第七周模型保存加载、Finetune、GPU 加速；第八周图像分类、图像分割、目标检测、GAN 生成对抗网络、循环神经网络的概览与探索。
3. 数学基础
课程系统补强 AI 所需数学基础：第一章矩阵论（矩阵运算、行列式、逆矩阵、分块矩阵、初等变换、矩阵秩、线性相关/无关、特征值特征向量、矩阵对角化、SVD 分解）；第二章微积分（导数、中值定理、泰勒公式、偏导数、方向导数与梯度、海森矩阵、矩阵求导）；第三章概率统计（概率定义、条件概率、贝叶斯公式、随机变量、期望方差、参数估计）；第四章最优化（无约束最优化——梯度下降、牛顿法，约束最优化），并穿插各数学工具在深度学习中的实际应用。
4. 神经网络基础知识
课程讲解神经网络基础与多层感知机（MLP）的完整推导，卷积神经网络（CNN）的卷积操作、池化、网络架构设计，以及循环神经网络（RNN）的序列建模能力，帮助学员建立对主流神经网络架构的深刻理解。
5. NLP 自然语言处理基础
课程覆盖 NLP 研究方向概述、文本特征提取与输入表示、文本向量化实现、统计语言模型、神经语言模型、Word2Vec 原理与代码复现、BERT 实战、MLP/RNN 序列模型、HMM 隐马尔可夫模型（原理、样本生成、训练、预测、代码实现）等核心内容。
6. OpenCV 图像处理
课程从图像基础知识入手，系统讲解图像基本处理（滤波、增强）、形态学操作（腐蚀、膨胀、开闭运算）、图像分割（阈值分割、边缘检测、连通区域、分水岭算法）、特征描述（HOG、Harris、SIFT、LBP）、模板匹配、人脸检测、摄像头调用与视频处理（帧差法、光流法、背景减除法）等计算机视觉基础技能。
7. CV-Transformer 视觉模型
课程深入视觉 Transformer 前沿，逐篇精读并代码复现 ViT、PVT、Swin Transformer、DETR、Deformable DETR、Sparse R-CNN、ConvNeXt、MaskFormer 等经典论文，涵盖论文泛读、精读、代码详解与预训练专题，帮助学员掌握 Transformer 架构在视觉任务中的最新进展。
8. 人脸识别
课程以论文驱动方式，系统讲解特征脸方法、DeepID、FaceNet（Triplet Loss）、Center Loss、L-Softmax Loss、SphereFace、CosFace、ArcFace、MagFace 等经典与前沿人脸识别算法，每篇论文涵盖研究背景、摘要精读、相关工作、算法推导、代码实现与实验结果分析。
9. 三维重建
课程覆盖 3DMM（三维可变形模型）、Nonlinear 3DMM、3DDFA（三维人脸重建）等经典三维重建论文的泛读、算法详解、实验讲解与结果分析，帮助学员理解从 2D 图像恢复 3D 结构的数学原理与实现方法。
10. 多模态学习
课程讲解 CLIP（图文对比学习）、Deep Visual-Semantics（跨模态语义对齐）、Show and Tell（图像描述生成）等多模态基线模型的论文泛读、精读与代码复现，帮助学员掌握跨模态表征学习的核心思想。
11. 强化学习基础与进阶
课程从强化学习基础概念（MC 蒙特卡洛、TD 时序差分）出发，系统覆盖 DQN 及其改进（DDQN、PER、DuelDQN）、C51 分布强化学习、QRDQN、REINFORCE 策略梯度、PPO 近端策略优化、DDPG 深度确定性策略梯度、TD3 双延迟深度确定性策略梯度、SQL 软策略强化学习、SAC 随机近似策略等核心算法的论文泛读、精读推导与 PyTorch 代码实现。同时拓展高级价值方法（Rainbow、D4PG、A3C、IMPALA）与内在动机探索（ICM、Curiosity Study、VIME、VIC、DIAYN、SMM、EDL）等前沿方向。
12. 自监督与无监督学习
课程最后讲解 MOCO（动量对比）、SimCLR（简单对比学习框架）等自监督/无监督学习经典论文的泛读、精读与代码讲解，帮助学员掌握无需人工标注数据的表征学习范式，紧跟 AI 前沿研究趋势。
课程亮点
知识体系完整：从 Python 数据科学基础到强化学习前沿，覆盖 AI 核心知识全链路。
论文驱动教学：每篇经典/前沿论文均包含泛读、精读、算法推导与代码复现，理论与实践深度融合。
PyTorch 实战导向：从张量操作到模型训练闭环，配备 TensorBoard 可视化、GPU 加速等工程化技能。
数学基础扎实：线性代数、微积分、概率统计、最优化四大数学支柱系统补强，直击深度学习理论核心。
CV 前沿全覆盖：从 OpenCV 基础到 CV-Transformer 全家桶（ViT/Swin/DETR/MaskFormer），紧跟视觉前沿。
强化学习深度覆盖：从 DQN 到 SAC、PPO，涵盖价值方法、策略梯度、Actor-Critic 三大范式及前沿探索方法。
多模态与自监督：CLIP、SimCLR 等跨模态与自监督学习前沿内容，拓展学员研究视野。
配套资源丰富：每章配有作业讲解，代码与论文双驱动，适合系统学习与深入研究。

课程目录：
数据科学强化学习多模态
01、01 Python · AI&数据科学入门》02、第一章 绪论和环境配置.mp4
01、01 Python · AI&数据科学入门》03、【作业讲解】第一章：助教实际演示配置环境过程.mp4
01、01 Python · AI&数据科学入门》04、第二章 Python 基本语法元素.mp4
01、01 Python · AI&数据科学入门》05、【作业讲解】第二章：Python基本语法元素.mp4
01、01 Python · AI&数据科学入门》06、第三章 基本数据类型.mp4
01、01 Python · AI&数据科学入门》07、【作业讲解】第三章：基本数据类型.mp4
01、01 Python · AI&数据科学入门》08、第四章 组合数据类型.mp4
01、01 Python · AI&数据科学入门》09、【作业讲解】第四章：复杂数据类型.mp4
01、01 Python · AI&数据科学入门》10、第五章 程序控制结构.mp4
01、01 Python · AI&数据科学入门》11、【作业讲解】第五章：程序控制结构.mp4
01、01 Python · AI&数据科学入门》12、第六章 函数-面向过程的编程.mp4
01、01 Python · AI&数据科学入门》13、【作业讲解】第六章：函数.mp4
01、01 Python · AI&数据科学入门》14、第七章 类-面向对象的编程.mp4
01、01 Python · AI&数据科学入门》15、【作业讲解】第七章：类.mp4
01、01 Python · AI&数据科学入门》16、第八章 文件、异常和模块.mp4
01、01 Python · AI&数据科学入门》17、【作业讲解】第八章：文件、异常和模块.mp4
01、01 Python · AI&数据科学入门》18、第九章 有益的探索.mp4
01、01 Python · AI&数据科学入门》19、【作业讲解】第九章：有益的探索.mp4
01、01 Python · AI&数据科学入门》20、第十章 Python标准库.mp4
01、01 Python · AI&数据科学入门》21、【作业讲解】第十章：Python标准库.mp4
01、01 Python · AI&数据科学入门》22、第十一章 科学计算库—Numpy应用.mp4
