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:111丨PolicyGradient:如何进行PolicyGradient的基本推导?.mp4
file:134丨文本推荐系统和增强学习.mp4
file:145丨Quora问题等价性案例学习:深度学习模型.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:124丨Learning to optimize:是否可以让机器学到一个新的优化器.mp4
file:125丨遗传算法和增强学习的结合.mp4
file:103丨LambdaCaculus概述.mp4
file:110丨Rainbow:如何改进Q-learning算法?.mp4
file:141丨增强学习中的探索问题.mp4
file:150丨Kubernetes基本概念.mp4
file:118丨AutoML网络架构举例.mp4
file:133丨DeepGBM:如何用神经网络捕捉集成树模型的知识.mp4
file:117丨AutoML及NeuralArchitectureSearch简介.mp4
file:120丨DifferentiableSearch:如何将NAS变为可微的问题.mp4
file:122丨LeNAS:如何搜索搜索space.mp4
file:131丨多模态表示学习简介.mp4
file:158丨Istio简介:Istio包含哪些功能?.mp4
file:157丨Kubernetes Stateful Sets.mp4
file:159丨Istio实例和Circuit Breaker.mp4
file:100丨WikiSQL任务简介.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:127丨多代理增强学习概述:什么是多代理增强学习?.mp4
file:101丨ASDL和AST.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:115DirectPolictyGradient:基本设定及Gumbel-trick的使用116DirectPolictyGradient:轨迹生成方法.mp4
file:12丨深度学习与硬件:TPU.mp4
file:42丨降维方法:PCA,NMF 和 tSNE.mp4
file:15丨AI项目部署:微服务简介.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:23丨CNN:卷积神经网络是什么?.mp4
file:19丨神经网络基础:神经网络的基础构成.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:07丨NLP应用:文本校对系统.mp4
file:01丨课程介绍.mp4
file:22丨RNN简介:RNN和LSTM.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:36丨半自动特征构建方法:连续变量的离散化.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:27丨PyTorch简介:如何构造神经网络?.mp4
file:03丨AI概览:宣传片外的人工智能.mp4
file:48丨集成树模型:LightGBM简介.mp4
file:26丨PyTorch简介:如何构造Dataset和DataLoader?.mp4
file:16丨统计学基础:随机性是如何改变数据拟合的本质的?.mp4
file:28丨文本分类实践:如何进行简单的文本分类?.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:41丨自动特征构建方法:Symbolic learning和AutoCross简介.mp4
file:04丨AI项目流程:从实验到落地.mp4
file:35丨半自动特征构建方法:Categorical Encoder.mp4
file:91丨Few-shotLearning:是否有更好的利用不同任务的方法?.mp4
file:57丨神经网络的训练:初始化.mp4
file:87丨其他Embedding的训练:还有哪些Embedding方法?.mp4
file:98丨树神经网络:如何采用TreeLSTM和其它拓展方法?.mp4
file:94丨依存分析和UniversalDepdencyRelattions.mp4
file:73丨深度迁移学习模型:ALBERT和ELECTRA.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:62丨xDeepFM:如何用神经网络处理高维的特征?.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: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: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:96丨ShiftReduce算法.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:61丨Transformer代码实现剖析.mp4
file:93丨依存分析和SemanticParsing概述.mp4
file:60丨Transformer:如何通过Transformer榨取重要变量?.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:56丨神经网络的构建:Normalization.mp4
file:95丨Stanza使用.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:88丨训练预语言模型.mp4
file:68丨高级模型融合技巧:Metades是什么?.mp4
file:53丨神经网络的构建:GatingMechanism和Attention.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:81丨UDA:一种系统的数据扩充框架.mp4
file:65丨图嵌入:如何将图关系纳入模型?.mp4
file:59丨神经网络的训练:新的PyTorch训练框架.mp4
folder:极客时间-NLP 实战高手课
folder:01-50

分享时间

2026-04-27

入库时间

2026-04-27

资源类型

夸克网盘

分享用户

一飞*天的南瓜

扫码获取资源

进入网盘

分享资源