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