01、01 Python · AI&数据科学入门》23、【作业讲解】第十一章：Numpy库.mp4
01、01 Python · AI&数据科学入门》24、第十二章 Pandas库.mp4
01、01 Python · AI&数据科学入门》25、【作业讲解】第十二章：Pandas库.mp4
01、01 Python · AI&数据科学入门》26、第十三章 Matplotlib.mp4
01、01 Python · AI&数据科学入门》27、【作业讲解】第十三章：Matplotlib.mp4
01、01 Python · AI&数据科学入门》28、第十四章 Sklearn常规用法.mp4
01、01 Python · AI&数据科学入门》29、【作业讲解】第十四章：Sklearn常规用法.mp4
01、01 Python · AI&数据科学入门》30、第十五章 再谈编程.mp4
02、02 PyTorch》02、【必看】深入浅出PyTorch.mp4
02、02 PyTorch》03、【第一周】PyTorch简介与安装.mp4
02、02 PyTorch》04、【第一周】补充-pytorch开发环境安装.mp4
02、02 PyTorch》05、【第一周】张量简介与创建.mp4
02、02 PyTorch》06、【第一周】张量操作与线性回归.mp4
02、02 PyTorch》07、【第一周】计算图与动态图机制.mp4
02、02 PyTorch》08、【第一周】autograd与逻辑回归.mp4
02、02 PyTorch》09、【第一周】作业讲解1.mp4
02、02 PyTorch》10、【第一周】作业讲解2.mp4
02、02 PyTorch》11、【第一周】作业讲解3.mp4
02、02 PyTorch》12、【第二周】数据读取机制Dataloader与Dataset.mp4
02、02 PyTorch》13、【第二周】数据预处理transforms模块机制.mp4
02、02 PyTorch》14、【第二周】二十二种transforms数据预处理方法.mp4
02、02 PyTorch》15、【第二周】学会自定义transforms方法.mp4
02、02 PyTorch》16、【第二周】作业讲解.mp4
02、02 PyTorch》17、【第三周】模型创建步骤与nn.Module.mp4
02、02 PyTorch》18、【第三周】模型容器与AlexNet构建.mp4
02、02 PyTorch》19、【第三周】nn网络层-卷积层.mp4
02、02 PyTorch》20、【第三周】nn网络层-池化-线性-激活函数层.mp4
02、02 PyTorch》21、【第三周】作业讲解.mp4
02、02 PyTorch》22、【第四周】权值初始化.mp4
02、02 PyTorch》23、【第四周】损失函数（一）.mp4
02、02 PyTorch》24、【第四周】损失函数(二).mp4
02、02 PyTorch》25、【第四周】优化器optimizer的概念.mp4
02、02 PyTorch》26、【第四周】torch.optim.SGD.mp4
02、02 PyTorch》27、【第四周】作业讲解.mp4
02、02 PyTorch》28、【第五周】学习率调整策略.mp4
02、02 PyTorch》29、【第五周】TensorBoard简介与安装.mp4
02、02 PyTorch》30、【第五周】TensorBoard使用（一）.mp4
02、02 PyTorch》31、【第五周】TensorBoard使用（二）.mp4
02、02 PyTorch》32、【第五周】hook函数与CAM可视化.mp4
02、02 PyTorch》33、【第五周】作业讲解.mp4
02、02 PyTorch》34、【第六周】正则化之weight_decay.mp4
02、02 PyTorch》35、【第六周】Batch Normalization.mp4
02、02 PyTorch》36、【第六周】Normalizaiton_layers.mp4
02、02 PyTorch》37、【第六周】正则化之Dropout.mp4
02、02 PyTorch》38、【第六周】作业讲解.mp4
02、02 PyTorch》39、【第七周】模型保存与加载.mp4
02、02 PyTorch》40、【第七周】模型finetune.mp4
02、02 PyTorch》41、【第七周】GPU的使用.mp4
02、02 PyTorch》42、【第七周】PyTorch常见报错.mp4
02、02 PyTorch》43、【第七周】作业讲解.mp4
02、02 PyTorch》44、【第八周】图像分类一瞥.mp4
02、02 PyTorch》45、【第八周】图像分割一瞥.mp4
02、02 PyTorch》46、【第八周】图像目标检测一瞥（上）.mp4
02、02 PyTorch》47、【第八周】图像目标检测一瞥（下）.mp4
02、02 PyTorch》48、【第九周】生成对抗网络一瞥.mp4
02、02 PyTorch》49、【第九周】循环神经网络一瞥.mp4
03、03 数学基础》02、【第一章】-1 导读课.mp4
03、03 数学基础》03、【第一章】-2 矩阵的基本概念和运算性质.mp4
03、03 数学基础》04、【第一章】-3 矩阵的逆，转置和对称转置.mp4
03、03 数学基础》05、【第一章】-4 行列式的计算.mp4
03、03 数学基础》06、【第一章】-5 特殊矩阵的行列式与行列式的性质.mp4
03、03 数学基础》07、【第一章】-6 行列式按行列展开，代数余子式.mp4
03、03 数学基础》08、【第一章】-7 行列式的应用：克莱姆法则.mp4
03、03 数学基础》09、【第一章】-8 矩阵的逆的引入.mp4
03、03 数学基础》10、【第一章】-9 常用矩阵性质与特殊矩阵的逆.mp4
03、03 数学基础》11、【第一章】-10 分块矩阵.mp4
03、03 数学基础》12、【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
03、03 数学基础》13、【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
03、03 数学基础》14、【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
03、03 数学基础》15、【第二章】-4 矩阵的秩在线性回归算法中的应用.mp4
03、03 数学基础》16、【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
03、03 数学基础》17、【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
03、03 数学基础》18、【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
03、03 数学基础》19、【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
03、03 数学基础》20、【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
