黑马程序员·2022年人工智能AI进阶年度大课资源简介：

 人工智能是当前乃至未来时代热门的技术之一，已在全球范围内掀起了研究与学习热潮。人工智能连续四年成为大学最热门专业！！！

课程知识体系完备，从简明的python语言开始，到机器学习，再到AI的两大应用方向：计算机视觉（CV）和自然语言处理（NLP），几乎包含了当下AI就业市场的全部需求。

同时，课程学习曲线设计平滑，根据学习者对知识的消化吸收情况，循序渐进增强自身的AI技能。 能够熟练掌握Python开发的通用技术和框架，具备人工智能领域内机器学习，深度学习，计算机视觉和自然语言处理业务分析及开发的能力，同时培养学生使用AI算法构建业务流的能力和针对特定算法进行实用化、拓展化的再创新能力，从而足以胜任算法工程师等相关AI职位。百万年薪不是梦！！！

黑马程序员·2022年人工智能AI进阶年度大课目录

以下是来自百度网盘中的资源截屏，资源是真实存在的，如果购买的资源失效请联系客服获取

├──【 主学习路线】01、阶段一 人工智能Python基础

|   ├──1–第一章 计算机组成原理

|   |   └──1–计算机原理

|   ├──10–第十章 公共方法

|   |   ├──1–公共方法

|   |   └──2–推导式

|   ├──11–第十一章 函数

|   |   ├──1–函数介绍

|   |   ├──10–函数参数二

|   |   ├──11–拆包, 交换变量

|   |   ├──12–引用

|   |   ├──2–函数参数一

|   |   ├──3–函数返回值一

|   |   ├──4–函数文档说明

|   |   ├──5–函数嵌套

|   |   ├──6–局部变量

|   |   ├──7–全局变量

|   |   ├──8–函数执行流程

|   |   └──9–函数返回值二

|   ├──12–第十二章 函数强化

|   |   ├──1–函数应用学员管理系统

|   |   ├──2–课后练习(学员管理系统)

|   |   ├──3–递归函数

|   |   ├──4–匿名函数

|   |   └──5–高阶函数

|   ├──13–第十三章 文件操作

|   |   ├──1–文件操作介绍

|   |   ├──2–文件读写操作

|   |   ├──3–案例文件备份

|   |   └──4–文件及文件夹的相关操作

|   ├──14–第十四章 面向对象

|   |   ├──1–面向对象介绍

|   |   ├──10–私有属性和方法

|   |   ├──11–多态

|   |   ├──12–类属性及相关方法

|   |   ├──2–类和对象

|   |   ├──3–对象属性操作

|   |   ├──4–魔法方法

|   |   ├──5–案例烤地瓜

|   |   ├──6–案例 搬家具

|   |   ├──7–继承

|   |   ├──8–子类重写父类属性和方法

|   |   └──9–super方法使用

|   ├──15–第十五章 异常

|   |   ├──1–异常介绍

|   |   ├──2–捕获异常

|   |   ├──3–异常传递

|   |   └──4–自定义异常

|   ├──16–第十六章 模块

|   |   ├──1–模块介绍

|   |   ├──2–模块制作

|   |   └──3–python中的包

|   ├──17–第十七章 学生管理系统(面向对象版)

|   |   └──1–学生管理系统(面向对象)

