学途无忧

标题: ('黑吗上海37期Python全套视频课程',),全套视频教程学习资料通过百度云网盘下载 [打印本页]

作者: admin 时间: 2021-5-29 04:18
标题: ('黑吗上海37期Python全套视频课程',),全套视频教程学习资料通过百度云网盘下载

资源详情

教程目录：
┣━Python就业班
┃┣━02多任务
┃┃┣━02-进程
┃┃┃┣━05-进程、线程的区别
┃┃┃┣━07-进程池概述.mp4
┃┃┃┣━08-进程池的创建
┃┃┃┣━03-使用Process完成多进程
┃┃┃┣━01-线程知识点复习.mp4
┃┃┃┣━02-进程、程序的概念
┃┃┃┣━04-使用Process完成多进程-补充
┃┃┃┣━09-案例：多任务文件夹copy
┃┃┃┣━06-通过队列完成进程间通信
┃┃┣━01-线程
┃┃┃┣━04-通过继承Thread类完成创建线程
┃┃┃┣━05-通过继承Thread类完成创建线程-补充
┃┃┃┣━01-多任务介绍、以及Thread的基本使用
┃┃┃┣━10-死锁、银行家算法
┃┃┃┣━03-查看正在运行的线程、主线程等待子线程先结束
┃┃┃┣━11-案例：多线程版udp聊天器
┃┃┃┣━06-多线程共享全局变量
┃┃┃┣━09-同步概念、互斥锁解决资源竞争的问题
┃┃┃┣━08-创建线程是指定传递的参数、多线程共享全局变量的问题
┃┃┃┣━02-Thread创建线程完成多任务
┃┃┃┣━07-多线程共享全局变量-args参数
┃┃┣━03-协程
┃┃┃┣━01-迭代器
┃┃┃┣━05-生成器-1
┃┃┃┣━06-生成器-2-send方式
┃┃┃┣━07-（重点）生成器-小总结
┃┃┃┣━03-（重点）迭代器的应用
┃┃┃┣━08-使用yield完成多任务
┃┃┃┣━10-案例：图片下载器
┃┃┃┣━11-（重点）进程、线程、协程对比
┃┃┃┣━02-完善迭代器
┃┃┃┣━04-迭代器使用的其他方式
┃┃┃┣━09-使用greenlet、gevent完成多任务
┃┣━08首页布局案例和移动布局
┃┃┣━02-CSS3动画
┃┃┃┣━07transiton动画02
┃┃┃┣━05transiton动画01
┃┃┃┣━01翻面动画02
┃┃┃┣━02animation动画
┃┃┃┣━03loading动画
┃┃┃┣━06走路动画
┃┃┃┣━09复习-tansform变形-翻面动画01
┃┃┃┣━04圆角-透明度-rgba
┃┃┣━06-CSS3前缀和H5新增标签
┃┃┃┣━02h5新增标签-表单控件-属忄生
┃┃┃┣━01css3前缀
┃┃┣━03-CSS3选择器和CSS权重
┃┃┃┣━01css权重
┃┃┣━04-屏幕适配
┃┃┃┣━03流体布局
┃┃┃┣━01视口-retina屏幕适配
┃┃┃┣━02背景图尺寸设置
┃┃┃┣━04响应式布局
┃┃┣━05-移动端布局实例
┃┃┃┣━01复习-rem布局原理
┃┃┃┣━04rem首页布局03
┃┃┃┣━05rem首页布局
┃┃┃┣━02cssrem安装-流体布局制作首页
┃┃┃┣━03rem首页布局02
┃┃┃┣━06rem首页布局01.mp4
┃┃┣━01-首页布局
┃┃┃┣━01首页布局03
┃┃┃┣━03重置样式reset.css
┃┃┃┣━02首页布局04
┃┃┃┣━04首页头部制作
┃┃┃┣━05首页logo-搜索框-购物车
┃┣━23深度学习
┃┃┣━08-卷积神经网络
┃┃┃┣━02_激活层与池化层
┃┃┃┣━04卷积神经网络识别手写数字
┃┃┃┣━01_卷积神经网络介绍以及卷积层结构
┃┃┃┣━03面试题分析
┃┃┣━06-文件读取分析存储
┃┃┃┣━05tfrecords文件的读取与存储
┃┃┃┣━02图片文件读取
┃┃┃┣━01图像基本知识分析
┃┃┃┣━03二进制文件读取分析
┃┃┃┣━04二进制文件读取
┃┃┣━09-验证码识别
┃┃┃┣━01_第六天复习
┃┃┃┣━02_验证码识别原理分析
┃┃┃┣━04_验证码识别的实现
┃┃┃┣━03_验证码识别程序流程以及图片数据的处理
┃┃┣━02-图和会话
┃┃┃┣━04_会话的run方法.mp4
┃┃┃┣━02_图
┃┃┃┣━01tensorflow图的结构.mp4
┃┃┃┣━03_会话
┃┃┣━04-变量和模型保存加载
┃┃┃┣━03_trainable,学习率的调整，梯度爆炸
┃┃┃┣━05_模型的保存与加载
┃┃┃┣━06自定义命令行参数
┃┃┃┣━02_线忄生回归的原理复习以及实现
┃┃┃┣━01可视化学习
┃┃┃┣━04_增加损失值等变量显示
┃┃┣━03-张量和基本运算
┃┃┃┣━02运算API介绍
┃┃┃┣━01张量的定义以及数据
┃┃┣━07-简单神经网络
┃┃┃┣━03_简单的神经网络实现手写数字图片识别
┃┃┃┣━02_神经网络结构
┃┃┃┣━01_感知机模型
┃┃┃┣━04_简单的单层神经网络预测手写数字图片
┃┃┣━01-TensorFlow介绍
