极客时间-NLP 实战高手课网盘资源 | 影盘社

file:131丨多模态表示学习简介.mp4
file:146丨文本校对案例学习.mp4
file:153丨Kubernetes服务发现.mp4
file:126丨使用增强学习改进组合优化的算法.mp4
file:100丨WikiSQL任务简介.mp4
file:136丨RL训练方法RL实验的注意事项.mp4
file:117丨AutoML及NeuralArchitectureSearch简介.mp4
file:140丨ImitationLearning和Self-imitationLearning.mp4
file:138丨Reward设计的一般原则.mp4
file:125丨遗传算法和增强学习的结合.mp4
file:108丨最短路问题和DijkstraAlgorithm.mp4
file:115DirectPolictyGradient:基本设定及Gumbel-trick的使用116DirectPolictyGradient:轨迹生成方法.mp4
file:120丨DifferentiableSearch:如何将NAS变为可微的问题.mp4
file:137丨PPO算法.mp4
file:109丨Q-learning:如何进行Q-learning算法的推导?.mp4
file:104丨Lambda-DCS概述.mp4
file:149丨Docker部署实践.mp4
file:159丨Istio实例和Circuit Breaker.mp4
file:133丨DeepGBM:如何用神经网络捕捉集成树模型的知识.mp4
file:139丨解决SparseReward的一些方法.mp4
file:129丨IMPALA:多Agent的Actor-Critic算法.mp4
file:145丨Quora问题等价性案例学习:深度学习模型.mp4
file:132丨知识蒸馏:如何加速神经网络推理.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:101丨ASDL和AST.mp4
file:105丨InductiveLogicProgramming:基本设定.mp4
file:118丨AutoML网络架构举例.mp4
file:52丨神经网络的构建:NetworkinNetwork.mp4
file:51丨健康检查:与Liveness,Readiness,Startup探测集成实现高可用.mp4
file:87丨其他Embedding的训练:还有哪些Embedding方法?.mp4
file:82丨LabelSmoothing和LogitSqueezing.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:89丨多任务训练:如何利用多任务训练来提升效果?.mp4
file:75丨深度迁移学习模型的微调:TensorFlowBERT代码简析.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:72丨深度迁移学习模型:RoBERTa,XLNet,ERNIE和T5.mp4
file:97丨基于神经网络的依存分析算法.mp4
file:62丨xDeepFM:如何用神经网络处理高维的特征?.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
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: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:68丨高级模型融合技巧:Metades是什么?.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:93丨依存分析和SemanticParsing概述.mp4
file:53丨神经网络的构建:GatingMechanism和Attention.mp4
file:77丨优化器:Adam和AdamW.mp4
file:59丨神经网络的训练:新的PyTorch训练框架.mp4
file:96丨ShiftReduce算法.mp4
file:63丨xDeepFM的代码解析.mp4
file:78丨优化器:Lookahead,Radam和Lamb.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:32丨Pandas 简介:如何使用Pandas对数据进行处理?.mp4
file:34丨半自动特征构建方法:Target Mean Encoding.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:36丨半自动特征构建方法:连续变量的离散化.mp4
file:20丨Embedding简介.mp4
file:27丨PyTorch简介:如何构造神经网络?.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:49丨集成树模型:CatBoost和NGBoost简介.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:21丨RNN简介:马尔可夫过程和隐马尔可夫过程.mp4
file:41丨自动特征构建方法:Symbolic learning和AutoCross简介.mp4
file:15丨AI项目部署:微服务简介.mp4
file:07丨NLP应用:文本校对系统.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: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:38丨半自动构建方法:Entity Embedding的实现.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: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: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:08丨NLP的学习方法:如何在AI爆炸时代快速上手学习?.mp4
file:02丨内容综述.mp4
folder:极客时间-NLP 实战高手课
folder:51-99

分享时间

2026-05-07

入库时间

2026-05-09

资源类型

夸克网盘

分享用户

心满*足的开心果

扫码获取资源

进入网盘

分享资源