极客时间-NLP 实战高手课 - 猎人搜索 轻松搜寻全网资源

• file:111丨PolicyGradient：如何进行PolicyGradient的基本推导？.mp4
• file:150丨Kubernetes基本概念.mp4
• file:101丨ASDL和AST.mp4
• file:130丨COMAAgent之间的交流.mp4
• file:100丨WikiSQL任务简介.mp4
• file:122丨LeNAS：如何搜索搜索space.mp4
• file:137丨PPO算法.mp4
• file:133丨DeepGBM：如何用神经网络捕捉集成树模型的知识.mp4
• file:140丨ImitationLearning和Self-imitationLearning.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:109丨Q-learning：如何进行Q-learning算法的推导？.mp4
• file:142丨Model-basedReinforcementLearning.mp4
• file:158丨Istio简介：Istio包含哪些功能？.mp4
• file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
• file:134丨文本推荐系统和增强学习.mp4
• file:132丨知识蒸馏：如何加速神经网络推理.mp4
• file:141丨增强学习中的探索问题.mp4
• file:125丨遗传算法和增强学习的结合.mp4
• file:104丨Lambda-DCS概述.mp4
• file:145丨Quora问题等价性案例学习：深度学习模型.mp4
• file:159丨Istio实例和Circuit Breaker.mp4
• file:157丨Kubernetes Stateful Sets.mp4
• file:17丨神经网络基础：神经网络还是复合函数.mp4
• file:20丨Embedding简介.mp4
• file:43丨降维方法：Denoising Auto Encoders.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:02丨内容综述.mp4
• file:40丨半自动特征构建方法：缺失变量和异常值的处理.mp4
• file:07丨NLP应用：文本校对系统.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:05丨NLP领域简介：NLP基本任务及研究方向.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:08丨NLP的学习方法：如何在AI爆炸时代快速上手学习？.mp4
• file:25丨PyTorch简介：Tensor和相关运算.mp4
• file:42丨降维方法：PCA、NMF 和 tSNE.mp4
• file:23丨CNN：卷积神经网络是什么？.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:12丨深度学习与硬件：TPU.mp4
• file:49丨集成树模型：CatBoost和NGBoost简介.mp4
• file:22丨RNN简介：RNN和LSTM.mp4
• file:24丨环境部署：如何构建简单的深度学习环境？.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:33丨Matplotlib 简介：如何进行简单的可视化分析？.mp4
• file:37丨半自动特征构建方法：Entity Embedding.mp4
• file:55丨神经网络的构建：ActivationFunction.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:61丨Transformer代码实现剖析.mp4
• file:60丨Transformer：如何通过Transformer榨取重要变量？.mp4
• file:59丨神经网络的训练：新的PyTorch训练框架.mp4
• file:77丨优化器：Adam和AdamW.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: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:95丨Stanza使用.mp4
• file:57丨神经网络的训练：初始化.mp4
• file:72丨深度迁移学习模型：RoBERTa、XLNet、ERNIE和T5.mp4
• file:96丨ShiftReduce算法.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: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:70丨重新审视Word Embedding：Negative Sampling和Contextual Embedding71丨深度迁移学习模型：从ELMo到BERT.mp4
• file:82丨LabelSmoothing和LogitSqueezing.mp4
• file:81丨UDA：一种系统的数据扩充框架.mp4
• file:68丨高级模型融合技巧：Metades是什么？.mp4
• file:65丨图嵌入：如何将图关系纳入模型？.mp4
• file:53丨神经网络的构建：GatingMechanism和Attention.mp4
• file:75丨深度迁移学习模型的微调：TensorFlowBERT代码简析.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:78丨优化器：Lookahead，Radam和Lamb.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
• folder:极客时间-NLP 实战高手课
• folder:01-50