包含三套精选课程，涵盖多种技术领域，适合不同层次的开发者学习。
课程简介
梗直哥精选课程包，为您提供了三套高质量的技术课程，内容丰富，涵盖前端、后端、数据库等多个技术领域。
课程亮点
- 系统化学习：课程内容结构清晰，适合系统学习。
- 实战导向：课程注重实战，帮助学员快速提升技能。
- 适合人群广泛：无论您是初学者还是有经验的开发者，都能在这些课程中找到适合自己的内容。
适用场景
这些课程非常适合以下场景：
- 想要提升技术能力的开发者。
- 正在学习新技术的初学者。
- 需要系统学习特定技术领域的专业人士。
📂 资源目录
📁 梗直哥–强化学习必修课：引领智能新时代
梗直哥–强化学习必修课：引领智能新时代必看.zip [1.8 MB]
3_8-3-策略梯度方法代码实现.mp4 [19.4 MB]
2_7-2-DQN-代码实现.mp4 [35.8 MB]
4_8-4-近端策略优化算法.mp4 [36.2 MB]
1_2-1-线性代数.mp4 [26.9 MB]
1_1-1-课程内容和理念.mp4 [59.0 MB]
4_11-4-MADDP的代码实现.mp4 [45.1 MB]
4_12-4-下一步的学习建议.mp4 [33.3 MB]
8_4-8-马尔可夫过程代码实现.mp4 [40.2 MB]
5_8-5-近端策略优化（PPO）代码实现.mp4 [34.6 MB]
4_7-4-DQN改进算法代码实现.mp4 [31.0 MB]
2_11-2-博弈论与强化学习.mp4 [64.7 MB]
1_4-1-序列建模与概率图模型.mp4 [38.1 MB]
1_5-1-动态回归核心思想和原理.mp4 [30.9 MB]
5_4-5-贝尔曼方程：迭代求解价值函数.mp4 [30.6 MB]
5_10-5-MBPO的代码实现.mp4 [53.8 MB]
1_11-1模仿学习.mp4 [48.4 MB]
6_11-6-基于人类反馈大强化学习.mp4 [47.1 MB]
3_9-3-演员评论家算法代码实现.mp4 [19.7 MB]
2_4-2-马尔可夫观测过程：学会“看”.mp4 [40.9 MB]
2_8-2-蒙特卡洛策略梯度.mp4 [24.2 MB]
3_4-3-马尔可夫决策过程：试着-“干”.mp4 [29.6 MB]
1_7-1-深度Q网络核心思想和原理.mp4 [44.7 MB]
6_9-6-软性演员评论家算法.mp4 [38.6 MB]
5_11-5-AlphaStar系统.mp4 [82.4 MB]
5_3-5-深度学习库PyTorch的安装.mp4 [9.2 MB]
4_5-4-动态规划代码实现.mp4 [43.5 MB]
2_10-2-Dyna-Q算法.mp4 [44.6 MB]
2_2-2-微积分.mp4 [30.0 MB]
3_10-3-Dyna-Q算法代码实现.mp4 [17.7 MB]
7_6-7-Q-Learning&SARSA代码实现.mp4 [23.8 MB]
2_5-2-策略迭代.mp4 [40.0 MB]
4_3-4-仿真环境Gym安装.mp4 [19.0 MB]
3_2-3-概率.mp4 [46.6 MB]
4_9-4-深度确定性策略梯度.mp4 [30.3 MB]
2_1-2-认识强化学习.mp4 [53.8 MB]
2_12-2-项目实战：大模型RLHF.mp4 [31.4 MB]
5_9-5-DDPG算法代码实现.mp4 [22.5 MB]
1_12-1-项目实战：Gym游戏.mp4 [51.4 MB]
3_6-3-蒙特卡洛方法和时序差分代码实现.mp4 [22.8 MB]
1_8-1-策略梯度核心思想和原理.mp4 [44.2 MB]
2_3-2-conda使用命令.mp4 [11.9 MB]
5_6-5-Q-Learning算法.mp4 [32.3 MB]
4_6-4-广义策略迭代.mp4 [19.6 MB]
7_9-7-SAC代码实现.mp4 [35.1 MB]
