最新公告
  • 欢迎您光临666资源站,各种优质it资源共享下载,精品资源,持续更新 咨询Q群 174856490
  • 文章介绍
  • 课程目录:

    -NLP实战高手课- /
    ├──01-50-
    | ├──01丨课程介绍-.mp4 203.89M
    | ├──02丨内容综述-.mp4 449.68M
    | ├──03丨AI概览:宣传片外的人工智能-.mp4 831.02M
    | ├──04丨AI项目流程:从实验到落地-.mp4 980.65M
    | ├──05丨NLP领域简介:NLP基本任务及研究方向-.mp4 597.71M
    | ├──06丨NLP应用:智能问答系统-.mp4 397.25M
    | ├──07丨NLP应用:文本校对系统-.mp4 258.20M
    | ├──08丨NLP的学习方法:如何在AI爆炸时代快速上手学习?-.mp4 455.99M
    | ├──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 1.42G
    | ├──11丨深度学习与硬件:GPU-.mp4 401.70M
    | ├──12丨深度学习与硬件:TPU-.mp4 359.36M
    | ├──13丨AI项目部署:基本原则-.mp4 147.03M
    | ├──14丨AI项目部署:框架选择-.mp4 211.81M
    | ├──15丨AI项目部署:微服务简介-.mp4 265.17M
    | ├──16丨统计学基础:随机性是如何改变数据拟合的本质的?-.mp4 437.88M
    | ├──17丨神经网络基础:神经网络还是复合函数-.mp4 333.07M
    | ├──18丨神经网络基础:训练神经网络-.mp4 338.65M
    | ├──19丨神经网络基础:神经网络的基础构成-.mp4 676.95M
    | ├──20丨Embedding简介-.mp4 258.05M
    | ├──21丨RNN简介:马尔可夫过程和隐马尔可夫过程-.mp4 270.16M
    | ├──22丨RNN简介:RNN和LSTM-.mp4 626.94M
    | ├──23丨CNN:卷积神经网络是什么?-.mp4 248.95M
    | ├──24丨环境部署:如何构建简单的深度学习环境?-.mp4 871.99M
    | ├──25丨PyTorch简介:Tensor和相关运算-.mp4 406.72M
    | ├──26丨PyTorch简介:如何构造Dataset和DataLoader?-.mp4 330.48M
    | ├──27丨PyTorch简介:如何构造神经网络?-.mp4 571.70M
    | ├──28丨文本分类实践:如何进行简单的文本分类?-.mp4 548.07M
    | ├──29丨文本分类实践的评价:如何提升进一步的分类效果?-.mp4 858.82M
    | ├──30丨经典的数据挖掘方法:数据驱动型开发早期的努力-.mp4 355.29M
    | ├──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 292.29M
    | ├──32丨Pandas 简介:如何使用Pandas对数据进行处理?-.mp4 559.10M
    | ├──33丨Matplotlib 简介:如何进行简单的可视化分析?-.mp4 268.35M
    | ├──34丨半自动特征构建方法:Target Mean Encoding-.mp4 298.85M
    | ├──35丨半自动特征构建方法:Categorical Encoder-.mp4 303.73M
    | ├──36丨半自动特征构建方法:连续变量的离散化-.mp4 333.40M
    | ├──37丨半自动特征构建方法:Entity Embedding-.mp4 1005.85M
    | ├──38丨半自动构建方法:Entity Embedding的实现-.mp4 766.24M
    | ├──39丨半自动特征构建方法:连续变量的转换-.mp4 637.32M
    | ├──40丨半自动特征构建方法:缺失变量和异常值的处理-.mp4 211.77M
    | ├──41丨自动特征构建方法:Symbolic learning和AutoCross简介-.mp4 460.30M
    | ├──42丨降维方法:PCA、NMF 和 tSNE-.mp4 644.72M
    | ├──43丨降维方法:Denoising Auto Encoders-.mp4 163.43M
    | ├──44丨降维方法:Variational Auto Encoder-.mp4 455.04M
    | ├──45丨变量选择方法-.mp4 192.63M
    | ├──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 840.59M
    | ├──48丨集成树模型:LightGBM简介-.mp4 244.94M
    | ├──49丨集成树模型:CatBoost和NGBoost简介-.mp4 115.01M
    | └──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 465.76M
    ├──51-99-更多精彩课程请加AG1101201
    | ├──51丨健康检查:与Liveness、Readiness、Startup探测集成实现高可用-.mp4 259.78M
    | ├──52丨神经网络的构建:NetworkinNetwork-.mp4 79.03M
    | ├──53丨神经网络的构建:GatingMechanism和Attention-.mp4 231.99M
    | ├──54丨神经网络的构建:Memory-.mp4 766.21M
    | ├──55丨神经网络的构建:ActivationFunction-.mp4 300.35M
    | ├──56丨神经网络的构建:Normalization-.mp4 260.01M
