极客时间-NLP 实战高手课网盘资源 | 影盘社

file:136丨RL训练方法RL实验的注意事项.mp4
file:137丨PPO算法.mp4
file:158丨Istio简介:Istio包含哪些功能?.mp4
file:119丨RENAS:如何使用遗传算法和增强学习探索网络架构.mp4
file:128丨AlphaStar介绍:AlphaStar中采取了哪些技术?.mp4
file:146丨文本校对案例学习.mp4
file:115DirectPolictyGradient:基本设定及Gumbel-trick的使用116DirectPolictyGradient:轨迹生成方法.mp4
file:144丨Quora问题等价性案例学习:预处理和人工特征.mp4
file:108丨最短路问题和DijkstraAlgorithm.mp4
file:102丨Tranx简介.mp4
file:109丨Q-learning:如何进行Q-learning算法的推导?.mp4
file:105丨InductiveLogicProgramming:基本设定.mp4
file:107丨增强学习的基本设定:增强学习与传统的预测性建模有什么区别?.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:156丨Kubernetes灰度上线.mp4
file:142丨Model-basedReinforcementLearning.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:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
file:123丨超参数搜索:如何寻找算法的超参数.mp4
file:100丨WikiSQL任务简介.mp4
file:111丨PolicyGradient:如何进行PolicyGradient的基本推导?.mp4
file:104丨Lambda-DCS概述.mp4
file:125丨遗传算法和增强学习的结合.mp4
file:22丨RNN简介:RNN和LSTM.mp4
file:44丨降维方法:Variational Auto Encoder.mp4
file:21丨RNN简介:马尔可夫过程和隐马尔可夫过程.mp4
file:30丨经典的数据挖掘方法:数据驱动型开发早期的努力.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:35丨半自动特征构建方法:Categorical Encoder.mp4
file:04丨AI项目流程:从实验到落地.mp4
file:37丨半自动特征构建方法:Entity Embedding.mp4
file:02丨内容综述.mp4
file:05丨NLP领域简介:NLP基本任务及研究方向.mp4
file:11丨深度学习与硬件:GPU.mp4
file:06丨NLP应用:智能问答系统.mp4
file:39丨半自动特征构建方法:连续变量的转换.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:49丨集成树模型:CatBoost和NGBoost简介.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:32丨Pandas 简介:如何使用Pandas对数据进行处理?.mp4
file:18丨神经网络基础:训练神经网络.mp4
file:28丨文本分类实践:如何进行简单的文本分类?.mp4
file:27丨PyTorch简介:如何构造神经网络?.mp4
file:46集成树模型:如何提升决策树的效果47集成树模型:GBDT和XgBoost的数学表达.mp4
file:41丨自动特征构建方法:Symbolic learning和AutoCross简介.mp4
file:26丨PyTorch简介:如何构造Dataset和DataLoader?.mp4
file:13丨AI项目部署:基本原则.mp4
file:23丨CNN:卷积神经网络是什么?.mp4
file:95丨Stanza使用.mp4
file:82丨LabelSmoothing和LogitSqueezing.mp4
file:53丨神经网络的构建:GatingMechanism和Attention.mp4
file:90丨DomainAdaptation:如何利用其它有标注语料来提升效果?.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:96丨ShiftReduce算法.mp4
file:52丨神经网络的构建:NetworkinNetwork.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:65丨图嵌入:如何将图关系纳入模型?.mp4
file:83丨底层模型拼接:如何让不同的语言模型融合在一起从而达到更好的效果?.mp4
file:75丨深度迁移学习模型的微调:TensorFlowBERT代码简析.mp4
file:93丨依存分析和SemanticParsing概述.mp4
file:68丨高级模型融合技巧:Metades是什么?.mp4
file:99丨SemanticParsing基础:SemanticParsing的任务是什么?.mp4
file:88丨训练预语言模型.mp4
file:60丨Transformer:如何通过Transformer榨取重要变量?.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:98丨树神经网络:如何采用TreeLSTM和其它拓展方法?.mp4
file:73丨深度迁移学习模型:ALBERT和ELECTRA.mp4
file:91丨Few-shotLearning:是否有更好的利用不同任务的方法?.mp4
file:77丨优化器:Adam和AdamW.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:84丨上层模型拼接:如何在语言模型基础上拼接更多的模型?.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: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:85丨长文本分类:截取,关键词拼接和预测平均.mp4
file:51丨健康检查:与Liveness,Readiness,Startup探测集成实现高可用.mp4
folder:极客时间-NLP 实战高手课
folder:01-50

分享时间

2026-01-19

入库时间

2026-01-21

资源类型

夸克网盘

分享用户

乐观*鸿雁

扫码获取资源

进入网盘

分享资源