文件目录:NLP实战高手课,文件大小:59.63G
01-50[21.88G]
01丨课程介绍.mp4[203.89M]
02丨内容综述.mp4[449.68M]
03丨AI概览:宣传片外的人工智能.mp4[831.02M]
04丨AI项目流程:从实验到落地.mp4[980.65M]
05丨NLP领域简介:NLP基本任务及研究方向.mp4[597.71M]
06丨NLP应用:智能问答系统.mp4[397.25M]
07丨NLP应用:文本校对系统.mp4[258.20M]
08丨NLP的学习方法:如何在AI爆炸时代快速上手学习?.mp4[455.99M]
09丨深度学习框架:选择合适的深度学习框架?10丨深度学习与硬件:CPU.mp4[1.42G]
11丨深度学习与硬件:GPU.mp4[401.70M]
12丨深度学习与硬件:TPU.mp4[359.36M]
13丨AI项目部署:基本原则.mp4[147.03M]
14丨AI项目部署:框架选择.mp4[211.81M]
15丨AI项目部署:微服务简介.mp4[265.17M]
16丨统计学基础:随机性是如何改变数据拟合的本质的?.mp4[437.88M]
17丨神经网络基础:神经网络还是复合函数.mp4[333.07M]
18丨神经网络基础:训练神经网络.mp4[338.65M]
19丨神经网络基础:神经网络的基础构成.mp4[676.95M]
20丨Embedding简介.mp4[258.05M]
21丨RNN简介:马尔可夫过程和隐马尔可夫过程.mp4[270.16M]
22丨RNN简介:RNN和LSTM.mp4[626.94M]
23丨CNN:卷积神经网络是什么?.mp4[248.95M]
24丨环境部署:如何构建简单的深度学习环境?.mp4[871.99M]
25丨PyTorch简介:Tensor和相关运算.mp4[406.72M]
26丨PyTorch简介:如何构造Dataset和DataLoader?.mp4[330.48M]
27丨PyTorch简介:如何构造神经网络?.mp4[571.70M]
28丨文本分类实践:如何进行简单的文本分类?.mp4[548.07M]
29丨文本分类实践的评价:如何提升进一步的分类效果?.mp4[858.82M]
30丨经典的数据挖掘方法:数据驱动型开发早期的努力.mp4[355.29M]
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[292.29M]
32丨Pandas简介:如何使用Pandas对数据进行处理?.mp4[559.10M]
33丨Matplotlib简介:如何进行简单的可视化分析?.mp4[268.35M]
34丨半自动特征构建方法:TargetMeanEncoding.mp4[298.85M]
35丨半自动特征构建方法:CategoricalEncoder.mp4[303.73M]
36丨半自动特征构建方法:连续变量的离散化.mp4[333.40M]
37丨半自动特征构建方法:EntityEmbedding.mp4[0.98G]
38丨半自动构建方法:EntityEmbedding的实现.mp4[766.24M]
39丨半自动特征构建方法:连续变量的转换.mp4[637.32M]
40丨半自动特征构建方法:缺失变量和异常值的处理.mp4[211.77M]
41丨自动特征构建方法:Symboliclearning和AutoCross简介.mp4[460.30M]
42丨降维方法:PCA、NMF和tSNE.mp4[644.72M]
43丨降维方法:DenoisingAutoEncoders.mp4[163.43M]
44丨降维方法:VariationalAutoEncoder.mp4[455.04M]
45丨变量选择方法.mp4[192.63M]
46丨集成树模型:如何提升决策树的效果47丨集成树模型:GBDT和XgBoost的数学表达.mp4[840.59M]
48丨集成树模型:LightGBM简介.mp4[244.94M]
49丨集成树模型:CatBoost和NGBoost简介.mp4[115.01M]
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[465.76M]
51-99[18.82G]
51丨健康检查:与Liveness、Readiness、Startup探测集成实现高可用.mp4[259.78M]
52丨神经网络的构建:NetworkinNetwork.mp4[79.03M]
53丨神经网络的构建:GatingMechanism和Attention.mp4[231.99M]
54丨神经网络的构建:Memory.mp4[766.21M]
55丨神经网络的构建:ActivationFunction.mp4[300.35M]
56丨神经网络的构建:Normalization.mp4[260.01M]
57丨神经网络的训练:初始化.mp4[283.87M]