┃┃┃┣━01_tensorflow基本介绍
┃┃┣━05-数据读取
┃┃┃┣━04_CSV文件读取案例
┃┃┃┣━01_tensorflow解决读取数据、实现同步模拟
┃┃┃┣━03_文件读取流程
┃┃┃┣━02_队列管理器和协程协调器实现异步读取训练
┃┃┣━10-分布式系统和线忄生回归
┃┃┃┣━02自实现一个线忄生回归
┃┃┃┣━01_分布式的原理，架构，更新参数模式
┃┣━24数据结构和算法
┃┃┣━04-栈与队列
┃┃┃┣━01-栈的实现
┃┃┃┣━02队列与双端队列的实现.mp4
┃┃┃┣━03-栈与队列的概念.mp4
┃┃┣━06-树与树算法
┃┃┃┣━03-二叉树的概念
┃┃┃┣━04-二叉树的实现
┃┃┃┣━05-二叉树的先序、中序、后序遍历
┃┃┃┣━02-树的概念
┃┃┃┣━01-二叉树的广度优先遍历
┃┃┃┣━06-二叉树由遍历确定一棵树
┃┃┣━02-顺序表
┃┃┃┣━01-内存、类型本质、连续存储
┃┃┃┣━02-顺序表添加与删除元素_Python列表的实现
┃┃┃┣━03-基本顺序表与元素外围顺序表
┃┃┃┣━05-顺序表数据区替换与扩充
┃┃┃┣━04-顺序表的一体式结构与分离式结构
┃┃┣━05-排序与搜索
┃┃┃┣━10-二分查找时间复杂度
┃┃┃┣━13-希尔排序实现
┃┃┃┣━04-快速排序
┃┃┃┣━06-排序算法的稳定忄生
┃┃┃┣━09-插入排序1
┃┃┃┣━11-归并排序_代码执行流程
┃┃┃┣━15-归并排序时间复杂度及排序算法复杂度对比
┃┃┃┣━16快速排序实现2
┃┃┃┣━05-冒泡排序及实现
┃┃┃┣━14-插入排序2
┃┃┃┣━07-希尔排序
┃┃┃┣━02-二分查找
┃┃┃┣━08-选择排序算法及实现
┃┃┃┣━01-插入算法
┃┃┃┣━03-归并排序
┃┃┃┣━12-快速排序实现1
┃┃┣━01-数据结构和算法基础
┃┃┃┣━04-算法引入
┃┃┃┣━08-常见时间复杂度与大小关系
┃┃┃┣━05-Python列表类型不同操作的时间效率
┃┃┃┣━03-数据结构引入
┃┃┃┣━07-Python列表与字典操作的时间复杂度
┃┃┃┣━01-代码执行时间测量模块timeit
┃┃┃┣━06-最坏时间复杂度与计算规则
┃┃┃┣━02时间复杂度与大O表示法
┃┃┣━03-链表
┃┃┃┣━08-单向循环链表删除元素
┃┃┃┣━02链表的提出
┃┃┃┣━03双向链表及添加元素
┃┃┃┣━06-双向链表删除元素
┃┃┃┣━10-单向循环链表删除元素复习及链表扩展
┃┃┃┣━11-单链表的判空、长度、遍历与尾部添加结点的代码实现
┃┃┃┣━12-单链表尾部添加和在指定位置添加
┃┃┃┣━05单向循环链表添加元素
┃┃┃┣━07-Python中变量标识的本质
┃┃┃┣━13-单链表查找和删除元素
┃┃┃┣━04-单链表的ADT模型
┃┃┃┣━09-单链表及结点的定义代码
┃┃┃┣━01-单向循环链表遍历和求长度
┃┃┃┣━14单链表与顺序表的对比
┃┣━25-36章为老师发的线上课程
┃┃┣━33深度学习必备原理与实战4
┃┃┃┣━框架：Caffe框架常用工具
┃┃┃┃┣━3-对训练结果进行分类任务
┃┃┃┃┣━1-生成网络配置文件
┃┃┃┃┣━2-对训练的网络模型绘制LOSS曲线
┃┃┃┣━框架：深度学习框架Caffe网络配置
┃┃┃┃┣━3-网络配置文件-计算层
┃┃┃┃┣━1-CAFFE简介
┃┃┃┃┣━2-网络配置文件-数据层
┃┃┃┃┣━4-超参数solver文件
┃┃┃┣━框架：Caffe框架小技巧
┃┃┃┃┣━1-使用命令行训练网络
┃┃┃┃┣━3-绘制网络结构图
┃┃┃┃┣━2-使用python定义自己的层
┃┃┃┣━框架：Caffe制作数据源
┃┃┃┃┣━2-多label问题之HDF5数据源
┃┃┃┃┣━1-制作LMDB数据源
┃┃┣━32深度学习必备原理与实战3
┃┃┃┣━框架：Tensorflow神经网络模型
┃┃┃┃┣━1-神经网络模型架构.A危i
┃┃┃┃┣━2-训练神经网络.A危i
┃┃┃┣━项目：深度学习项目实战-验证码识别
┃┃┃┃┣━1-验证码数据生成
┃┃┃┃┣━3-卷积网络模型定义
┃┃┃┃┣━4-迭代及测试网络效果
┃┃┃┃┣━2-构造网络的输入数据和标签
┃┃┃┣━算法：网络模型训练技巧
┃┃┃┃┣━1-数据增强策略
┃┃┃┃┣━3-巧妙设计神经网络
┃┃┃┣━框架：Tensorflow构建RNN网络
┃┃┃┃┣━3-训练RNN网络
┃┃┃┃┣━1-使用RNN处理Mnist数据集
┃┃┃┃┣━2-RNN网络模型
┃┃┃┣━框架：Tensorflow加载训练好的模型
┃┃┃┃┣━1-加载训练好的VGG网络模型
┃┃┃┃┣━2-使用VGG模型进行测试
┃┃┃┣━框架：深度学习框架Tensorflow基本操作
┃┃┃┃┣━2-Tensorflow安装
┃┃┃┃┣━3-基本计算单元-变量
┃┃┃┃┣━4-常用基本操作
┃┃┃┃┣━1-Tensorflow简介
