收藏
加入深度之眼全球AI大赛年度会员，掌握22套Kaggle新赛的实战技巧！从酶稳定性预测到有毒评论识别，涵盖NLP、CV、数据挖掘等多个领域。无论你是AI新手还是资深开发者，都能找到适合自己的学习路径。通过实战项目，提升你的AI技能，快速掌握机器学习、深度学习、推荐算法等核心技术。立即加入，解锁AI竞赛的无限可能，成为AI领域的佼佼者！
以下云资源目录树快照生成于[1年前]，该学习资料由百度云用户[小**跑8]分享（只展示大部分文件和目录）
深度之眼AI大赛：22套Kaggle新赛全攻略28.17 GB(mp4视频264节；)
深度之眼全球AI大赛年度会员：22套新赛跟班打106958
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.mp499.6MB21-【爱奇艺】WSDM用户留存大赛指导班
06-【05课】爱奇艺结营视频.mp4113.44MB05-【04课】Auto—ML&HPO.mp493.95MB04-【03课】序列模型.mp4244.16MB03-【02课】特征工程.mp4214.71MB02-【01课】赛题介绍+baseline详解.mp4157.96MB01-打造舒适的AI开发环境.mp499.6MB20-深度学习PyTorch框架班
48-【第九周】循环神经网络一瞥.mp460.17MB47-【第九周】生成对抗网络一瞥.mp485.21MB46-【第八周】图像目标检测一瞥（下）.mp4120.03MB45-【第八周】图像目标检测一瞥（上）.mp472.82MB44-【第八周】图像分割一瞥.mp4100.3MB43-【第八周】图像分类一瞥.mp479.99MB42-【第七周】作业讲解.mp421.78MB41-【第七周】PyTorch常见报错.mp456.92MB40-【第七周】GPU的使用.mp467.32MB39-【第七周】模型finetune.mp462.88MB38-【第七周】模型保存与加载.mp446.61MB37-【第六周】作业讲解.mp436.68MB36-【第六周】Normalizaiton_layers.mp459.6MB35-【第六周】BatchNormalization.mp479.36MB34-【第六周】正则化之Dropout.mp460.61MB33-【第六周】正则化之weight_decay.mp458.85MB32-【第五周】作业讲解.mp442.82MB31-【第五周】hook函数与CAM可视化.mp477.09MB30-【第五周】TensorBoard使用（二）.mp499.7MB29-【第五周】TensorBoard使用（一）.mp466.66MB28-【第五周】TensorBoard简介与安装.mp445.59MB27-【第五周】学习率调整策略.mp478.36MB26-【第四周】作业讲解.mp431MB25-【第四周】torch.optim.SGD.mp472.56MB24-【第四周】优化器optimizer的概念.mp462.32MB23-【第四周】损失函数(二).mp492.88MB22-【第四周】损失函数（一）.mp490.63MB21-【第四周】权值初始化.mp460.58MB20-【第三周】作业讲解.mp461.22MB19-【第三周】nn网络层-池化-线性-激活函数层.mp461.53MB18-【第三周】nn网络层-卷积层.mp462.94MB17-【第三周】模型容器与AlexNet构建.mp461.35MB16-【第三周】模型创建步骤与nn.Module.mp457.75MB15-【第二周】作业讲解.mp489.56MB14-【第二周】学会自定义transforms方法.mp499.98MB13-【第二周】二十二种transforms数据预处理方法.mp493.5MB12-【第二周】数据预处理transforms模块机制.mp454.13MB11-【第二周】数据读取机制Dataloader与Dataset.mp456.77MB10-【第一周】作业讲解3.mp425.65MB09-【第一周】作业讲解2.mp425.7MB08-【第一周】作业讲解1.mp431.32MB07-【第一周】autograd与逻辑回归.mp462.12MB06-【第一周】计算图与动态图机制.mp443.12MB05-【第一周】张量操作与线性回归.mp464.05MB04-【第一周】张量简介与创建.mp455.6MB03-【第一周】补充-pytorch开发环境安装.mp4136.26MB02-【第一周】PyTorch简介与安装.mp454.3MB01-【必看】深入浅出PyTorch.mp475.58MB19-01Python·AI&数据科学入门
29-第十五章再谈编程.mp470.11MB28-【作业讲解】第十四章：Sklearn常规用法.mp445.34MB27-第十四章Sklearn常规用法.mp460.27MB26-【作业讲解】第十三章：Matplotlib.mp441.23MB25-第十三章Matplotlib.mp490.79MB24-【作业讲解】第十二章：Pandas库.mp427.82MB23-第十二章Pandas库.mp4124.08MB22-【作业讲解】第十一章：Numpy库.mp427.31MB21-第十一章科学计算库—Numpy应用.mp477.35MB20-【作业讲解】第十章：Python标准库.mp411.84MB19-第十章Python标准库.mp485.74MB18-【作业讲解】第九章：有益的探索.mp434.16MB17-第九章有益的