深度之眼-人工智能Paper年度会员（NLP方向）前沿版
NLP领域前沿技术深度解析
编辑点评
系统讲解NLP领域强化学习算法，深入剖析算法原理与实现细节，适合对NLP和机器学习有较高兴趣的学习者。
⭐ 编辑推荐
深度之眼-人工智能Paper年度会员（NLP方向）前沿版，聚焦NLP领域前沿技术，深度解析强化学习算法。
课程亮点
• NLP领域强化学习算法深度解析
• 系统讲解算法原理与实现细节
• 适合对NLP和机器学习有较高兴趣的学习者
课程目录
📁 19、强化学习》
19、强化学习》178、12IntrinsicMotivation-06-DIAYN泛读_14604_1013.mkv [52.5 MB]
19、强化学习》177、12IntrinsicMotivation-05-VIC泛读.mkv [42.8 MB]
19、强化学习》158、10SAC-11-算法细节_14604_3025.mkv [21.7 MB]
19、强化学习》99、06PPO-17-算法之外的技巧.mkv [67.5 MB]
19、强化学习》98、06PPO-16-代码运行结果.mkv [53.3 MB]
19、强化学习》95、06PPO-13-计算Loss Function.mkv [84.8 MB]
19、强化学习》97、06PPO-15-代码结构.mkv [56.5 MB]
19、强化学习》96、06PPO-14-拓展到连续型action空间_14604_5618.mkv [48.1 MB]
19、强化学习》91、06PPO-09-算法分析.mkv [48.5 MB]
19、强化学习》92、06PPO-10-实验结果分析.mkv [41.0 MB]
19、强化学习》94、06PPO-12-代码部分结构_14604_4583.mkv [18.0 MB]
19、强化学习》90、06PPO-08-Advantage Function.mkv [32.9 MB]
19、强化学习》88、06PPO-06-Clipped Surrogate Loss_14604_8816.mkv [56.5 MB]
19、强化学习》89、06PPO-07-Adaptive KL_14604_4650.mkv [39.9 MB]
19、强化学习》85、06PPO-03-论文泛读.mkv [45.8 MB]
19、强化学习》81、05REINFORCE-13-代码结构_14604_1059.mkv [68.4 MB]
19、强化学习》82、05REINFORCE-14-运行结果分析.mkv [77.2 MB]
19、强化学习》84、06PPO-02-研究背景_14604_1528.mkv [15.9 MB]
19、强化学习》83、06PPO-01-开场白.mkv [17.1 MB]
19、强化学习》80、05REINFORCE-12-主体循环.mkv [41.9 MB]
19、强化学习》78、05REINFORCE-10-网络结构设计.mkv [93.3 MB]
19、强化学习》79、05REINFORCE-11-数据处理_14604_6751.mkv [24.9 MB]
19、强化学习》77、05REINFORCE-09-代码部分结构.mkv [15.3 MB]
19、强化学习》75、05REINFORCE-07-核心定理证明_14604_5531.mkv [111.9 MB]
19、强化学习》74、05REINFORCE-06-算法核心思想.mkv [97.8 MB]
19、强化学习》73、05REINFORCE-05-论文定理理解_14604_6580.mkv [138.7 MB]
19、强化学习》70、05REINFORCE-02-论文泛读_14604_1827.mkv [26.6 MB]
19、强化学习》71、05REINFORCE-03-背景知识补充_14604_8072.mkv [26.7 MB]
19、强化学习》93、06PPO-11-本届回顾下节预告.mkv [7.6 MB]
19、强化学习》67、04QRDQN-10-code2_14604_4223.mkv [141.7 MB]
19、强化学习》69、05REINFORCE-01-开场白及研究背景介绍_14604_5485.mkv [21.2 MB]
19、强化学习》64、04QRDQN-07-理论证明2.mkv [187.0 MB]
19、强化学习》68、04QRDQN-11-code3.mkv [49.5 MB]
19、强化学习》87、06PPO-05-论文精读结构介绍_14604_6439.mkv [7.1 MB]
19、强化学习》86、06PPO-04-本节回顾下节预告_14604_2868.mkv [5.3 MB]
19、强化学习》66、04QRDQN-09-code1.mkv [9.3 MB]
19、强化学习》63、04QRDQN-06-理论证明1_14604_1521.mkv [24.2 MB]
19、强化学习》61、04QRDQN-04-新的分布更新思路、估计分位数_14604_8124.mkv [70.0 MB]
19、强化学习》62、04QRDQN-05-QRDQN算法讲解、实验结果与分析_14604_7205.mkv [68.1 MB]
19、强化学习》60、04QRDQN-03-回顾C51_14604_3200.mkv [25.7 MB]
19、强化学习》57、03C51-18-实验结果_14604_1235.mkv [24.2 MB]
19、强化学习》58、04QRDQN-01-研究背景、意义及补充知识介绍_14604_7159.mkv [19.0 MB]
19、强化学习》59、04QRDQN-02-论文泛读、摘要、框架讲解.mkv [31.4 MB]
19、强化学习》54、03C51-15-分布更新单个样本_14604_2458.mkv [95.7 MB]
19、强化学习》56、03C51-17-Pytorch MiniBatch分布更新_14604_8674.mkv [37.7 MB]
19、强化学习》55、03C51-16-MiniBatch分布更新.mkv [82.7 MB]
19、强化学习》76、05REINFORCE-08-下节预告.mkv [5.3 MB]
19、强化学习》53、03C51-14-算法部分结构一览_14604_6499.mkv [38.4 MB]
19、强化学习》72、05REINFORCE-04-下节预告.mkv [5.1 MB]
19、强化学习》52、03C51-13-代码部分介绍_14604_6645.mkv [17.4 MB]
19、强化学习》50、03C51-11-定理1证明.mkv [208.8 MB]
19、强化学习》51、03C51-12-其余理论部分及总结_14604_4254.mkv [55.3 MB]
19、强化学习》49、03C51-10-引理1证明.mkv [127.2 MB]
19、强化学习》47、03C51-08-实验结果及分析_14604_2628.mkv [99.1 MB]
19、强化学习》48、03C51-09-引理2引理3证明.mkv [17.2 MB]
19、强化学习》65、04QRDQN-08-上节回顾和下节预告.mkv [4.9 MB]
19、强化学习》46、03C51-07-算法分析.mkv [51.3 MB]
19、强化学习》44、03C51-05-分布更新 BellmanEquation BellmanOperator.mkv [42.1 MB]
19、强化学习》45、03C51-06-BellmanOptimalOperator.mkv [96.9 MB]
19、强化学习》43、03C51-04-论文泛读.mkv [71.4 MB]
19、强化学习》41、03C51-02-背景知识补充01_14604_8715.mkv [58.3 MB]
19、强化学习》42、03C51-03-背景知识补充02.mkv [19.7 MB]
19、强化学习》40、03C51-01-研究成果及意义_14604_4344.mkv [20.4 MB]
19、强化学习》39、02DQN改进-19-代码总览及实验结果.mkv [68.9 MB]
19、强化学习》37、02DQN改进-17-ReplayBuffer02_14604_9100.mkv [91.4 MB]
19、强化学习》38、02DQN改进-18-ReplayBuffer03_14604_5853.mkv [69.7 MB]
19、强化学习》34、02DQN改进-14-SumTree_14604_5252.mkv [78.6 MB]
19、强化学习》36、02DQN改进-16-ReplayBuffer01.mkv [60.2 MB]
19、强化学习》35、02DQN改进-15-SumTree后续及DuelStructure_14604_6643.mkv [18.4 MB]
19、强化学习》33、02DQN改进-13-bisect包.mkv [16.6 MB]
19、强化学习》32、02DQN改进-12-代码课整体介绍.mkv [42.7 MB]
19、强化学习》31、02DQN改进-11-下节预告_14604_9720.mkv [10.2 MB]
19、强化学习》30、02DQN改进-10-PER实验结果及DuelDQN.mkv [69.7 MB]
19、强化学习》29、02DQN改进-09-PER02.mkv [155.1 MB]
19、强化学习》28、02DQN改进-08-PER01.mkv [62.6 MB]
19、强化学习》27、02DQN改进-07-DDQN总结_14604_1888.mkv [61.3 MB]
19、强化学习》23、02DQN改进-03-论文泛读_14604_6852.mkv [96.1 MB]
19、强化学习》26、02DQN改进-06-DDQN图表分析_14604_5519.mkv [102.2 MB]
19、强化学习》25、02DQN改进-05-论文网络结构.mkv [16.5 MB]
19、强化学习》19、01DQN-16-DQN核心功能实现_14604_4986.mkv [147.9 MB]
19、强化学习》22、02DQN改进-02-研究背景及意义.mkv [10.6 MB]
19、强化学习》21、02DQN改进-01-论文泛读开场白.mkv [32.3 MB]
19、强化学习》20、01DQN-17-代码结构及实验结果分析.mkv [63.8 MB]
19、强化学习》189、12IntrinsicMotivation-17-EDL精读_14604_5464.mkv [212.6 MB]
19、强化学习》190、12IntrinsicMotivation-18-论文总结.mkv [12.5 MB]
19、强化学习》18、01DQN-15-图像预处理代码_14604_7416.mkv [67.4 MB]
19、强化学习》187、12IntrinsicMotivation-15-DIAYN精读.mkv [205.3 MB]