03、03 数学基础》21、【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
03、03 数学基础》22、【第二章】-11 SVD分解的应用.mp4
03、03 数学基础》23、【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
03、03 数学基础》24、【第三章】-2 中值定理&洛必达法则&泰勒公式及应用.mp4
03、03 数学基础》25、【第三章】-3 函数的凹凸性&函数的极值.mp4
03、03 数学基础》26、【第三章】-4 不定积分.mp4
03、03 数学基础》27、【第三章】-5 定积分.mp4
03、03 数学基础》28、【第三章】-6 偏导数&多元函数复合求导法则链式求导法则.mp4
03、03 数学基础》29、【第三章】-7 方向导数与梯度及其应用.mp4
03、03 数学基础》30、【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
03、03 数学基础》31、【第三章】-9 矩阵的求导.mp4
03、03 数学基础》32、【第三章】-10 矩阵的求导在深度学习中的应用.mp4
03、03 数学基础》33、【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
03、03 数学基础》34、【第四章-上】-2 全概率公式与贝叶斯公式及应用&独立性.mp4
03、03 数学基础》35、【第四章-上】-3 随机变量与多维随机变量.mp4
03、03 数学基础》36、【第四章-上】-4 期望与方差（上）.mp4
03、03 数学基础》37、【第四章-上】-5 期望与方差（下）.mp4
03、03 数学基础》38、【第四章-上】-6 参数的估计.mp4
03、03 数学基础》39、【第四章-下】-1 无约束最优化梯度下降.mp4
03、03 数学基础》40、【第四章-下】-2 无约束最优化牛顿法.mp4
03、03 数学基础》41、【第四章-下】-3 约束最优化.mp4
04、04 神经网络基础知识》02、01-神经网络基础与多层感知机-0.mp4
04、04 神经网络基础知识》03、01-神经网络基础与多层感知机-1.mp4
04、04 神经网络基础知识》04、01-神经网络基础与多层感知机-2.mp4
04、04 神经网络基础知识》05、01-神经网络基础与多层感知机-3.mp4
04、04 神经网络基础知识》06、01-神经网络基础与多层感知机-4.mp4
04、04 神经网络基础知识》07、02-卷积神经网络-0.mp4
04、04 神经网络基础知识》08、02-卷积神经网络-1.mp4
04、04 神经网络基础知识》09、02-卷积神经网络-2.mp4
04、04 神经网络基础知识》10、03-循环神经网络-0.mp4
04、04 神经网络基础知识》11、03-循环神经网络-1.mp4
04、04 神经网络基础知识》12、03-循环神经网络-2.mp4
05、05 NLP基础知识》02、1-1 前言..mp4
05、05 NLP基础知识》03、1-2 研究方向概述..mp4
05、05 NLP基础知识》04、2-1 预备知识..mp4
05、05 NLP基础知识》05、2-2 NLP问题中的特征..mp4
05、05 NLP基础知识》06、2-3 特征输入..mp4
05、05 NLP基础知识》07、2-4 文本的向量化表示与案例实现..mp4
05、05 NLP基础知识》08、3-1 统计语言模型简介与案例实现..mp4
05、05 NLP基础知识》09、3-2 语言模型任务评估..mp4
05、05 NLP基础知识》10、3-3 神经语言模型简介与代码实现..mp4
05、05 NLP基础知识》11、3-4 预训练的词表示及其使用实例..mp4
05、05 NLP基础知识》12、4-1 word2vec原理..mp4
05、05 NLP基础知识》13、4-2 word2vec代码复现..mp4
05、05 NLP基础知识》14、4-3 word2vec项目实战展示..mp4
05、05 NLP基础知识》15、4-4 BERT使用实战讲解..mp4
05、05 NLP基础知识》16、4-5 MLP模型与实战..mp4
05、05 NLP基础知识》17、4-6 RNN模型原理、代码复现与实战..mp4
05、05 NLP基础知识》18、5-1 HMM序列标注..mp4
05、05 NLP基础知识》19、5-2 HMM模型简介..mp4
05、05 NLP基础知识》20、5-3 HMM样本生成..mp4
05、05 NLP基础知识》21、5-4 HMM训练..mp4
05、05 NLP基础知识》22、5-5 HMM预测..mp4
05、05 NLP基础知识》23、5-6 HMM代码实现..mp4
06、06 OpenCV 图像基础》02、1-1图像基础知识.mp4
06、06 OpenCV 图像基础》03、1-2图像基础知识.mp4
06、06 OpenCV 图像基础》04、1-3图像基础知识.mp4
06、06 OpenCV 图像基础》05、1-4图像基础知识.mp4
06、06 OpenCV 图像基础》06、2-1图像基本处理.mp4
06、06 OpenCV 图像基础》07、2_2图像基本处理.mp4
06、06 OpenCV 图像基础》08、2_3图像基本处理.mp4
06、06 OpenCV 图像基础》09、2_4图像基本处理.mp4
06、06 OpenCV 图像基础》10、2_5图像基本操作_图像滤波.mp4
06、06 OpenCV 图像基础》11、2_6图像基本操作_图像增强.mp4
06、06 OpenCV 图像基础》12、2-7形态学操作_腐蚀..mp4
06、06 OpenCV 图像基础》13、2_8形态学操作_膨胀开运算与闭运算.mp4
06、06 OpenCV 图像基础》14、3_1固定阈值分割.mp4
06、06 OpenCV 图像基础》15、3_2自动阈值分割.mp4
06、06 OpenCV 图像基础》16、3_3边缘检测算子.mp4
06、06 OpenCV 图像基础》17、3_4连通区域_区域生长算法.mp4
06、06 OpenCV 图像基础》18、3_5分水岭算法图像分割.mp4
06、06 OpenCV 图像基础》19、4_1特征描述_HOG.mp4
06、06 OpenCV 图像基础》20、4_2特征描述Harris和SIFT算法.mp4
06、06 OpenCV 图像基础》21、4_3纹理特征LBP算法.mp4
06、06 OpenCV 图像基础》22、4_4模板匹配算法.mp4
06、06 OpenCV 图像基础》23、4_5人脸检测算法.mp4
06、06 OpenCV 图像基础》24、5_1摄像头调用和视频的读取保存.mp4
06、06 OpenCV 图像基础》25、5_2帧差法视频目标识别.mp4
06、06 OpenCV 图像基础》26、5_3光流法和背景减除法..mp4
07、12 CV-transformer》02、6-16 CV transformer 体验课直播回放.mp4