3_3-3-Jupyter-Notebook快速上手.mp4 [14.1 MB]
6_4-6-模型分类与选择.mp4 [30.8 MB]
4_10-4-基于模型的策略优化.mp4 [19.7 MB]
1_6-1-蒙特卡洛方法.mp4 [32.5 MB]
3_1-3-课程使用的技术栈.mp4 [12.0 MB]
3_7-3-常见问题改进和扩展.mp4 [27.5 MB]
2_6-2-时序差分方法.mp4 [34.2 MB]
1_3-1-CUDA+Anaconda深度学习环境配置.mp4 [18.7 MB]
4_4-4-马尔可夫奖励过程：懂得“想”.mp4 [49.4 MB]
3_11-3-多智能体强化学习.mp4 [44.4 MB]
3_5-3-价值迭代.mp4 [19.2 MB]
1_10-1-基于模型的强化学习核心思想和原理.mp4 [48.0 MB]
2_9-2-改进型演员评论家算法.mp4 [23.0 MB]
7_4-7-常见问题解析.mp4 [21.7 MB]
6_6-6-SARSA算法.mp4 [20.8 MB]
3_12-3-强化学习最新发展趋势.mp4 [65.6 MB]
1_9-1-演员评论家算法核心思想和原理.mp4 [20.1 MB]
📁 梗直哥–深度学习必修课：进击算法工程师
梗直哥–深度学习必修课：进击算法工程师必看.zip [1.8 MB]
030.6-4 梯度下降.mp4 [31.6 MB]
092.15-3 预训练模型.mp4 [55.0 MB]
024.5-6 Dropout代码实现.mp4 [17.3 MB]
073.12-1BERT模型.mp4 [50.2 MB]
079.13-1 蒙特卡洛方法.mp4 [28.5 MB]
026.5-8 模型文件的读写.mp4 [16.5 MB]
044.7-6 卷积神经网络代码实现（LeNet）.mp4 [27.2 MB]
067.11-2 注意力的计算.mp4 [57.5 MB]
022.5-4 正则化.mp4 [42.2 MB]
002.1-2 初识深度学习.mp4 [52.9 MB]
006.2-3 概率.mp4 [59.2 MB]
051.9-1 序列建模.mp4 [30.3 MB]
019.5-1 训练的常见问题.mp4 [33.8 MB]
004.2-1 线性代数.mp4 [56.4 MB]
007.3-1 CUDA+Anaconda深度学习环境搭建.mp4 [20.9 MB]
061.10-5 复杂循环神经网络代码实现.mp4 [35.8 MB]
011.4-1 神经网络原理.mp4 [44.8 MB]
023.5-5 Dropout.mp4 [32.1 MB]
008.3-2 conda实用命令.mp4 [13.0 MB]
018.4-8 多分类问题代码实现.mp4 [42.8 MB]
081.13-3 变分自编码器.mp4 [56.2 MB]
003.1-3 课程使用的技术栈.mp4 [12.7 MB]
075.12-3 T5模型.mp4 [37.8 MB]
074.12-2 GPT系列模型.mp4 [79.6 MB]
047.8-3 批量规范化.mp4 [23.6 MB]
063.10-7 序列到序列模型代码实现.mp4 [33.0 MB]
015.4-5 回归问题.mp4 [35.6 MB]
036.6-10 Adam算法.mp4 [47.1 MB]
086.14-2 图像数据增强.mp4 [33.4 MB]
046.8-2 VGGNet.mp4 [47.7 MB]
010.3-4 深度学习库PyTorch安装.mp4 [9.0 MB]
071.11-6 Transformer模型.mp4 [43.9 MB]
055.9-5 循环神经网络代码实现.mp4 [27.8 MB]
070.11-5 注意力池化及代码实现.mp4 [29.6 MB]
016.4-6 线性回归代码实现.mp4 [23.1 MB]