探索.mp4116.92MB16-【作业讲解】第八章：文件-异常和模块.mp413.66MB15-第八章文件-异常和模块.mp4107.33MB14-【作业讲解】第七章：类.mp426.65MB13-第七章类-面向对象的编程.mp474.68MB12-【作业讲解】第六章：函数.mp441.35MB11-第六章函数-面向过程的编程.mp4116.33MB10-【作业讲解】第五章：程序控制结构.mp427.41MB09-第五章程序控制结构.mp480.77MB08-【作业讲解】第四章：复杂数据类型.mp467.72MB07-第四章组合数据类型.mp489.85MB06-【作业讲解】第三章：基本数据类型.mp450.57MB05-第三章基本数据类型.mp486.77MB04-【作业讲解】第二章：Python基本语法元素.mp457.43MB03-第二章Python基本语法元素.mp498.91MB02-【作业讲解】第一章：助教实际演示配置环境过程.mp430.74MB01-第一章绪论和环境配置.mp450.71MB18-04神经网络基础知识
11-03-循环神经网络-2.mp462.04MB10-03-循环神经网络-1.mp484.8MB09-03-循环神经网络-0.mp448.52MB08-02-卷积神经网络-2.mp453.96MB07-02-卷积神经网络-1.mp492.29MB06-02-卷积神经网络-0.mp462.36MB05-01-神经网络基础与多层感知机-4.mp479.25MB04-01-神经网络基础与多层感知机-3.mp445.12MB03-01-神经网络基础与多层感知机-2.mp466.63MB02-01-神经网络基础与多层感知机-1.mp450.84MB01-01-神经网络基础与多层感知机-0.mp459.07MB17-03数学基础
40-【第四章-下】-3约束最优化.mp453.21MB39-【第四章-下】-2无约束最优化牛顿法.mp454.45MB38-【第四章-下】-1无约束最优化梯度下降.mp471.25MB37-【第四章-上】-6参数的估计.mp460.29MB36-【第四章-上】-5期望与方差（下）.mp423.18MB35-【第四章-上】-4期望与方差（上）.mp452.54MB34-【第四章-上】-3随机变量与多维随机变量.mp457.44MB33-【第四章-上】-2全概率公式与贝叶斯公式及应用&独立性.mp445.49MB32-【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.mp460.63MB31-【第三章】-10矩阵的求导在深度学习中的应用.mp458.67MB30-【第三章】-9矩阵的求导.mp455.11MB29-【第三章】-8多元函数泰勒公式与海森矩阵&多元函数的极值.mp448.7MB28-【第三章】-7方向导数与梯度及其应用.mp465.49MB27-【第三章】-6偏导数&多元函数复合求导法则链式求导法则.mp455.88MB26-【第三章】-5定积分.mp442.25MB25-【第三章】-4不定积分.mp436.17MB24-【第三章】-3函数的凹凸性&函数的极值.mp456.43MB23-【第三章】-2中值定理&洛必达法则&泰勒公式及应用.mp456.38MB22-【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.mp463.52MB21-【第二章】-11SVD分解的应用.mp461.38MB20-【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）.mp438.67MB19-【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）.mp438.66MB18-【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.mp460.32MB17-【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.mp459.04MB16-【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.mp451.47MB15-【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.mp465.04MB14-【第二章】-4矩阵的秩在线性回归算法中的应用.mp428.68MB13-【第二章】-3矩阵秩的定义和性质以及线性方程组解的个数.mp471.04MB12-【第二章】-2初等变换的性质以及逆矩阵的另一种简单求法.mp425.33MB11-【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.mp460.86MB10-【第一章】-10分块矩阵.mp433.64MB09-【第一章】-9常用矩阵性质与特殊矩阵的逆.mp432.84MB08-【第一章】-8矩阵的逆的引入.mp449.56MB07-【第一章】-7行列式的应用：克莱姆法则.mp412.89MB06-【第一章】-6行列式按行列展开，代数余子式.mp444.23MB05-【第一章】-5特殊矩阵的行列式与行列式的性质.mp452.78MB04-【第一章】-4行列式的计算.mp445.76MB03-【第一章】-3矩阵的逆，转置和对称转置.mp462.83MB02-【第一章】-2矩阵的基本概念和运算性质.mp440.81MB01-【第一章】-1导读课.mp413.62MB16-【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.mp499.6MB【先修指南】kaggle竞赛介绍.mp428.69MB【07课】TOP方案分享_.mp4134.63MB【06课】总结复盘.mp465.26MB【05课】数据增强和调参.mp4118.41MB【04课】骨干网介绍和损失函数设计.mp4124.22MB【03课】修改网络设计.mp4115.64MB【02课】目标检测二阶段算法.mp4135.17MB【01课】开营第一课（直播回放）.mp4131.84MB15-【Kaggle新赛】NBME-临床患者病例评分大赛指导班(NLP·Token分类)