|   ├──2–第二章 python基础语法

|   |   ├──1–课程介绍

|   |   ├──2–注释

|   |   ├──3–变量

|   |   ├──4–bug认识

|   |   ├──5–数据类型

|   |   ├──6–输出

|   |   ├──7–输入

|   |   ├──8–数据类型转换

|   |   └──9–运算符

|   ├──3–第三章 判断语句

|   |   ├──1–判断语句介绍

|   |   ├──2–if基本格式

|   |   ├──3–if…elif…else格式

|   |   ├──4–if嵌套

|   |   └──5–案例猜拳游戏

|   ├──4–第四章 循环语句

|   |   ├──1–循环语句介绍

|   |   ├──2–while循环

|   |   ├──3–循环应用

|   |   ├──4–break和continue

|   |   ├──5–while循环嵌套及应用

|   |   ├──6–for循环

|   |   └──7–循环else应用

|   ├──5–第五章 字符串

|   |   ├──1–字符串介绍

|   |   ├──2–输入输出

|   |   ├──3–切片

|   |   └──4–字符串操作方法

|   ├──6–第六章 列表

|   |   ├──1–列表相关操作

|   |   ├──2–列表循环遍历

|   |   └──3–列表嵌套

|   ├──7–第七章 元组

|   |   └──1–元组相关操作

|   ├──8–第八章 字典

|   |   ├──1–字典介绍

|   |   ├──2–字典的常见操作

|   |   └──3–字典遍历

|   └──9–第九章 集合

|   |   └──1–集合的相关操作

├──【 主学习路线】02、阶段二 人工智能Python高级

|   ├──1–第一章 Linux基础命令

|   |   ├──1–linux简介

|   |   └──2–linux相关命令

|   ├──10–第十章 MySqL数据库高级使用

|   |   ├──1–条件查询

|   |   ├──2–实战操作

|   |   ├──3–外键使用

|   |   ├──4–视图

|   |   ├──5–事务

|   |   ├──6–索引

|   |   ├──7–设计范式

|   |   └──8–PyMySQL的使用

|   ├──2–第二章 Linux高级命令

|   |   ├──1–linux高级操作

|   |   ├──2–远程控制

|   |   └──3–vim介绍

|   ├──3–第三章 多任务编程

|   |   ├──1–多任务介绍

|   |   ├──2–多进程介绍

|   |   ├──3–多线程介绍

|   |   ├──4–锁的介绍

|   |   └──5–进程和线程的对比

|   ├──4–第四章 网络编程

|   |   ├──1–ip和端口介绍

|   |   ├──2–TCP介绍

|   |   ├──3–TCP开发流程

|   |   └──4–多任务案例

|   ├──5–第五章 HTTP协议和静态服务器

|   |   ├──1–HTTP协议

|   |   └──2–静态web服务器搭建

|   ├──6–第六章 闭包,装饰器及python高级语法

|   |   ├──1–闭包

|   |   ├──2–装饰器

|   |   ├──3–property语法

|   |   ├──4–with语法

|   |   └──5–python高级语法

|   ├──7–第七章 正则表达式

|   |   └──1–正则表达式

|   ├──8–第八章 数据结构与算法

|   |   ├──1–算法概念

|   |   ├──10–选择排序

|   |   ├──11–插入排序

|   |   ├──12–快速排序

|   |   ├──13–二分查找

|   |   ├──14–二叉树

|   |   ├──15–二叉树的遍历

|   |   ├──2–时间复杂度

|   |   ├──3–空间复杂度

|   |   ├──4–数据结构

|   |   ├──5–顺序表

|   |   ├──6–链表

|   |   ├──7–栈

|   |   ├──8–队列

|   |   └──9–冒泡排序

|   └──9–第九章 MySql数据库基本使用

|   |   ├──1–数据库介绍

|   |   ├──2–数据表的基本操作

|   |   ├──3–where条件查询

|   |   └──4–排序

├──【 主学习路线】03、阶段三 人工智能机器学习

|   ├──1–第一章 机器学习概述V2.1

|   |   └──1–机器学习介绍

|   ├──10–第十章 决策树V2.1

|   |   ├──1–信息增益

|   |   ├──2–特征提取

|   |   ├──3–案例泰坦生存预测

|   |   └──4–回归决策树

|   ├──11–第十一章 集成学习V2.1

|   |   ├──1–集成介绍

