120-NLP实战高手课 - 猎人搜索 轻松搜寻全网资源

  • file:资料.txt
  • file:139丨解决SparseReward的一些方法.mp4
  • file:135丨RL训练方法集锦:简介.mp4
  • file:133丨DeepGBM:如何用神经网络捕捉集成树模型的知识.mp4
  • file:146丨文本校对案例学习.mp4
  • file:144丨Quora问题等价性案例学习:预处理和人工特征.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:142丨Model-basedReinforcementLearning.mp4
  • file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
  • file:138丨Reward设计的一般原则.mp4
  • file:149丨Docker部署实践.mp4
  • file:152丨Kubernetes自动扩容.mp4
  • file:137丨PPO算法.mp4
  • file:140丨ImitationLearning和Self-imitationLearning.mp4
  • file:129丨IMPALA:多Agent的Actor-Critic算法.mp4
  • file:120丨DifferentiableSearch:如何将NAS变为可微的问题.mp4
  • file:128丨AlphaStar介绍:AlphaStar中采取了哪些技术?.mp4
  • file:131丨多模态表示学习简介.mp4
  • 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:124丨Learning to optimize:是否可以让机器学到一个新的优化器.mp4
  • file:121丨层次搜索法:如何在模块之间进行搜索?.mp4
  • file:125丨遗传算法和增强学习的结合.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:123丨超参数搜索:如何寻找算法的超参数.mp4
  • file:130丨COMAAgent之间的交流.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:45丨变量选择方法.mp4
  • file:14丨AI项目部署:框架选择.mp4
  • file:42丨降维方法:PCA、NMF 和 tSNE.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
  • file:01丨课程介绍.mp4
  • file:17丨神经网络基础:神经网络还是复合函数.mp4
  • file:11丨深度学习与硬件:GPU.mp4
  • file:48丨集成树模型:LightGBM简介.mp4
  • file:06丨NLP应用:智能问答系统.mp4
  • file:09丨深度学习框架:选择合适的深度学习框架?10丨深度学习与硬件:CPU.mp4
  • file:44丨降维方法:Variational Auto Encoder.mp4
  • file:03丨AI概览:宣传片外的人工智能.mp4
  • file:05丨NLP领域简介:NLP基本任务及研究方向.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:41丨自动特征构建方法:Symbolic learning和AutoCross简介.mp4
  • file:23丨CNN:卷积神经网络是什么?.mp4
  • file:21丨RNN简介:马尔可夫过程和隐马尔可夫过程.mp4
  • file:39丨半自动特征构建方法:连续变量的转换.mp4
  • file:27丨PyTorch简介:如何构造神经网络?.mp4
  • file:33丨Matplotlib 简介:如何进行简单的可视化分析?.mp4
  • file:159丨Istio实例和Circuit Breaker.mp4
  • file:157丨Kubernetes Stateful Sets.mp4
  • file:158丨Istio简介:Istio包含哪些功能?.mp4
  • file:81丨UDA:一种系统的数据扩充框架.mp4
  • file:82丨LabelSmoothing和LogitSqueezing.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:73丨深度迁移学习模型:ALBERT和ELECTRA.mp4
  • file:93丨依存分析和SemanticParsing概述.mp4
  • file:52丨神经网络的构建:NetworkinNetwork.mp4
  • file:68丨高级模型融合技巧:Metades是什么?.mp4
  • file:59丨神经网络的训练:新的PyTorch训练框架.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: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:94丨依存分析和UniversalDepdencyRelattions.mp4
  • file:91丨Few-shotLearning:是否有更好的利用不同任务的方法?.mp4
  • file:77丨优化器:Adam和AdamW.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: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
  • file:78丨优化器:Lookahead,Radam和Lamb.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: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: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
  • file:75丨深度迁移学习模型的微调:TensorFlowBERT代码简析.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:53丨神经网络的构建:GatingMechanism和Attention.mp4
  • file:96丨ShiftReduce算法.mp4
  • file:85丨长文本分类:截取、关键词拼接和预测平均.mp4
  • folder:120-NLP实战高手课
  • folder:100-143
  • folder:51-99
分享时间 2025-04-07
入库时间 2025-04-07
状态检测 有效
资源类型 QUARK
分享用户 豁达*核桃
资源有问题?点此举报
链接

最新资源

  • 诸神之怒.Wrath of the Titans.(2012).4K.HDR & Dv
  • 李居明-福元改运
  • 酒酒不能忘(54集)短剧
  • 7337-天才萌宝带妈逆袭(79集)
  • 考虫-格格老师-实用英语能力提升班
  • 马达金牌课-企业管理数据分析全体系落地培训
  • 资深3D设计师肖坤前主讲-CINEMA 4D视觉特效班
  • 软考高级-系统架构设计师 + 架构冲刺班
  • 2025年5月抖音劲爆DJ车载流行歌曲合集
  • 开课吧-Web前端架构师实战特训班