19、强化学习》186、12IntrinsicMotivation-14-VIC精读.mkv [182.4 MB]
19、强化学习》188、12IntrinsicMotivation-16-SMM精读.mkv [320.0 MB]
19、强化学习》184、12-IntrinsicMotivation-12-CuriosityStudy精读.mkv [169.2 MB]
19、强化学习》185、12IntrinsicMotivation-13-VIME精读.mkv [125.5 MB]
19、强化学习》183、12IntrinsicMotivation-11-ICM精读_14604_5678.mkv [227.5 MB]
19、强化学习》17、01DQN-14-gym介绍.mkv [82.3 MB]
19、强化学习》180、12IntrinsicMotivation-08-EDL泛读_14604_4318.mkv [68.4 MB]
19、强化学习》179、12IntrinsicMotivation-07-SMM泛读_14604_4374.mkv [51.4 MB]
19、强化学习》175、12IntrinsicMotivation-03-CuriosityStudy泛读.mkv [46.4 MB]
19、强化学习》176、12IntrinsicMotivation-04-VIME泛读_14604_9383.mkv [35.4 MB]
19、强化学习》171、11AdvancedValueMethods-12-IMPALA.mkv [270.8 MB]
19、强化学习》24、02DQN改进-04-论文泛读总结及下节预告_14604_7970.mkv [7.9 MB]
19、强化学习》174、12IntrinsicMotivation-02-ICM泛读_14604_6774.mkv [53.2 MB]
📁 23 重点讲解专栏（NLP方向）
📁 02Paper会员（NLP）重难点论文专栏资料合集
📁 02ERNIE- Enhanced Language Representation with Informative Entities
ERNIE- Enhanced Language Representation with Informative Entities.pdf [1.7 MB]
02ERNIE- Enhanced Language Representation with Informative Entities文档.png [493.5 KB]
📁 01ARNOR- Attention Regularization based Noise Reduction for Distant Supervision Relation Classification
01ARNOR- Attention Regularization based Noise Reduction for Distant Supervision Relation Classification必看.zip [1.8 MB]
P19-1135.pdf [459.7 KB]
02Paper会员（NLP）重难点论文专栏资料合集必看.zip [1.8 MB]
14 重点讲解专栏（NLP方向）_【老版本】【重难点第4篇】SER第二课时：论文讲解.mp4 [137.6 MB]
13 重点讲解专栏（NLP方向）_【老版本】【重难点第4篇】SER第三课时_14604_3992.mp4 [171.2 MB]
15 重点讲解专栏（NLP方向）_【老版本】【重难点第4篇】SER第四课时.mp4 [64.2 MB]
10 重点讲解专栏（NLP方向）_【老版本】【重难点第3篇】Meta-learning论文第二课时：手推公式.mp4 [143.4 MB]
12 重点讲解专栏（NLP方向）_【老版本】【重难点第4篇】SER第一课时课程导读.mp4 [44.3 MB]
11 重点讲解专栏（NLP方向）_【老版本】【重难点第3篇】Meta-learning论文第二课时：论文讲解.mp4 [34.6 MB]
09 重点讲解专栏（NLP方向）_【老版本】【重难点第3篇】Meta-learning论文第三课时_14604_8512.mp4 [53.1 MB]
07 重点讲解专栏（NLP方向）_【老版本】【重难点第2篇】ERNIE论文第二课：论文精读.mp4 [49.9 MB]
08 重点讲解专栏（NLP方向）_【老版本】【重难点第3篇】Meta-learning论文第一课：论文导读_14604_7922.mp4 [48.1 MB]
05 重点讲解专栏（NLP方向）_【老版本】【重难点第1篇】ARNOR论文第二课.mp4 [58.2 MB]
06 重点讲解专栏（NLP方向）_【老版本】【重难点第2篇】ERNIE论文第一课：论文导读.mp4 [36.3 MB]
04 重点讲解专栏（NLP方向）_【老版本】【重难点第1篇】ARNOR论文第一课.mp4 [36.3 MB]
03 重点讲解专栏（NLP方向）_【老版本】【第14篇】SANIL第二课时.mp4 [48.9 MB]
01 重点讲解专栏（NLP方向）_【老版本】【第13篇】Reptile_14604_9196.mp4 [34.8 MB]
02 重点讲解专栏（NLP方向）_【老版本】【第14篇】SANIL第一课时.mp4 [52.2 MB]
23 重点讲解专栏（NLP方向）必看.png [493.5 KB]
📁 19 NLP-paper 前沿论文直播讲解
📁 苹果
07 NLP-paper 前沿论文直播讲解_第七次直播——清华本硕学长论文分享.移动版本.mp4 [92.1 MB]
06 NLP-paper 前沿论文直播讲解_第六场直播——向语言模型中注入数值推理能力.移动版本.mp4 [164.7 MB]
05 NLP-paper 前沿论文直播讲解_第五场直播——COMET.移动版本.mp4 [149.7 MB]
04 NLP-paper 前沿论文直播讲解_第四场直播——DSSMs：结构化语义模型.移动版本.mp4 [141.3 MB]
03 NLP-paper 前沿论文直播讲解_第三场直播——选择，回答和解释：基于多文档的可解释多跳阅读理解.移动版本_14604_3363.mp4 [175.0 MB]
02 NLP-paper 前沿论文直播讲解_第二场直播——预训练模型RoBERTa.移动版本.mp4 [133.5 MB]
01 NLP-paper 前沿论文直播讲解_第一场直播——基于图神经网络的应用和开发（关系抽取）.移动版本_14604_1770.mp4 [113.1 MB]
苹果说明.png [493.5 KB]
12 NLP-paper 前沿论文直播讲解_第十二场直播——如何快速发论文.mp4.mp4 [136.3 MB]
09 NLP-paper 前沿论文直播讲解_第九场直播——基于多跳问答的图神经网络_14604_8646.mp4 [264.8 MB]
11 NLP-paper 前沿论文直播讲解_第十一场直播——顶刊审稿人教你发论文小tips.mp4_14604_3459.mp4 [343.7 MB]
10 NLP-paper 前沿论文直播讲解_第十场直播——中科院博士详解对话系统前沿论文.mp4_14604_8571.mp4 [112.7 MB]
07 NLP-paper 前沿论文直播讲解_第七次直播——清华本硕学长论文分享_14604_4356.mp4 [92.1 MB]
08 NLP-paper 前沿论文直播讲解_第八场直播——全感知注意力融合在机器阅读理解中的应用.mp4 [237.0 MB]
06 NLP-paper 前沿论文直播讲解_第六场直播——向语言模型中注入数值推理能力_14604_2799.mp4 [164.7 MB]
04 NLP-paper 前沿论文直播讲解_第四场直播——DSSMs：结构化语义模型.mp4 [141.3 MB]
05 NLP-paper 前沿论文直播讲解_第五场直播——COMET.mp4 [149.7 MB]
03 NLP-paper 前沿论文直播讲解_第三场直播——选择，回答和解释：基于多文档的可解释多跳阅读理解.mp4 [175.0 MB]
02 NLP-paper 前沿论文直播讲解_第二场直播——预训练模型RoBERTa_14604_6406.mp4 [133.5 MB]
01 NLP-paper 前沿论文直播讲解_第一场直播——基于图神经网络的应用和开发（关系抽取_14604_6361.mp4 [113.1 MB]
19 NLP-paper 前沿论文直播讲解必看.zip [1.8 MB]
📁 24 推荐阅读专栏（NLP方向）
16 预训练直播答疑.mp4 [133.0 MB]
17 NLP直播答疑_2022-10-13_09-56-49_14604_2242.mp4 [50.8 MB]
15 NLP baseline直播答疑_2022-10-13_09-56-20.mp4 [151.7 MB]
14 NLP baseline直播答疑_2022-10-13_09-56-03_14604_2025.mp4 [128.5 MB]
13 NLP直播答疑_2022-10-13_09-55-44_14604_3444.mp4 [170.1 MB]
12 NLP直播答疑.mp4 [67.1 MB]
10 NLP Baseline 直播答疑.mp4 [151.9 MB]
11 NLP baseline直播答疑_2022-10-13_09-55-07.mp4 [76.9 MB]
09 NLP Baseline直播答疑.mp4 [184.5 MB]
07 直播答疑_2022-10-13_09-53-12.mp4 [76.7 MB]
08 GAN专题直播答疑.mp4 [62.5 MB]
04 直播答疑_2022-10-13_09-52-15_14604_6616.mp4 [120.4 MB]
06 直播答疑_2022-10-13_09-52-58.mp4 [97.2 MB]
05 直播答疑_2022-10-13_09-52-37.mp4 [91.2 MB]
Sentiment Tagging with Partial Labels using Modular Architectures P19-1055.pdf [734.1 KB]
02 直播答疑_2022-10-13_09-51-42.mp4 [103.0 MB]
03 论文复现体验课学习指引.mp4 [10.5 MB]
01 直播答疑.mp4 [120.1 MB]
Star-Transformer 1902 09113_14604_6282.pdf [363.0 KB]
Ordered Neurons：Integrating Tree Structures into Recurrent Neural Networks.pdf [595.8 KB]
OR-NMT：Bridging the Gap between Training and Inference for Neural Machine Translation_14604_3921.zip [3.7 MB]