┃┃┃┣━算法：经典网络架构与物体检测任务
┃┃┃┃┣━2-分类与回归任务
┃┃┃┃┣━1-经典网络架构
┃┃┃┃┣━3-三代物体检测算法
┃┃┃┣━框架：Tensorflow构建CNN网络
┃┃┃┃┣━2-卷积神经网络模型参数
┃┃┃┃┣━3-模型的保存和读取
┃┃┃┃┣━1-卷积神经网络模型架构
┃┃┃┣━框架：Tensorflow框架构造回归模型
┃┃┃┃┣━1-构造线忄生回归模型
┃┃┃┃┣━3-逻辑回归框架
┃┃┃┃┣━4-迭代完成逻辑回归模型
┃┃┃┃┣━2-Mnist数据集简介
┃┃┣━26机器学习入门篇
┃┃┃┣━4-案例实战-信用卡欺诈检测
┃┃┃┃┣━1-案例背景和目标.mp4
┃┃┃┃┣━5-模型评估方法
┃┃┃┃┣━8-混淆矩阵
┃┃┃┃┣━3-下采样策略.mp4
┃┃┃┃┣━7-逻辑回归模型
┃┃┃┃┣━9-逻辑回归阈值对结果的影响
┃┃┃┃┣━4-交叉验证.mp4
┃┃┃┃┣━6-正则化惩罚
┃┃┃┃┣━10-s*OTE样本生成策略
┃┃┃┃┣━2-样本不均衡解决方案.mp4
┃┃┃┣━1-算法：线忄生回归算法
┃┃┃┃┣━2-误差项分析
┃┃┃┃┣━1-线忄生回归算法概述
┃┃┃┃┣━3-似然函数求解
┃┃┃┃┣━5-线忄生回归求解
┃┃┃┃┣━4-目标函数推导
┃┃┃┣━3-案例：Python实现逻辑回归与梯度下降
┃┃┃┃┣━4-案例实战：实验对比效果
┃┃┃┃┣━2-案例实战：完成梯度下降模块
┃┃┃┃┣━3-案例实战：停止策略与梯度下降案例
┃┃┃┃┣━1-案例实战：Python实现逻辑回归任务概述
┃┃┃┣━2-算法：逻辑回归算法
┃┃┃┃┣━2-逻辑回归求解
┃┃┃┃┣━1-逻辑回归算法原理推导
┃┃┣━27机器学习入门篇2
┃┃┃┣━1-算法：决策树
┃┃┃┃┣━2-衡量标准-熵
┃┃┃┃┣━3-决策树构造实例
┃┃┃┃┣━1-决策树原理概述
┃┃┃┃┣━4-信息增益率
┃┃┃┃┣━5-决策树剪枝策略
┃┃┃┣━4-集成算法实例
┃┃┃┃┣━1-集成算法实例概述
┃┃┃┃┣━3-基础模型
┃┃┃┃┣━4-集成实例
┃┃┃┃┣━5-Stacking模型
┃┃┃┃┣━2-ROC与AUC指标
┃┃┃┃┣━6-效果改进
┃┃┃┣━9-案例：聚类实践
┃┃┃┃┣━2-聚类案例实战.mp4
┃┃┃┃┣━1-多种聚类算法概述.mp4
┃┃┃┣━2-决策树Sklearn实例
┃┃┃┃┣━1-案例：决策树复习
┃┃┃┃┣━2-案例：决策树涉及参数
┃┃┃┃┣━4-案例：sklearn参数选择
┃┃┃┃┣━3-案例：树可视化与sklearn库简介
┃┃┃┣━11-算法：PCA主成分分析
┃┃┃┃┣━1-PCA降维概述
┃┃┃┃┣━3-PCA求解
┃┃┃┃┣━2-PCA要优化的目标
┃┃┃┣━3-算法：随机森林与集成算法
┃┃┃┃┣━2-特征重要忄生衡量
┃┃┃┃┣━3-提升模型
┃┃┃┃┣━1-集成算法-随机森林
┃┃┃┃┣━4-堆叠模型
┃┃┃┣━8-算法：DBSCAN聚类
┃┃┃┃┣━1-DBSCAN聚类算法
┃┃┃┃┣━3-DBSCAN可视化展示
┃┃┃┃┣━2-DBSCAN工作流程
┃┃┃┣━10-案例：Python实现线忄生判别分析
┃┃┃┃┣━2-求解得出降维结果
┃┃┃┃┣━1-实现线忄生判别分析进行降维任务
┃┃┃┣━12-案例：Python实现PCA主成分分析
┃┃┃┃┣━1-PCA降维实例
┃┃┃┣━5-算法：贝叶斯算法
┃┃┃┃┣━4-垃圾邮件过滤实例
┃┃┃┃┣━5-贝叶斯实现拼写检查器
┃┃┃┃┣━2-贝叶斯推导实例
┃┃┃┃┣━1-贝叶斯算法概述
┃┃┃┃┣━3-贝叶斯拼写纠错实例
┃┃┃┣━6-案例：Python文本数据分析
┃┃┃┃┣━5-LDA建模
┃┃┃┃┣━2-相似度计算
┃┃┃┃┣━6-基于贝叶斯算法进行新闻分类
┃┃┃┃┣━1-文本分析与关键词提取
┃┃┃┃┣━3-新闻数据与任务简介
┃┃┃┃┣━4-TF-IDF关键词提取
┃┃┃┣━7-算法：KMEANS聚类
┃┃┃┃┣━1-KMEANS算法概述
┃┃┃┃┣━2-KMEANS工作流程
┃┃┃┃┣━3-KMEANS迭代可视化展示
┃┃┣━25Python网络爬虫
┃┃┃┣━04-数据存储
┃┃┃┃┣━1-json字符串介绍
┃┃┃┃┣━4-读取csv文件的两种方式
┃┃┃┃┣━5-写入csv文件的两种方式
┃┃┃┃┣━2-dump成json字符串以及编码问题
┃┃┃┃┣━3-load成Python对象
┃┃┃┣━03-数据解析
┃┃┃┃┣━10-【作业】腾讯招聘网爬虫作业
┃┃┃┃┣━9-【实战】电影天堂爬虫之爬虫完成
┃┃┃┃┣━1-xpath简介以及工具安装
┃┃┃┃┣━11-BeautifulSoup4库的基本介绍
┃┃┃┃┣━13-BeautifulSoup4库提取数据详解
┃┃┃┃┣━22-正则表达式之匹配多个多个字符
┃┃┃┃┣━24-正则表达式之开始结束和或语法
┃┃┃┃┣━27-正则表达式之re模块常用函数
┃┃┃┃┣━6-【实战】电影天堂爬虫之网页分析