08-06课-比赛总结和top方案分享.mp4123.99MB07-05课-BERT变种和比赛技巧.mp4154.19MB06-04课-代码实操课（kaggle环境）.mp4166.05MB05-03课-BERT及其变种.mp4163.77MB04-02课-BERT代码详解及HuggingFaceTransfomers实战.mp4215.94MB03-01-课赛题介绍+baseline详解.mp4162.78MB01-打造舒适的AI开发环境.mp499.6MB14-【kaggle新赛】美国专利短语相似度大赛（NLP·文本相似度）
【06课】top方案的分享和比赛总结.mp4103.26MB【05课】模型融合以及比赛解答.mp4144.44MB【04课】比赛中的上分技巧.mp4166.43MB【03课】Deberta等BERT变种预训练语言模型的介绍.mp4186.94MB【02课】BERT预训练语言模型的介绍.mp4158.7MB【01课】赛题介绍+baseline详解（理论+实操）.mp4132.21MB13-【Kaggle新赛】UW-Madison肠胃道图像分割大赛（CV·图像分割）
11-【07课】比赛复盘.mp4257.07MB10-【06课】直播答疑.mp4233.51MB09-【05课】通用比赛思路及历年分割比赛top思路代码讲解.mp4241.7MB08-【04课】语义分割模型基础二-进阶版.mp4533.16MB07-【03课】语义分割模型基础一，基础版.mp4195.72MB06-【02课】Baseline讲解.mp4277.67MB05-【01课】赛题介绍+kaggle平台学习+比赛数据探索性分析.mp4209.76MB03-打造舒适的AI开发环境--软件篇23.mp479.7MB02-打造舒适的AI开发环境--软件篇1.mp471.13MB01-打造舒适的AI开发环境--硬件篇.mp461.79MB12-快速入门推荐算法-基于top-k的推荐赛
【06课】知识图谱在推荐系统中的应用.mp4164.01MB【05课】推荐系统中的多目标算法.mp4216.95MB【04课】推荐系统中的排序算法.mp4273.77MB【03课】推荐系统中的多兴趣召回算法.mp4270.85MB【02课】推荐系统中的召回算法.mp4266.31MB【01课】推荐系统算法总体介绍+赛题介绍+baseline讲解.mp4196.47MB11-【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）
09-【06课】比赛总结与直播答疑.mp490.12MB08-【05课】历史金融风控比赛总结.mp4142.77MB07-【04课】模型集成方法.mp4139.41MB06-【03课】深度学习模型搭建.mp4124.91MB05-【02课】树模型介绍与调参.mp4167.8MB04-【01课】赛题介绍+baseline详解（理论+实操）.mp4172.2MB03-打造舒适的AI开发环境--硬件篇.mp461.79MB02-打造舒适的AI开发环境--软件篇23.mp479.7MB01-打造舒适的AI开发环境--软件篇1.mp471.13MB10-【kaggle新赛】议论文评分大赛指导班（NLP·AES任务）
10-【07课】比赛复盘.mp477.52MB09-【06课】答疑.mp489.12MB08-【05课】往期类似比赛讲解.mp4274.31MB07-【04课】赛题trick讲解.mp4258.7MB06-【03课】赛题理论知识讲解.mp4199.15MB05-【02课】baseline基本讲解.mp4201.23MB04-【01课】赛题分析，EDA.mp4343.94MB03-打造舒适的AI开发环境--硬件篇.mp461.79MB02-打造舒适的AI开发环境--软件篇1.mp471.13MB01-打造舒适的AI开发环境--软件篇23.mp479.7MB09-【Kaggle新赛】HuBMAP+HPA多器官功能组织分割大赛指导班
10-【07课】复盘.mp4278.01MB09-【06课】理论知识补充.mp4239.54MB08-【05课】额外的新比赛往期方案讲解.mp4429.97MB07-【04课】额外的一个新比赛（待定）&肾小球答疑.mp4241.64MB06-【03课】往期肾小球比赛讲解.mp4210.48MB05-【02课】Baseline讲解.mp4282.74MB04-【01课】赛题介绍+kaggle平台学习+比赛数据探索性分析.mp4279.47MB03-打造舒适的AI开发环境--硬件篇.mp461.79MB02-打造舒适的AI开发环境--软件篇23.mp479.7MB01-打造舒适的AI开发环境--软件篇1.mp471.13MB08-【Kaggle练习赛】商品合格率预测大赛指导班
