【极客时间-100046401】NLP 实战高手课 - 学霸搜网盘资源

160丨结束语.mp4
141丨增强学习中的探索问题.mp4
150丨Kubernetes基本概念.mp4
138丨Reward设计的一般原则.mp4
158丨Istio简介：Istio包含哪些功能？.mp4
144丨Quora问题等价性案例学习：预处理和人工特征.mp4
159丨Istio实例和Circuit Breaker.mp4
139丨解决SparseReward的一些方法.mp4
140丨ImitationLearning和Self-imitationLearning.mp4
148丨Docker简介.mp4
133丨DeepGBM：如何用神经网络捕捉集成树模型的知识.mp4
157丨Kubernetes Stateful Sets.mp4
132丨知识蒸馏：如何加速神经网络推理.mp4
146丨文本校对案例学习.mp4
104丨Lambda-DCS概述.mp4
112丨A2C和A3C：如何提升基本的PolicyGradient算法.mp4
136丨RL训练方法RL实验的注意事项.mp4
125丨遗传算法和增强学习的结合.mp4
115丨DirectPolictyGradient：基本设定及Gumbel-trick的使用116丨DirectPolictyGradient：轨迹生成方法.mp4
123丨超参数搜索：如何寻找算法的超参数.mp4
33丨Matplotlib 简介：如何进行简单的可视化分析？.mp4
21丨RNN简介：马尔可夫过程和隐马尔可夫过程.mp4
45丨变量选择方法.mp4
34丨半自动特征构建方法：Target Mean Encoding.mp4
42丨降维方法：PCA、NMF 和 tSNE.mp4
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
36丨半自动特征构建方法：连续变量的离散化.mp4
19丨神经网络基础：神经网络的基础构成.mp4
38丨半自动构建方法：Entity Embedding的实现.mp4
30丨经典的数据挖掘方法：数据驱动型开发早期的努力.mp4
41丨自动特征构建方法：Symbolic learning和AutoCross简介.mp4
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
44丨降维方法：Variational Auto Encoder.mp4
23丨CNN：卷积神经网络是什么？.mp4
28丨文本分类实践：如何进行简单的文本分类？.mp4
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
27丨PyTorch简介：如何构造神经网络？.mp4
20丨Embedding简介.mp4
24丨环境部署：如何构建简单的深度学习环境？.mp4
22丨RNN简介：RNN和LSTM.mp4
26丨PyTorch简介：如何构造Dataset和DataLoader？.mp4
32丨Pandas 简介：如何使用Pandas对数据进行处理？.mp4
08丨NLP的学习方法：如何在AI爆炸时代快速上手学习？.mp4
62丨xDeepFM：如何用神经网络处理高维的特征？.mp4
79丨多重loss的方式：如何使用多重loss来提高模型准确率？.mp4
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
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
63丨xDeepFM的代码解析.mp4
82丨LabelSmoothing和LogitSqueezing.mp4
65丨图嵌入：如何将图关系纳入模型？.mp4
61丨Transformer代码实现剖析.mp4
57丨神经网络的训练：初始化.mp4
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
77丨优化器：Adam和AdamW.mp4
75丨深度迁移学习模型的微调：TensorFlowBERT代码简析.mp4
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
91丨Few-shotLearning：是否有更好的利用不同任务的方法？.mp4
89丨多任务训练：如何利用多任务训练来提升效果？.mp4
94丨依存分析和UniversalDepdencyRelattions.mp4
99丨SemanticParsing基础：SemanticParsing的任务是什么？.mp4
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
87丨其他Embedding的训练：还有哪些Embedding方法？.mp4
92丨半监督学习：如何让没有标注的数据也派上用场？.mp4
93丨依存分析和SemanticParsing概述.mp4
98丨树神经网络：如何采用TreeLSTM和其它拓展方法？.mp4
56丨神经网络的构建：Normalization.mp4
90丨DomainAdaptation：如何利用其它有标注语料来提升效果？.mp4
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
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
66丨图网络简介：如何在图结构的基础上建立神经网络？.mp4
81丨UDA：一种系统的数据扩充框架.mp4
51丨健康检查：与Liveness、Readiness、Startup探测集成实现高可用.mp4
【极客时间-100046401】NLP 实战高手课
01-50