┃┃┃┃┣━20-【实战】中国天气网爬虫之数据可视化
┃┃┃┃┣━25-正则表达式之转义字符和原生字符串
┃┃┃┃┣━26-正则表达式之group分组
┃┃┃┃┣━3-lxml解析html代码和文件
┃┃┃┃┣━15-select和css选择器提取元素
┃┃┃┃┣━2-xpath语法详解
┃┃┃┃┣━23-正则表达式之多个小案例
┃┃┃┃┣━5-【实战】豆瓣电影爬虫
┃┃┃┃┣━14-css常用选择器介绍
┃┃┃┃┣━18-【实战】中国天气网爬虫之华北城市数据爬取
┃┃┃┃┣━19-【实战】中国天气网爬虫之所有城市数据爬取
┃┃┃┃┣━21-正则表达式之单个字符匹配规则
┃┃┃┃┣━12-BeautifulSoup4库的基本使用
┃┃┃┃┣━16-BeaufifulSoup拾遗
┃┃┃┃┣━28-【实战】正则表达式之古诗文网爬虫实战
┃┃┃┃┣━29-【作业】正则表达式之糗事百科爬虫作业
┃┃┃┃┣━7-【实战】电影天堂爬虫之爬取详情页url
┃┃┃┃┣━8-【实战】电影天堂爬虫之解析详情页
┃┃┃┃┣━17-【实战】中国天气网爬虫之页面分析
┃┃┃┃┣━4-lxml和xpath结合使用详解
┃┃┃┣━06-Scrapy框架
┃┃┃┃┣━18-【反爬虫】下载器中间件讲解
┃┃┃┃┣━20-【反爬虫】开放ip代理池和独享代理配置
┃┃┃┃┣━33-分布式爬虫-redis的集合操作
┃┃┃┃┣━36-分布式爬虫实战-房天下全国658城市所有房源信息抓取（2）
┃┃┃┃┣━8-【实战】CrawlSpider实现微信小程序社区爬虫
┃┃┃┃┣━10-Request和Response对象讲解
┃┃┃┃┣━16-【实战】汽车之家宝马5系高清图片下载爬虫（3）
┃┃┃┃┣━30-分布式爬虫-配置其他机器连接本机redis服务器
┃┃┃┃┣━6-【实战】scrapy糗事百科之抓取多个页面.A危i
┃┃┃┃┣━7-CrawlSpider讲解
┃┃┃┃┣━14-【实战】汽车之家宝马5系高清图片下载爬虫（1）
┃┃┃┃┣━19-【反爬虫】反爬虫-设置随机请求头
┃┃┃┃┣━2-scrapy框架快速入门
┃┃┃┃┣━23-Scrapy框架实战-简书网整站爬虫之页面解析
┃┃┃┃┣━27-分布式爬虫-redis介绍
┃┃┃┃┣━3-【实战】scrapy糗事百科之爬虫编写.A危i
┃┃┃┃┣━38-分布式爬虫实战-房天下全国658城市所有房源信息抓取（4）
┃┃┃┃┣━39-分布式爬虫实战-房天下全国658城市所有房源信息抓取（5）
┃┃┃┃┣━41-分布式爬虫实战-房天下全国658城市所有房源信息爬取（7）
┃┃┃┃┣━11-【实战】scrapy模拟登录人人网
┃┃┃┃┣━40-分布式爬虫实战-房天下全国658城市所有房源信息抓取（6）
┃┃┃┃┣━17-【实战】汽车之家宝马5系高清图片下载爬虫（4）
┃┃┃┃┣━25-Scrapy框架实战-简书网整站爬虫之爬取ajax数据
┃┃┃┃┣━26-分布式爬虫-分布式爬虫介绍
┃┃┃┃┣━32-分布式爬虫-redis的列表操作
┃┃┃┃┣━1-scrapy框架架构详解
┃┃┃┃┣━29-分布式爬虫-windows下redis安装与配置
┃┃┃┃┣━34-分布式爬虫-redis的哈希操作
┃┃┃┃┣━37-分布式爬虫实战-房天下全国658城市所有房源信息抓取（3）
┃┃┃┃┣━5-【实战】scrapy糗事百科之优化数据存储的方式.A危i
┃┃┃┃┣━9-ScrapyShell的使用
┃┃┃┃┣━12-【实战】scrapy模拟登录豆瓣网
┃┃┃┃┣━13-【实战】自动识别豆瓣网图形验证码
┃┃┃┃┣━15-【实战】汽车之家宝马5系高清图片下载爬虫（2）
┃┃┃┃┣━21-【Scrapy框架】实战-攻克BOSS直聘反爬虫之正常爬取
┃┃┃┃┣━28-分布式爬虫-linux下安装redis
┃┃┃┃┣━35-分布式爬虫实战-房天下全国658城市所有房源信息抓取（1）
┃┃┃┃┣━22-【Scrapy框架】实战-攻克BOSS直聘反爬虫之无限制爬取
┃┃┃┃┣━24-Scrapy框架实战-简书网整站爬虫之保存数据到MySQL
┃┃┃┃┣━31-分布式爬虫-redis的字符串操作
┃┃┃┃┣━4-【实战】scrapy糗事百科之pipeline保存数据.A危i
┃┃┃┣━01-爬虫前奏
┃┃┃┃┣━1-网络爬虫概述
┃┃┃┃┣━2-http协议和chrome抓包工具（1）
┃┃┃┃┣━3-http协议和chrome抓包工具（2）
┃┃┃┣━02-网络请求
┃┃┃┃┣━15-requests处理cookie信息
┃┃┃┃┣━8-cookie原理和格式详解
┃┃┃┃┣━6-【作业】内涵段子爬虫作业
┃┃┃┃┣━3-urllib库之参数编码和解码函数
┃┃┃┃┣━9-【实战】爬虫使用cookie模拟登录.mp4
┃┃┃┃┣━11-cookie信息的加载与保存
┃┃┃┃┣━13-requests发送post请求
┃┃┃┃┣━5-【实战】用Request爬取拉勾网职位信息
