极客时间-NLP 实战高手课网盘资源 | 影盘社

file:145丨Quora问题等价性案例学习:深度学习模型.mp4
file:155丨Kubernetes健康检查.mp4
file:124丨Learning to optimize:是否可以让机器学到一个新的优化器.mp4
file:100丨WikiSQL任务简介.mp4
file:134丨文本推荐系统和增强学习.mp4
file:125丨遗传算法和增强学习的结合.mp4
file:132丨知识蒸馏:如何加速神经网络推理.mp4
file:142丨Model-basedReinforcementLearning.mp4
file:112丨A2C和A3C:如何提升基本的PolicyGradient算法.mp4
file:123丨超参数搜索:如何寻找算法的超参数.mp4
file:109丨Q-learning:如何进行Q-learning算法的推导?.mp4
file:114丨MCTS简介:如何将“推理”引入到强化学习框架中.mp4
file:159丨Istio实例和Circuit Breaker.mp4
file:126丨使用增强学习改进组合优化的算法.mp4
file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
file:135丨RL训练方法集锦:简介.mp4
file:122丨LeNAS:如何搜索搜索space.mp4
file:160丨结束语.mp4
file:118丨AutoML网络架构举例.mp4
file:148丨Docker简介.mp4
file:111丨PolicyGradient:如何进行PolicyGradient的基本推导?.mp4
file:129丨IMPALA:多Agent的Actor-Critic算法.mp4
file:117丨AutoML及NeuralArchitectureSearch简介.mp4
file:141丨增强学习中的探索问题.mp4
file:133丨DeepGBM:如何用神经网络捕捉集成树模型的知识.mp4
file:157丨Kubernetes Stateful Sets.mp4
file:108丨最短路问题和DijkstraAlgorithm.mp4
file:105丨InductiveLogicProgramming:基本设定.mp4
file:98丨树神经网络:如何采用TreeLSTM和其它拓展方法?.mp4
file:69丨挖掘自然语言中的人工特征:如何用传统的特征解决问题?.mp4
file:78丨优化器:Lookahead,Radam和Lamb.mp4
file:91丨Few-shotLearning:是否有更好的利用不同任务的方法?.mp4
file:95丨Stanza使用.mp4
file:87丨其他Embedding的训练:还有哪些Embedding方法?.mp4
file:60丨Transformer:如何通过Transformer榨取重要变量?.mp4
file:81丨UDA:一种系统的数据扩充框架.mp4
file:74丨深度迁移学习模型的微调:如何使用TensorFlow在TPU对模型进行微调.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:57丨神经网络的训练:初始化.mp4
file:94丨依存分析和UniversalDepdencyRelattions.mp4
file:90丨DomainAdaptation:如何利用其它有标注语料来提升效果?.mp4
file:51丨健康检查:与Liveness,Readiness,Startup探测集成实现高可用.mp4
file:86丨VirtualAdverserialTraining:如何减少一般对抗训练难收敛的问题并提高结果的鲁棒性?.mp4
file:55丨神经网络的构建:ActivationFunction.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:96丨ShiftReduce算法.mp4
file:63丨xDeepFM的代码解析.mp4
file:82丨LabelSmoothing和LogitSqueezing.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:88丨训练预语言模型.mp4
file:85丨长文本分类:截取,关键词拼接和预测平均.mp4
file:73丨深度迁移学习模型:ALBERT和ELECTRA.mp4
file:99丨SemanticParsing基础:SemanticParsing的任务是什么?.mp4
file:62丨xDeepFM:如何用神经网络处理高维的特征?.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:26丨PyTorch简介:如何构造Dataset和DataLoader?.mp4
file:08丨NLP的学习方法:如何在AI爆炸时代快速上手学习?.mp4
file:27丨PyTorch简介:如何构造神经网络?.mp4
file:41丨自动特征构建方法:Symbolic learning和AutoCross简介.mp4
file:14丨AI项目部署:框架选择.mp4
file:28丨文本分类实践:如何进行简单的文本分类?.mp4
file:19丨神经网络基础:神经网络的基础构成.mp4
file:20丨Embedding简介.mp4
file:24丨环境部署:如何构建简单的深度学习环境?.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:39丨半自动特征构建方法:连续变量的转换.mp4
file:42丨降维方法:PCA,NMF 和 tSNE.mp4
file:50神经网络建模:如何让神经网络实现你的数据挖掘需求 51神经网络的构建:ResidualConnection和DenseConnection.mp4
file:01丨课程介绍.mp4
file:05丨NLP领域简介:NLP基本任务及研究方向.mp4
file:32丨Pandas 简介:如何使用Pandas对数据进行处理?.mp4
file:33丨Matplotlib 简介:如何进行简单的可视化分析?.mp4
file:49丨集成树模型:CatBoost和NGBoost简介.mp4
file:09深度学习框架:选择合适的深度学习框架?10深度学习与硬件:CPU.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:45丨变量选择方法.mp4
file:44丨降维方法:Variational Auto Encoder.mp4
file:22丨RNN简介:RNN和LSTM.mp4
folder:极客时间-NLP 实战高手课
folder:51-99

分享时间

2026-01-14

入库时间

2026-01-19

资源类型

夸克网盘

分享用户

喜形*色的菠萝

扫码获取资源

进入网盘

分享资源