极客时间 - NLP 实战高手课价值68元全方位提升你的 NLP 实战技能! - 影盘社-网盘资源搜索神器
- file:140丨ImitationLearning和Self-imitationLearning.mp4
- file:132丨知识蒸馏:如何加速神经网络推理.mp4
- file:160丨结束语.mp4
- file:136丨RL训练方法RL实验的注意事项.mp4
- file:159丨Istio实例和Circuit Breaker.mp4
- file:155丨Kubernetes健康检查.mp4
- file:144丨Quora问题等价性案例学习:预处理和人工特征.mp4
- file:148丨Docker简介.mp4
- file:157丨Kubernetes Stateful Sets.mp4
- file:146丨文本校对案例学习.mp4
- file:133丨DeepGBM:如何用神经网络捕捉集成树模型的知识.mp4
- file:142丨Model-basedReinforcementLearning.mp4
- file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
- file:104丨Lambda-DCS概述.mp4
- file:138丨Reward设计的一般原则.mp4
- file:141丨增强学习中的探索问题.mp4
- file:139丨解决SparseReward的一些方法.mp4
- file:158丨Istio简介:Istio包含哪些功能?.mp4
- file:122丨LeNAS:如何搜索搜索space.mp4
- file:117丨AutoML及NeuralArchitectureSearch简介.mp4
- file:127丨多代理增强学习概述:什么是多代理增强学习?.mp4
- file:121丨层次搜索法:如何在模块之间进行搜索?.mp4
- file:101丨ASDL和AST.mp4
- file:118丨AutoML网络架构举例.mp4
- file:112丨A2C和A3C:如何提升基本的PolicyGradient算法.mp4
- file:100丨WikiSQL任务简介.mp4
- file:131丨多模态表示学习简介.mp4
- file:130丨COMAAgent之间的交流.mp4
- file:105丨InductiveLogicProgramming:基本设定.mp4
- file:124丨Learning to optimize:是否可以让机器学到一个新的优化器.mp4
- file:114丨MCTS简介:如何将“推理”引入到强化学习框架中.mp4
- file: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
- file:109丨Q-learning:如何进行Q-learning算法的推导?.mp4
- file:129丨IMPALA:多Agent的Actor-Critic算法.mp4
- file:53丨神经网络的构建:GatingMechanism和Attention.mp4
- file:58丨神经网络的训练:学习率和Warm-up.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:65丨图嵌入:如何将图关系纳入模型?.mp4
- file:52丨神经网络的构建:NetworkinNetwork.mp4
- file:62丨xDeepFM:如何用神经网络处理高维的特征?.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:63丨xDeepFM的代码解析.mp4
- file:51丨健康检查:与Liveness、Readiness、Startup探测集成实现高可用.mp4
- file: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
- file: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
- file:88丨训练预语言模型.mp4
- file:77丨优化器:Adam和AdamW.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: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
- file:98丨树神经网络:如何采用TreeLSTM和其它拓展方法?.mp4
- file:90丨DomainAdaptation:如何利用其它有标注语料来提升效果?.mp4
- file:99丨SemanticParsing基础:SemanticParsing的任务是什么?.mp4
- file:91丨Few-shotLearning:是否有更好的利用不同任务的方法?.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:72丨深度迁移学习模型:RoBERTa、XLNet、ERNIE和T5.mp4
- file: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
- file:87丨其他Embedding的训练:还有哪些Embedding方法?.mp4
- file:95丨Stanza使用.mp4
- file:81丨UDA:一种系统的数据扩充框架.mp4
- file:97丨基于神经网络的依存分析算法.mp4
- file:85丨长文本分类:截取、关键词拼接和预测平均.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:82丨LabelSmoothing和LogitSqueezing.mp4
- file:96丨ShiftReduce算法.mp4
- file:94丨依存分析和UniversalDepdencyRelattions.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: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: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:68丨高级模型融合技巧:Metades是什么?.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:89丨多任务训练:如何利用多任务训练来提升效果?.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: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
- folder:极客时间 - NLP 实战高手课价值68元全方位提升你的 NLP 实战技能!
- folder:【极客时间-100046401】NLP 实战高手课
- folder:51-99
分享时间 | 2024-03-08 |
---|---|
入库时间 | 2024-08-15 |
状态检测 | 有效 |
资源类型 | QUARK |
分享用户 | 夸父*482 |
资源有问题?点此举报