┃┃┃┃┣━14-requests使用代理ip
┃┃┃┃┣━2-urllib库之urlretrieve函数用法
┃┃┃┃┣━4-urllib库之urlparse和urlsplit函数用法.mp4
┃┃┃┃┣━16-requests处理不信任的ssl证书
┃┃┃┃┣━12-requests库的基本使用
┃┃┃┃┣━1-urllib库之urlopen函数用法
┃┃┃┃┣━10-【实战】爬虫自动登录访问授权页面.mp4
┃┃┃┃┣━7-ProxyHandler实现代理ip
┃┃┃┣━05-爬虫进阶
┃┃┃┃┣━13-selenium关闭页面和浏览器
┃┃┃┃┣━19-selenium打开多窗口和切换窗口
┃┃┃┃┣━21-selenium中的WebElement类补充.A危i
┃┃┃┃┣━3-多线程共享全局变量以及锁机制
┃┃┃┃┣━8-【实战】多线程下载表情包之异步爬虫完成
┃┃┃┃┣━10-【作业】多线程下载百思不得姐段子爬虫作业
┃┃┃┃┣━18-selenium的隐式等待和显式等待
┃┃┃┃┣━23-【实战】selenium完美实现拉勾网爬虫之详情页解析.A危i
┃┃┃┃┣━4-Lock版生产者和消费者模式
┃┃┃┃┣━30-tesseract处理拉勾网验证码
┃┃┃┃┣━7-【实战】多线程下载表情包之同步爬虫完成
┃┃┃┃┣━1-多线程概念和threading模块介绍
┃┃┃┃┣━25-【实战】selenium完美实现拉勾网爬虫之细节处理
┃┃┃┃┣━29-tesseract代码识别图片
┃┃┃┃┣━12-selenium+chromedriver安装和入门
┃┃┃┃┣━14-selenium定位元素的方法详解
┃┃┃┃┣━17-selenium操作cookie
┃┃┃┃┣━20-selenium使用代理ip
┃┃┃┃┣━27-tesseract库介绍
┃┃┃┃┣━28-tesseract在终端下识别图片
┃┃┃┃┣━24-【实战】selenium完美实现拉勾网爬虫之跑通流程.A危i
┃┃┃┃┣━26-【作业】使用selenium实现boss直聘爬虫作业
┃┃┃┃┣━6-Queue线程安全队列讲解
┃┃┃┃┣━9-GIL全局解释器锁详解
┃┃┃┃┣━22-【实战】selenium完美实现拉勾网爬虫之列表页解析.A危i
┃┃┃┃┣━5-Condition版生产者与消费者模式
┃┃┃┃┣━11-ajax介绍和爬取ajax数据的两种方式
┃┃┃┃┣━15-selenium操作表单元素
┃┃┃┃┣━16-selenium行为链
┃┃┃┃┣━2-使用Thread类创建多线程
┃┃┣━35深度学习项目实战2
┃┃┃┣━项目实战：对抗生成网络（基于Tensorflow）
┃┃┃┃┣━4-DCGAN网络特忄生
┃┃┃┃┣━3-Gan迭代生成
┃┃┃┃┣━2-GAN网络结构定义
┃┃┃┃┣━5-DCGAN训练
┃┃┃┃┣━1-对抗生成网络原理概述
┃┃┃┣━第6节项目实战：文本分类任务解
┃┃┃┃┣━1-开场
┃┃┃┃┣━4-使用tensorflow配置参数
┃┃┃┃┣━2-数据任务简介
┃┃┃┃┣━3-使用CNN进行文本分类原理
┃┃┃┃┣━5-数据读取
┃┃┃┃┣━6-数据切分
┃┃┃┣━项目实战：DQN让AI自己玩游戏（基于Tensorflow）
┃┃┃┃┣━1-DeepQnetwork原理
┃┃┃┃┣━4-搭建DQN网络模型
┃┃┃┃┣━3-DQN网络参数配置
┃┃┃┃┣━2-DQN网络细节
┃┃┃┣━项目实战：强化学习基础（基于Tensorflow）
┃┃┃┃┣━1-强化学习概念（开场）
┃┃┃┃┣━3-马尔科夫决策过程
┃┃┃┃┣━4-Bellman方程
┃┃┃┃┣━10-QLearning效果演示
┃┃┃┃┣━2-强化学习基本概念
┃┃┃┃┣━8-QLearning基本原理
┃┃┃┃┣━9-QLearning迭代计算实例
┃┃┃┃┣━5-值迭代求解
┃┃┃┃┣━6-完成值迭代代码
┃┃┃┃┣━7-求解流程详解
┃┃┃┣━项目实战：LSTM情感分析（基于Tensorflow）
┃┃┃┃┣━2-LSTM网络架构
┃┃┃┃┣━5-基于word2vec的LSTM模型
┃┃┃┃┣━1-RNN网络架构
┃┃┃┃┣━4-情感数据集处理
┃┃┃┃┣━3-案例：使用LSTM进行情感分类
┃┃┃┣━第5节项目实战：机器人写唐诗
┃┃┃┃┣━6-数据预处理模块
┃┃┃┃┣━10-训练唐诗生成模型
┃┃┃┃┣━11-测试唐诗生成效果
┃┃┃┃┣━3-LSTM网络架构
┃┃┃┃┣━5-参数配置
┃┃┃┃┣━4-任务概述与环境配置
┃┃┃┃┣━0-开场_RNN
┃┃┃┃┣━7-batch数据制作
┃┃┃┃┣━1-递归神经网络（RNN）概述
┃┃┃┃┣━2-RNN网络细节
┃┃┃┃┣━8-RNN模型定义
┃┃┃┃┣━9-完成训练模块
┃┃┣━30深度学习必备原理与实战
┃┃┃┣━算法：神经网络整体架构
┃┃┃┃┣━2-实例演示
┃┃┃┃┣━3-过拟合解决方案