Lattice CNNs for Matching Based Chinese Question Answering 1902 09087_14604_5468.pdf [2.8 MB]
Modular_Neural_CRF Sentiment Tagging with Partial Labels using Modular Architectures_14604_4088.zip [29.5 KB]
Do NLP Models Know Numbers？Probing Numeracy in Embeddings 1909 07940.pdf [3.0 MB]
Attention is not not Explanation 1908 04626_14604_1151.pdf [4.8 MB]
Bridging the Gap between Training and Inference for Neural Machine Translation 1906 02448_14604_1192.pdf [834.3 KB]
Attention is not Explanation 1902 10186_14604_9721.pdf [1.2 MB]
24 推荐阅读专栏（NLP方向）文档.png [493.5 KB]
📁 18 14 NLP-对话系统
📁 苹果
28 14 NLP-对话系统_1.9 joint-bert-代码.移动版本.mp4 [189.2 MB]
26 14 NLP-对话系统_1.7 joint-bert.移动版本.mp4 [49.5 MB]
27 14 NLP-对话系统_1.8 joint-bert-代码.移动版本.mp4 [37.0 MB]
12 14 NLP-对话系统_【10月27日】Fewshot MultiLABEL-代码复现.移动版本.mp4 [282.3 MB]
23 14 NLP-对话系统_1.4 joint-bert.移动版本.mp4 [146.9 MB]
24 14 NLP-对话系统_1.5 joint-bert.移动版本.mp4 [11.6 MB]
11 14 NLP-对话系统_【10月23日】Fewshot MultiLABEL-论文精读+代码讲解.移动版本_14604_5953.mp4 [767.7 MB]
21 14 NLP-对话系统_1.2 joint-bert.移动版本_14604_9058.mp4 [16.5 MB]
20 14 NLP-对话系统_1.1 joint-bert.移动版本_14604_6746.mp4 [62.1 MB]
10 14 NLP-对话系统_【10月13日】Fewshot MultiLABEL-论文精读（第二部分）.移动版本.mp4 [384.9 MB]
09 14 NLP-对话系统_【9月19日】Fewshot MultiLABEL-论文精读（第一部分）.移动版本.mp4 [380.3 MB]
03 14 NLP-对话系统_【8月19日】JointBERT-论文讲解（开营直播）.移动版本_14604_2926.mp4 [415.6 MB]
01 14 NLP-对话系统_【8月10日】对话系统体验课直播第一讲.移动版本.mp4 [126.1 MB]
02 14 NLP-对话系统_【8月11日】对话系统体验课直播第二讲.移动版本_14604_5760.mp4 [139.7 MB]
苹果说明.zip [1.8 MB]
25 14 NLP-对话系统_1.6 joint-bert.移动版本.mp4 [1.7 MB]
22 14 NLP-对话系统_1.3 joint-bert.移动版本.mp4 [6.7 MB]
28 14 NLP-对话系统_1.9 joint-bert-代码.mp4 [189.2 MB]
26 14 NLP-对话系统_1.7 joint-bert_14604_8020.mp4 [49.5 MB]
27 14 NLP-对话系统_1.8 joint-bert-代码_14604_8537.mp4 [37.0 MB]
19 14 NLP-对话系统_【4月27日】dst-as-prompting-代码复现.mp4 [721.5 MB]
24 14 NLP-对话系统_1.5 joint-bert_14604_6880.mp4 [11.6 MB]
23 14 NLP-对话系统_1.4 joint-bert.mp4 [146.9 MB]
18 14 NLP-对话系统_【4月20日】dst-as-prompting-论文泛读_14604_1704.mp4 [452.1 MB]
21 14 NLP-对话系统_1.2 joint-bert.mp4 [16.5 MB]
20 14 NLP-对话系统_1.1 joint-bert_14604_3772.mp4 [62.1 MB]
17 14 NLP-对话系统_【4月24日】dst-as-prompting-论文精读.mp4 [713.1 MB]
14 14 NLP-对话系统_【4月1日】trade-dst-论文精读_14604_4025.mp4 [764.4 MB]
15 14 NLP-对话系统_【4月8日】trade-dst-代码复现.mp4 [894.2 MB]
16 14 NLP-对话系统_【4月12日】trade-dst-代码讲解（下）.mp4 [359.9 MB]
13 14 NLP-对话系统_【3月29日】trade-dst-论文泛读_14604_6890.mp4 [593.8 MB]
12 14 NLP-对话系统_【10月27日】Fewshot MultiLABEL-代码复现_14604_4436.mp4 [282.3 MB]
11 14 NLP-对话系统_【10月23日】Fewshot MultiLABEL-论文精读+代码讲解.mp4 [767.7 MB]
10 14 NLP-对话系统_【10月13日】Fewshot MultiLABEL-论文精读（第二部分_14604_1376.mp4 [384.9 MB]
09 14 NLP-对话系统_【9月19日】Fewshot MultiLABEL-论文精读（第一部分_14604_7739.mp4 [380.3 MB]
07 14 NLP-对话系统_【9月11日】AGIF-代码复现.mp4 [777.0 MB]
08 14 NLP-对话系统_【9月16日】Fewshot MultiLABEL-论文泛读.mp4 [428.5 MB]
06 14 NLP-对话系统_【8月28日】AGIF-论文精读_14604_5116.mp4 [929.1 MB]
04 14 NLP-对话系统_【8月21日】JointBERT-代码详解.mp4 [768.3 MB]
05 14 NLP-对话系统_【8月25日】AGIF-论文讲解.mp4 [498.0 MB]
25 14 NLP-对话系统_1.6 joint-bert_14604_9339.mp4 [1.7 MB]
03 14 NLP-对话系统_【8月19日】JointBERT-论文讲解（开营直播）.mp4 [415.6 MB]
22 14 NLP-对话系统_1.3 joint-bert.mp4 [6.7 MB]
02 14 NLP-对话系统_【8月11日】对话系统体验课直播第二讲.mp4 [139.7 MB]
01 14 NLP-对话系统_【8月10日】对话系统体验课直播第一讲_14604_5302.mp4 [126.1 MB]
18 14 NLP-对话系统资料.zip [1.8 MB]
📁 03 学前须知
📁 学员资料合集
00-paper浅谈-9_20210115123719.pdf [5.0 MB]
学前须知_效率提升3倍的Paper 阅读方法.mp4 [74.6 MB]
📁 22 精读论文专栏（NLP方向）
Paper会员（NLP方向）资料汇总（学员版，论文原文及代码）.rar [354.6 MB]
88 精读论文专栏（NLP方向）_【老版本】【第30篇】BERT--NAACL 2019最佳论文第二课时_14604_8838.mp4 [44.1 MB]
86 精读论文专栏（NLP方向）_【老版本】【第29篇】第二课时：论文精读_14604_6814.mp4 [81.2 MB]
85 精读论文专栏（NLP方向）_【老版本】【第29篇】第一课时：论文导读.mp4 [25.1 MB]
87 精读论文专栏（NLP方向）_【老版本】【第30篇】BERT--NAACL 2019最佳论文第一课时.mp4 [41.1 MB]
84 精读论文专栏（NLP方向）_【老版本】【第28篇】TCN 第二课时_14604_8928.mp4 [45.3 MB]
82 精读论文专栏（NLP方向）_【老版本】【第27篇】Transformer-XL第二课时.mp4 [33.2 MB]
83 精读论文专栏（NLP方向）_【老版本】【第28篇】TCN 第一课时_14604_7244.mp4 [36.2 MB]
81 精读论文专栏（NLP方向）_【老版本】【第27篇】Transformer-XL第一课时_14604_7838.mp4 [28.9 MB]
79 精读论文专栏（NLP方向）_【老版本】【第26篇】大规模语料模型第一课时_14604_9582.mp4 [52.0 MB]
80 精读论文专栏（NLP方向）_【老版本】【第26篇】大规模语料模型第二课时_14604_6178.mp4 [47.8 MB]
78 精读论文专栏（NLP方向）_【老版本】【第25篇】R-GCNs第二课时.mp4 [39.1 MB]
76 精读论文专栏（NLP方向）_【老版本】【第24篇】SeqGAN第二课时.mp4 [42.8 MB]
77 精读论文专栏（NLP方向）_【老版本】【第25篇】R-GCNs第一课时.mp4 [34.4 MB]
75 精读论文专栏（NLP方向）_【老版本】【第24篇】SeqGAN第一课时.mp4 [30.8 MB]
72 精读论文专栏（NLP方向）_【老版本】【第22篇】双向Attention第二课时：论文精读_14604_8216.mp4 [61.5 MB]
73 精读论文专栏（NLP方向）_【老版本】【第23篇】Dialogue第一课时.mp4 [40.7 MB]
74 精读论文专栏（NLP方向）_【老版本】【第23篇】Dialogue第二课时.mp4 [35.9 MB]
70 精读论文专栏（NLP方向）_【老版本】【第21篇】QANet代码精读_14604_9100.mp4 [38.2 MB]
71 精读论文专栏（NLP方向）_【老版本】【第22篇】双向Attention第一课时：论文导读.mp4 [17.4 MB]
69 精读论文专栏（NLP方向）_【老版本】【第21篇】QANet论文精读.mp4 [40.1 MB]
68 精读论文专栏（NLP方向）_【老版本】【第21篇】QANet论文导读_14604_9006.mp4 [35.2 MB]
