更多资源进群加VX:ZJF994664_副本.jpg
流量变现平台.jpeg
3000T免费资源大合集在线看.JPG
158丨Istio简介:Istio包含哪些功能?.mp4
130丨COMAAgent之间的交流.mp4
125丨遗传算法和增强学习的结合.mp4
103丨LambdaCaculus概述.mp4
150丨Kubernetes基本概念.mp4
141丨增强学习中的探索问题.mp4
129丨IMPALA:多Agent的Actor-Critic算法.mp4
126丨使用增强学习改进组合优化的算法.mp4
159丨Istio实例和Circuit Breaker.mp4
127丨多代理增强学习概述:什么是多代理增强学习?.mp4
112丨A2C和A3C:如何提升基本的PolicyGradient算法.mp4
124丨Learning to optimize:是否可以让机器学到一个新的优化器.mp4
105丨InductiveLogicProgramming:基本设定.mp4
148丨Docker简介.mp4
118丨AutoML网络架构举例.mp4
146丨文本校对案例学习.mp4
140丨ImitationLearning和Self-imitationLearning.mp4
160丨结束语.mp4
114丨MCTS简介:如何将“推理”引入到强化学习框架中.mp4
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
138丨Reward设计的一般原则.mp4
144丨Quora问题等价性案例学习:预处理和人工特征.mp4
117丨AutoML及NeuralArchitectureSearch简介.mp4
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
79丨多重loss的方式:如何使用多重loss来提高模型准确率?.mp4
77丨优化器:Adam和AdamW.mp4
85丨长文本分类:截取,关键词拼接和预测平均.mp4
72丨深度迁移学习模型:RoBERTa,XLNet,ERNIE和T5.mp4
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
63丨xDeepFM的代码解析.mp4
82丨LabelSmoothing和LogitSqueezing.mp4
89丨多任务训练:如何利用多任务训练来提升效果?.mp4
66丨图网络简介:如何在图结构的基础上建立神经网络?.mp4
90丨DomainAdaptation:如何利用其它有标注语料来提升效果?.mp4
97丨基于神经网络的依存分析算法.mp4
98丨树神经网络:如何采用TreeLSTM和其它拓展方法?.mp4
88丨训练预语言模型.mp4
58丨神经网络的训练:学习率和Warm-up.mp4
93丨依存分析和SemanticParsing概述.mp4
94丨依存分析和UniversalDepdencyRelattions.mp4
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
99丨SemanticParsing基础:SemanticParsing的任务是什么?.mp4
68丨高级模型融合技巧:Metades是什么?.mp4
78丨优化器:Lookahead,Radam和Lamb.mp4
55丨神经网络的构建:ActivationFunction.mp4
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
60丨Transformer:如何通过Transformer榨取重要变量?.mp4
87丨其他Embedding的训练:还有哪些Embedding方法?.mp4
91丨Few-shotLearning:是否有更好的利用不同任务的方法?.mp4
23丨CNN:卷积神经网络是什么?.mp4
11丨深度学习与硬件:GPU.mp4
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
40丨半自动特征构建方法:缺失变量和异常值的处理.mp4
30丨经典的数据挖掘方法:数据驱动型开发早期的努力.mp4
26丨PyTorch简介:如何构造Dataset和DataLoader?.mp4
48丨集成树模型:LightGBM简介.mp4
06丨NLP应用:智能问答系统.mp4
20丨Embedding简介.mp4
43丨降维方法:Denoising Auto Encoders.mp4
17丨神经网络基础:神经网络还是复合函数.mp4
05丨NLP领域简介:NLP基本任务及研究方向.mp4
45丨变量选择方法.mp4
29丨文本分类实践的评价:如何提升进一步的分类效果?.mp4
22丨RNN简介:RNN和LSTM.mp4
02丨内容综述.mp4
16丨统计学基础:随机性是如何改变数据拟合的本质的?.mp4
21丨RNN简介:马尔可夫过程和隐马尔可夫过程.mp4
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
37丨半自动特征构建方法:Entity Embedding.mp4
33丨Matplotlib 简介:如何进行简单的可视化分析?.mp4
24丨环境部署:如何构建简单的深度学习环境?.mp4
27丨PyTorch简介:如何构造神经网络?.mp4
42丨降维方法:PCA,NMF 和 tSNE.mp4
极客时间-NLP 实战高手课
51-99

分享时间

0001-01-01

入库时间

2026-08-05

资源类型

夸克网盘

分享用户

拔腿*跑的薯条

扫码获取资源

问题反馈链接失效、内容异常、密码错误等问题都可以快速提交。

进入网盘

分享资源