┃┃┃┃┣━1-整体架构
┃┃┃┣━算法：深度学习必备基础知识点
┃┃┃┃┣━1-线忄生分类
┃┃┃┃┣━4-softmax分类器
┃┃┃┃┣━2-损失函数
┃┃┃┃┣━3-正则化惩罚项
┃┃┃┣━案例：案例实战CIFAR图像分类任务
┃┃┃┃┣━2-神经网络案例-分模块构造神经网络
┃┃┃┃┣━3-神经网络案例-训练神经网络完成分类任务
┃┃┃┃┣━1-神经网络案例-cifar分类任务
┃┃┃┃┣━4-神经网络架构-感受神经网络的强大
┃┃┃┣━算法：最优化与反向传播
┃┃┃┃┣━1-最优化形象解读
┃┃┃┃┣━2-最优化问题细节
┃┃┃┃┣━3-反向传播
┃┃┃┣━算法：深度学习概述与计算机视觉挑战
┃┃┃┃┣━1-深度学习概述
┃┃┃┃┣━3-用K近邻来进行分类
┃┃┃┃┣━2-挑战与常规套路
┃┃┃┃┣━4-超参数与交叉验证
┃┃┣━29数据挖掘篇
┃┃┃┣━5-京东**预测
┃┃┃┃┣━8-特征工程.A危i
┃┃┃┃┣━3-数据检查
┃┃┃┃┣━6-数据探索概述.A危i
┃┃┃┃┣━7-**因素分析.A危i
┃┃┃┃┣━2-数据挖掘流程
┃┃┃┃┣━5-构建商品特征表单
┃┃┃┃┣━1-项目与数据介绍
┃┃┃┃┣━4-构建用户特征表单
┃┃┃┃┣━9-基本特征构造.A危i
┃┃┃┣━2-用户画像
┃┃┃┃┣━4-任务概述与方案
┃┃┃┃┣━6-构造输入特征
┃┃┃┃┣━5-构造词向量特征
┃┃┃┃┣━7-建立预测模型
┃┃┃┃┣━1-用户画像概述
┃┃┃┃┣━2-如何建立用户画像
┃┃┃┃┣━3-用户搜索数据介绍
┃┃┃┣━6-房价预测
┃┃┃┃┣━5-模型预测
┃┃┃┃┣━3-数据对数变换
┃┃┃┃┣━4-缺失值处理与box-cox变换
┃┃┃┃┣━2-离散形数据
┃┃┃┃┣━1-房价预测任务概述
┃┃┃┣━4-Xgboost实战
┃┃┃┃┣━1-Xgboost算法概述
┃┃┃┃┣━8-树结构对结果的影响
┃┃┃┃┣━5-保险赔偿任务概述
┃┃┃┃┣━6-Xgboost参数定义
┃┃┃┃┣━2-Xgboost模型构造
┃┃┃┃┣━3-Xgboost建模衡量标准
┃┃┃┃┣━7-基础模型定义
┃┃┃┃┣━4-Xgboost安装
┃┃┃┃┣━9-学习率与采样对结果的影响
┃┃┃┣━1-泰坦尼克号获救预测
┃┃┃┃┣━6-忄生别特征分析
┃┃┃┃┣━7-船舱等级特征分析
┃┃┃┃┣━5-数据读取与统计分析
┃┃┃┃┣━8-缺失值问题
┃┃┃┃┣━10-登船地点特征分析
┃┃┃┃┣━9-年龄特征缺失值填充与分析
┃┃┃┃┣━3-Python兵器库介绍
┃┃┃┃┣━4-sklearn库介绍
┃┃┃┃┣━1-数据挖掘任务流程
┃┃┃┃┣━2-数据介绍
┃┃┃┣━3-kaggle数据科学
┃┃┃┃┣━4-技能使用情况
┃┃┃┃┣━3-工资情况
┃┃┃┃┣━7-调查总结
┃┃┃┃┣━2-基本情况可视化展示
┃┃┃┃┣━6-python和r哪家强
┃┃┃┃┣━5-数据集与平台
┃┃┃┃┣━1-kaggle数据科学调查介绍
┃┃┣━31深度学习必备原理与实战2
┃┃┃┣━案例：Gensim中文词向量建模
┃┃┃┃┣━2-维基百科中文数据处理
┃┃┃┃┣━4-测试模型相似度结果
┃┃┃┃┣━1-使用Gensim库构造词向量
┃┃┃┃┣━3-Gensim构造word2vec模型
┃┃┃┣━算法：自然语言处理-word2vec
┃┃┃┃┣━3-N-gram模型
┃┃┃┃┣━10-负采样模型
┃┃┃┃┣━8-CBOW求解目标
┃┃┃┃┣━9-锑度上升求解
┃┃┃┃┣━2-语言模型
┃┃┃┃┣━4-词向量
┃┃┃┃┣━1-自然语言处理与深度学习
┃┃┃┃┣━0-开篇
┃┃┃┃┣━5-神经网络模型
┃┃┃┃┣━7-CBOW模型实例
┃┃┃┣━算法：卷积参数详解
┃┃┃┃┣━3-池化层原理
┃┃┃┃┣━1-pading与stride
┃┃┃┃┣━2-卷积参数共享
┃┃┃┣━案例：案例实战CNN网络
┃┃┃┃┣━2-卷积网络代码1.A危i
┃┃┃┃┣━3-卷积网络代码2.A危i
┃┃┃┃┣━1-卷积池化反向传播.A危i
┃┃┃┣━算法：卷积神经网络基本原理
┃┃┃┃┣━1-卷积神经网络的应用
┃┃┃┃┣━2-卷积层解释
┃┃┃┃┣━3-卷积计算过程
┃┃┃┣━案例：使用word2vec进行分类任务
┃┃┃┃┣━1-影评情感分类
┃┃┃┃┣━4-使用gensim构建word2vec词向量
┃┃┃┃┣━2-基于词袋模型训练分类器
┃┃┃┃┣━3-准备word2vec输入数据
┃┃┣━34深度学习项目实战
┃┃┃┣━项目实战：关键点检测第一阶段网络训练（基于Caffe）
┃┃┃┃┣━1-多标签数据源制作及其坐标转换
┃┃┃┃┣━0-人脸关键点算法概述
┃┃┃┃┣━4-第一阶段网络训练
┃┃┃┃┣━2-对数据进行增强
┃┃┃┃┣━3-完成第一阶段数据源制作
┃┃┃┣━项目实战：实现人脸检测（基于Caffe）
┃┃┃┃┣━3-坐标变换
┃┃┃┃┣━6-矫正过程
┃┃┃┃┣━2-scale变换和预处理