07-【04课】比赛tricks和过往类似比赛讲解.mp4146.28MB06-【03课】TabTranformer原理详解.mp4169.17MB05-【02课】机器学习经典树模型的介绍以及实战.mp4177.93MB04-【01课】赛题介绍+baseline详解（理论+实操）.mp4119.89MB03-打造舒适的AI开发环境--软件篇23.mp479.7MB02-打造舒适的AI开发环境--软件篇1.mp471.13MB01-打造舒适的AI开发环境--硬件篇.mp461.79MB07-【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）
09-【06课】比赛总结与直播答疑.mp4105.32MB08-【05课】历史视频比赛总结.mp4147.18MB07-【04课】多模型集成方法.mp4171.13MB06-【03课】数据扩增方法.mp4157.41MB05-【02课】视频分类与图像分类.mp4162.29MB04-【01课】赛题介绍+baseline详解.mp4201.26MB03-打造舒适的AI开发环境--硬件篇.mp461.79MB02-打造舒适的AI开发环境--软件篇23.mp479.7MB01-打造舒适的AI开发环境--软件篇1.mp471.13MB06-【kaggle新人赛】数据挖掘新人赛（机器学习·二分类任务）
07-【04课】数据挖掘比赛中的调参方法以及模型融合.mp4200.37MB06-【03课】数据挖掘比赛中的神经网络Baseline.mp4237.75MB05-【02课】数据挖掘比赛的基础Baseline.mp4262.18MB04-【01课】数据科学比赛介绍及Kaggle平台使用介绍.mp4218.82MB03-打造舒适的AI开发环境--硬件篇.mp461.79MB02-打造舒适的AI开发环境--软件篇23.mp479.7MB01-打造舒适的AI开发环境--软件篇1.mp471.13MB05-【CCFBDCI2022】小样本分类大赛指导班（nlp任务）
09-【06课】往期kaggle文本分类比赛回顾.mp4124.48MB08-【05课】模型训练技巧分享.mp4175.18MB07-【04课】NLP比赛提分技巧.mp4154.82MB06-【03课】小样本学习发展和应用.mp4161.81MB05-【02课】Bert预训练家族模型概览.mp4181.08MB04-【01课】赛题解析和baseline详解.mp4137.67MB03-打造舒适的AI开发环境--软件篇1.mp471.13MB02-打造舒适的AI开发环境--软件篇23.mp479.7MB01-打造舒适的AI开发环境--硬件篇.mp461.79MB04-【kaggle新赛】OpenProblems-单细胞变化预测大赛指导班（医疗数据挖掘）
06-【03课】可能的上分点.mp4152.41MB05-【02课】baseline代码介绍.mp4266.56MB04-【01课】数据EDA，题目分析.mp4140.54MB03-打造舒适的AI开发环境--软件篇23.mp479.7MB02-打造舒适的AI开发环境--软件篇1.mp471.13MB01-打造舒适的AI开发环境--硬件篇.mp461.79MB03-【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)
07-【04课】NLP比赛提分技巧-2.mp4147.14MB06-【03课】NLP比赛提分技巧-1.mp4143.32MB05-【02课】Bert预训练家族模型概览.mp4156.43MB04-【01课】赛题解析和baseline详解.mp4150.25MB03-打造舒适的AI开发环境--软件篇23.mp479.7MB02-打造舒适的AI开发环境--软件篇1.mp471.13MB01-打造舒适的AI开发环境--硬件篇.mp461.79MB02-【kaggle入门】“深享杯”kaggle入门赛（新手入门）
09-【06课】数据挖掘比赛中的Trick.mp4213.6MB08-【05课】数据挖掘中的文本信息的使用.mp4170.07MB07-【04课】pytorch实践-NCF实践.mp4389.82MB06-【03课】特征工程实践.mp4277.64MB05-【02课】数据挖掘比赛的基础Baseline.mp4348.24MB04-【01课】数据科学比赛介绍及Kaggle平台使用介绍.mp4268.48MB03-打造舒适的AI开发环境--硬件篇.mp461.79MB02-打造舒适的AI开发环境--软件篇23.mp479.7MB01-打造舒适的AI开发环境--软件篇1.mp471.13MB01-【kaggle新赛】酶稳定性预测大赛
07-【04课】基于XGBoost的baseline代码讲解.mp4162.03MB06-【03课】基于transformer的baseline代码讲解.mp4144.55MB05-【02课】基于3DCNN的baseline代码讲解.mp4259.27MB04-【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.mp4214MB03-打造舒适的AI开发环境--硬件篇.mp461.79MB02-打造舒适的AI开发环境--软件篇23.mp479.7MB02-打造舒适的AI开发环境--软件篇23(1).mp479.7MB01-打造舒适的AI开发环境--软件篇1.mp471.13MB
