极客时间-NLP 实战高手课
- file:137丨PPO算法.mp4
- file:152丨Kubernetes自动扩容.mp4
- file:109丨Q-learning:如何进行Q-learning算法的推导?.mp4
- file:129丨IMPALA:多Agent的Actor-Critic算法.mp4
- file:127丨多代理增强学习概述:什么是多代理增强学习?.mp4
- file:128丨AlphaStar介绍:AlphaStar中采取了哪些技术?.mp4
- file:131丨多模态表示学习简介.mp4
- file:113丨Gumbel-trick:如何将离散的优化改变为连续的优化问题?.mp4
- file:146丨文本校对案例学习.mp4
- file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
- file:108丨最短路问题和DijkstraAlgorithm.mp4
- file:141丨增强学习中的探索问题.mp4
- file:111丨PolicyGradient:如何进行PolicyGradient的基本推导?.mp4
- file:117丨AutoML及NeuralArchitectureSearch简介.mp4
- file:139丨解决SparseReward的一些方法.mp4
- file:103丨LambdaCaculus概述.mp4
- file:145丨Quora问题等价性案例学习:深度学习模型.mp4
- file:115丨DirectPolictyGradient:基本设定及Gumbel-trick的使用116丨DirectPolictyGradient:轨迹生成方法.mp4
- file:112丨A2C和A3C:如何提升基本的PolicyGradient算法.mp4
- file:158丨Istio简介:Istio包含哪些功能?.mp4
- file:149丨Docker部署实践.mp4
- file:121丨层次搜索法:如何在模块之间进行搜索?.mp4
- file:130丨COMAAgent之间的交流.mp4
- file:105丨InductiveLogicProgramming:基本设定.mp4
- file:101丨ASDL和AST.mp4
- file:132丨知识蒸馏:如何加速神经网络推理.mp4
- file:70丨重新审视Word Embedding:Negative Sampling和Contextual Embedding71丨深度迁移学习模型:从ELMo到BERT.mp4
- file:98丨树神经网络:如何采用TreeLSTM和其它拓展方法?.mp4
- file:54丨神经网络的构建:Memory.mp4
- file:99丨SemanticParsing基础:SemanticParsing的任务是什么?.mp4
- file:75丨深度迁移学习模型的微调:TensorFlowBERT代码简析.mp4
- file:65丨图嵌入:如何将图关系纳入模型?.mp4
- file:89丨多任务训练:如何利用多任务训练来提升效果?.mp4
- file:92丨半监督学习:如何让没有标注的数据也派上用场?.mp4
- file:73丨深度迁移学习模型:ALBERT和ELECTRA.mp4
- file:85丨长文本分类:截取、关键词拼接和预测平均.mp4
- file:87丨其他Embedding的训练:还有哪些Embedding方法?.mp4
- file:67丨模型融合基础:如何让你所学到的模型方法一起发挥作用?.mp4
- file:79丨多重loss的方式:如何使用多重loss来提高模型准确率?.mp4
- file:80丨数据扩充的基本方法:如何从少部分数据中扩充更多的数据并避免过拟合?.mp4
- file:81丨UDA:一种系统的数据扩充框架.mp4
- file:76丨深度迁移学习的微调:如何利用PyTorch实现深度迁移学习模型的微调及代码简析.mp4
- file:95丨Stanza使用.mp4
- file:66丨图网络简介:如何在图结构的基础上建立神经网络?.mp4
- file:53丨神经网络的构建:GatingMechanism和Attention.mp4
- file:59丨神经网络的训练:新的PyTorch训练框架.mp4
- file:51丨健康检查:与Liveness、Readiness、Startup探测集成实现高可用.mp4
- file:62丨xDeepFM:如何用神经网络处理高维的特征?.mp4
- file:61丨Transformer代码实现剖析.mp4
- file:60丨Transformer:如何通过Transformer榨取重要变量?.mp4
- file:91丨Few-shotLearning:是否有更好的利用不同任务的方法?.mp4
- file:94丨依存分析和UniversalDepdencyRelattions.mp4
- file:32丨Pandas 简介:如何使用Pandas对数据进行处理?.mp4
- file:17丨神经网络基础:神经网络还是复合函数.mp4
- file:28丨文本分类实践:如何进行简单的文本分类?.mp4
- file:36丨半自动特征构建方法:连续变量的离散化.mp4
- file:34丨半自动特征构建方法:Target Mean Encoding.mp4
- file:12丨深度学习与硬件:TPU.mp4
- file:13丨AI项目部署:基本原则.mp4
- file:06丨NLP应用:智能问答系统.mp4
- file:04丨AI项目流程:从实验到落地.mp4
- file:42丨降维方法:PCA、NMF 和 tSNE.mp4
- file:09丨深度学习框架:选择合适的深度学习框架?10丨深度学习与硬件:CPU.mp4
- file:03丨AI概览:宣传片外的人工智能.mp4
- file:02丨内容综述.mp4
- file:33丨Matplotlib 简介:如何进行简单的可视化分析?.mp4
- file:20丨Embedding简介.mp4
- file:22丨RNN简介:RNN和LSTM.mp4
- file:48丨集成树模型:LightGBM简介.mp4
- file:27丨PyTorch简介:如何构造神经网络?.mp4
- file:24丨环境部署:如何构建简单的深度学习环境?.mp4
- file:26丨PyTorch简介:如何构造Dataset和DataLoader?.mp4
- file:31丨表格化数据挖掘基本流程:看看现在的数据挖掘都是怎么做的?.mp4
- file:44丨降维方法:Variational Auto Encoder.mp4
- folder:极客时间-NLP 实战高手课
- folder:51-99
分享时间 | 2025-07-27 |
---|---|
入库时间 | 2025-08-02 |
状态检测 | 有效 |
资源类型 | QUARK |
分享用户 | 喂喂*分享 |
资源有问题?点此举报