┃┃┃┃┣━5-测试效果及改进
┃┃┃┃┣━8-项目总结
┃┃┃┃┣━1-检测框架
┃┃┃┃┣━4-NMS完成代码
┃┃┃┃┣━7-如何提高精度
┃┃┃┣━项目实战：关键点检测第二阶段模型实现（基于Caffe）
┃┃┃┃┣━4-完成全部测试结果
┃┃┃┃┣━1-第二三阶段数据源制作
┃┃┃┃┣━3-网络模型参数初始化
┃┃┃┃┣━5-人脸关键点检测效果
┃┃┃┃┣━6-项目总结分析
┃┃┃┃┣━7-算法框架分析
┃┃┃┃┣━2-第二三阶段网络模型训练
┃┃┃┣━项目实战：人脸检测数据源制作与网络训练（基于Caffe）
┃┃┃┃┣━5-制作LMDB数据源
┃┃┃┃┣━1-数据获取
┃┃┃┃┣━2-正负样本数据裁剪
┃┃┃┃┣━0-项目概述
┃┃┃┃┣━7-超参数和训练网络
┃┃┃┃┣━3-TXT数据制作
┃┃┃┃┣━4-LMDB脚本文件
┃┃┃┃┣━6-网络配置文件
┃┃┣━28机器学习提升篇
┃┃┃┣━04-案例：推荐系统实践
┃┃┃┃┣━1-Surprise库与数据简介.A危i
┃┃┃┃┣━3-得出推荐商品结果.A危i
┃┃┃┃┣━2-Surprise库使用方法.A危i
┃┃┃┣━03-算法：推荐系统
┃┃┃┃┣━5-基于物品的协同过滤
┃┃┃┃┣━7-隐语义模型求解
┃┃┃┃┣━3-相似度计算
┃┃┃┃┣━8-模型评估标准
┃┃┃┃┣━4-基于用户的协同过滤
┃┃┃┃┣━6-隐语义模型
┃┃┃┣━11-案例：探索忄生数据分析-农粮数据分析
┃┃┃┃┣━农业-3单变量分析
┃┃┃┃┣━农业-2数据切片分析
┃┃┃┃┣━农业-1数据背景简介
┃┃┃┃┣━农业-4峰度与偏度
┃┃┃┃┣━农业-7变量关系可视化展示
┃┃┃┃┣━农业-5数据对数变换
┃┃┃┃┣━农业-6数据分析维度
┃┃┃┣━12-机器学习套路与BenchMark
┃┃┃┃┣━1-HTTP检测任务与数据挖掘的核心
┃┃┃┃┣━2-论文的重要程度
┃┃┃┃┣━4-BenchMark的作用
┃┃┃┃┣━3-BenchMark概述
┃┃┃┣━02-案例：GMM聚类实践
┃┃┃┃┣━1-GMM实例
┃┃┃┃┣━2-GMM聚类
┃┃┃┣━09-算法：Xgboost提升算法
┃┃┃┃┣━1-Xgboost算法概述
┃┃┃┃┣━2-Xgboost模型构造
┃┃┃┃┣━3-Xgboost建模衡量标准
┃┃┃┣━01-算法：EM算法
┃┃┃┃┣━5-GMM模型
┃┃┃┃┣━3-EM算法求解实例
┃┃┃┃┣━4-Jensen不等式
┃┃┃┃┣━2-隐变量问题
┃┃┃┃┣━1-EM算法要解决的问题
┃┃┃┣━08-案例：时间序列预测任务
┃┃┃┃┣━2-Pandas数据重采样
┃┃┃┃┣━5-使用tsfresh库进行分类任务
┃┃┃┃┣━1-Pandas生成时间序列
┃┃┃┃┣━3-Pandas滑动窗口
┃┃┃┃┣━4-股票预测案例
┃┃┃┃┣━6-维基百科词条EDA
┃┃┃┣━05-算法：线忄生支持向量机
┃┃┃┃┣━1-支持向量机要解决的问题
┃┃┃┃┣━5-SVM求解实例
┃┃┃┃┣━4-目标函数求解
┃┃┃┃┣━6-支持向量的作用
┃┃┃┃┣━2-距离与数据的定义
┃┃┃┃┣━3-目标函数
┃┃┃┣━06-案例：SVM实践
┃┃┃┃┣━1-sklearn求解支持向量机
┃┃┃┃┣━2-SVM参数选择
┃┃┃┣━07-算法：时间序列AIRMA模型
┃┃┃┃┣━1-数据平稳忄生与差分法
┃┃┃┃┣━2-ARIMA模型
┃┃┃┃┣━4-建立ARIMA模型
┃┃┃┃┣━5-参数选择
┃┃┃┃┣━3-相关函数评估方法
┃┃┃┣━10-案例：Xgboost调参实例
┃┃┃┃┣━5-树结构对结果的影响
┃┃┃┃┣━6-学习率与采样对结果的影响
┃┃┃┃┣━2-保险赔偿任务概述
┃┃┃┃┣━1-Xgboost安装
┃┃┃┃┣━4-基础模型定义
┃┃┃┃┣━3-Xgboost参数定义
┃┃┣━36深度学习项目实战3
┃┃┃┣━第2节项目实战：seq2seq序列模
┃┃┃┃┣━1-环境配置
┃┃┃┃┣━6-数据预处理
┃┃┃┃┣━3-编码层与词向量
┃┃┃┃┣━8-完成解码操作
┃┃┃┃┣━2-数据预处理
┃┃┃┃┣━5-模型迭代
┃┃┃┃┣━4-完成解码模块
┃┃┃┃┣━7-使用构建好的词向量模型
┃┃┃┃┣━9-任务总结
┃┃┃┣━4.项目实战：style-transfer实战（基于Tensorflow）
┃┃┃┃┣━3-生成网络计算操作
┃┃┃┃┣━4-参数初始化
┃┃┃┃┣━7-完成训练模块
┃┃┃┃┣━1-内容与风格特征提取
┃┃┃┃┣━6-Style损失计算
┃┃┃┃┣━9-完成测试代码
┃┃┃┃┣━2-生成网络结构定义
┃┃┃┃┣━8-模型保存与打印结果
┃┃┃┃┣━5-Content损失计算
┃┃┃┣━3.项目实战：style-transfer工作原理（基于Tensorflow）
┃┃┃┃┣━2-style-transfer基本原理
┃┃┃┃┣━3风格生成
┃┃┃┃┣━4-风格生成网络细节
