资源介绍
系统覆盖深度学习核心知识体系，从线性代数基础到DALL-E、Diffusion、GPT等前沿模型实战。包含50+课时完整内容：PyTorch环境配置、CNN经典网络(VGG/DenseNet)、注意力机制、迁移学习、NLP数据集应用及大模型代码实现。适合AI算法工程师系统化进阶，配套实战案例与代码演示，助力构建完整技术栈。
资源下载列表
- 📁 B站 - 深度学习必修课：进击AI算法工程师【梗直哥瞿炜】
- 📄 098.16-3 DALL-E模型.mp4
- 📄 004.2-1 线性代数.mp4
- 📄 083.13-5 Diffusion扩散模型.mp4
- 📄 094.15-5 经典NLP数据集.mp4
- 📄 091.15-2 词义搜索和句意表示.mp4
- 📄 066.11-1 什么是注意力机制.mp4
- 📄 087.14-3 迁移学习.mp4
- 📄 078.12-6 GPT模型代码实现.mp4
- 📄 046.8-2 VGGNet.mp4
- 📄 001.1-1 课程内容和理念.mp4
- 📄 020.5-2 过拟合欠拟合应对策略.mp4
- 📄 075.12-3 T5模型.mp4
- 📄 021.5-3 过拟合和欠拟合示例.mp4
- 📄 010.3-4 深度学习库PyTorch安装.mp4
- 📄 050.8-6 DenseNet.mp4
- 📄 056.9-6 RNN的长期依赖问题.mp4
- 📄 036.6-10 Adam算法.mp4
- 📄 077.12-5 Swin Transformer模型.mp4
- 📄 018.4-8 多分类问题代码实现.mp4
- 📄 032.6-6 小批量梯度下降法.mp4
- 📄 013.4-3 前向传播和反向传播.mp4
- 📄 068.11-3 键值对注意力和多头注意力.mp4
- 📄 058.10-2 双向循环神经网络.mp4
- 📄 039.7-1 全连接层问题.mp4
- 📄 093.15-4 Hugging Face库介绍.mp4
- 📄 085.14-1 自定义数据加载.mp4
- 📄 011.4-1 神经网络原理.mp4
- 📄 003.1-3 课程使用的技术栈.mp4
- 📄 086.14-2 图像数据增强.mp4
- 📄 045.8-1 AlexNet.mp4
- 📄 061.10-5 复杂循环神经网络代码实现.mp4
- 📄 053.9-3 循环神经网络.mp4
- 📄 048.8-4 GoogLeNet.mp4
- 📄 043.7-5 池化层Pooling.mp4
- 📄 051.9-1 序列建模.mp4
- 📄 040.7-2 图像卷积.mp4
- 📄 096.16-1 InstructGPT模型.mp4
- 📄 069.11-4 自注意力机制.mp4
- 📄 024.5-6 Dropout代码实现.mp4
- 📄 076.12-4 ViT模型.mp4
- 📄 016.4-6 线性回归代码实现.mp4
- 📄 081.13-3 变分自编码器.mp4
- 📄 026.5-8 模型文件的读写.mp4
- 📄 008.3-2 conda实用命令.mp4
- 📄 084.13-6 图像生成.mp4
- 📄 030.6-4 梯度下降.mp4
- 📄 055.9-5 循环神经网络代码实现.mp4
- 📄 070.11-5 注意力池化及代码实现.mp4
- 📄 082.13-4 生成对抗网络.mp4
- 📄 015.4-5 回归问题.mp4