【极客时间-100046401】NLP 实战高手课 - 影盘社-网盘资源搜索神器

• file:157丨Kubernetes Stateful Sets.mp4
• file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
• file:160丨结束语.mp4
• file:156丨Kubernetes灰度上线.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:149丨Docker部署实践.mp4
• file:134丨文本推荐系统和增强学习.mp4
• file:141丨增强学习中的探索问题.mp4
• 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: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:158丨Istio简介：Istio包含哪些功能？.mp4
• file:136丨RL训练方法RL实验的注意事项.mp4
• file:139丨解决SparseReward的一些方法.mp4
• file:138丨Reward设计的一般原则.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: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:75丨深度迁移学习模型的微调：TensorFlowBERT代码简析.mp4
• file:77丨优化器：Adam和AdamW.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:81丨UDA：一种系统的数据扩充框架.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:82丨LabelSmoothing和LogitSqueezing.mp4
• file:73丨深度迁移学习模型：ALBERT和ELECTRA.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: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:78丨优化器：Lookahead，Radam和Lamb.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: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:68丨高级模型融合技巧：Metades是什么？.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: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:62丨xDeepFM：如何用神经网络处理高维的特征？.mp4
• file:63丨xDeepFM的代码解析.mp4
• file:59丨神经网络的训练：新的PyTorch训练框架.mp4
• file:60丨Transformer：如何通过Transformer榨取重要变量？.mp4
• file:61丨Transformer代码实现剖析.mp4
• file:54丨神经网络的构建：Memory.mp4
• file:53丨神经网络的构建：GatingMechanism和Attention.mp4
• file:55丨神经网络的构建：ActivationFunction.mp4
• file:17丨神经网络基础：神经网络还是复合函数.mp4
• file:05丨NLP领域简介：NLP基本任务及研究方向.mp4
• file:15丨AI项目部署：微服务简介.mp4
• file:07丨NLP应用：文本校对系统.mp4
• file:01丨课程介绍.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: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:11丨深度学习与硬件：GPU.mp4
• file:04丨AI项目流程：从实验到落地.mp4
• file:03丨AI概览：宣传片外的人工智能.mp4
• file: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
• 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:37丨半自动特征构建方法：Entity Embedding.mp4
• file:36丨半自动特征构建方法：连续变量的离散化.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:32丨Pandas 简介：如何使用Pandas对数据进行处理？.mp4
• file:35丨半自动特征构建方法：Categorical Encoder.mp4
• file:48丨集成树模型：LightGBM简介.mp4
• file:33丨Matplotlib 简介：如何进行简单的可视化分析？.mp4
• file:20丨Embedding简介.mp4
• file:45丨变量选择方法.mp4
• folder:【极客时间-100046401】NLP 实战高手课
• folder:51-99