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 跳转 分享