NLP 实战高手课
资源名称：
NLP 实战高手课
资源目录：
极客时间-NLP 实战高手课
├──01-50
│ ├──01丨课程介绍.mp4
│ ├──02丨内容综述.mp4
│ ├──03丨AI概览：宣传片外的人工智能.mp4
│ ├──04丨AI项目流程：从实验到落地.mp4
│ ├──05丨NLP领域简介：NLP基本任务及研究方向.mp4
│ ├──06丨NLP应用：智能问答系统.mp4
│ ├──07丨NLP应用：文本校对系统.mp4
│ ├──08丨NLP的学习方法：如何在AI爆炸时代快速上手学习？.mp4
│ ├──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
│ ├──11丨深度学习与硬件：GPU.mp4
│ ├──12丨深度学习与硬件：TPU.mp4
│ ├──13丨AI项目部署：基本原则.mp4
│ ├──14丨AI项目部署：框架选择.mp4
│ ├──15丨AI项目部署：微服务简介.mp4
│ ├──16丨统计学基础：随机性是如何改变数据拟合的本质的？.mp4
│ ├──17丨神经网络基础：神经网络还是复合函数.mp4
│ ├──18丨神经网络基础：训练神经网络.mp4
│ ├──19丨神经网络基础：神经网络的基础构成.mp4
│ ├──20丨Embedding简介.mp4
│ ├──21丨RNN简介：马尔可夫过程和隐马尔可夫过程.mp4
│ ├──22丨RNN简介：RNN和LSTM.mp4
│ ├──23丨CNN：卷积神经网络是什么？.mp4
│ ├──24丨环境部署：如何构建简单的深度学习环境？.mp4
│ ├──25丨PyTorch简介：Tensor和相关运算.mp4
│ ├──26丨PyTorch简介：如何构造Dataset和DataLoader？.mp4
│ ├──27丨PyTorch简介：如何构造神经网络？.mp4
│ ├──28丨文本分类实践：如何进行简单的文本分类？.mp4
│ ├──29丨文本分类实践的评价：如何提升进一步的分类效果？.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
│ ├──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
│ ├──32丨Pandas 简介：如何使用Pandas对数据进行处理？.mp4
│ ├──33丨Matplotlib 简介：如何进行简单的可视化分析？.mp4
│ ├──34丨半自动特征构建方法：Target Mean Encoding.mp4
│ ├──35丨半自动特征构建方法：Categorical Encoder.mp4
│ ├──36丨半自动特征构建方法：连续变量的离散化.mp4
│ ├──37丨半自动特征构建方法：Entity Embedding.mp4
│ ├──38丨半自动构建方法：Entity Embedding的实现.mp4
│ ├──39丨半自动特征构建方法：连续变量的转换.mp4
│ ├──40丨半自动特征构建方法：缺失变量和异常值的处理.mp4
│ ├──41丨自动特征构建方法：Symbolic learning和AutoCross简介.mp4
│ ├──42丨降维方法：PCA、NMF 和 tSNE.mp4
│ ├──43丨降维方法：Denoising Auto Encoders.mp4
│ ├──44丨降维方法：Variational Auto Encoder.mp4
│ ├──45丨变量选择方法.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
│ ├──48丨集成树模型：LightGBM简介.mp4
│ ├──49丨集成树模型：CatBoost和NGBoost简介.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
├──100丨WikiSQL任务简介.mp4
├──101丨ASDL和AST.mp4
├──102丨Tranx简介.mp4
├──103丨LambdaCaculus概述.mp4
├──104丨Lambda-DCS概述.mp4
├──105丨InductiveLogicProgramming：基本设定.mp4
├──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
├──108丨最短路问题和DijkstraAlgorithm.mp4
├──109丨Q-learning：如何进行Q-learning算法的推导？.mp4
├──110丨Rainbow：如何改进Q-learning算法？.mp4
├──111丨PolicyGradient：如何进行PolicyGradient的基本推导？.mp4
├──112丨A2C和A3C：如何提升基本的PolicyGradient算法.mp4
├──113丨Gumbel-trick：如何将离散的优化改变为连续的优化问题？.mp4
├──114丨MCTS简介：如何将“推理”引入到强化学习框架中.mp4
├──115丨DirectPolictyGradient：基本设定及Gumbel-trick的使用116丨DirectPolictyGradient：轨迹生成方法.mp4
├──117丨AutoML及NeuralArchitectureSearch简介.mp4
├──118丨AutoML网络架构举例.mp4
├──119丨RENAS：如何使用遗传算法和增强学习探索网络架构.mp4
├──120丨DifferentiableSearch：如何将NAS变为可微的问题.mp4
├──121丨层次搜索法：如何在模块之间进行搜索？.mp4
├──122丨LeNAS：如何搜索搜索space.mp4
├──123丨超参数搜索：如何寻找算法的超参数.mp4
├──124丨Learning to optimize：是否可以让机器学到一个新的优化器.mp4
├──125丨遗传算法和增强学习的结合.mp4
├──126丨使用增强学习改进组合优化的算法.mp4
├──127丨多代理增强学习概述：什么是多代理增强学习？.mp4
├──128丨AlphaStar介绍：AlphaStar中采取了哪些技术？.mp4
├──129丨IMPALA：多Agent的Actor-Critic算法.mp4
├──130丨COMAAgent之间的交流.mp4
├──131丨多模态表示学习简介.mp4
├──132丨知识蒸馏：如何加速神经网络推理.mp4
├──133丨DeepGBM：如何用神经网络捕捉集成树模型的知识.mp4
├──134丨文本推荐系统和增强学习.mp4
├──135丨RL训练方法集锦：简介.mp4
├──136丨RL训练方法RL实验的注意事项.mp4
├──137丨PPO算法.mp4
├──138丨Reward设计的一般原则.mp4
├──139丨解决SparseReward的一些方法.mp4
├──140丨ImitationLearning和Self-imitationLearning.mp4
├──141丨增强学习中的探索问题.mp4
├──142丨Model-basedReinforcementLearning.mp4
├──143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
├──144丨Quora问题等价性案例学习：预处理和人工特征.mp4
├──145丨Quora问题等价性案例学习：深度学习模型.mp4
├──146丨文本校对案例学习.mp4
├──147丨微服务和Kubernetes简介.mp4
├──148丨Docker简介.mp4
├──149丨Docker部署实践.mp4
├──150丨Kubernetes基本概念.mp4
├──151丨Kubernetes部署实践.mp4
├──152丨Kubernetes自动扩容.mp4
├──153丨Kubernetes服务发现.mp4
├──154丨Kubernetes Ingress.mp4
├──155丨Kubernetes健康检查.mp4
├──156丨Kubernetes灰度上线.mp4
├──157丨Kubernetes Stateful Sets.mp4
├──158丨Istio简介：Istio包含哪些功能？.mp4
├──159丨Istio实例和Circuit Breaker.mp4
└──160丨结束语.mp4
获取方式：
**** Hidden Message *****
手机扫码获取：
https://api.qrserver.com/v1/create-qr-code/?size=200x200&margin=100&data=https%3A//pan.quark.cn/s/e73357795c2b
失效发站内消息~~~~~~
啥也不说了，感谢楼主分享哇！ 正需要，支持楼主大人了！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 正需要，支持楼主大人了！ 啥也不说了，感谢楼主分享哇！ 么有分，谁能送我点积分啊::>_<:: 啥也不说了，感谢楼主分享哇！
页:
[1]
2