67 精读论文专栏（NLP方向）_【老版本】【第20篇】End-to-End Memory Networks代码精读.mp4 [18.8 MB]
66 精读论文专栏（NLP方向）_【老版本】【第20篇】End-to-End Memory Networks论文精读.mp4 [27.4 MB]
64 精读论文专栏（NLP方向）_【老版本】【第19篇】seq2seq精读_14604_3066.mp4 [32.3 MB]
63 精读论文专栏（NLP方向）_【老版本】【第19篇】seq2seq导读.mp4 [37.0 MB]
65 精读论文专栏（NLP方向）_【老版本】【第20篇】End-to-End Memory Networks论文导读.mp4 [13.6 MB]
62 精读论文专栏（NLP方向）_【老版本】【第18篇】UMT论文精读_14604_2407.mp4 [41.4 MB]
60 精读论文专栏（NLP方向）_【老版本】【第17篇】谷歌的神经网络机器翻译系统第二课时.mp4 [34.3 MB]
61 精读论文专栏（NLP方向）_【老版本】【第18篇】UMT论文导读.mp4 [35.6 MB]
59 精读论文专栏（NLP方向）_【老版本】【第17篇】谷歌的神经网络机器翻译系统第一课时.mp4 [8.2 MB]
58 精读论文专栏（NLP方向）_【老版本】【第16篇】基于卷积网络的seq2seq第二课时：论文精读_14604_3508.mp4 [59.3 MB]
56 精读论文专栏（NLP方向）_【老版本】【第15篇】多层LSTM第三课时.mp4 [53.2 MB]
57 精读论文专栏（NLP方向）_【老版本】【第16篇】基于卷积网络的seq2seq第一课时：论文导读_14604_3180.mp4 [32.7 MB]
55 精读论文专栏（NLP方向）_【老版本】【第15篇】多层LSTM第二课时.mp4 [27.0 MB]
54 精读论文专栏（NLP方向）_【老版本】【第15篇】多层LSTM第一课时.mp4 [14.0 MB]
53 精读论文专栏（NLP方向）_【老版本】【第14篇】E2ECRF第三课时：代码精读.mp4 [34.0 MB]
52 精读论文专栏（NLP方向）_【老版本】【第14篇】E2ECRF第二课时：论文精读_14604_3391.mp4 [36.1 MB]
51 精读论文专栏（NLP方向）_【老版本】【第14篇】E2ECRF第一课时：论文导读_14604_6756.mp4 [35.0 MB]
49 精读论文专栏（NLP方向）_【老版本】【第13篇】PCNNATT-论文精读_14604_6662.mp4 [37.1 MB]
50 精读论文专栏（NLP方向）_【老版本】【第13篇】PCNNATT-代码详解.mp4 [36.2 MB]
48 精读论文专栏（NLP方向）_【老版本】【第13篇】PCNNATT-论文导读.mp4 [30.0 MB]
47 精读论文专栏（NLP方向）_【老版本】【第12篇】层次化attention机制用于文档分类第三课时.mp4 [43.8 MB]
46 精读论文专栏（NLP方向）_【老版本】【第12篇】层次化attention机制用于文档分类第二课时.mp4 [43.7 MB]
45 精读论文专栏（NLP方向）_【老版本】【第12篇】层次化attention机制用于文档分类第一课时_14604_4565.mp4 [40.9 MB]
44 精读论文专栏（NLP方向）_【老版本】【第11篇】fasttext第三课时下.mp4 [47.6 MB]
42 精读论文专栏（NLP方向）_【老版本】【第11篇】fasttext第二课时下.mp4 [50.7 MB]
43 精读论文专栏（NLP方向）_【老版本】【第11篇】fasttext第三课时上.mp4 [48.1 MB]
41 精读论文专栏（NLP方向）_【老版本】【第11篇】fasttext第二课时上.mp4 [49.7 MB]
40 精读论文专栏（NLP方向）_【老版本】【第11篇】fasttext第一课时.mp4 [46.2 MB]
39 精读论文专栏（NLP方向）_【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：代码精读下_14604_3448.mp4 [51.0 MB]
38 精读论文专栏（NLP方向）_【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：代码精读上_14604_8437.mp4 [57.4 MB]
37 精读论文专栏（NLP方向）_【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：论文精读下.mp4 [74.3 MB]
36 精读论文专栏（NLP方向）_【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：论文精读上_14604_1608.mp4 [63.0 MB]
35 精读论文专栏（NLP方向）_【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：论文导读.mp4 [50.5 MB]
33 精读论文专栏（NLP方向）_【老版本】【第9篇】基于字符“从0开始学习”的文本分类第二课时：论文精读_14604_2363.mp4 [52.9 MB]
34 精读论文专栏（NLP方向）_【老版本】【第9篇】基于字符“从0开始学习”的文本分类第三课时：代码讲解_14604_9207.mp4 [51.2 MB]
32 精读论文专栏（NLP方向）_【老版本】【第9篇】基于字符“从0开始学习”的文本分类第一课时：论文导读.mp4 [44.4 MB]
31 精读论文专栏（NLP方向）_【老版本】【第8篇】TextCNN第三课时：代码详解_14604_1084.mp4 [27.2 MB]
30 精读论文专栏（NLP方向）_【老版本】【第8篇】TextCNN第二课时：论文精读.mp4 [28.2 MB]
28 精读论文专栏（NLP方向）_【老版本】【第7篇】Skip Thought第三课时：代码精读.mp4 [46.9 MB]
27 精读论文专栏（NLP方向）_【老版本】【第7篇】Skip Thought第二课时：论文精读_14604_7196.mp4 [30.4 MB]
29 精读论文专栏（NLP方向）_【老版本】【第8篇】TextCNN第一课时：论文导读.mp4 [22.4 MB]
25 精读论文专栏（NLP方向）_【老版本】【第6篇】GloVe第二课时：论文精读.mp4 [42.2 MB]
26 精读论文专栏（NLP方向）_【老版本】【第7篇】Skip Thought第一课时：论文导读.mp4 [33.9 MB]
24 精读论文专栏（NLP方向）_【老版本】【第6篇】GloVe第一课时：论文导读.mp4 [31.9 MB]
23 精读论文专栏（NLP方向）_【老版本】【第5篇】transformer第三课时：代码实践.mp4 [123.2 MB]
21 精读论文专栏（NLP方向）_【老版本】【第5篇】transformer第二课时上：论文精读.mp4 [59.0 MB]
22 精读论文专栏（NLP方向）_【老版本】【第5篇】transformer第二课时下：论文精读.mp4 [59.4 MB]
18 精读论文专栏（NLP方向）_【老版本】【第4篇】机器翻译第三课时上：代码精读_14604_6907.mp4 [49.7 MB]
19 精读论文专栏（NLP方向）_【老版本】【第4篇】机器翻译第三课时下：代码精读.mp4 [45.9 MB]
20 精读论文专栏（NLP方向）_【老版本】【第5篇】transformer第一课时：论文导读.mp4 [40.8 MB]
17 精读论文专栏（NLP方向）_【老版本】【第4篇】机器翻译第二课时下：论文精读_14604_7768.mp4 [42.8 MB]
15 精读论文专栏（NLP方向）_【老版本】【第4篇】机器翻译第一课时：论文导读_14604_3811.mp4 [32.3 MB]
16 精读论文专栏（NLP方向）_【老版本】【第4篇】机器翻译第二课时上：论文精读.mp4 [43.4 MB]
12 精读论文专栏（NLP方向）_【老版本】【第3篇】句和文档的embedding第一课时：论文导读.mp4 [56.6 MB]
14 精读论文专栏（NLP方向）_【老版本】【第3篇】句和文档的embedding第三课时：代码精读.mp4 [79.3 MB]
13 精读论文专栏（NLP方向）_【老版本】【第3篇】句和文档的embedding第二课时：论文精读.mp4 [63.7 MB]
11 精读论文专栏（NLP方向）_【老版本】【第2篇】词向量第三课时：代码精读_14604_2139.mp4 [54.6 MB]
10 精读论文专栏（NLP方向）_【老版本】【第2篇】词向量第二课时下：论文精读_14604_1949.mp4 [45.3 MB]
09 精读论文专栏（NLP方向）_【老版本】【第2篇】词向量第二课时上：论文精读.mp4 [50.8 MB]
08 精读论文专栏（NLP方向）_【老版本】【第2篇】词向量第一课时：论文导读.mp4 [42.5 MB]
06 精读论文专栏（NLP方向）_【老版本】【第1篇】06综述 《Deep Learning》.mp4 [49.3 MB]
07 精读论文专栏（NLP方向）_【老版本】【第1篇】07综述 《Deep Learning》_14604_9626.mp4 [39.5 MB]
05 精读论文专栏（NLP方向）_【老版本】【第1篇】05综述 《Deep Learning》_14604_4367.mp4 [39.1 MB]
04 精读论文专栏（NLP方向）_【老版本】【第1篇】04综述 《Deep Learning》.mp4 [43.8 MB]
03 精读论文专栏（NLP方向）_【老版本】【第1篇】03综述 《Deep Learning》.mp4 [52.3 MB]
22 精读论文专栏（NLP方向）文档.zip [1.8 MB]
02 精读论文专栏（NLP方向）_【老版本】【第1篇】02综述《Deep Learning》.mp4 [56.5 MB]
01 精读论文专栏（NLP方向）_【老版本】【第1篇】01综述《Deep Learning》.mp4 [31.7 MB]
📁 20 NLP-直播答疑
11 NLP-直播答疑_NLP答疑-8.9_14604_6165.mp4 [172.7 MB]
13 NLP-直播答疑_NLP答疑 7.12_14604_1482.mp4 [230.4 MB]
12 NLP-直播答疑_NLP答疑-7.26.mp4 [141.9 MB]
09 NLP-直播答疑_0920答疑_14604_4789.mp4 [40.3 MB]
10 NLP-直播答疑_答疑20200830_14604_1448.mp4 [94.7 MB]
07 NLP-直播答疑_NLP baseline 第三次直播答疑.mp4 [140.8 MB]