07、12 CV-transformer》03、6-17 CV-transformer 直播回放.mp4
07、12 CV-transformer》04、【6月25日】CV-transformer VIT论文讲解.mp4
07、12 CV-transformer》05、【6月27日】CV-transformer VIT代码详解.mp4
07、12 CV-transformer》06、【7月1日】CV-transformer PVT论文详解.mp4
07、12 CV-transformer》07、【7月4日】CV-transformer PVT代码详解.mp4
07、12 CV-transformer》08、【7月8日】CV-transformer Swin Transformer论文详解.mp4
07、12 CV-transformer》09、【7月11日】CV-transformer Swin Transformer代码详解.mp4
07、12 CV-transformer》10、【7月15日】CV-transformer DETR 论文详解.mp4
07、12 CV-transformer》11、【7月18日】CV-transformer DETR代码讲解.mp4
07、12 CV-transformer》12、【7月22日】CV-transformer Deformable DETR论文详解.mp4
07、12 CV-transformer》13、【7月25日】CV-transformer Deformable DETR代码详解.mp4
07、12 CV-transformer》14、【7月29日】CV-transformer Sparse R-CNN论文详解.mp4
07、12 CV-transformer》15、【8月1日】CV-transformer Sparse R-CNN代码详解.mp4
07、12 CV-transformer》16、【12月1日】Vit-论文讲解.mp4
07、12 CV-transformer》17、【12月5日】Vit-代码详解.mp4
07、12 CV-transformer》18、【12月8日】PVT-论文讲解.mp4
07、12 CV-transformer》19、【12月12日】PVT-代码详解.mp4
07、12 CV-transformer》20、【12月22日】Swin Transformer论文讲解.mp4
07、12 CV-transformer》21、【12月26日】Swin Transformer-代码详解.mp4
07、12 CV-transformer》22、【12月29日】Swin Transformer-代码详解.mp4
07、12 CV-transformer》23、【1月5日】pretrain小型专题（上）.mp4
07、12 CV-transformer》24、【1月9日】pretrain小型专题（下）.mp4
07、12 CV-transformer》25、【1月12日】DETR-论文讲解.mp4
07、12 CV-transformer》26、【1月16日】DETR-代码讲解.mp4
07、12 CV-transformer》27、【1月19日】Deformable detr论文讲解.mp4
07、12 CV-transformer》28、【1月26日】Deformable detr-代码讲解.mp4
07、12 CV-transformer》29、【2月9日】sparse rcnn-论文讲解.mp4
07、12 CV-transformer》30、【2月13日】sparse rcnn-代码讲解.mp4
07、12 CV-transformer》31、【2月16日】convnext-论文讲解.mp4
07、12 CV-transformer》32、【2月20日】convnext-代码详解.mp4
07、12 CV-transformer》33、【2月23日】maskformer-论文讲解.mp4
07、12 CV-transformer》34、【2月27日】maskformer-代码复现.mp4
08、13 CV-人脸识别》02、1.1 特征脸识别-人脸识别背景介绍.mp4
08、13 CV-人脸识别》03、1.2 特征脸识别-论文研究背景成果以及意义.mp4
08、13 CV-人脸识别》04、1.3 特征脸识别-论文泛读摘要部分.mp4
08、13 CV-人脸识别》05、1.4 特征脸识别-论文泛读介绍部分.mp4
08、13 CV-人脸识别》06、1.5 特征脸识别-论文泛读相关工作部分.mp4
08、13 CV-人脸识别》07、1.6 特征脸识别-论文精读PCA补充.mp4
08、13 CV-人脸识别》08、1.7 特征脸识别-论文精读特征脸计算上.mp4
08、13 CV-人脸识别》09、1.8 特征脸识别-论文精读特征脸计算中.mp4
08、13 CV-人脸识别》10、1.9 特征脸识别-论文精读特征脸计算下.mp4
08、13 CV-人脸识别》11、1.10 特征脸识别-代码讲解pca计算.mp4
08、13 CV-人脸识别》12、1.11 特征脸识别-代码讲解特征提取以及人脸重构.mp4
08、13 CV-人脸识别》13、1.12 特征脸识别-代码讲解人脸分类之最短距离方法.mp4
08、13 CV-人脸识别》14、1.13 特征脸识别-代码讲解人脸分类之SVM方法.mp4
08、13 CV-人脸识别》15、1.14 特征脸识别-代码讲解人脸分类之神经网络方法.mp4
08、13 CV-人脸识别》16、1.15 特征脸识别-论文总结.mp4
08、13 CV-人脸识别》17、2.1 Deep id-研究背景以及意义.mp4
08、13 CV-人脸识别》18、2.2 Deep id-摘要.mp4
08、13 CV-人脸识别》19、2.3 Deep id-介绍.mp4
08、13 CV-人脸识别》20、2.4 Deep id-相关工作.mp4
08、13 CV-人脸识别》21、2.5 Deep id-卷积计算补充.mp4
08、13 CV-人脸识别》22、2.6 Deep id-网络架构部分精读.mp4
08、13 CV-人脸识别》23、2.7 deepid实验上.mp4
08、13 CV-人脸识别》24、2.8 deepid实验中.mp4
08、13 CV-人脸识别》25、2.9 deepid实验下.mp4
08、13 CV-人脸识别》26、2.10 deepid实验下2.mp4
08、13 CV-人脸识别》27、2.11 Deep id-联合贝叶斯算法推导上.mp4
08、13 CV-人脸识别》28、2.12 Deep id-联合贝叶斯算法推导下.mp4
08、13 CV-人脸识别》29、2.13 Deep id-联合贝叶斯实验上.mp4
08、13 CV-人脸识别》30、2.14 Deep id-联合贝叶斯实验下.mp4
08、13 CV-人脸识别》31、2.15 Deep id-论文总结.mp4
08、13 CV-人脸识别》32、3.1 FaceNet-研究意义背景介绍.mp4
08、13 CV-人脸识别》33、3.2 FaceNet-摘要.mp4
08、13 CV-人脸识别》34、3.3 FaceNet-介绍.mp4
08、13 CV-人脸识别》35、3.4 FaceNet-相关工作和总结预告.mp4