052.9-2 文本数据预处理.mp4 [60.0 MB]
060.10-4 长短期记忆网络.mp4 [43.1 MB]
080.13-2 变分推断.mp4 [40.8 MB]
043.7-5 池化层Pooling.mp4 [33.6 MB]
014.4-4 多层感知机代码实现.mp4 [29.3 MB]
088.14-4 经典视觉数据集.mp4 [37.3 MB]
089.14-5 项目实战：猫狗大战.mp4 [64.1 MB]
020.5-2 过拟合欠拟合应对策略.mp4 [41.2 MB]
017.4-7 分类问题.mp4 [23.0 MB]
078.12-6 GPT模型代码实现.mp4 [38.0 MB]
040.7-2 图像卷积.mp4 [34.8 MB]
097.16-2 CLIP模型.mp4 [37.7 MB]
072.11-7 Transformer代码实现.mp4 [38.0 MB]
025.5-7 梯度消失和梯度爆炸.mp4 [47.2 MB]
082.13-4 生成对抗网络.mp4 [39.9 MB]
057.10-1 深度循环神经网络.mp4 [24.2 MB]
001.1-1 课程内容和理念.mp4 [52.2 MB]
035.6-9 RMSProp_Adadelta算法.mp4 [15.9 MB]
038.6-12 学习率调节器.mp4 [27.9 MB]
054.9-4 随时间反向传播算法.mp4 [43.9 MB]
087.14-3 迁移学习.mp4 [31.8 MB]
053.9-3 循环神经网络.mp4 [48.2 MB]
009.3-3 Jupyter Notebook快速上手.mp4 [15.5 MB]
100.16-5 下一步学习的建议.mp4 [18.5 MB]
094.15-5 经典NLP数据集.mp4 [36.4 MB]
034.6-8 AdaGrad算法.mp4 [24.8 MB]
064.10-8 束搜索算法.mp4 [25.7 MB]
032.6-6 小批量梯度下降法.mp4 [32.0 MB]
056.9-6 RNN的长期依赖问题.mp4 [37.7 MB]
021.5-3 过拟合和欠拟合示例.mp4 [22.4 MB]
005.2-2 微积分.mp4 [49.0 MB]
062.10-6 编码器-解码器网络.mp4 [41.1 MB]
048.8-4 GoogLeNet.mp4 [41.0 MB]
065.10-9 机器翻译简单代码实现.mp4 [39.3 MB]
077.12-5 Swin Transformer模型.mp4 [54.9 MB]
013.4-3 前向传播和反向传播.mp4 [39.5 MB]
012.4-2 多层感知机.mp4 [47.3 MB]
099.16-4 深度学习最新发展趋势分析.mp4 [37.0 MB]
095.15-6 项目实战：电影评论情感分析.mp4 [35.7 MB]
042.7-4 卷积层常见操作.mp4 [35.2 MB]
033.6-7 动量法.mp4 [25.0 MB]
076.12-4 ViT模型.mp4 [31.0 MB]
085.14-1 自定义数据加载.mp4 [48.7 MB]
027.6-1 最优化与深度学习.mp4 [48.0 MB]
028.6-2 损失函数.mp4 [42.8 MB]
041.7-3 卷积层.mp4 [44.8 MB]
037.6-11 梯度下降代码实现.mp4 [30.9 MB]
090.15-1 词嵌入和word2vec.mp4 [33.3 MB]
066.11-1 什么是注意力机制.mp4 [43.4 MB]
083.13-5 Diffusion扩散模型.mp4 [77.6 MB]
068.11-3 键值对注意力和多头注意力.mp4 [24.1 MB]
091.15-2 词义搜索和句意表示.mp4 [44.8 MB]
