极客时间-NLP 实战高手课 - 猎人搜索 轻松搜寻全网资源

• file:137丨PPO算法.mp4
• file:136丨RL训练方法RL实验的注意事项.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:139丨解决SparseReward的一些方法.mp4
• file:157丨Kubernetes Stateful Sets.mp4
• file:159丨Istio实例和Circuit Breaker.mp4
• file:109丨Q-learning：如何进行Q-learning算法的推导？.mp4
• file:122丨LeNAS：如何搜索搜索space.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:114丨MCTS简介：如何将“推理”引入到强化学习框架中.mp4
• file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
• file:151丨Kubernetes部署实践.mp4
• file:123丨超参数搜索：如何寻找算法的超参数.mp4
• file:141丨增强学习中的探索问题.mp4
• file:146丨文本校对案例学习.mp4
• file:158丨Istio简介：Istio包含哪些功能？.mp4
• file:111丨PolicyGradient：如何进行PolicyGradient的基本推导？.mp4
• file:126丨使用增强学习改进组合优化的算法.mp4
• file:132丨知识蒸馏：如何加速神经网络推理.mp4
• file:144丨Quora问题等价性案例学习：预处理和人工特征.mp4
• file:101丨ASDL和AST.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:06丨NLP应用：智能问答系统.mp4
• file:27丨PyTorch简介：如何构造神经网络？.mp4
• file:17丨神经网络基础：神经网络还是复合函数.mp4
• file:05丨NLP领域简介：NLP基本任务及研究方向.mp4
• file:26丨PyTorch简介：如何构造Dataset和DataLoader？.mp4
• file:38丨半自动构建方法：Entity Embedding的实现.mp4
• file:13丨AI项目部署：基本原则.mp4
• file:45丨变量选择方法.mp4
• file:12丨深度学习与硬件：TPU.mp4
• file:36丨半自动特征构建方法：连续变量的离散化.mp4
• file:43丨降维方法：Denoising Auto Encoders.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:21丨RNN简介：马尔可夫过程和隐马尔可夫过程.mp4
• file:04丨AI项目流程：从实验到落地.mp4
• file:28丨文本分类实践：如何进行简单的文本分类？.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:22丨RNN简介：RNN和LSTM.mp4
• file:49丨集成树模型：CatBoost和NGBoost简介.mp4
• file:42丨降维方法：PCA、NMF 和 tSNE.mp4
• file:02丨内容综述.mp4
• file:32丨Pandas 简介：如何使用Pandas对数据进行处理？.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: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:75丨深度迁移学习模型的微调：TensorFlowBERT代码简析.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:89丨多任务训练：如何利用多任务训练来提升效果？.mp4
• file:59丨神经网络的训练：新的PyTorch训练框架.mp4
• file:51丨健康检查：与Liveness、Readiness、Startup探测集成实现高可用.mp4
• file:65丨图嵌入：如何将图关系纳入模型？.mp4
• file:63丨xDeepFM的代码解析.mp4
• file: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
• file:53丨神经网络的构建：GatingMechanism和Attention.mp4
• file:61丨Transformer代码实现剖析.mp4
• file:94丨依存分析和UniversalDepdencyRelattions.mp4
• file:78丨优化器：Lookahead，Radam和Lamb.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:54丨神经网络的构建：Memory.mp4
• file:99丨SemanticParsing基础：SemanticParsing的任务是什么？.mp4
• file:77丨优化器：Adam和AdamW.mp4
• file:97丨基于神经网络的依存分析算法.mp4
• file:62丨xDeepFM：如何用神经网络处理高维的特征？.mp4
• file:90丨DomainAdaptation：如何利用其它有标注语料来提升效果？.mp4
• file:96丨ShiftReduce算法.mp4
• file:66丨图网络简介：如何在图结构的基础上建立神经网络？.mp4
• file:85丨长文本分类：截取、关键词拼接和预测平均.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:81丨UDA：一种系统的数据扩充框架.mp4
• file:91丨Few-shotLearning：是否有更好的利用不同任务的方法？.mp4
• file:87丨其他Embedding的训练：还有哪些Embedding方法？.mp4
• folder:极客时间-NLP 实战高手课
• folder:01-50