极客时间-NLP 实战高手课夸克网盘资源_网盘资源_夸克网盘资源搜索_全盘搜

file:137丨PPO算法.mp4
file:125丨遗传算法和增强学习的结合.mp4
file:133丨DeepGBM：如何用神经网络捕捉集成树模型的知识.mp4
file:130丨COMAAgent之间的交流.mp4
file:145丨Quora问题等价性案例学习：深度学习模型.mp4
file:140丨ImitationLearning和Self-imitationLearning.mp4
file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
file:100丨WikiSQL任务简介.mp4
file:156丨Kubernetes灰度上线.mp4
file:134丨文本推荐系统和增强学习.mp4
file:113丨Gumbel-trick：如何将离散的优化改变为连续的优化问题？.mp4
file:132丨知识蒸馏：如何加速神经网络推理.mp4
file:141丨增强学习中的探索问题.mp4
file:101丨ASDL和AST.mp4
file:109丨Q-learning：如何进行Q-learning算法的推导？.mp4
file:111丨PolicyGradient：如何进行PolicyGradient的基本推导？.mp4
file:142丨Model-basedReinforcementLearning.mp4
file:104丨Lambda-DCS概述.mp4
file:158丨Istio简介：Istio包含哪些功能？.mp4
file:157丨Kubernetes Stateful Sets.mp4
file:159丨Istio实例和Circuit Breaker.mp4
file:108丨最短路问题和DijkstraAlgorithm.mp4
file:95丨Stanza使用.mp4
file:96丨ShiftReduce算法.mp4
file:90丨DomainAdaptation：如何利用其它有标注语料来提升效果？.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:94丨依存分析和UniversalDepdencyRelattions.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: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:72丨深度迁移学习模型：RoBERTa、XLNet、ERNIE和T5.mp4
file:88丨训练预语言模型.mp4
file:51丨健康检查：与Liveness、Readiness、Startup探测集成实现高可用.mp4
file:91丨Few-shotLearning：是否有更好的利用不同任务的方法？.mp4
file:78丨优化器：Lookahead，Radam和Lamb.mp4
file:52丨神经网络的构建：NetworkinNetwork.mp4
file:97丨基于神经网络的依存分析算法.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:58丨神经网络的训练：学习率和Warm-up.mp4
file:63丨xDeepFM的代码解析.mp4
file:93丨依存分析和SemanticParsing概述.mp4
file:62丨xDeepFM：如何用神经网络处理高维的特征？.mp4
file:85丨长文本分类：截取、关键词拼接和预测平均.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:92丨半监督学习：如何让没有标注的数据也派上用场？.mp4
file:65丨图嵌入：如何将图关系纳入模型？.mp4
file:75丨深度迁移学习模型的微调：TensorFlowBERT代码简析.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:87丨其他Embedding的训练：还有哪些Embedding方法？.mp4
file:99丨SemanticParsing基础：SemanticParsing的任务是什么？.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:98丨树神经网络：如何采用TreeLSTM和其它拓展方法？.mp4
file:20丨Embedding简介.mp4
file:18丨神经网络基础：训练神经网络.mp4
file:48丨集成树模型：LightGBM简介.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:43丨降维方法：Denoising Auto Encoders.mp4
file:38丨半自动构建方法：Entity Embedding的实现.mp4
file:26丨PyTorch简介：如何构造Dataset和DataLoader？.mp4
file: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
file:35丨半自动特征构建方法：Categorical Encoder.mp4
file:25丨PyTorch简介：Tensor和相关运算.mp4
file:41丨自动特征构建方法：Symbolic learning和AutoCross简介.mp4
file:32丨Pandas 简介：如何使用Pandas对数据进行处理？.mp4
file:24丨环境部署：如何构建简单的深度学习环境？.mp4
file:36丨半自动特征构建方法：连续变量的离散化.mp4
file:33丨Matplotlib 简介：如何进行简单的可视化分析？.mp4
file:45丨变量选择方法.mp4
file:21丨RNN简介：马尔可夫过程和隐马尔可夫过程.mp4
file:30丨经典的数据挖掘方法：数据驱动型开发早期的努力.mp4
file:23丨CNN：卷积神经网络是什么？.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:22丨RNN简介：RNN和LSTM.mp4
file: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
folder:极客时间-NLP 实战高手课
folder:51-99

分享时间	2025-03-04
入库时间	2025-03-07
状态检测	有效
资源类型	QUARK
分享用户	优雅*松柏

资源有问题？点此举报

链接