098.16-3 DALL-E模型.mp4 [54.3 MB]
093.15-4 Hugging Face库介绍.mp4 [36.4 MB]
050.8-6 DenseNet.mp4 [58.5 MB]
059.10-3 门控循环单元.mp4 [28.6 MB]
084.13-6 图像生成.mp4 [56.1 MB]
096.16-1 InstructGPT模型.mp4 [77.0 MB]
069.11-4 自注意力机制.mp4 [30.2 MB]
031.6-5 随机梯度下降法.mp4 [20.6 MB]
045.8-1 AlexNet.mp4 [49.6 MB]
029.6-3 损失函数性质.mp4 [29.2 MB]
039.7-1 全连接层问题.mp4 [38.5 MB]
049.8-5 ResNet.mp4 [65.0 MB]
📁 梗直哥-【机器学习必修课：经典算法与Python实战】
梗直哥-【机器学习必修课：经典算法与Python实战】说明.png [493.5 KB]
04-9KNN优缺点和适用条件.mp4 [20.9 MB]
03-12Numpy数组arg运算和排序.mp4 [18.4 MB]
15-5如何深入研究机器学习.mp4 [11.5 MB]
04-4数据集划分：训练集与预测集.mp4 [31.7 MB]
05-9多分类策略.mp4 [8.7 MB]
03-9Numpy非常重要的数组合并与拆分操作.mp4 [18.7 MB]
01-1课程内容和理念.mp4 [60.9 MB]
05-11线性算法优缺点和适用条件.mp4 [21.6 MB]
12-1本章总览.mp4 [9.9 MB]
11-4并行策略：Bagging、OOB等方法.mp4 [38.8 MB]
04-6超参数.mp4 [30.3 MB]
07-6决策树剪枝.mp4 [26.0 MB]
15-3房价预测.mp4 [67.2 MB]
10-3朴素贝叶斯分类.mp4 [20.3 MB]
03-5JupyterNotebook高级使用：常用魔法命令.mp4 [15.0 MB]
13-4PCA算法代码实现.mp4 [15.2 MB]
09-3硬间隔SVM.mp4 [33.1 MB]
11-2集成学习核心思想和原理.mp4 [20.0 MB]
03-3Anaconda命令行操作.mp4 [18.9 MB]
05-5模型评价：MSE、RMSE、MAE和R方.mp4 [29.1 MB]
10-2贝叶斯方法核心思想和原理.mp4 [32.0 MB]
11-1本章总览.mp4 [14.6 MB]
05-3逻辑回归核心思想和原理.mp4 [25.4 MB]
11-3集成学习代码实现.mp4 [24.4 MB]
12-2聚类算法核心思想和原理.mp4 [16.3 MB]
08-7梯度消失和梯度爆炸.mp4 [28.5 MB]
04-1本章总览.mp4 [12.1 MB]
01-2初识机器学习.mp4 [36.9 MB]
04-2KNN算法核心思想和原理.mp4 [39.4 MB]
02-1本章总览.mp4 [7.9 MB]
03-6Numpy基础：安装与性能对比.mp4 [15.5 MB]
06-8模型误差.mp4 [42.8 MB]
08-5梯度下降优化算法.mp4 [36.8 MB]
03-8Numpy数组基础索引：索引和切片.mp4 [16.8 MB]
09-2SVM核心思想和原理.mp4 [15.7 MB]
05-7逻辑回归算法.mp4 [21.8 MB]
03-1本章总览：相互关系与学习路线.mp4 [9.2 MB]
09-1本章总览.mp4 [35.6 MB]
11-5并行策略：随机森林.mp4 [17.6 MB]
06-10LASSO和岭回归代码实现.mp4 [23.9 MB]
06-7交叉验证.mp4 [23.9 MB]
03-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4 [33.0 MB]