08、13 CV-人脸识别》36、3.5 FaceNet-TripletLoss讲解与推导.mp4
08、13 CV-人脸识别》37、3.6 FaceNet-TripletSelection讲解.mp4
08、13 CV-人脸识别》38、3.7 FaceNet-网络架构.mp4
08、13 CV-人脸识别》39、3.8 FaceNet-实验part1.mp4
08、13 CV-人脸识别》40、3.9 FaceNet-实验part2.mp4
08、13 CV-人脸识别》41、3.10 FaceNet-实验part3.mp4
08、13 CV-人脸识别》42、3.11 FaceNet-实验part4_总结.mp4
08、13 CV-人脸识别》43、4.1 Center Loss-研究成果以及意义.mp4
08、13 CV-人脸识别》44、4.2 Center Loss-摘要以及介绍.mp4
08、13 CV-人脸识别》45、4.3 Center Loss-相关工作以及总结预告.mp4
08、13 CV-人脸识别》46、4.4 centerloss推导part1.mp4
08、13 CV-人脸识别》47、4.5 centerloss推导part2.mp4
08、13 CV-人脸识别》48、4.6 Center Loss-实验讲解part1.mp4
08、13 CV-人脸识别》49、4.7 Center Loss-实验讲解part2.mp4
08、13 CV-人脸识别》50、4.8 Center Loss-结果分析以及总结.mp4
08、13 CV-人脸识别》51、5.1 L-Softmax Loss-研究背景以及意义.mp4
08、13 CV-人脸识别》52、5.2 L-Softmax Loss-论文泛读和介绍.mp4
08、13 CV-人脸识别》53、5.3 L-Softmax Loss-相关工作.mp4
08、13 CV-人脸识别》54、5.4 Lsoftmax推导part1.mp4
08、13 CV-人脸识别》55、5.5 Lsoftmax推导part2.mp4
08、13 CV-人脸识别》56、5.6 Lsoftmax推导part3.mp4
08、13 CV-人脸识别》57、5.7 Lsoftmax推导part4.mp4
08、13 CV-人脸识别》58、5.8 L-Softmax Loss-实验part1.mp4
08、13 CV-人脸识别》59、5.9 L-Softmax Loss-实验part2.mp4
08、13 CV-人脸识别》60、5.10 L-Softmax Loss-结果分析与总结.mp4
08、13 CV-人脸识别》61、6.1 SphereFace-研究背景成果意义.mp4
08、13 CV-人脸识别》62、6.2 SphereFace-摘要和介绍.mp4
08、13 CV-人脸识别》63、6.3 SphereFace-相关工作.mp4
08、13 CV-人脸识别》64、6.4 SphereFace-ASotfmax详解_part1.mp4
08、13 CV-人脸识别》65、6.5 SphereFace-ASoftmax详解_part2.mp4
08、13 CV-人脸识别》66、6.6 SphereFace-Asoftmax详解_part3.mp4
08、13 CV-人脸识别》67、6.7 SphereFace-实验代码讲解.mp4
08、13 CV-人脸识别》68、6.8 SphereFace-结果分析与总结.mp4
08、13 CV-人脸识别》69、7.1 CosFace-研究背景以及意义.mp4
08、13 CV-人脸识别》70、7.2 CosFace-摘要以及介绍.mp4
08、13 CV-人脸识别》71、7.3 CosFace-相关工作.mp4
08、13 CV-人脸识别》72、7.4 CosFace-LMCL详细推导_part1.mp4
08、13 CV-人脸识别》73、7.5 CosFace-LMCL详细推导_part2.mp4
08、13 CV-人脸识别》74、7.6 CosFace-LMCL详细推导_part3.mp4
08、13 CV-人脸识别》75、7.7 CosFace-实验代码讲解.mp4
08、13 CV-人脸识别》76、7.8 CosFace-结果分析与总结.mp4
08、13 CV-人脸识别》77、【11月13日】arcface-论文泛读+精读.mp4
08、13 CV-人脸识别》78、【11月14日】arcface-代码复现.mp4
08、13 CV-人脸识别》79、【11月20日】magface-论文泛读+精读.mp4
08、13 CV-人脸识别》80、【11月21日】magface-代码讲解.mp4
09、14 CV-三维重建》02、1.1 3DMM-摘要.mp4
09、14 CV-三维重建》03、1.2 3DMM-介绍.mp4
09、14 CV-三维重建》04、1.3 3DMM-相关工作.mp4
09、14 CV-三维重建》05、1.4 3DMM-算法详细讲解_part1.mp4
09、14 CV-三维重建》06、1.5 3DMM-算法详细讲解_part2.mp4
09、14 CV-三维重建》07、1.6 3DMM-算法详细讲解_part3.mp4
09、14 CV-三维重建》08、1.7 3DMM-实验一_part1.mp4
09、14 CV-三维重建》09、1.8 3DMM-实验一_part2.mp4
09、14 CV-三维重建》10、1.9 3DMM-实验一_part3.mp4
09、14 CV-三维重建》11、1.10 3DMM-实验一_part4.mp4
09、14 CV-三维重建》12、1.11 3DMM-实验二_part1.mp4
09、14 CV-三维重建》13、1.12 3DMM-实验二_part2.mp4
09、14 CV-三维重建》14、1.13 3DMM-实验二_part3.mp4
09、14 CV-三维重建》15、1.14 3DMM-实验二_part4.mp4
09、14 CV-三维重建》16、2.1 Nolinear 3DMM-研究背景.mp4
09、14 CV-三维重建》17、2.2 Nolinear 3DMM-摘要介绍.mp4
09、14 CV-三维重建》18、2.3 Nolinear 3DMM-相关工作.mp4
09、14 CV-三维重建》19、2.4 Nolinear 3DMM-算法详细讲解_part1.mp4
09、14 CV-三维重建》20、2.5 Nolinear 3DMM-算法详细讲解_part2.mp4
09、14 CV-三维重建》21、2.6 Nolinear 3DMM-算法详解_part3.mp4
09、14 CV-三维重建》22、2.7 Nolinear 3DMM-实验结果分析_part1.mp4
09、14 CV-三维重建》23、2.8 Nolinear 3DMM-实验结果分析_part2.mp4
09、14 CV-三维重建》24、3.1 Nolinear 3DMM V2-论文泛读.mp4
09、14 CV-三维重建》25、3.2 Nolinear 3DMM V2-算法详解part_1.mp4
09、14 CV-三维重建》26、3.3 Nolinear 3DMM V2-算法详解part_2.mp4
09、14 CV-三维重建》27、3.4 Nolinear 3DMM V2-算法详解part_3.mp4