08 NLP-直播答疑_1011答疑_14604_2626.mp4 [77.2 MB]
04 NLP-直播答疑_baseline-第四场直播.mp4 [117.0 MB]
06 NLP-直播答疑_图神经网络第5次答疑_14604_6684.mp4 [46.5 MB]
05 NLP-直播答疑_第二次直播答疑_14604_5286.mp4 [74.8 MB]
03 NLP-直播答疑_图神经网络第6次直播答疑.mp4 [70.9 MB]
01 NLP-直播答疑_NLP-baseline 4-1_14604_9740.mp4 [89.7 MB]
20 NLP-直播答疑资料.zip [1.8 MB]
02 NLP-直播答疑_图神经网络直播答疑—第六次.mp4 [89.5 KB]
📁 21 课件专栏（资料）
重点讲解专栏（NLP方向）_【课件合集】重点讲解论文在线课件阅读地址合集（NLP）-图文_14604_9803.html [5.9 KB]
课件专栏（NLP）_【重难点第3篇】Meta-learning论文第三课时-图文.html [3.1 KB]
课件专栏（NLP）_【重难点第3篇】Meta-learning论文第二课时-图文_14604_1255.html [2.6 KB]
课件专栏（NLP）_【重难点第2篇】ERNIE第一课时-图文_14604_9674.html [4.5 KB]
课件专栏（NLP）_【重难点第3篇】Meta-learning论文第一课时-图文.html [3.3 KB]
课件专栏（NLP）_【第9篇】基于字符“从0开始学习”的文本分类第二课时-图文_14604_2776.html [4.5 KB]
课件专栏（NLP）_【重难点第1篇】ARNOR第二课时-图文_14604_2686.html [5.2 KB]
课件专栏（NLP）_【重难点第1篇】ARNOR第一课时-图文_14604_2420.html [5.3 KB]
重点讲解专栏（NLP方向）_【资料合集】重点讲解论文原文和代码汇总（NLP）-图文_14604_4640.html [781.0 B]
课件专栏（NLP）_【重难点第2篇】ERNIE第二课时-图文.html [6.6 KB]
课件专栏（NLP）_【第8篇】TextCNN第三课时-图文.html [4.8 KB]
课件专栏（NLP）_【第7篇】Skip Thought第二课时-图文_14604_5545.html [4.0 KB]
课件专栏（NLP）_【第28篇】TCN （Temporal Convolutional Networks）第二课时-图文.html [5.5 KB]
课件专栏（NLP）_【第8篇】TextCNN第二课时-图文_14604_7060.html [4.5 KB]
课件专栏（NLP）_【第9篇】基于字符“从0开始学习”的文本分类第一课时-图文.html [2.8 KB]
课件专栏（NLP）_【第8篇】TextCNN第一课时-图文_14604_8016.html [3.9 KB]
课件专栏（NLP）_【第9篇】基于字符“从0开始学习”的文本分类第三课时-图文_14604_6976.html [4.5 KB]
课件专栏（NLP）_【第5篇】transformer第三课时-图文.html [6.3 KB]
课件专栏（NLP）_【第5篇】transformer第二课时-图文_14604_6177.html [7.9 KB]
课件专栏（NLP）_【第6篇】GloVe第二课时-图文.html [4.5 KB]
课件专栏（NLP）_【第7篇】Skip Thought第三课时-图文.html [5.1 KB]
课件专栏（NLP）_【第6篇】GloVe第一课时-图文.html [3.7 KB]
课件专栏（NLP）_【第7篇】Skip Thought第一课时-图文_14604_7636.html [3.2 KB]
课件专栏（NLP）_【第2篇】词向量第二课时-图文_14604_1413.html [7.9 KB]
课件专栏（NLP）_【第4篇】机器翻译第二课时-图文.html [8.2 KB]
课件专栏（NLP）_【第4篇】机器翻译第一课时-图文.html [4.2 KB]
课件专栏（NLP）_【第5篇】transformer第一课时-图文.html [3.8 KB]
课件专栏（NLP）_【第3篇】句和文档的embedding第二课时-图文_14604_3609.html [5.4 KB]
课件专栏（NLP）_【第4篇】机器翻译第三课时-图文_14604_4700.html [9.2 KB]
课件专栏（NLP）_【第3篇】句和文档的embedding第三课时-图文_14604_7758.html [5.2 KB]
课件专栏（NLP）_【第30篇】BERT--NAACL 2019最佳论文第二课时-图文_14604_3357.html [5.1 KB]
课件专栏（NLP）_【第30篇】BERT--NAACL 2019最佳论文第一课时-图文_14604_5599.html [4.4 KB]
课件专栏（NLP）_【第2篇】词向量第一课时-图文.html [4.1 KB]
课件专栏（NLP）_【第3篇】句和文档的embedding第一课时-图文_14604_2971.html [3.0 KB]
课件专栏（NLP）_【第2篇】词向量第三课时-图文_14604_8977.html [5.1 KB]
课件专栏（NLP）_【第28篇】hourglass第一课时-图文.html [2.4 KB]
课件专栏（NLP）_【第28篇】hourglass第二课时-图文_14604_6339.html [2.9 KB]
课件专栏（NLP）_【第28篇】TCN （Temporal Convolutional Networks）第一课时-图文.html [3.8 KB]
课件专栏（NLP）_【第25篇】R-GCNs第二课时-图文.html [4.2 KB]
课件专栏（NLP）_【第23篇】Dialogue第二课时-图文_14604_9496.html [3.1 KB]
课件专栏（NLP）_【第24篇】SeqGAN第二课时-图文_14604_2732.html [3.5 KB]
课件专栏（NLP）_【第27篇】Transformer-XL第一课时-图文_14604_4596.html [4.4 KB]
课件专栏（NLP）_【第26篇】大规模语料模型第二课时-图文.html [4.2 KB]
课件专栏（NLP）_【第26篇】大规模语料模型第一课时-图文_14604_7698.html [4.2 KB]
课件专栏（NLP）_【第27篇】Transformer-XL第二课时-图文_14604_4699.html [3.7 KB]
课件专栏（NLP）_【第24篇】SeqGAN第一课时-图文.html [3.5 KB]
课件专栏（NLP）_【第25篇】R-GCNs第一课时-图文_14604_4149.html [3.7 KB]
课件专栏（NLP）_【第23篇】Dialogue第一课时-图文_14604_6665.html [4.4 KB]
课件专栏（NLP）_【第21篇】QANet第二课时-图文_14604_3809.html [5.4 KB]
课件专栏（NLP）_【第21篇】QANet第三课时-图文_14604_8268.html [4.8 KB]
课件专栏（NLP）_【第20篇】End-to-End Memory Networks第三课时-图文.html [4.5 KB]
课件专栏（NLP）_【第21篇】QANet第一课时-图文.html [4.2 KB]
课件专栏（NLP）_【第20篇】End-to-End Memory Networks第二课时-图文_14604_5723.html [4.0 KB]
课件专栏（NLP）_【第20篇】End-to-End Memory Networks第一课时-图文.html [2.7 KB]
课件专栏（NLP）_【第1篇】综述 《Deep Learning》第一课时课件-图文_14604_8291.html [5.4 KB]
课件专栏（NLP）_【第1篇】综述 《Deep Learning》第二课时课件-图文.html [3.0 KB]
课件专栏（NLP）_【第1篇】综述 《Deep Learning》第三课时课件-图文.html [4.7 KB]
课件专栏（NLP）_【第17篇】谷歌神经网络第二课时-图文_14604_5710.html [3.9 KB]
课件专栏（NLP）_【第18篇】UMT第二课时-图文.html [5.4 KB]
课件专栏（NLP）_【第19篇】Get To The Point-第二课时-图文_14604_7130.html [3.5 KB]
课件专栏（NLP）_【第19篇】Get To The Point-第一课时-图文.html [3.5 KB]
课件专栏（NLP）_【第18篇】UMT第一课时-图文.html [4.1 KB]
课件专栏（NLP）_【第17篇】谷歌神经网络第一课时-图文_14604_1394.html [2.7 KB]
课件专栏（NLP）_【第13篇】PCNNATT第二课时-图文.html [5.8 KB]
课件专栏（NLP）_【第16篇】基于卷积网络的seq2seq第二课时-图文_14604_7606.html [3.7 KB]
课件专栏（NLP）_【第15篇】多层LSTM第二课时-图文.html [4.2 KB]
课件专栏（NLP）_【第14篇】E2ECRF第二课时-图文_14604_4834.html [5.5 KB]
课件专栏（NLP）_【第14篇】E2ECRF第三课时-图文.html [5.5 KB]
课件专栏（NLP）_【第15篇】多层LSTM第一课时-图文.html [2.6 KB]
课件专栏（NLP）_【第15篇】多层LSTM第三课时-图文_14604_1688.html [4.6 KB]
课件专栏（NLP）_【第16篇】基于卷积网络的seq2seq第一课时-图文.html [4.1 KB]
课件专栏（NLP）_【第13篇】PCNNATT第三课时-图文.html [5.2 KB]
课件专栏（NLP）_【第14篇】E2ECRF第一课时-图文_14604_5849.html [4.1 KB]
课件专栏（NLP）_【第13篇】PCNNATT第一课时-图文_14604_1994.html [4.4 KB]
课件专栏（NLP）_【第12篇】层次化attention机制用于文档分类第一课时-图文.html [4.2 KB]
课件专栏（NLP）_【第12篇】层次化attention机制用于文档分类第二课时-图文_14604_9357.html [4.7 KB]
课件专栏（NLP）_【第12篇】层次化attention机制用于文档分类第三课时-图文.html [5.6 KB]
课件专栏（NLP）_【第11篇】fasttext第一课时-图文.html [4.2 KB]
课件专栏（NLP）_【第11篇】fasttext第二课时-图文.html [7.2 KB]