    | ├──57丨神经网络的训练:初始化-.mp4 283.87M
    | ├──58丨神经网络的训练:学习率和Warm-up-.mp4 560.48M
    | ├──59丨神经网络的训练:新的PyTorch训练框架-.mp4 921.57M
    | ├──60丨Transformer:如何通过Transformer榨取重要变量?-.mp4 738.38M
    | ├──61丨Transformer代码实现剖析-.mp4 1.01G
    | ├──62丨xDeepFM:如何用神经网络处理高维的特征?-.mp4 522.80M
    | ├──63丨xDeepFM的代码解析-.mp4 354.43M
    | ├──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 785.60M
    | ├──65丨图嵌入:如何将图关系纳入模型?-.mp4 548.22M
    | ├──66丨图网络简介:如何在图结构的基础上建立神经网络?-.mp4 699.96M
    | ├──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 296.79M
    | ├──68丨高级模型融合技巧:Metades是什么?-.mp4 544.12M
    | ├──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 432.08M
    | ├──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 748.94M
    | ├──72丨深度迁移学习模型:RoBERTa、XLNet、ERNIE和T5-.mp4 588.16M
    | ├──73丨深度迁移学习模型:ALBERT和ELECTRA-.mp4 171.30M
    | ├──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 737.71M
    | ├──75丨深度迁移学习模型的微调:TensorFlowBERT代码简析-.mp4 933.53M
    | ├──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 426.67M
    | ├──77丨优化器:Adam和AdamW-.mp4 387.39M
    | ├──78丨优化器:Lookahead,Radam和Lamb-.mp4 139.67M
    | ├──79丨多重loss的方式:如何使用多重loss来提高模型准确率?-.mp4 233.12M
    | ├──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 176.48M
    | ├──81丨UDA:一种系统的数据扩充框架-.mp4 376.98M
    | ├──82丨LabelSmoothing和LogitSqueezing-.mp4 111.88M
    | ├──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 146.64M
    | ├──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 287.87M
    | ├──85丨长文本分类:截取、关键词拼接和预测平均-.mp4 299.03M
    | ├──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 313.04M
    | ├──87丨其他Embedding的训练:还有哪些Embedding方法?-.mp4 134.90M
    | ├──88丨训练预语言模型-.mp4 221.56M
    | ├──89丨多任务训练:如何利用多任务训练来提升效果?-.mp4 402.13M
    | ├──90丨DomainAdaptation:如何利用其它有标注语料来提升效果?-.mp4 193.87M
    | ├──91丨Few-shotLearning:是否有更好的利用不同任务的方法?-.mp4 359.41M
    | ├──92丨半监督学习:如何让没有标注的数据也派上用场?-.mp4 120.79M
    | ├──93丨依存分析和SemanticParsing概述-.mp4 87.43M
    | ├──94丨依存分析和UniversalDepdencyRelattions-.mp4 426.96M
    | ├──95丨Stanza使用-.mp4 379.80M
    | ├──96丨ShiftReduce算法-.mp4 216.86M
    | ├──97丨基于神经网络的依存分析算法-.mp4 652.13M
    | ├──98丨树神经网络:如何采用TreeLSTM和其它拓展方法?-.mp4 107.83M
    | └──99丨SemanticParsing基础:SemanticParsing的任务是什么?-.mp4 268.18M
    ├──100丨WikiSQL任务简介-.mp4 291.34M
    ├──101丨ASDL和AST-.mp4 173.27M
    ├──102丨Tranx简介-.mp4 282.18M
    ├──103丨LambdaCaculus概述-.mp4 139.70M
    ├──104丨Lambda-DCS概述-.mp4 332.32M
    ├──105丨InductiveLogicProgramming:基本设定-.mp4 433.00M
    ├──106丨InductiveLogicProgramming:一个可微的实现-.mp4 269.26M
    ├──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 202.98M
    ├──108丨最短路问题和DijkstraAlgorithm-.mp4 245.67M
    ├──109丨Q-learning:如何进行Q-learning算法的推导?-.mp4 1.09G