58丨神经网络的训练:学习率和Warm-up.mp4[560.48M]
59丨神经网络的训练:新的PyTorch训练框架.mp4[921.57M]
60丨Transformer:如何通过Transformer榨取重要变量?.mp4[738.38M]
61丨Transformer代码实现剖析.mp4[1.01G]
62丨xDeepFM:如何用神经网络处理高维的特征?.mp4[522.80M]
63丨xDeepFM的代码解析.mp4[354.43M]
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[785.60M]
65丨图嵌入:如何将图关系纳入模型?.mp4[548.22M]
66丨图网络简介:如何在图结构的基础上建立神经网络?.mp4[699.96M]
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[296.79M]
68丨高级模型融合技巧:Metades是什么?.mp4[544.12M]
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[432.08M]
70丨重新审视WordEmbedding:NegativeSampling和ContextualEmbedding71丨深度迁移学习模型:从ELMo到BERT.mp4[748.94M]
72丨深度迁移学习模型:RoBERTa、XLNet、ERNIE和T5.mp4[588.16M]
73丨深度迁移学习模型:ALBERT和ELECTRA.mp4[171.30M]
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[737.71M]
75丨深度迁移学习模型的微调:TensorFlowBERT代码简析.mp4[933.53M]
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[426.67M]
77丨优化器:Adam和AdamW.mp4[387.39M]
78丨优化器:Lookahead,Radam和Lamb.mp4[139.67M]
79丨多重loss的方式:如何使用多重loss来提高模型准确率?.mp4[233.12M]
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[176.48M]
81丨UDA:一种系统的数据扩充框架.mp4[376.98M]
82丨LabelSmoothing和LogitSqueezing.mp4[111.88M]
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[146.64M]
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[287.87M]
85丨长文本分类:截取、关键词拼接和预测平均.mp4[299.03M]
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[313.04M]
87丨其他Embedding的训练:还有哪些Embedding方法?.mp4[134.90M]
88丨训练预语言模型.mp4[221.56M]
89丨多任务训练:如何利用多任务训练来提升效果?.mp4[402.13M]
90丨DomainAdaptation:如何利用其它有标注语料来提升效果?.mp4[193.87M]
91丨Few-shotLearning:是否有更好的利用不同任务的方法?.mp4[359.41M]
92丨半监督学习:如何让没有标注的数据也派上用场?.mp4[120.79M]
93丨依存分析和SemanticParsing概述.mp4[87.43M]
94丨依存分析和UniversalDepdencyRelattions.mp4[426.96M]
95丨Stanza使用.mp4[379.80M]
96丨ShiftReduce算法.mp4[216.86M]
97丨基于神经网络的依存分析算法.mp4[652.13M]
98丨树神经网络:如何采用TreeLSTM和其它拓展方法?.mp4[107.83M]
99丨SemanticParsing基础:SemanticParsing的任务是什么?.mp4[268.18M]
100丨WikiSQL任务简介.mp4[291.34M]
101丨ASDL和AST.mp4[173.27M]
102丨Tranx简介.mp4[282.18M]
103丨LambdaCaculus概述.mp4[139.70M]
104丨Lambda-DCS概述.mp4[332.32M]
105丨InductiveLogicProgramming:基本设定.mp4[433.00M]
106丨InductiveLogicProgramming:一个可微的实现.mp4[269.26M]