|   |   ├──2–随机森林案例

|   |   └──3–集成学习

|   ├──12–第十二章 聚类算法V2.1

|   |   └──1–聚类算法

|   ├──13–第十三章 朴素贝叶斯V2.1

|   |   └──1–朴素贝叶斯

|   ├──14–第十四章 SVM算法V2.1

|   |   └──1–SVM算法

|   ├──15–第十五章 EM算法V2.1

|   |   └──1–EM算法

|   ├──16–第十六章 HMM算法V2.1

|   |   └──1–HMM算法

|   ├──17–第十七章 集成学习进阶V2.1

|   |   ├──1–XGBoost算法

|   |   ├──2–otto案例

|   |   ├──3–lightGBM算法

|   |   └──4–绝地求生案例

|   ├──2–第二章 环境安装和使用V2.1

|   |   └──1–环境安装及使用

|   ├──3–第三章 matplotlibV2.1

|   |   └──1–matplotlib使用

|   ├──4–第四章 numpyV2.1

|   |   └──1–numpy使用

|   ├──5–第五章 pandasV2.1

|   |   ├──1–pandas数据结构

|   |   ├──2–pandas基础使用

|   |   ├──3–pandas高级使用

|   |   └──4–电影案例分析

|   ├──6–第六章 seabornV2.1

|   |   ├──1–绘制统计图

|   |   ├──2–分类数据绘图

|   |   ├──3–NBA案例

|   |   └──4–北京租房数据统计分析

|   ├──7–第七章 K近邻算法V2.1

|   |   ├──1–k近邻算法介绍

|   |   ├──2–kd树

|   |   ├──3–数据集处理

|   |   ├──4–特征工程

|   |   ├──5–KNN总结

|   |   ├──6–交叉验证, 网格搜索

|   |   └──7–案例 Facebook位置预测

|   ├──8–第八章 线性回归V2.1

|   |   ├──1–回归介绍

|   |   ├──2–损失优化

|   |   └──3–回归相关知识

|   └──9–第九章 逻辑回归V2.1

|   |   ├──1–逻辑回归

|   |   ├──解压密码：666java.com

|   |   ├──高薪学习it网.url  0.05kb

|   |   ├──海量优质it资源.url  0.05kb

|   |   ├──看看我.zip  14.66M

|   |   ├──课程总结.mp4  14.73M

|   |   ├──面试合集.txt  0.18kb

|   |   ├──软件下载.txt  0.15kb

|   |   ├──下载必看.txt  0.16kb

|   |   └──资料2.zip  14.66M

├──【 主学习路线】04、阶段四 计算机视觉与图像处理

|   ├──1–第一章 课程简介_v2.0

|   |   ├──1–深度学习

|   |   └──2–计算机视觉（CV）

|   ├──10–第十章 图像特征提取与描述_v2.0

|   |   ├──1–角点特征

|   |   ├──2–Harris和Shi-Tomas算法

|   |   ├──3–SIFT

|   |   ├──4–Fast和ORB算法

|   |   └──5–LBP和HOG特征算子

|   ├──11–第十一章 视频操作_v2.0

|   |   ├──1–视频读写

|   |   └──2–视频追踪

|   ├──12–第十二章 案例人脸案例_v2.0

|   |   └──1–案例人脸案例

|   ├──2–第二章 tensorflow入门_v2.0

|   |   ├──1–tensorflow和keras简介

|   |   └──2–快速入门模型

|   ├──3–第三章 深度神经网络_v2.0

|   |   ├──1–神经网络简介

|   |   ├──2–常见的损失函数

|   |   ├──3–深度学习的优化方法

|   |   ├──4–深度学习的正则化

|   |   ├──5–神经网络案例

|   |   └──6–卷积神经网络CNN

|   ├──4–第四章 图像分类_v2.0

|   |   ├──1–图像分类简介

|   |   ├──2–AlexNet

|   |   ├──3–VGG

|   |   ├──4–GoogleNet

|   |   ├──5–ResNet

|   |   ├──6–图像增强方法

|   |   └──7–模型微调

|   ├──5–第五章 目标检测_v2.0

|   |   ├──1–目标检测概述

|   |   ├──2–R-CNN网络基础

|   |   ├──3–Faster-RCNN原理与实现

|   |   ├──4–yolo系列算法

|   |   ├──5–yoloV3案例

|   |   └──6–SSD模型介绍

|   ├──6–第六章 图像分割_v2.0