09、14 CV-三维重建》28、3.5 Nolinear 3DMM V2-实验part_1.mp4
09、14 CV-三维重建》29、3.6 Nolinear 3DMM V2-实验part_2.mp4
09、14 CV-三维重建》30、3.7 Nolinear 3DMM V2-实验part_3.mp4
09、14 CV-三维重建》31、3.8 Nolinear 3DMM V2-结果分析论文总结.mp4
09、14 CV-三维重建》32、4.1 3DDFA-摘要.mp4
09、14 CV-三维重建》33、4.2 3DDFA-介绍.mp4
09、14 CV-三维重建》34、4.3 3DDFA-相关工作.mp4
09、14 CV-三维重建》35、4.4 3DDFA-算法详细讲解part1.mp4
09、14 CV-三维重建》36、4.5 3DDFA-算法详细讲解part2.mp4
09、14 CV-三维重建》37、4.6 3DDFA-算法详细讲解part3.mp4
09、14 CV-三维重建》38、4.7 3DDFA-算法详细讲解part4.mp4
09、14 CV-三维重建》39、4.8 3DDFA-算法详细讲解part5.mp4
09、14 CV-三维重建》40、4.9 3DDFA-实验讲解part1.mp4
09、14 CV-三维重建》41、4.10 3DDFA-实验讲解part2.mp4
09、14 CV-三维重建》42、4.11 3DDFA-实验讲解part3.mp4
09、14 CV-三维重建》43、4.12 3DDFA-结果分析与总结.mp4
09、14 CV-三维重建》44、5.1摘要介绍.mp4
09、14 CV-三维重建》45、5.2 相关工作.mp4
09、14 CV-三维重建》46、5.3 算法详细讲解part1.mp4
09、14 CV-三维重建》47、5.4 算法详细讲解part2.mp4
09、14 CV-三维重建》48、5.5 算法详细讲解part3.mp4
09、14 CV-三维重建》49、5.6 实验详解part1.mp4
09、14 CV-三维重建》50、5.7 实验详解part2.mp4
09、14 CV-三维重建》51、5.8 实验详解part3.mp4
09、14 CV-三维重建》52、5.9 结果与总结.mp4
09、14 CV-三维重建》53、6.1 论文泛读.mp4
09、14 CV-三维重建》54、6.2 算法详细讲解.mp4
09、14 CV-三维重建》55、6.3 实验讲解.mp4
09、14 CV-三维重建》56、6.4 总结.mp4
09、14 CV-三维重建》57、7.1 论文泛读part1.mp4
09、14 CV-三维重建》58、7.2 论文泛读part2.mp4
09、14 CV-三维重建》59、7.3 算法详解part1.mp4
09、14 CV-三维重建》60、7.4 算法详解part2.mp4
09、14 CV-三维重建》61、7.5 实验讲解part1.mp4
09、14 CV-三维重建》62、7.6 实验讲解part2.mp4
09、14 CV-三维重建》63、8.1 论文泛读.mp4
09、14 CV-三维重建》64、8.2 算法详细讲解.mp4
09、14 CV-三维重建》65、8.3 实验讲解.mp4
1.1 项目介绍.mp4
10、01 多模态-baseline》02、1.1 CLIP-论文泛读（体验课直播回放）.mp4
10、01 多模态-baseline》03、1.2 CLIP-论文精读（体验课直播回放）.mp4
10、01 多模态-baseline》04、1.3 CLIP-代码复现.mp4
10、01 多模态-baseline》05、2.1 Deep Visual-Semanti-论文泛读.mp4
10、01 多模态-baseline》06、2.2 Deep Visual-Semanti-论文精读1.mp4
10、01 多模态-baseline》07、2.3 Deep Visual-Semanti-论文精读2.mp4
10、01 多模态-baseline》08、2.4 Deep Visual-Semanti-代码复现1.mp4
10、01 多模态-baseline》09、2.5 Deep Visual-Semanti-代码复现2.mp4
10、01 多模态-baseline》10、2.6 Deep Visual-Semanti-代码复现3.mp4
10、01 多模态-baseline》11、3.1 Show and Tell-论文泛读.mp4
10、01 多模态-baseline》12、3.2 Show and Tell-论文精读.mp4
10、01 多模态-baseline》15、3.3 Show and Tell-代码复现.mp4
11、强化学习基础知识》02、01-基础知识.mp4
11、强化学习基础知识》03、02-MC-part1.mp4
11、强化学习基础知识》04、02-MC-part2.mp4
11、强化学习基础知识》05、02-MC-part3.mp4
11、强化学习基础知识》06、03-TD-part1.mp4
11、强化学习基础知识》07、03-TD-part2.mp4
11、强化学习基础知识》08、03-TD-part3.mp4
12、强化学习》01、强化学习1期第1次答疑直播.mp4
12、强化学习》03、强化学习开营直播.mp4
12、强化学习》04、01DQN-01-论文泛读开场白.mp4
12、强化学习》05、01DQN-02-研究背景及意义.mp4
12、强化学习》06、01DQN-03-背景知识补充.mp4
12、强化学习》07、01DQN-04-论文泛读.mp4
12、强化学习》08、01DQN-05-泛读总结及下节预告.mp4
12、强化学习》09、01DQN-06-论文精读开场白.mp4
12、强化学习》100、07DDPG-01-开场白.mp4
12、强化学习》101、07DDPG-02-研究背景成果和意义.mp4
12、强化学习》102、07DDPG-03-背景知识补充.mp4
12、强化学习》103、07DDPG-04-论文泛读.mp4
12、强化学习》104、07DDPG-05-本节回顾下节预告.mp4
12、强化学习》105、07DDPG-06-论文精读结构.mp4
12、强化学习》106、07DDPG-07-从DQN到DDPG.mp4
12、强化学习》107、07DDPG-08-网络结构.mp4
12、强化学习》108、07DDPG-09-DDPG核心思想.mp4
12、强化学习》109、07DDPG-10-算法的其他细节.mp4
12、强化学习》10、01DQN-07-论文模型.mp4
12、强化学习》110、07DDPG-11-算法总结.mp4
12、强化学习》111、07DDPG-12-代码部分结构.mp4
12、强化学习》112、07DDPG-13-网络结构及初始化.mp4
12、强化学习》113、07DDPG-14-BatchNorm的使用.mp4
12、强化学习》114、07DDPG-15-参数更新.mp4
12、强化学习》115、07DDPG-16-代码结构.mp4
12、强化学习》116、07DDPG-17-运行结果.mp4
12、强化学习》117、08TD3-01-论文泛读开场白.mp4
12、强化学习》118、08TD3-02-研究背景.mp4