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[202.98M]
108丨最短路问题和DijkstraAlgorithm.mp4[245.67M]
109丨Q-learning:如何进行Q-learning算法的推导?.mp4[1.09G]
110丨Rainbow:如何改进Q-learning算法?.mp4[511.28M]
111丨PolicyGradient:如何进行PolicyGradient的基本推导?.mp4[290.66M]
112丨A2C和A3C:如何提升基本的PolicyGradient算法.mp4[427.47M]
113丨Gumbel-trick:如何将离散的优化改变为连续的优化问题?.mp4[230.92M]
114丨MCTS简介:如何将“推理”引入到强化学习框架中.mp4[350.78M]
115丨DirectPolictyGradient:基本设定及Gumbel-trick的使用116丨DirectPolictyGradient:轨迹生成方法.mp4[959.78M]
117丨AutoML及NeuralArchitectureSearch简介.mp4[265.88M]
118丨AutoML网络架构举例.mp4[554.74M]
119丨RENAS:如何使用遗传算法和增强学习探索网络架构.mp4[425.47M]
120丨DifferentiableSearch:如何将NAS变为可微的问题.mp4[347.24M]
121丨层次搜索法:如何在模块之间进行搜索?.mp4[179.09M]
122丨LeNAS:如何搜索搜索space.mp4[190.28M]
123丨超参数搜索:如何寻找算法的超参数.mp4[293.32M]
124丨Learningtooptimize:是否可以让机器学到一个新的优化器.mp4[257.21M]
125丨遗传算法和增强学习的结合.mp4[202.38M]
126丨使用增强学习改进组合优化的算法.mp4[446.44M]
127丨多代理增强学习概述:什么是多代理增强学习?.mp4[240.57M]
128丨AlphaStar介绍:AlphaStar中采取了哪些技术?.mp4[326.62M]
129丨IMPALA:多Agent的Actor-Critic算法.mp4[276.65M]
130丨COMAAgent之间的交流.mp4[165.55M]
131丨多模态表示学习简介.mp4[234.98M]
132丨知识蒸馏:如何加速神经网络推理.mp4[180.35M]
133丨DeepGBM:如何用神经网络捕捉集成树模型的知识.mp4[91.29M]
134丨文本推荐系统和增强学习.mp4[464.30M]
135丨RL训练方法集锦:简介.mp4[279.48M]
136丨RL训练方法RL实验的注意事项.mp4[235.73M]
137丨PPO算法.mp4[302.71M]
138丨Reward设计的一般原则.mp4[184.90M]
139丨解决SparseReward的一些方法.mp4[660.97M]
140丨ImitationLearning和Self-imitationLearning.mp4[429.06M]
141丨增强学习中的探索问题.mp4[453.05M]
142丨Model-basedReinforcementLearning.mp4[340.44M]
143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4[508.33M]
144丨Quora问题等价性案例学习:预处理和人工特征.mp4[446.85M]
145丨Quora问题等价性案例学习:深度学习模型.mp4[365.70M]
146丨文本校对案例学习.mp4[409.67M]
147丨微服务和Kubernetes简介.mp4[223.20M]
148丨Docker简介.mp4[178.70M]
149丨Docker部署实践.mp4[342.93M]
150丨Kubernetes基本概念.mp4[214.84M]
151丨Kubernetes部署实践.mp4[462.29M]
152丨Kubernetes自动扩容.mp4[278.23M]
153丨Kubernetes服务发现.mp4[136.96M]
154丨KubernetesIngress.mp4[254.00M]
155丨Kubernetes健康检查.mp4[235.37M]
156丨Kubernetes灰度上线.mp4[232.75M]
157丨KubernetesStatefulSets.mp4[174.90M]
158丨Istio简介:Istio包含哪些功能?.mp4[122.10M]
159丨Istio实例和CircuitBreaker.mp4[379.05M]
160丨结束语.mp4[127.65M]
网盘下载:
如下载链接失效,请在页面底部评论,24小时内修复下载链接。
评论0