|   |   ├──1–目标分割介绍

|   |   ├──2–语义分割：FCN与Unet

|   |   ├──3–Unet-案例

|   |   └──4–实例分割：MaskRCNN

|   ├──7–第七章 OpenCV简介_v2.0

|   |   ├──1–图像处理简介

|   |   ├──2–OpenCV简介及安装方法

|   |   └──3–OpenCV的模块

|   ├──8–第八章 OpenCV基本操作_v.2.0

|   |   ├──1–图像的基础操作

|   |   └──2–算数操作

|   └──9–第九章 OpenCV图像处理_v2.0

|   |   ├──1–几何变换

|   |   ├──2–形态学操作

|   |   ├──3–图像平滑

|   |   ├──4–直方图

|   |   ├──5–边缘检测

|   |   ├──6–模版匹配和霍夫变换

|   |   └──7–轮廓检测

├──【 主学习路线】05、阶段五 NLP自然语言处理

|   └──【 主学习路线】05、阶段五 NLP自然语言处理.zip  20.86G

├──【 主学习路线】06、阶段六 人工智能项目实战

|   ├──1–第一章 智慧交通.zip  6.64G

|   ├──2–第二章 在线医生.zip  7.74G

|   ├──3–第三章 智能文本分类系统.zip  2.69G

|   └──4–第四章 实时人脸识别检测项目.zip  6.07G

├──【 主学习路线】07、阶段七 人工智能面试强化（赠送）

|   ├──1–第一章 自动编码器

|   |   ├──1–自动编码器历史与应用介绍

|   |   ├──2–构建自动编码器

|   |   ├──3–自动编码器改进技巧

|   |   └──4–变分自动编码器

|   ├──10–第十章 贝叶斯方法实现及粒子滤波

|   |   └──1–贝叶斯方法实现及粒子滤波

|   ├──11–第十一章 深度强化学习

|   |   ├──1–强化学习

|   |   ├──2–Q-learning算法

|   |   └──3–Deep Q-Network

|   ├──2–第二章 图像分割应用

|   |   └──1–图像分割应用介绍

|   ├──3–第三章 生成对抗学习

|   |   └──1–生成对抗学习

|   ├──4–第四章 算法进阶迁移学习

|   |   └──1–迁移学习介绍

|   ├──5–第五章 模型可解释

|   |   └──1–模型可解释

|   ├──6–第六章 模型压缩

|   |   └──1–模型压缩

|   ├──7–第七章 终生学习

|   |   └──1–终生学习

|   ├──8–第八章 算法进阶进化学习

|   |   └──1–进化学习

|   └──9–第九章 贝叶斯方法

|   |   └──1–贝叶斯方法

├──【课外拓展】01、阶段一 HR面试技巧

|   └──【课外拓展】01、阶段一 HR面试技巧.zip  1.94G

├──【课外拓展】02、阶段二 赠送-人脸支付

|   └──第一章 1-人脸支付

|   |   ├──0-1 项目背景介绍

|   |   ├──0-2 人脸检测子任务

|   |   ├──0-3 人脸姿态估计

|   |   ├──0-4 人脸多任务

|   |   ├──0-5 人脸识别

|   |   └──0-6 项目集成

├──【课外拓展】03、阶段三 赠送-文本摘要项目

|   └──第一章 1-文本摘要项目

|   |   ├──0-1 文本摘要项项目背景介绍

|   |   ├──0-10 模型的预测

|   |   ├──0-11 词向量的单独训练

|   |   ├──0-12 模型的优化

|   |   ├──0-13 PGN架构

|   |   ├──0-14 数据预处理

|   |   ├──0-15 PGN数据特殊性分析

|   |   ├──0-16 迭代器和类的实现

|   |   ├──0-17 PGN模型的搭建

|   |   ├──0-18 PGN模型训练

|   |   ├──0-19 PGN模型预测

|   |   ├──0-2 项目中的数据集初探

|   |   ├──0-20 评估方法介绍

|   |   ├──0-21 BLEU算法理论

|   |   ├──0-22 ROUGE算法理论

|   |   ├──0-23 ROUGE算法实现

|   |   ├──0-24 coverage机制原理

|   |   ├──0-25 coverage模型类实现

|   |   ├──0-26 coverage训练和预测

|   |   ├──0-27 Beam-search原理介绍

|   |   ├──0-28 Beam-search模型类实现

|   |   ├──0-29 TF-IDF算法原理和实现

|   |   ├──0-3 TextRank算法理论基础

|   |   ├──0-30 单词替换法的类实现

|   |   ├──0-31 单词替换法的训练和评估

|   |   ├──0-32 回译数据法实现和评估