精读论文专栏（NLP方向）_【资料合集】30篇精读论文原文和代码汇总（NLP）-图文_14604_5634.html [1.6 KB]
课件专栏（NLP）_【第11篇】fasttext第三课时-图文.html [5.9 KB]
课件专栏（NLP）_【第10篇】动态卷积网络和n-gram思想用于句分类第一课时-图文_14604_5986.html [4.5 KB]
课件专栏（NLP）_【第10篇】动态卷积网络和n-gram思想用于句分类第三课时-图文.html [6.3 KB]
课件专栏（NLP）_【第10篇】动态卷积网络和n-gram思想用于句分类第二课时-图文.html [7.6 KB]
推荐阅读专栏（NLP方向）_【NLP论文推荐】10月番-图文.html [21.4 KB]
强化学习_代码课件-图文.html [486.0 B]
精读论文专栏（NLP方向）_【课件合集】30篇精读论文在线课件阅读地址合集（NLP）-图文.html [106.4 KB]
学前须知_效率提升3倍的阅读方法——课件-图文_14604_2440.html [415.0 B]
学前须知_【观看指南】电脑端倍速观看指南-图文.html [3.6 KB]
人工智能数学基础_【招募】如何获得深度之眼奖学金和助学金？-图文.html [69.4 KB]
人工智能数学基础_课件下载地址-图文_14604_5959.html [636.0 B]
学前须知_【严正声明】盗版必究！-图文_14604_3595.html [25.4 KB]
人工智能数学基础_说出你的故事！深度之眼征稿活动~-图文.html [4.4 KB]
14 NLP-对话系统_对话系统-课件代码资料合集-图文_14604_5718.html [397.0 B]
人工智能数学基础_【严正声明】盗版必究！-图文_14604_7249.html [25.4 KB]
NLP-paper 前沿论文直播讲解_课件&代码-图文_14604_5243.html [413.0 B]
15 NLP-推荐系统_资料合集-图文.html [482.0 B]
10 NLP-文本匹配_课件代码-图文.html [448.0 B]
12 NLP-情感分析_学员课程资料合集-图文_14604_8494.html [503.0 B]
11 NLP-机器翻译_课件代码-图文.html [446.0 B]
📁 19 15 NLP-推荐系统
15 15 NLP-推荐系统_15. FIBINET代码项目实践.mp4 [87.2 MB]
13 15 NLP-推荐系统_13. FIBINET泛读.mp4 [63.7 MB]
14 15 NLP-推荐系统_14. FIBINET精读.mp4 [44.6 MB]
12 15 NLP-推荐系统_12. DAT代码项目实践.mp4 [62.1 MB]
09 15 NLP-推荐系统_9. PLE代码项目实践_14604_6889.mp4 [139.3 MB]
10 15 NLP-推荐系统_10. DAT泛读_14604_4589.mp4 [85.7 MB]
11 15 NLP-推荐系统_11. DAT精读_14604_9897.mp4 [56.0 MB]
08 15 NLP-推荐系统_8. PLE精读_14604_5222.mp4 [71.6 MB]
07 15 NLP-推荐系统_7. PLE泛读.mp4 [102.1 MB]
06 15 NLP-推荐系统_6. MIND代码项目实践.mp4 [170.3 MB]
05 15 NLP-推荐系统_5. MIND精读_14604_5090.mp4 [133.8 MB]
04 15 NLP-推荐系统_4. MIND泛读.mp4 [117.6 MB]
03 15 NLP-推荐系统_3. CAN代码项目实践_14604_2041.mp4 [118.6 MB]
01 15 NLP-推荐系统_1. CAN泛读_14604_1379.mp4 [130.4 MB]
02 15 NLP-推荐系统_2. CAN精读_14604_4685.mp4 [105.9 MB]
19 15 NLP-推荐系统说明.zip [1.8 MB]
📁 17 13 NLP-阅读理解
51 13 NLP-阅读理解_05-xlnet_6_2_训练代码第二部分. (1).mp4 [70.5 MB]
52 13 NLP-阅读理解_05-xlnet_7_1_预测第一部分. (1).mp4 [78.8 MB]
53 13 NLP-阅读理解_05-xlnet_7_2_预测第二部分. (1_14604_9328.mp4 [49.7 MB]
50 13 NLP-阅读理解_05-xlnet_6_1_训练代码第一部分. (1_14604_3907.mp4 [101.8 MB]
49 13 NLP-阅读理解_05-xlnet_5_2_数据处理第二部分. (1).mp4 [132.6 MB]
48 13 NLP-阅读理解_05-xlnet_5_1_数据处理第一部分. (1_14604_4481.mp4 [91.8 MB]
47 13 NLP-阅读理解_05-xlnet_4_数据处理overview. (1).mp4 [16.1 MB]
46 13 NLP-阅读理解_05-xlnet_3_代码overview. (1_14604_4783.mp4 [50.1 MB]
45 13 NLP-阅读理解_05-xlnet_2_2_论文模型第二部分. (1).mp4 [44.8 MB]
44 13 NLP-阅读理解_05-xlnet_2_1_论文模型第一部分. (1_14604_4873.mp4 [80.3 MB]
43 13 NLP-阅读理解_05-xlnet_1_2_研究背景第二部分. (1).mp4 [52.1 MB]
41 13 NLP-阅读理解_04-adv_6_预测部分. (1_14604_7620.mp4 [86.7 MB]
42 13 NLP-阅读理解_05-xlnet_1_1_研究背景第一部分. (1).mp4 [41.3 MB]
38 13 NLP-阅读理解_04-adv_4_数据处理. (1).mp4 [108.8 MB]
40 13 NLP-阅读理解_04-adv_5_2_train第二部分. (1).mp4 [110.3 MB]
39 13 NLP-阅读理解_04-adv_5_1_train-第一部分. (1).mp4 [90.7 MB]
37 13 NLP-阅读理解_04-adv_3_2_code-overview第二部分. (1_14604_2957.mp4 [51.9 MB]
36 13 NLP-阅读理解_04-adv_3_1_code-overview第一部分. (1_14604_7333.mp4 [68.9 MB]
35 13 NLP-阅读理解_04-adv_2_2_2020智能技术竞赛介绍. (1_14604_9688.mp4 [55.0 MB]
54 13 NLP-阅读理解_专题总结. (1_14604_1941.mp4 [7.7 MB]
34 13 NLP-阅读理解_04-adv_2_1_模型和实验. (1).mp4 [74.7 MB]
32 13 NLP-阅读理解_04-adv_1_1_研究背景. (1).mp4 [43.8 MB]
33 13 NLP-阅读理解_04-adv_1_2_研究成果和小节. (1_14604_6236.mp4 [25.4 MB]
30 13 NLP-阅读理解_03-pgnet_6_1_预测第一部分. (1).mp4 [122.6 MB]
29 13 NLP-阅读理解_03-pgnet_5_2_train第二部分. (1_14604_3042.mp4 [155.8 MB]
31 13 NLP-阅读理解_03-pgnet_6_2_预测第二部分. (1).mp4 [61.0 MB]
26 13 NLP-阅读理解_03-pgnet_4_1_数据处理第一部分. (1_14604_4342.mp4 [180.9 MB]
28 13 NLP-阅读理解_03-pgnet_5_1_train第一部分. (1).mp4 [34.7 MB]
27 13 NLP-阅读理解_03-pgnet_4_2_数据处理第二部分. (1_14604_4752.mp4 [40.2 MB]
25 13 NLP-阅读理解_03-pgnet_3_code-review. (1_14604_4766.mp4 [44.4 MB]
23 13 NLP-阅读理解_03-pgnet_2_3_前沿论文(下). (1).mp4 [78.6 MB]
22 13 NLP-阅读理解_03-pgnet_2_2_实验+前沿论文（上）. (1_14604_6199.mp4 [74.5 MB]
24 13 NLP-阅读理解_03-pgnet_2_4_模型总结. (1_14604_1761.mp4 [14.3 MB]
20 13 NLP-阅读理解_03-pgnet_1_2_研究背景意义第二部分. (1_14604_8942.mp4 [26.1 MB]
19 13 NLP-阅读理解_03-pgnet_1_1_研究背景. (1_14604_7340.mp4 [62.2 MB]
21 13 NLP-阅读理解_03-pgnet_2_1_模型部分. (1).mp4 [67.7 MB]
17 13 NLP-阅读理解_02-bidaf_5_评测指标. (1).mp4 [70.9 MB]
16 13 NLP-阅读理解_02-bidaf_4_训练加预测. (1).mp4 [157.1 MB]
18 13 NLP-阅读理解_02-bidaf_6_反馈. (1).mp4 [47.2 MB]
15 13 NLP-阅读理解_02-bidaf_3_2数据读取-pycharm. (1_14604_4073.mp4 [119.8 MB]
14 13 NLP-阅读理解_02-bidaf_3_1_数据读取-jupyter. (1).mp4 [90.7 MB]
13 13 NLP-阅读理解_02-bidaf_2_2_实验分析. (1).mp4 [32.1 MB]
10 13 NLP-阅读理解_02-bidaf_1_1_背景意义. (1).mp4 [56.0 MB]
12 13 NLP-阅读理解_02-bidaf_2_1_模型结构. (1_14604_7361.mp4 [50.4 MB]
11 13 NLP-阅读理解_02-bidaf_1_2_相关工作+小结. (1).mp4 [40.6 MB]
08 13 NLP-阅读理解_01-开山之作_5_反馈问题. (1_14604_5154.mp4 [46.2 MB]
09 13 NLP-阅读理解_feedback (1_14604_1030.mp4 [47.2 MB]
07 13 NLP-阅读理解_01-开山之作_4_2训练代码pycharm. (1).mp4 [121.7 MB]
06 13 NLP-阅读理解_01-开山之作_4_1_训练代码jupyter. (1).mp4 [108.6 MB]
