极客时间-NLP 实战高手课网盘资源 | 影盘社

file:138丨Reward设计的一般原则.mp4
file:135丨RL训练方法集锦:简介.mp4
file:115DirectPolictyGradient:基本设定及Gumbel-trick的使用116DirectPolictyGradient:轨迹生成方法.mp4
file:104丨Lambda-DCS概述.mp4
file:102丨Tranx简介.mp4
file:134丨文本推荐系统和增强学习.mp4
file:141丨增强学习中的探索问题.mp4
file:156丨Kubernetes灰度上线.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:110丨Rainbow:如何改进Q-learning算法?.mp4
file:131丨多模态表示学习简介.mp4
file:125丨遗传算法和增强学习的结合.mp4
file:160丨结束语.mp4
file:132丨知识蒸馏:如何加速神经网络推理.mp4
file:114丨MCTS简介:如何将“推理”引入到强化学习框架中.mp4
file:123丨超参数搜索:如何寻找算法的超参数.mp4
file:111丨PolicyGradient:如何进行PolicyGradient的基本推导?.mp4
file:112丨A2C和A3C:如何提升基本的PolicyGradient算法.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:144丨Quora问题等价性案例学习:预处理和人工特征.mp4
file:105丨InductiveLogicProgramming:基本设定.mp4
file:133丨DeepGBM:如何用神经网络捕捉集成树模型的知识.mp4
file:120丨DifferentiableSearch:如何将NAS变为可微的问题.mp4
file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
file:29丨文本分类实践的评价:如何提升进一步的分类效果?.mp4
file:35丨半自动特征构建方法:Categorical Encoder.mp4
file:27丨PyTorch简介:如何构造神经网络?.mp4
file:05丨NLP领域简介:NLP基本任务及研究方向.mp4
file:44丨降维方法:Variational Auto Encoder.mp4
file:42丨降维方法:PCA,NMF 和 tSNE.mp4
file:37丨半自动特征构建方法:Entity Embedding.mp4
file:14丨AI项目部署:框架选择.mp4
file:41丨自动特征构建方法:Symbolic learning和AutoCross简介.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:33丨Matplotlib 简介:如何进行简单的可视化分析?.mp4
file:39丨半自动特征构建方法:连续变量的转换.mp4
file:26丨PyTorch简介:如何构造Dataset和DataLoader?.mp4
file:02丨内容综述.mp4
file:19丨神经网络基础:神经网络的基础构成.mp4
file:21丨RNN简介:马尔可夫过程和隐马尔可夫过程.mp4
file:24丨环境部署:如何构建简单的深度学习环境?.mp4
file:07丨NLP应用:文本校对系统.mp4
file:11丨深度学习与硬件:GPU.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:48丨集成树模型:LightGBM简介.mp4
file:20丨Embedding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:99丨SemanticParsing基础:SemanticParsing的任务是什么?.mp4
file:98丨树神经网络:如何采用TreeLSTM和其它拓展方法?.mp4
file:58丨神经网络的训练:学习率和Warm-up.mp4
file:81丨UDA:一种系统的数据扩充框架.mp4
file:56丨神经网络的构建:Normalization.mp4
file:60丨Transformer:如何通过Transformer榨取重要变量?.mp4
file:51丨健康检查:与Liveness,Readiness,Startup探测集成实现高可用.mp4
file:78丨优化器:Lookahead,Radam和Lamb.mp4
file:61丨Transformer代码实现剖析.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:68丨高级模型融合技巧:Metades是什么?.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: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:77丨优化器:Adam和AdamW.mp4
file:88丨训练预语言模型.mp4
file:82丨LabelSmoothing和LogitSqueezing.mp4
file:94丨依存分析和UniversalDepdencyRelattions.mp4
file:70重新审视Word Embedding:Negative Sampling和Contextual Embedding71深度迁移学习模型:从ELMo到BERT.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:53丨神经网络的构建:GatingMechanism和Attention.mp4
file:97丨基于神经网络的依存分析算法.mp4
file:75丨深度迁移学习模型的微调:TensorFlowBERT代码简析.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:64丨时序建模:如何用神经网络解决时间序列的预测问题?.mp4
folder:极客时间-NLP 实战高手课
folder:01-50

分享时间

2026-04-08

入库时间

2026-04-09

资源类型

夸克网盘

分享用户

Gg*ggggg

扫码获取资源

进入网盘

分享资源