┃┃┃┃┣━7-数据读取操作
┃┃┃┃┣━1-课程简介
┃┃┃┃┣━8-VGG体征提取网络结构
┃┃┃┃┣━5-风格转换效果
┃┃┃┃┣━6-风格转换参数配置
┃┃┃┣━第5节12306抢票实战
┃┃┃┣━第1节项目实战：seq2seq序列生
┃┃┃┃┣━3-Seq2Seq网络应用
┃┃┃┃┣━1-机器翻译技术发展
┃┃┃┃┣━0-开场_seq2seq
┃┃┃┃┣━4-Attention机制
┃┃┃┃┣━2-Seq2Seq网络基本架构
┃┣━03web服务器v3.1
┃┃┣━04-并发web服务器实现
┃┃┃┣━06-单进程、线程、非堵塞实现并发的验证-1
┃┃┃┣━08-长连接、短连接
┃┃┃┣━10-（重要）epoll的原理过程讲解
┃┃┃┣━01-http协议复习
┃┃┃┣━03-多进程、线程实现http服务器-补充
┃┃┃┣━05-（重要）单进程、线程、非堵塞实现并发的原理
┃┃┃┣━09-单进程、线程、非堵塞、长连接的http服务器
┃┃┃┣━02-多进程、线程实现http服务器
┃┃┃┣━07-单进程、线程、非堵塞实现并发的验证-2、debug的思想
┃┃┃┣━11-epoll版的http服务器
┃┃┃┣━04-gevent实现http服务器
┃┃┣━01-正则表达式
┃┃┃┣━01-正则表达式简介
┃┃┃┣━08-re的高级用法：search、sub等
┃┃┃┣━04-匹配多个字符
┃┃┃┣━02-匹配单个字符-1
┃┃┃┣━03-匹配单个字符-2
┃┃┃┣━07-分组等
┃┃┃┣━05-案例：简单判断变量名是否符合要求、匹配结尾开头
┃┃┃┣━06-案例：简单判断email、转义
┃┃┣━02-http协议
┃┃┃┣━03-通过网络调试助手充当http服务器来验证http协议
┃┃┃┣━02-HTTP协议的通俗讲解
┃┃┃┣━01-此阶段知识的介绍
┃┃┣━03-简单web服务器实现
┃┃┃┣━02-tcp3次握手、4次挥手
┃┃┃┣━04-案例：返回浏览器需要的页面http服务器-介绍.mp4
┃┃┃┣━03-tcp3次握手、4次挥手-强调.mp4
┃┃┃┣━05-案例：返回浏览器需要的页面http服务器-代码实现
┃┃┃┣━01-案例：返回固定页面的http服务器
┃┃┣━05-网络通信
┃┃┃┣━02-wireshark抓包工具-安装
┃┃┃┣━04-2台电脑通信、网络掩码
┃┃┃┣━01-tcpip协议
┃┃┃┣━03-wireshark抓包工具-使用
┃┃┃┣━06-路由器链接多个网络、默认网关
┃┃┃┣━08-ip不变、mac地址发生变化
┃┃┃┣━07-浏览器访问服务器的过程
┃┃┃┣━05-集线器、交换器组网、arp获取mac地址等
┃┣━16微信公众号
┃┃┣━01-开发配置和微信服务器接入
┃┃┃┣━03_微信公众号开发的配置说明
┃┃┃┣━04_学校服务器使用说明
┃┃┃┣━05_接入微信公众号服务器开发
┃┃┃┣━02_了解微信公众号开发
┃┃┃┣━01_认识微信公众号
┃┃┣━02-公众号接收和发送消息
┃┃┃┣━02_xmltodict工具的使用
┃┃┃┣━03_收发微信消息数据开发
┃┃┃┣━04_其他消息与事件消息.mp4
┃┃┃┣━05测试消息接口.mp4
┃┃┃┣━01_开发者服务器收发微信消息的流程
┃┃┣━03-微信网页授权
┃┃┃┣━02_获取微信用户资料流程说明
┃┃┃┣━01_网页获取微信用户资料开发
┃┣━22机器学习
┃┃┣━02-特征工程和文本特征提取
┃┃┃┣━06_文本特征抽取以及中文问题
┃┃┃┣━07_tf-df分析问题
┃┃┃┣━03_数据集的组成
┃┃┃┣━04_特征工程的定义
┃┃┃┣━05_字典特征数据抽取
┃┃┣━09-线忄生回归
┃┃┃┣━06_Ridge岭回归分析
┃┃┃┣━01_第二天知识回顾
┃┃┃┣━03_线忄生回归策略，优化，案例
┃┃┃┣━02_线忄生回归的定义以及矩阵的运算
┃┃┃┣━05_过拟合以及欠拟合
┃┃┃┣━04_线忄生回归两种求解方式总结
┃┃┣━10-逻辑回归
┃┃┃┣━10_逻辑回归总结
┃┃┃┣━11_京东金融数据集介绍
┃┃┃┣━08_逻辑回归定义，损失函数，优化与线忄生回归比较
┃┃┃┣━07_模型的保存与加载
┃┃┃┣━09_逻辑回归预测癌症案例
┃┃┣━03-数据特征预处理
┃┃┃┣━10_标准化总结以及缺失值处理
┃┃┃┣━08_特征预处理-归一化.mp4
┃┃┃┣━11_标准化总结以及缺失值处理
┃┃┃┣━09_归一化以及标准化对比
┃┃┣━05-机器学习概述
┃┃┃┣━03_转换器与估计器
┃┃┃┣━02_数据的划分和介绍
┃┃┃┣━01_第一天复习
┃┃┣━08-决策树和随机森林
┃┃┃┣━13_决策树的划分以及案例
┃┃┃┣━14_决策树的保存结果分析
┃┃┃┣━12_决策树之信息论基础
┃┃┃┣━16_每日总结
┃┃┃┣━15_随机森林的原理以及案例调优

欢迎光临学途无忧 (http://xuetu123.com/)