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:115丨DirectPolictyGradient:基本设定及Gumbel-trick的使用116丨DirectPolictyGradient:轨迹生成方法.mp4 file:121丨层次搜索法:如何在模块之间进行搜索?.mp4 file:110丨Rainbow:如何改进Q-learning算法?.mp4 file:103丨LambdaCaculus概述.mp4 file:120丨DifferentiableSearch:如何将NAS变为可微的问题.mp4 file:105丨InductiveLogicProgramming:基本设定.mp4 file:128丨AlphaStar介绍:AlphaStar中采取了哪些技术?.mp4 file:118丨AutoML网络架构举例.mp4 file:102丨Tranx简介.mp4 file:135丨RL训练方法集锦:简介.mp4 file:154丨Kubernetes Ingress.mp4 file:131丨多模态表示学习简介.mp4 file:114丨MCTS简介:如何将“推理”引入到强化学习框架中.mp4 file:144丨Quora问题等价性案例学习:预处理和人工特征.mp4 file:129丨IMPALA:多Agent的Actor-Critic算法.mp4 file:122丨LeNAS:如何搜索搜索space.mp4 file:123丨超参数搜索:如何寻找算法的超参数.mp4 file:112丨A2C和A3C:如何提升基本的PolicyGradient算法.mp4 file:138丨Reward设计的一般原则.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:126丨使用增强学习改进组合优化的算法.mp4 file:119丨RENAS:如何使用遗传算法和增强学习探索网络架构.mp4 file:117丨AutoML及NeuralArchitectureSearch简介.mp4 file:108丨最短路问题和DijkstraAlgorithm.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:139丨解决SparseReward的一些方法.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:149丨Docker部署实践.mp4 file:12丨深度学习与硬件:TPU.mp4 file:02丨内容综述.mp4 file:21丨RNN简介:马尔可夫过程和隐马尔可夫过程.mp4 file:15丨AI项目部署:微服务简介.mp4 file:40丨半自动特征构建方法:缺失变量和异常值的处理.mp4 file:26丨PyTorch简介:如何构造Dataset和DataLoader?.mp4 file:19丨神经网络基础:神经网络的基础构成.mp4 file:49丨集成树模型:CatBoost和NGBoost简介.mp4 file:25丨PyTorch简介:Tensor和相关运算.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:06丨NLP应用:智能问答系统.mp4 file:05丨NLP领域简介:NLP基本任务及研究方向.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:43丨降维方法:Denoising Auto Encoders.mp4 file:24丨环境部署:如何构建简单的深度学习环境?.mp4 file:38丨半自动构建方法:Entity Embedding的实现.mp4 file:20丨Embedding简介.mp4 file:03丨AI概览:宣传片外的人工智能.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:04丨AI项目流程:从实验到落地.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:88丨训练预语言模型.mp4 file:90丨DomainAdaptation:如何利用其它有标注语料来提升效果?.mp4 file:95丨Stanza使用.mp4 file:91丨Few-shotLearning:是否有更好的利用不同任务的方法?.mp4 file:99丨SemanticParsing基础:SemanticParsing的任务是什么?.mp4 file:97丨基于神经网络的依存分析算法.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: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:85丨长文本分类:截取、关键词拼接和预测平均.mp4 file:93丨依存分析和SemanticParsing概述.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:89丨多任务训练:如何利用多任务训练来提升效果?.mp4 file:96丨ShiftReduce算法.mp4 file:94丨依存分析和UniversalDepdencyRelattions.mp4 file:98丨树神经网络:如何采用TreeLSTM和其它拓展方法?.mp4 file:87丨其他Embedding的训练:还有哪些Embedding方法?.mp4 file:77丨优化器:Adam和AdamW.mp4 file:59丨神经网络的训练:新的PyTorch训练框架.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:73丨深度迁移学习模型:ALBERT和ELECTRA.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:65丨图嵌入:如何将图关系纳入模型?.mp4 file:61丨Transformer代码实现剖析.mp4 file:56丨神经网络的构建:Normalization.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:63丨xDeepFM的代码解析.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 folder:极客时间-NLP 实战高手课 folder:01-50 分享时间 2025-03-07 入库时间 2025-03-12 状态检测 有效 资源类型 QUARK 分享用户 百折*挠的章鱼 资源有问题?点此举报 链接 跳转 分享