10-1本章总览.mp4 [22.4 MB]
12-6聚类算法优缺点和适用条件.mp4 [19.7 MB]
05-6多项式回归代码实现.mp4 [19.7 MB]
10-4朴素贝叶斯的代码实现.mp4 [27.2 MB]
03-2Anaconda图形化操作.mp4 [15.9 MB]
05-4线性回归代码实现.mp4 [28.0 MB]
11-6串行策略：Boosting.mp4 [27.4 MB]
08-3激活函数.mp4 [36.1 MB]
06-4决策边界.mp4 [25.3 MB]
12-4聚类算法代码实现.mp4 [21.9 MB]
07-2决策树核心思想和原理.mp4 [22.7 MB]
07-3信息熵.mp4 [39.7 MB]
07-5基尼系数.mp4 [19.6 MB]
15-4交易反欺诈代码实现.mp4 [35.9 MB]
04-5模型评价.mp4 [33.8 MB]
07-8决策树优缺点和适用条件.mp4 [16.5 MB]
05-1本章总览.mp4 [14.5 MB]
02-5机器学习的七大常见误区和局限.mp4 [35.1 MB]
05-2线性回归核心思想和原理.mp4 [40.3 MB]
06-13评价指标：ROC曲线.mp4 [33.8 MB]
13-1本章总览.mp4 [17.3 MB]
13-8主成分分析优缺点和适用条件.mp4 [9.5 MB]
13-2PCA核心思想和原理.mp4 [25.4 MB]
14-2概率图模型核心思想和原理.mp4 [52.8 MB]
08-9神经网络优缺点和适用条件.mp4 [20.2 MB]
13-5降维任务代码实现.mp4 [23.6 MB]
05-10复杂逻辑回归及代码实现.mp4 [18.0 MB]
14-4隐马尔可夫模型代码实现.mp4 [43.0 MB]
04-8KNN回归任务代码实现.mp4 [29.5 MB]
09-7SVM核函数.mp4 [21.9 MB]
11-7结合策略：Stacking方法.mp4 [13.3 MB]
02-2数据长什么样：常见数据集、典型实例、如何使用.mp4 [35.3 MB]
10-5多项式朴素贝叶斯代码实现.mp4 [23.6 MB]
02-4如何分门别类：监督、无监督、强化学习等.mp4 [29.3 MB]
03-14Matplotlib数据可视化：基础绘制与设置.mp4 [23.0 MB]
13-6PCA在数据降噪中的应用.mp4 [13.8 MB]
09-5线性SVM分类任务代码实现.mp4 [17.9 MB]
15-1本章总览.mp4 [8.5 MB]
07-1本章总览.mp4 [14.4 MB]
02-3研究哪些问题：分类、回归等.mp4 [40.0 MB]
14-5概率图模型优缺点和适用条件.mp4 [11.6 MB]
15-2泰坦尼克生还预测.mp4 [62.0 MB]
04-7特征归一化.mp4 [27.8 MB]
03-4JupyterNotebook基础使用.mp4 [19.8 MB]
06-3梯度下降.mp4 [35.7 MB]
06-9正则化.mp4 [45.0 MB]
10-6贝叶斯方法优缺点和适用条件.mp4 [25.5 MB]
09-4SVM软间隔.mp4 [25.5 MB]
06-12评价指标：混淆矩阵、精准率和召回率.mp4 [36.5 MB]
12-3k-means和分层聚类.mp4 [22.8 MB]
08-4正向传播与反向传播.mp4 [23.4 MB]
09-8非线性SVM代码实现.mp4 [22.9 MB]
08-8模型选择.mp4 [39.7 MB]
06-5过拟合与欠拟合.mp4 [25.1 MB]
03-13Numpy数组神奇索引和布尔索引.mp4 [23.7 MB]
06-11模型泛化.mp4 [24.6 MB]
08-2神经网络核心思想和原理.mp4 [56.4 MB]