12、强化学习》119、08TD3-03-背景知识.mp4
12、强化学习》11、01DQN-08-论文细节一 图像预处理.mp4
12、强化学习》120、08TD3-04-论文泛读.mp4
12、强化学习》121、08TD3-05-论文泛读总结.mp4
12、强化学习》122、08TD3-06-论文精读开场白.mp4
12、强化学习》123、08TD3-07-overestimation.mp4
12、强化学习》124、08TD3-08-variance.mp4
12、强化学习》125、08TD3-09-实验结果.mp4
12、强化学习》126、08TD3-10-论文总结.mp4
12、强化学习》127、08TD3-11-代码部分结构.mp4
12、强化学习》128、08TD3-12-更新Critic.mp4
12、强化学习》129、08TD3-13-更新Actor和代码结构.mp4
12、强化学习》12、01DQN-09-论文细节二 ReplayBuffer.mp4
12、强化学习》130、08TD3-14-实验结果.mp4
12、强化学习》131、09SQL-01-论文泛读开场白.mp4
12、强化学习》132、09SQL-02-研究背景及成果.mp4
12、强化学习》133、09SQL-03-背景知识补充.mp4
12、强化学习》134、09SQL-04-论文泛读总结.mp4
12、强化学习》135、09SQL-05-论文精读开场白.mp4
12、强化学习》136、09SQL-06-核心思想.mp4
12、强化学习》137、09SQL-07-理论基础.mp4
12、强化学习》138、09SQL-08-算法细节.mp4
12、强化学习》139、09SQL-09-实验结果分析.mp4
12、强化学习》13、01DQN-10-论文细节三 SemiGradientMethod.mp4
12、强化学习》140、09SQL-10-理论证明.mp4
12、强化学习》141、09SQL-11-论文精读总结.mp4
12、强化学习》142、09SQL-12-代码部分结构.mp4
12、强化学习》143、09SQL-13-Pytorch的手动链式法则求导.mp4
12、强化学习》144、09SQL-14-离散情况细节.mp4
12、强化学习》145、09SQL-15-连续情况细节.mp4
12、强化学习》146、09SQL-16-代码结构.mp4
12、强化学习》147、09SQL-17-调参结果.mp4
12、强化学习》148、10SAC-01-论文泛读开场白.mp4
12、强化学习》149、10SAC-02-研究背景.mp4
12、强化学习》14、01DQN-11-实验结果分析.mp4
12、强化学习》150、10SAC-03-论文泛读.mp4
12、强化学习》151、10SAC-04-论文泛读总结.mp4
12、强化学习》152、10SAC-05-论文精读开场白.mp4
12、强化学习》153、10SAC-06-核心思想.mp4
12、强化学习》154、10SAC-07-主要算法.mp4
12、强化学习》155、10SAC-08实验结果.mp4
12、强化学习》156、10SAC-09-理论证明.mp4
12、强化学习》157、10SAC-10-论文精读总结.mp4
12、强化学习》158、10SAC-11-算法细节.mp4
12、强化学习》159、10SAC-12-代码结构及调参结果.mp4
12、强化学习》15、01DQN-12-论文精读总结.mp4
12、强化学习》160、11AdvancedValueMethods-01-论文泛读开场白.mp4
12、强化学习》161、11AdvancedValueMethods-02-背景知识补充.mp4
12、强化学习》162、11AdvancedValueMethods-03-Rainbow泛读.mp4
12、强化学习》163、11AdvancedValueMethods-04-D4PG泛读.mp4
12、强化学习》164、11AdvancedValueMethods-05-A3C泛读.mp4
12、强化学习》165、11AdvancedValueMethods-06-IMPALA泛读.mp4
12、强化学习》166、11AdvancedValueMethods-07-论文泛读总结.mp4
12、强化学习》167、11AdvancedValueMethods-08-论文精读开场白.mp4
12、强化学习》168、11AdvancedValueMethods-09-Rainbow.mp4
12、强化学习》169、11AdvancedValueMethods-10-D4PG.mp4
12、强化学习》16、01DQN-13-代码课整体介绍.mp4
12、强化学习》170、11AdvancedValueMethods-11-A3C.mp4
12、强化学习》171、11AdvancedValueMethods-12-IMPALA.mp4
12、强化学习》172、11AdvancedValueMethods-13-总结.mp4
12、强化学习》173、12IntrinsicMotivation-01-论文泛读开场白.mp4
12、强化学习》174、12IntrinsicMotivation-02-ICM泛读.mp4
12、强化学习》175、12IntrinsicMotivation-03-CuriosityStudy泛读.mp4
12、强化学习》176、12IntrinsicMotivation-04-VIME泛读.mp4
12、强化学习》177、12IntrinsicMotivation-05-VIC泛读.mp4
12、强化学习》178、12IntrinsicMotivation-06-DIAYN泛读.mp4
12、强化学习》179、12IntrinsicMotivation-07-SMM泛读.mp4
12、强化学习》17、01DQN-14-gym介绍.mp4
12、强化学习》180、12IntrinsicMotivation-08-EDL泛读.mp4
12、强化学习》181、12IntrinsicMotivation-09-泛读总结及下节预告.mp4
12、强化学习》182、12IntrinsicMotivation-10-论文精读开场白.mp4
12、强化学习》183、12IntrinsicMotivation-11-ICM精读.mp4
12、强化学习》184、12-IntrinsicMotivation-12-CuriosityStudy精读.mp4
12、强化学习》185、12IntrinsicMotivation-13-VIME精读.mp4
12、强化学习》186、12IntrinsicMotivation-14-VIC精读.mp4
12、强化学习》187、12IntrinsicMotivation-15-DIAYN精读.mp4
12、强化学习》188、12IntrinsicMotivation-16-SMM精读.mp4
12、强化学习》189、12IntrinsicMotivation-17-EDL精读.mp4
12、强化学习》18、01DQN-15-图像预处理代码.mp4
12、强化学习》190、12IntrinsicMotivation-18-论文总结.mp4
12、强化学习》191、12IntrinsicMotivation-19-结尾语.mp4