|   |   ├──0-33 半监督学习法原理和实现

|   |   ├──0-34 训练策略原理和实现

|   |   ├──0-35 模型转移实现

|   |   ├──0-36 GPU优化原理和实现

|   |   ├──0-37 CPU优化原理和实现

|   |   ├──0-38 Flask实现模型部署

|   |   ├──0-4 TextRank算法实现模型

|   |   ├──0-5 seq2seq架构

|   |   ├──0-6 seq3seq架构

|   |   ├──0-7 工具函数的实现

|   |   ├──0-8 模型类的搭建

|   |   └──0-9 模型的训练

├──【课外拓展】04、阶段四 入学第一课

|   └──无课程相关内容

├──【课外拓展】05、阶段五 阶段一 python基础（更新）

|   ├──第二章 2-python面向对象

|   |   ├──0-1 类定义及类属性使用

|   |   ├──0-2 魔法方法

|   |   ├──0-3 案例-面向对象

|   |   ├──0-4 面向对象封装与继承

|   |   ├──0-5 面向对象多态

|   |   └──0-6 类属性方法

|   └──第一章 1-python基础编程

|   |   ├──0-1 python开发环境搭建

|   |   ├──0-10 循环else

|   |   ├──0-11 字符串定义切片

|   |   ├──0-12 字符串查找，替换，合并

|   |   ├──0-13 列表定义及使用

|   |   ├──0-14 元祖定义及使用

|   |   ├──0-15 字典定义及使用

|   |   ├──0-16 案例-学生管理系统（一）

|   |   ├──0-17 集合定义及使用

|   |   ├──0-18 公共方法与推导式

|   |   ├──0-19 函数基本使用

|   |   ├──0-2 Python注释与变量

|   |   ├──0-20 函数基本使用替代视频（04,05,06）

|   |   ├──0-21 函数作用域

|   |   ├──0-22 不定长参数与组包拆包

|   |   ├──0-23 案例-学生管理系统（二）

|   |   ├──0-24 基础加强练习

|   |   ├──0-25 可变类型及非可变类型

|   |   ├──0-26 递推

|   |   ├──0-27 递归

|   |   ├──0-28 lambda表达式

|   |   ├──0-29 文件基本操作

|   |   ├──0-3 Python数据类型

|   |   ├──0-30 文件操作案例

|   |   ├──0-31 案例-学生管理系统（三）

|   |   ├──0-32 python异常处理

|   |   ├──0-33 python模块与包

|   |   ├──0-34 案例-飞机大战

|   |   ├──0-4 Python格式化输出

|   |   ├──0-5 Python运算符

|   |   ├──0-6 Python分支语句

|   |   ├──0-7 while循环

|   |   ├──0-8 while循环案例

|   |   └──0-9 for循环及案例

├──【课外拓展】06、阶段六 阶段二 Python高级（更新）

|   ├──第二章 2-SQL基础

|   |   ├──0-1 数据库基础

|   |   ├──0-2 SQL语言基础

|   |   ├──0-3 SQL约束

|   |   ├──0-4 SQL聚合

|   |   ├──0-5 SQL多表查询

|   |   └──0-6 SQL高阶特性

|   ├──第三章 3-Python编程进阶

|   |   ├──0-1 函数的闭包

|   |   ├──0-10 进程

|   |   ├──0-11 线程

|   |   ├──0-12 进程线程对比

|   |   ├──0-13 With上下文管理器

|   |   ├──0-14 Python生成器

|   |   ├──0-15 Python中深浅拷贝

|   |   ├──0-16 Python中正则表达式

|   |   ├──0-17 正则表达式扩展

|   |   ├──0-18 FastAPI搭建Web服务器

|   |   ├──0-19 Python爬虫

|   |   ├──0-2 装饰器

|   |   ├──0-3 PyMySQL

|   |   ├──0-4 HTML基础

|   |   ├──0-5 CSS基础

|   |   ├──0-6 Socket网络编程

|   |   ├──0-7 TCP服务器开发

|   |   ├──0-8 静态Weeb服务器

|   |   └──0-9 FastAPI

|   └──第一章 1-Linux基础

|   |   ├──0-1 Linux基础

|   |   ├──0-2 Linux终端基本使用

|   |   ├──0-3 Linux常用命令(1)

|   |   └──0-4 Linux常用命令(2)