05 13 NLP-阅读理解_01-开山之作_3_数据处理jupyter. (1_14604_6676.mp4 [133.6 MB]
04 13 NLP-阅读理解_01-开山之作_2_2_实验结果及分析. (1).mp4 [59.0 MB]
03 13 NLP-阅读理解_01-开山之作_2_1_模型结构. (1_14604_2327.mp4 [63.0 MB]
02 13 NLP-阅读理解_01-开山之作_1_2_研究成果_论文提纲. (1).mp4 [25.5 MB]
01 13 NLP-阅读理解_01-开山之作_1_1_背景意义. (1_14604_8256.mp4 [66.5 MB]
📁 16 12 NLP-情感分析
62 12 NLP-情感分析_05 BERT&ERNIE 2.0-13-实践代码精讲1_14604_3309.mp4 [140.6 MB]
63 12 NLP-情感分析_05 BERT&ERNIE 2.0-14-实践代码精讲2..mp4 [24.5 MB]
61 12 NLP-情感分析_05 BERT&ERNIE 2.0-12-实践代码介绍.mp4 [48.2 MB]
59 12 NLP-情感分析_05 BERT&ERNIE 2.0-10-论文总结.mp4 [14.1 MB]
60 12 NLP-情感分析_05 BERT&ERNIE 2.0-11-论文回顾.mp4 [8.3 MB]
58 12 NLP-情感分析_05 BERT&ERNIE 2.0-09-实验设置及分析_14604_6219.mp4 [26.9 MB]
57 12 NLP-情感分析_05 BERT&ERNIE 2.0-08-模型Fine-tuning解读.mp4 [33.2 MB]
56 12 NLP-情感分析_05 BERT&ERNIE 2.0-07-输入表征、task精讲_14604_6046.mp4 [16.8 MB]
55 12 NLP-情感分析_05 BERT&ERNIE 2.0-06-论文算法总览_14604_7346.mp4 [49.3 MB]
53 12 NLP-情感分析_05 BERT&ERNIE 2.0-04-论文摘要、结构讲解.mp4 [8.0 MB]
52 12 NLP-情感分析_05 BERT&ERNIE 2.0-03-背景介绍2_14604_1762.mp4 [22.5 MB]
51 12 NLP-情感分析_05 BERT&ERNIE 2.0-02-背景介绍1_14604_5991.mp4 [39.5 MB]
50 12 NLP-情感分析_05 BERT&ERNIE 2.0-01-论文介绍.mp4 [25.9 MB]
47 12 NLP-情感分析_04 MemNet&IAN-10-代码结构讲解.mp4 [112.5 MB]
48 12 NLP-情感分析_04 MemNet&IAN-11-论文代码细节讲解.mp4 [107.7 MB]
49 12 NLP-情感分析_04 MemNet&IAN-12-代码实践课回顾..mp4 [13.7 MB]
46 12 NLP-情感分析_04 MemNet&IAN-09-代码环境讲解.mp4 [31.5 MB]
45 12 NLP-情感分析_04 MemNet&IAN-08-论文总结及回顾_14604_8331.mp4 [17.2 MB]
44 12 NLP-情感分析_04 MemNet&IAN-07-实验设置及分析_14604_2386.mp4 [51.0 MB]
43 12 NLP-情感分析_04 MemNet&IAN-06-向量转换、注意力讲解_14604_6933.mp4 [66.5 MB]
40 12 NLP-情感分析_04 MemNet&IAN-03-论文泛读.mp4 [12.5 MB]
39 12 NLP-情感分析_04 MemNet&IAN-02-研究背景.mp4 [45.6 MB]
38 12 NLP-情感分析_04 MemNet&IAN-01-论文介绍_14604_6417.mp4 [17.0 MB]
37 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -18-代码讲解回顾.mp4 [9.3 MB]
35 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -16-代码讲解二.mp4 [112.1 MB]
36 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -17-代码讲解三_14604_8369.mp4 [78.3 MB]
34 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -15-代码介绍_14604_2110.mp4 [124.6 MB]
33 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -14-论文总结及下节回顾_14604_6884.mp4 [16.9 MB]
54 12 NLP-情感分析_05 BERT&ERNIE 2.0-05-上节回顾.mp4 [4.6 MB]
32 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -13-实验结果及分析part2_14604_4639.mp4 [13.0 MB]
30 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -11- ATAE-LSTM精读_14604_1811.mp4 [41.7 MB]
29 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -10- TD-LSTM精读.mp4 [31.3 MB]
31 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -12-实验结果及分析part1.mp4 [34.1 MB]
28 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -09-论文综述_14604_6391.mp4 [13.8 MB]
24 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -05-研究背景.mp4 [34.2 MB]
25 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -06-论文泛读_14604_7795.mp4 [17.3 MB]
18 12 NLP-情感分析_02 TreeLSTM-13-代码讲解二.mp4 [108.2 MB]
19 12 NLP-情感分析_02 TreeLSTM-14-代码讲解三_14604_4718.mp4 [84.2 MB]
17 12 NLP-情感分析_02 TreeLSTM-12-代码讲解一.mp4 [110.0 MB]
42 12 NLP-情感分析_04 MemNet&IAN-05-上节回顾_14604_7321.mp4 [3.8 MB]
41 12 NLP-情感分析_04 MemNet&IAN-04-本课回顾与下节预告.mp4 [7.5 MB]
16 12 NLP-情感分析_02 TreeLSTM-11-代码介绍_14604_4229.mp4 [30.8 MB]
15 12 NLP-情感分析_02 TreeLSTM-10-本课回顾及下节预告.mp4 [8.8 MB]
13 12 NLP-情感分析_02 TreeLSTM-08-实验设置与分析.mp4 [56.7 MB]
14 12 NLP-情感分析_02 TreeLSTM-09-论文总结_14604_2198.mp4 [10.4 MB]
12 12 NLP-情感分析_02 TreeLSTM-07-模型结构细节.mp4 [24.0 MB]
05 12 NLP-情感分析_01 TextRNN & FastText & TextCNN-05-代码讲解.mp4 [236.3 MB]
11 12 NLP-情感分析_02 TreeLSTM-06-Tree-LSTM模型讲解_14604_5902.mp4 [33.4 MB]
10 12 NLP-情感分析_02 TreeLSTM-05-精读_模型结构总览_14604_9073.mp4 [31.4 MB]
08 12 NLP-情感分析_02 TreeLSTM-03-论文摘要、框架讲解.mp4 [30.6 MB]
07 12 NLP-情感分析_02 TreeLSTM-02-研究背景解读_14604_8802.mp4 [45.1 MB]
06 12 NLP-情感分析_02 TreeLSTM-01-论文导读.mp4 [24.2 MB]
04 12 NLP-情感分析_01 TextRNN & FastText & TextCNN-04-实验结果及分析讲解.mp4 [57.2 MB]
27 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -08-上节回顾.mp4 [4.7 MB]
03 12 NLP-情感分析_01 TextRNN & FastText & TextCNN-03-训练、损失函数、实验_14604_6305.mp4 [48.1 MB]
26 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -07-下节预告.mp4 [5.3 MB]
02 12 NLP-情感分析_01 TextRNN & FastText & TextCNN-02-模型总览&细节1_14604_7282.mp4 [75.0 MB]
22 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -03-学习目标.mp4 [5.2 MB]
23 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -04-课程安排.mp4 [3.4 MB]
01 12 NLP-情感分析_01 TextRNN & FastText & TextCNN-01-研究背景&摘要、框架_14604_1553.mp4 [49.8 MB]
21 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -02-所需知识储备_14604_4844.mp4 [5.2 MB]
20 12 NLP-情感分析_03 TD-LSTM & AT-LSTM -01-论文导读.mp4 [5.3 MB]
16 12 NLP-情感分析必看.png [493.5 KB]
09 12 NLP-情感分析_02 TreeLSTM-04-上节课回顾.mp4 [5.8 MB]
📁 15 11 NLP-机器翻译
25 11 NLP-机器翻译_【4月16日】Mass-论文精读_14604_8468.mp4 [79.2 MB]
24 11 NLP-机器翻译_【4月9日】Mass-论文泛读_14604_8977.mp4 [69.0 MB]
