【8422】-极客时间-NLP实战高手课

极客时间-NLP实战高手课

011课程介绍.mp4

021内容综述.mp4

031 AI概览：宣传片外的人工智能.mp4

041 A1项目流程：从实验到落地.mp4

051 NLP领域简介： NLP基本任务及研究方向.mp4

06 1 NLP应用：智能问答系统.mp4

071NLP应用：文本校对系统.mp4

081NLP的学习方法：如何在Al爆炸时代快速上手学习？mp4

091深度学习框架：选择合适的深度学习框架？ 101深度学习与硬件： CPU.mp4

111深度学习与硬件： GPU.mp4

121深度学习与硬件： TPU.mp4

131 AI项目部署：基本原则.mp4

141 AI项目部署：框架选择.mp4

151 A1项目部署：微服务简介.mp4

161统计学基础：随机性是如何改变数据拟合的本质的？.mp4

171神经网络基础：神经网络还是复合函数.mp4

181神经网络基础：训练神经网络.mp4

191神经网络基础：神经网络的基础构成.mp4

201 Embedding简介.mp4

211 RNN简介：马尔可夫过程和隐马尔可夫过程.mp4

22 1 RNN简介：RNN和LSTM.mp4

231 CNN ：卷积神经网络是什么？.mp4

241环境部署：如何构建简单的深度学习环境？.mp4

25 1 PyTorch简介： Tensor和相关运算.mp4

26 1 PyTorch简介：如何构造Dataset和DataLoader ？.mp4

271 PyTorch简介：如何构造神经网络？.mp4

281文本分类实践：如何进行简单的文本分类？.mp4

291文本分类实践的评价：如何提升进一步的分类效果？.mp4

301经典的数据挖掘方法：数据驱动型开发早期的努力.mp4

311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？.mp41

321 Pandas简介：如何使用Pandas对数据进行处理？.mp4

33 1 Matplotib简介：如何进行简单的可视化分析？.mp4

341半自动特征构建方法： Target Mean Encoding.mp4

351半自动特征构建方法： Categorical Encoder.mp

361半自动特征构建方法：连续变量的离散化.mp4

371半自动特征构建方法： Entity Embedding.mp4

381半自动构建方法： Entity Embedding的实现.mp4

391半自动特征构建方法：连续变量的转换.mp4

401半自动特征构建方法：缺失变量和异常值的处理.mp4

411自动特征构建方法： Symbolic learnina和AutoCross简介.mp4

421降维方法： PCA， NMF和tSNE.mp4

43 1降维方法： Denoising Auto Encoders.mp4

441降维方法： Variational Auto Encoder.mp4

451变量选择方法.mp4

461集成树模型：如何提升决策树的效果47 1集成树模型： GBDT和DXgBoost的数学表达.mp4

481集成树模型： LightGBM简介.mp4

491集成树模型： CatBoost和NGBoost简介.mp4

501神经网络建模：如何让神经网络实现你的数据挖掘需求
511神经网络的构建： ResidualConnection和DenseConnection.mp4

511健康检查：与Liveness， Readiness， Startup探测集成实现高可用.mp4

521神经网络的构建： NetworkinNetwork.mp4

531神经网络的构建： GatingMechanism和Attention.mp4

541神经网络的构建： Memory.mp4

551神经网络的构建： ActivationFunction.mp4

561神经网络的构建： Normalization.mp4

571神经网络的训练：初始化mp4

581神经网络的训练：学习率和Warm-up.mp4

591神经网络的训练：新的PyTorch训l练框架.mp4

60 1 Transformer：如何通过Transformer榨取重要变量？.mp4

51 1 Transformer代码实现a析.mp4

62 1 xDeepFM：如何用神经网络处理高维的特征？.mp4

631 xDeepFM的代码解析.mp4

641时序建模：如何用神经网络解决时间序列的预测问题？ .mp4

651图嵌入：如何将图关系纳入模型？.mp4

661图网络简介：如何在图结构的基础上建立神经网络？ .mp4

671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

681高级模型融合技巧： Metades是什么？.mp4

691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

701重新审视Word Embedding ： Negative Samplino和Contextual Embedding
71 1深度迁移学习模型：从ELMo到BERT.mp4

721深度迁移学习模型： ROBERTa， XLNet， ERNIE和T5.mp4

731深度迁移学习模型： ALBERT和ELECTRA.mp4

741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

751深度迁移学习模型的微调： TensorFlowBERT代码简析.mnp4

761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

771优化器： Adam和Adamw.mp4

781优化器： Lookahead， Radam和Lamb.mp4

791多重loss的方式：如何使用多重loss来提高模型准确率？.mp4

801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

81 1 UDA：一种系统的数据扩充框架.mp4

82 1 Labelsmoothing和LogitSqueezing.mp4

831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

841上层模型拼接：如何在语言模型基础上拼接更多的模型？ .mp4

851长文本分类：截取、关键词拼接和预测平均.mp4

861 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

871其他Embedding的训练：还有哪些Embedding方法？.mp4

881训练预语言模型.mp4

891多任务训练：如何利用多任务训练来提升效果？.mp4

90 1 DomainAdaptation ：如何利用其它有标注语料来提升效果？.mp4

91 1 Few-shotLearning ：是否有更好的利用不同任务的方法？.mp4

921半监督学习：如何让没有标注的数据也派上用场？.mp4

931依存分析和SemanticParsing概述mp4

941依存分析和UniversalDepdencyRelattions.mp4

95 1 Stanza使用.mp4

96 1 ShiftReduce算法.mp4

971基于神经网络的依存分析算法.mp4

98 1树神经网络：如何采用TreeLSTM和其它拓展方法？ .mp4

99 1 SemanticParsing基础： SemanticParsing的任务是什么？ .mp4

100 1 WikisQL任务简介.mp4

101 1 ASDL和AST.mp4

102 1 Tranx简介.mp4

103 1 LambdaCaculus概述.mp4

104 1 Lambda-DCS概述.mp4

105 1 InductiveLogicProgramming ：基本设定.mp4

106 1 InductivelogicProgramming ：一个可微的实现.mp4

1071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 1最短路问题和DijkstraAlgorithm.mp4

极客时间-NLP实战高手课百度网盘分享地址：链接: https://pan.baidu.com/s/1ESFg8QIHZeF6g1B0X86cHg 提取码: p256

加QQ群共同学习共同进步

返回列表