12、强化学习》19、01DQN-16-DQN核心功能实现.mp4
12、强化学习》20、01DQN-17-代码结构及实验结果分析.mp4
12、强化学习》21、02DQN改进-01-论文泛读开场白.mp4
12、强化学习》22、02DQN改进-02-研究背景及意义.mp4
12、强化学习》23、02DQN改进-03-论文泛读.mp4
12、强化学习》24、02DQN改进-04-论文泛读总结及下节预告.mp4
12、强化学习》25、02DQN改进-05-论文网络结构.mp4
12、强化学习》26、02DQN改进-06-DDQN图表分析.mp4
12、强化学习》27、02DQN改进-07-DDQN总结.mp4
12、强化学习》28、02DQN改进-08-PER01.mp4
12、强化学习》29、02DQN改进-09-PER02.mp4
12、强化学习》30、02DQN改进-10-PER实验结果及DuelDQN.mp4
12、强化学习》31、02DQN改进-11-下节预告.mp4
12、强化学习》32、02DQN改进-12-代码课整体介绍.mp4
12、强化学习》33、02DQN改进-13-bisect包.mp4
12、强化学习》34、02DQN改进-14-SumTree.mp4
12、强化学习》35、02DQN改进-15-SumTree后续及DuelStructure.mp4
12、强化学习》36、02DQN改进-16-ReplayBuffer01.mp4
12、强化学习》37、02DQN改进-17-ReplayBuffer02.mp4
12、强化学习》38、02DQN改进-18-ReplayBuffer03.mp4
12、强化学习》39、02DQN改进-19-代码总览及实验结果.mp4
12、强化学习》40、03C51-01-研究成果及意义.mp4
12、强化学习》41、03C51-02-背景知识补充01.mp4
12、强化学习》42、03C51-03-背景知识补充02.mp4
12、强化学习》43、03C51-04-论文泛读.mp4
12、强化学习》44、03C51-05-分布更新 BellmanEquation BellmanOperator.mp4
12、强化学习》45、03C51-06-BellmanOptimalOperator.mp4
12、强化学习》46、03C51-07-算法分析.mp4
12、强化学习》47、03C51-08-实验结果及分析.mp4
12、强化学习》48、03C51-09-引理2引理3证明.mp4
12、强化学习》49、03C51-10-引理1证明.mp4
12、强化学习》50、03C51-11-定理1证明.mp4
12、强化学习》51、03C51-12-其余理论部分及总结.mp4
12、强化学习》52、03C51-13-代码部分介绍.mp4
12、强化学习》53、03C51-14-算法部分结构一览.mp4
12、强化学习》54、03C51-15-分布更新单个样本.mp4
12、强化学习》55、03C51-16-MiniBatch分布更新.mp4
12、强化学习》56、03C51-17-Pytorch MiniBatch分布更新..mp4
12、强化学习》57、03C51-18-实验结果.mp4
12、强化学习》58、04QRDQN-01-研究背景、意义及补充知识介绍.mp4
12、强化学习》59、04QRDQN-02-论文泛读、摘要、框架讲解.mp4
12、强化学习》60、04QRDQN-03-回顾C51.mp4
12、强化学习》61、04QRDQN-04-新的分布更新思路、估计分位数.mp4
12、强化学习》62、04QRDQN-05-QRDQN算法讲解、实验结果与分析.mp4
12、强化学习》63、04QRDQN-06-理论证明1.mp4
12、强化学习》64、04QRDQN-07-理论证明2.mp4
12、强化学习》65、04QRDQN-08-上节回顾和下节预告.mp4
12、强化学习》66、04QRDQN-09-code1.mp4
12、强化学习》67、04QRDQN-10-code2.mp4
12、强化学习》68、04QRDQN-11-code3.mp4
12、强化学习》69、05REINFORCE-01-开场白及研究背景介绍.mp4
12、强化学习》70、05REINFORCE-02-论文泛读.mp4
12、强化学习》71、05REINFORCE-03-背景知识补充.mp4
12、强化学习》72、05REINFORCE-04-下节预告.mp4
12、强化学习》73、05REINFORCE-05-论文定理理解.mp4
12、强化学习》74、05REINFORCE-06-算法核心思想.mp4
12、强化学习》75、05REINFORCE-07-核心定理证明.mp4
12、强化学习》76、05REINFORCE-08-下节预告.mp4
12、强化学习》77、05REINFORCE-09-代码部分结构.mp4
12、强化学习》78、05REINFORCE-10-网络结构设计.mp4
12、强化学习》79、05REINFORCE-11-数据处理.mp4
12、强化学习》80、05REINFORCE-12-主体循环.mp4
12、强化学习》81、05REINFORCE-13-代码结构.mp4
12、强化学习》82、05REINFORCE-14-运行结果分析.mp4
12、强化学习》83、06PPO-01-开场白.mp4
12、强化学习》84、06PPO-02-研究背景.mp4
12、强化学习》85、06PPO-03-论文泛读.mp4
12、强化学习》86、06PPO-04-本节回顾下节预告.mp4
12、强化学习》87、06PPO-05-论文精读结构介绍.mp4
12、强化学习》88、06PPO-06-Clipped Surrogate Loss.mp4
12、强化学习》89、06PPO-07-Adaptive KL.mp4
12、强化学习》90、06PPO-08-Advantage Function.mp4
12、强化学习》91、06PPO-09-算法分析.mp4
12、强化学习》92、06PPO-10-实验结果分析.mp4
12、强化学习》93、06PPO-11-本届回顾下节预告.mp4
12、强化学习》94、06PPO-12-代码部分结构.mp4
12、强化学习》95、06PPO-13-计算Loss Function.mp4
12、强化学习》96、06PPO-14-拓展到连续型action空间.mp4
12、强化学习》97、06PPO-15-代码结构.mp4
12、强化学习》98、06PPO-16-代码运行结果.mp4
12、强化学习》99、06PPO-17-算法之外的技巧.mp4
13、自监督-无监督》01、1.1 专题简介与导引&MOCO论文泛读.mp4
13、自监督-无监督》02、1.2 MOCO论文精读.mp4
13、自监督-无监督》03、1.3 MOCO-实验结果分析与总结.mp4
13、自监督-无监督》04、1，4 MOCO-代码讲解.mp4
13、自监督-无监督》05、2.1 simclr-论文精读.mp4
13、自监督-无监督》06、2.2 sinclr-论文精讲.mp4
13、自监督-无监督》07、2.3 simclr-代码讲解.mp4

下载地址：

感谢您的来访，获取更多精彩文章请收藏本站。