    ├──110丨Rainbow:如何改进Q-learning算法?-.mp4 511.28M
    ├──111丨PolicyGradient:如何进行PolicyGradient的基本推导?-.mp4 290.66M
    ├──112丨A2C和A3C:如何提升基本的PolicyGradient算法-.mp4 427.47M
    ├──113丨Gumbel-trick:如何将离散的优化改变为连续的优化问题?-.mp4 230.92M
    ├──114丨MCTS简介:如何将“推理”引入到强化学习框架中-.mp4 350.78M
    ├──115丨DirectPolictyGradient:基本设定及Gumbel-trick的使用116丨DirectPolictyGradient:轨迹生成方法-.mp4 959.78M
    ├──117丨AutoML及NeuralArchitectureSearch简介-.mp4 265.88M
    ├──118丨AutoML网络架构举例-.mp4 554.74M
    ├──119丨RENAS:如何使用遗传算法和增强学习探索网络架构-.mp4 425.47M
    ├──120丨DifferentiableSearch:如何将NAS变为可微的问题-.mp4 347.24M
    ├──121丨层次搜索法:如何在模块之间进行搜索?-.mp4 179.09M
    ├──122丨LeNAS:如何搜索搜索space-.mp4 190.28M
    ├──123丨超参数搜索:如何寻找算法的超参数-.mp4 293.32M
    ├──124丨Learning to optimize:是否可以让机器学到一个新的优化器-.mp4 257.21M
    ├──125丨遗传算法和增强学习的结合-.mp4 202.38M
    ├──126丨使用增强学习改进组合优化的算法-.mp4 446.44M
    ├──127丨多代理增强学习概述:什么是多代理增强学习?-.mp4 240.57M
    ├──128丨AlphaStar介绍:AlphaStar中采取了哪些技术?-.mp4 326.62M
    ├──129丨IMPALA:多Agent的Actor-Critic算法-.mp4 276.65M
    ├──130丨COMAAgent之间的交流-.mp4 165.55M
    ├──131丨多模态表示学习简介-.mp4 234.98M
    ├──132丨知识蒸馏:如何加速神经网络推理-.mp4 180.35M
    ├──133丨DeepGBM:如何用神经网络捕捉集成树模型的知识-.mp4 91.29M
    ├──134丨文本推荐系统和增强学习-.mp4 464.30M
    ├──135丨RL训练方法集锦:简介-.mp4 279.48M
    ├──136丨RL训练方法RL实验的注意事项-.mp4 235.73M
    ├──137丨PPO算法-.mp4 302.71M
    ├──138丨Reward设计的一般原则-.mp4 184.90M
    ├──139丨解决SparseReward的一些方法-.mp4 660.97M
    ├──140丨ImitationLearning和Self-imitationLearning-.mp4 429.06M
    ├──141丨增强学习中的探索问题-.mp4 453.05M
    ├──142丨Model-basedReinforcementLearning-.mp4 340.44M
    ├──143丨TransferReinforcementLearning和Few-shotReinforcementLearning-.mp4 508.33M
    ├──144丨Quora问题等价性案例学习:预处理和人工特征-.mp4 446.85M
    ├──145丨Quora问题等价性案例学习:深度学习模型-.mp4 365.70M
    ├──146丨文本校对案例学习-.mp4 409.67M
    ├──147丨微服务和Kubernetes简介-.mp4 223.20M
    ├──148丨Docker简介-.mp4 178.70M
    ├──149丨Docker部署实践-.mp4 342.93M
    ├──150丨Kubernetes基本概念-.mp4 214.84M
    ├──151丨Kubernetes部署实践-.mp4 462.29M
    ├──152丨Kubernetes自动扩容-.mp4 278.23M
    ├──153丨Kubernetes服务发现-.mp4 136.96M
    ├──154丨Kubernetes Ingress-.mp4 254.00M
    ├──155丨Kubernetes健康检查-.mp4 235.37M
    ├──156丨Kubernetes灰度上线-.mp4 232.75M
    ├──157丨Kubernetes Stateful Sets-.mp4 174.90M
    ├──158丨Istio简介:Istio包含哪些功能?-.mp4 122.10M
    ├──159丨Istio实例和Circuit Breaker-.mp4 379.05M
    └──160丨结束语-.mp4 127.65M

    666资源站是一个优秀的资源整合平台,海量资料共享学习
    666资源站 » NLP实战高手课

    常见问题FAQ

    视频课程的格式是什么
    视频不加密,网盘在线学习,课程免费更新,持续更新
    怎么发货?
    自动发货,提供百度云链接和提取码【如失效点击网站右侧联系客服】】
    有些资源没更新完结怎么办
    本站资源包更新至完结,后续可以点击链接获取
    有问题不懂想咨询怎么办
    咨询邮箱:2582178968@qq.com Q群:790861894
    • 33859 资源总数(个)
    • 27本周发布(个)
    • 0 今日发布(个)
    • 3702稳定运行(天)

    666资源站国内最专业的学习课程平台

    加入我们
    升级SVIP尊享更多特权立即升级