极客时间-NLP 实战高手课网盘资源免费观看百度云网盘链接提取码分享下载

• file:149丨Docker部署实践.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:153丨Kubernetes服务发现.mp4
• file:100丨WikiSQL任务简介.mp4
• file:102丨Tranx简介.mp4
• file:146丨文本校对案例学习.mp4
• file:122丨LeNAS：如何搜索搜索space.mp4
• file:160丨结束语.mp4
• file:130丨COMAAgent之间的交流.mp4
• file:139丨解决SparseReward的一些方法.mp4
• file:133丨DeepGBM：如何用神经网络捕捉集成树模型的知识.mp4
• file:108丨最短路问题和DijkstraAlgorithm.mp4
• file:126丨使用增强学习改进组合优化的算法.mp4
• file:111丨PolicyGradient：如何进行PolicyGradient的基本推导？.mp4
• file:121丨层次搜索法：如何在模块之间进行搜索？.mp4
• file:138丨Reward设计的一般原则.mp4
• file:115丨DirectPolictyGradient：基本设定及Gumbel-trick的使用116丨DirectPolictyGradient：轨迹生成方法.mp4
• file:104丨Lambda-DCS概述.mp4
• file:142丨Model-basedReinforcementLearning.mp4
• file:136丨RL训练方法RL实验的注意事项.mp4
• file:145丨Quora问题等价性案例学习：深度学习模型.mp4
• file:110丨Rainbow：如何改进Q-learning算法？.mp4
• file:112丨A2C和A3C：如何提升基本的PolicyGradient算法.mp4
• file:22丨RNN简介：RNN和LSTM.mp4
• file:05丨NLP领域简介：NLP基本任务及研究方向.mp4
• file:41丨自动特征构建方法：Symbolic learning和AutoCross简介.mp4
• file:17丨神经网络基础：神经网络还是复合函数.mp4
• file:32丨Pandas 简介：如何使用Pandas对数据进行处理？.mp4
• file:25丨PyTorch简介：Tensor和相关运算.mp4
• file:14丨AI项目部署：框架选择.mp4
• file:38丨半自动构建方法：Entity Embedding的实现.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:02丨内容综述.mp4
• file:49丨集成树模型：CatBoost和NGBoost简介.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:03丨AI概览：宣传片外的人工智能.mp4
• file:34丨半自动特征构建方法：Target Mean Encoding.mp4
• file:21丨RNN简介：马尔可夫过程和隐马尔可夫过程.mp4
• file:42丨降维方法：PCA、NMF 和 tSNE.mp4
• file:50丨神经网络建模：如何让神经网络实现你的数据挖掘需求 51丨神经网络的构建：ResidualConnection和DenseConnection.mp4
• file:26丨PyTorch简介：如何构造Dataset和DataLoader？.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:33丨Matplotlib 简介：如何进行简单的可视化分析？.mp4
• file:06丨NLP应用：智能问答系统.mp4
• file:23丨CNN：卷积神经网络是什么？.mp4
• file:43丨降维方法：Denoising Auto Encoders.mp4
• file:24丨环境部署：如何构建简单的深度学习环境？.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:75丨深度迁移学习模型的微调：TensorFlowBERT代码简析.mp4
• file:73丨深度迁移学习模型：ALBERT和ELECTRA.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: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:87丨其他Embedding的训练：还有哪些Embedding方法？.mp4
• file:77丨优化器：Adam和AdamW.mp4
• file:95丨Stanza使用.mp4
• file:88丨训练预语言模型.mp4
• file:98丨树神经网络：如何采用TreeLSTM和其它拓展方法？.mp4
• file:78丨优化器：Lookahead，Radam和Lamb.mp4
• file:93丨依存分析和SemanticParsing概述.mp4
• file:52丨神经网络的构建：NetworkinNetwork.mp4
• file:63丨xDeepFM的代码解析.mp4
• file:53丨神经网络的构建：GatingMechanism和Attention.mp4
• file:82丨LabelSmoothing和LogitSqueezing.mp4
• file:65丨图嵌入：如何将图关系纳入模型？.mp4
• file:61丨Transformer代码实现剖析.mp4
• file:92丨半监督学习：如何让没有标注的数据也派上用场？.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:97丨基于神经网络的依存分析算法.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:62丨xDeepFM：如何用神经网络处理高维的特征？.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:99丨SemanticParsing基础：SemanticParsing的任务是什么？.mp4
• file:51丨健康检查：与Liveness、Readiness、Startup探测集成实现高可用.mp4
• file:58丨神经网络的训练：学习率和Warm-up.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
• folder:极客时间-NLP 实战高手课
• folder:01-50