├──【课外拓展】07、阶段七 阶段三 机器学习（更新）

|   ├──第二章 2-机器学习算法进阶

|   |   ├──0-1 决策树算法

|   |   ├──0-2 朴素贝叶斯算法

|   |   ├──0-3 SVM算法

|   |   ├──0-4 聚类算法

|   |   ├──0-5 集成学习算法

|   |   └──0-6 机器学习算法回顾总结（有需要的同学可以看看）

|   └──第一章 1-机器学习基础算法

|   |   ├──0-1 人工智能原理基础

|   |   ├──0-2 KNN算法

|   |   ├──0-3 线性回归

|   |   └──0-4 逻辑回归

├──【课外拓展】08、阶段八 阶段四—深度学习基础补充视频

|   └──【课外拓展】08、阶段八 阶段四—深度学习基础补充视频.zip  1.83G

├──【课外拓展】09、阶段九 阶段五—NLP基础补充视频

|   ├──01-文本预处理-文本预处理-文本数据增强讲解.mp4  14.12M

|   ├──02-文本预处理-文本预处理-文本数据增强代码实现.mp4  14.17M

|   ├──03-文本预处理- 新闻主题分类任务-数据加载方式的增补代码解读.mp4  9.12M

|   ├──04-文本预处理-新闻主题分类任务-数据加载方式的增补文件补齐.mp4  5.40M

|   ├──05-RNN及其变体-RNN架构解析-注意力机制的增补内容概念.mp4  9.78M

|   ├──06-RNN及其变体-RNN架构解析-注意力机制的增补流程梳理.mp4  20.46M

|   ├──07-RNN及其变体-RNN架构解析-注意力机制的增补attention机制模型.mp4  34.58M

|   ├──08-RNN及其变体-RNN架构解析-注意力机制的增补attention公式讲解.mp4  21.86M

|   ├──09-RNN及其变体-RNN架构解析-注意力机制的增补attention应用场景.mp4  14.74M

|   ├──10-Transformer—新增案例机器翻译模型-1模型的介绍.mp4  57.15M

|   ├──11-Transformer—新增案例机器翻译模型-数据的下载和vocab构建.mp4  24.13M

|   ├──12-Transformer—新增案例机器翻译模型-3模型构建.mp4  31.48M

|   ├──13-Transformer—新增案例机器翻译模型-4掩码的构建.mp4  15.05M

|   ├──14-Transformer—新增案例机器翻译模型-5数据批处理.mp4  13.79M

|   ├──15-Transformer—新增案例机器翻译模型-6构建训练函数和评估函数.mp4  32.81M

|   ├──16-Transformer—新增案例机器翻译模型-7训练模型和定义解码函数.mp4  22.58M

|   ├──17-Transformer—新增案例机器翻译模型-8翻译函数的定义和9模型保存.mp4  13.30M

|   ├──18-迁移学习—迁移理论—加载和使用预训练模型全小节增补-1tokenizer加载.mp4  22.91M

|   ├──19-迁移学习—迁移理论—加载和使用预训练模型全小节增补-2加载带头和不带头的预训练模型.mp4  39.74M

|   ├──20-迁移学习—迁移理论—加载和使用预训练模型全小节增补-3加载不带头的模型输出结果.mp4  27.98M

|   ├──21-迁移学习—迁移理论—加载和使用预训练模型全小节增补-4加载语言模型头结果输出.mp4  25.83M

|   ├──22-迁移学习—迁移理论—加载和使用预训练模型全小节增补-5加载分类模型头结果输出.mp4  21.14M

|   ├──23-迁移学习—迁移理论—加载和使用预训练模型全小节增补-6加载问答模型头结果输出.mp4  45.77M

|   ├──24-迁移学习—迁移理论—迁移学习实践增补内容-模型上传.mp4  52.62M

|   ├──25-迁移学习—迁移理论—迁移学习实践增补内容-模型上传后加载使用.mp4  29.35M

|   └──26-虚拟机的使用.mp4  14.09M

├──【课外拓展】10、阶段十 CV基础+项目（更新）

|   └──【课外拓展】10、阶段十 CV基础+项目（更新）.zip  20.49G

└──人工智能课件

|   ├──01-阶段1-3（python基础 、python高级、机器学习）

|   |   ├──02-虚拟机环境

|   |   ├──01-Python+机器学习课程环境使用说明(1).pdf  3.78M

|   |   ├──01-阶段1-3（python基础 、python高级、机器学习）.zip  2.22G

|   |   ├──AI虚拟机使用常见问题汇总(1).pdf  646.33kb

|   |   └──Azure机器学习模型搭建实验(1).doc  1.70M

|   ├──02-阶段4 （计算机视觉CV) 阶段6 （CV项目）

|   |   ├──02-虚拟机环境

|   |   └──02-阶段4 （计算机视觉CV) 阶段6 （CV项目）.zip  439.07M

|   ├──03-阶段5（自然语言处理NLP）、阶段6（NLP项目）

|   |   ├──02-NLP虚拟机环境

|   |   └──03-阶段5（自然语言处理NLP）、阶段6（NLP项目）.zip  10.50G

|   ├──阶段测试题

|   |   ├──阶段1—测试

|   |   ├──阶段2—测试

|   |   ├──阶段3—测试

|   |   ├──阶段4—测试

|   |   ├──阶段5—测试

|   |   └──.DS_Store  6.00kb

|   ├──Iris数据集

|   |   ├──iris.csv  4.86kb

|   |   └──iris.txt  4.85kb

|   ├──01-计算机视觉CV课程环境使用说明文档.pdf  3.59M

|   └──机器学习梳理总结xmind.zip  8.61M