NLP实战高手课，网盘下载(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]