【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
分享时间 | 2024-10-17 |
---|---|
入库时间 | 2024-11-04 |
状态检测 | 有效 |
资源类型 | QUARK |
分享用户 | 有气*的桃子 |
资源有问题?点此举报