23 11 NLP-机器翻译_4.1-Google-nmt.mp4 [65.5 MB]
22 11 NLP-机器翻译_3.6-subword_nmt_14604_4759.mp4 [112.0 MB]
21 11 NLP-机器翻译_3.5-subword_nmt.mp4 [107.0 MB]
20 11 NLP-机器翻译_3.4-subword_nmt.mp4 [68.3 MB]
19 11 NLP-机器翻译_3.3-subword_nmt.mp4 [80.6 MB]
18 11 NLP-机器翻译_3.2-subword_nmt.mp4 [36.8 MB]
14 11 NLP-机器翻译_2.4-coverage_基于语言学的覆盖模型.mp4 [52.6 MB]
17 11 NLP-机器翻译_3.1-subword_nmt_14604_6093.mp4 [26.9 MB]
16 11 NLP-机器翻译_2.6-coverage 代码实践.mp4 [115.0 MB]
15 11 NLP-机器翻译_2.5-coverage_基于神经网络的覆盖模型.mp4 [48.9 MB]
13 11 NLP-机器翻译_2.3-coverage_相关知识.mp4 [52.4 MB]
12 11 NLP-机器翻译_2.2-coverage_研究背景及意义.mp4 [35.2 MB]
11 11 NLP-机器翻译_2.1-coverage_储备知识.mp4 [17.8 MB]
10 11 NLP-机器翻译_1.10-loung_nmt_训练和测试.mp4 [63.7 MB]
07 11 NLP-机器翻译_1.7-luong_nmt_2_4_实验.mp4 [86.7 MB]
09 11 NLP-机器翻译_1.9-loung_nmt_模型实现.mp4 [113.4 MB]
08 11 NLP-机器翻译_1.8-loung_nmt_数据读取.mp4 [52.4 MB]
06 11 NLP-机器翻译_1.6-luong_nmt-local_attention_14604_8423.mp4 [60.1 MB]
05 11 NLP-机器翻译_1.5-luong_nmt-global_attention_14604_8730.mp4 [76.7 MB]
04 11 NLP-机器翻译_1.4-luong_nmt-论文简介_14604_3109.mp4 [56.9 MB]
02 11 NLP-机器翻译_1.2-loung_nmt-研究背景.mp4 [77.4 MB]
03 11 NLP-机器翻译_1.3-loung_nmt-研究成果及意义_14604_6400.mp4 [15.8 MB]
01 11 NLP-机器翻译_1.1-loung_nmt-储备知识_14604_8934.mp4 [22.9 MB]
15 11 NLP-机器翻译必看.png [493.5 KB]
📁 14 10 NLP-文本匹配
99 10 NLP-文本匹配_10-代码讲解-11.mp4 [85.2 MB]
98 10 NLP-文本匹配_10-代码讲解-10.mp4 [104.8 MB]
97 10 NLP-文本匹配_10-代码讲解-09_14604_5202.mp4 [83.9 MB]
96 10 NLP-文本匹配_10-代码讲解-08_14604_7806.mp4 [81.0 MB]
95 10 NLP-文本匹配_10-代码讲解-07.mp4 [44.4 MB]
94 10 NLP-文本匹配_10-论文精读-06.mp4 [26.2 MB]
93 10 NLP-文本匹配_10-论文精读-05.mp4 [41.8 MB]
92 10 NLP-文本匹配_10-论文精读-04.mp4 [44.9 MB]
91 10 NLP-文本匹配_10-论文精读-03_14604_5078.mp4 [48.2 MB]
89 10 NLP-文本匹配_10-论文泛读-01.mp4 [54.8 MB]
90 10 NLP-文本匹配_10-论文泛读-02.mp4 [41.0 MB]
87 10 NLP-文本匹配_09-MGCN代码讲解-10.mp4_14604_4904.mp4 [120.1 MB]
88 10 NLP-文本匹配_09-MGCN代码讲解-11.mp4_14604_9955.mp4 [52.7 MB]
86 10 NLP-文本匹配_09-MGCN代码讲解-09.mp4.mp4 [71.8 MB]
83 10 NLP-文本匹配_09-MGCN论文精读-06.mp4_14604_2611.mp4 [42.9 MB]
85 10 NLP-文本匹配_09-MGCN代码讲解-08.mp4.mp4 [51.8 MB]
84 10 NLP-文本匹配_09-MGCN论文精读-07.mp4_14604_9845.mp4 [35.4 MB]
80 10 NLP-文本匹配_09-MGCN论文精读-03.mp4_14604_5023.mp4 [55.2 MB]
81 10 NLP-文本匹配_09-MGCN论文精读-04.mp4.mp4 [40.7 MB]
82 10 NLP-文本匹配_09-MGCN论文精读-05.mp4_14604_8662.mp4 [45.1 MB]
77 10 NLP-文本匹配_08MatchPyramid-09-code 3.mp4.mp4 [63.8 MB]
78 10 NLP-文本匹配_09-MGCN论文泛读-01.mp4.mp4 [54.3 MB]
79 10 NLP-文本匹配_09-MGCN论文泛读-02.mp4_14604_6451.mp4 [27.6 MB]
74 10 NLP-文本匹配_08MatchPyramid-06-训练技巧、实验及总结.mp4.mp4 [46.2 MB]
76 10 NLP-文本匹配_08MatchPyramid-08-code 2.mp4.mp4 [88.4 MB]
75 10 NLP-文本匹配_08MatchPyramid-07-code 1.mp4.mp4 [47.9 MB]
73 10 NLP-文本匹配_08MatchPyramid-05-matching score.mp4.mp4 [41.6 MB]
72 10 NLP-文本匹配_08MatchPyramid-04-卷积层讲解.mp4.mp4 [40.5 MB]
71 10 NLP-文本匹配_08MatchPyramid-03-算法模型总览、结构、matching matrix.m.mp4 [49.1 MB]
69 10 NLP-文本匹配_08MatchPyramid-01-研究背景.mp4.mp4 [44.9 MB]
68 10 NLP-文本匹配_07MGCN-08-code3.mp4.mp4 [56.2 MB]
70 10 NLP-文本匹配_08MatchPyramid-02-论文泛读.mp4.mp4 [24.2 MB]
67 10 NLP-文本匹配_07MGCN-07-code2.mp4.mp4 [98.2 MB]
66 10 NLP-文本匹配_07MGCN-06-code1.mp4_14604_8497.mp4 [81.6 MB]
65 10 NLP-文本匹配_07MGCN-05-精读_Bert细节.mp4.mp4 [75.5 MB]
64 10 NLP-文本匹配_07MGCN-04-精读_poly-encoder.mp4.mp4 [56.4 MB]
63 10 NLP-文本匹配_07MGCN-03-精读_BERT出现.mp4_14604_1282.mp4 [49.6 MB]
61 10 NLP-文本匹配_07MGCN-01-泛读_研究背景、意义讲解.mp4_14604_6791.mp4 [53.4 MB]
62 10 NLP-文本匹配_07MGCN-02-泛读_成果、大纲介绍.mp4.mp4 [25.8 MB]
60 10 NLP-文本匹配_06RE2-08-code3.mp4.mp4 [40.5 MB]
59 10 NLP-文本匹配_06RE2-07-code2.mp4.mp4 [71.1 MB]
57 10 NLP-文本匹配_06RE2-05-实验设置、结果分析.mp4.mp4 [70.1 MB]
58 10 NLP-文本匹配_06RE2-06-code1.mp4.mp4 [68.1 MB]
56 10 NLP-文本匹配_06RE2-04-RE2结构细节、训练技巧.mp4.mp4 [53.0 MB]
55 10 NLP-文本匹配_06RE2-03-RE2结构讲解.mp4_14604_5247.mp4 [43.9 MB]
54 10 NLP-文本匹配_06RE2-02-研究意义、摘要重点讲解.mp4_14604_1868.mp4 [25.6 MB]
53 10 NLP-文本匹配_06RE2-01-论文研究背景.mp4.mp4 [49.2 MB]
51 10 NLP-文本匹配_05BiMPM-07多视角匹配_14604_3233.mp4 [12.6 MB]
52 10 NLP-文本匹配_05BiMPM-08实验分析与总结_14604_4391.mp4 [10.4 MB]
49 10 NLP-文本匹配_05BiMPM-05上节回顾与模型结构揣测..mp4 [18.6 MB]
46 10 NLP-文本匹配_05BiMPM-02相关工作..mp4 [8.9 MB]
48 10 NLP-文本匹配_05BiMPM-04摘要导读..mp4 [10.2 MB]
44 10 NLP-文本匹配_04ESIM-10ESIM搭建与训练_14604_6147.mp4 [16.7 MB]
45 10 NLP-文本匹配_05BiMPM-01学习目标与研究背景_14604_5230.mp4 [8.5 MB]
43 10 NLP-文本匹配_04ESIM-09torchtext构建数据集..mp4 [21.3 MB]
42 10 NLP-文本匹配_04ESIM-08复习、代码总览..mp4 [12.3 MB]
39 10 NLP-文本匹配_04ESIM-05局部推理建模层、推理组合层和输出预测层..mp4 [15.8 MB]
40 10 NLP-文本匹配_04ESIM-06实验设置与结果分析..mp4 [10.9 MB]
38 10 NLP-文本匹配_04ESIM-04输入编码层_14604_5282.mp4 [10.5 MB]
36 10 NLP-文本匹配_04ESIM-02论文总览与摘要带读_14604_4286.mp4 [13.0 MB]
35 10 NLP-文本匹配_04ESIM-01学习目标与论文背景..mp4 [14.1 MB]
37 10 NLP-文本匹配_04ESIM-03ESIM整体结构..mp4 [9.4 MB]
33 10 NLP-文本匹配_03比较-聚合模型-13比较-聚合模型搭建与训练_14604_8821.mp4 [25.7 MB]
34 10 NLP-文本匹配_03比较-聚合模型-14复习、代码总览_14604_6372.mp4 [11.0 MB]
32 10 NLP-文本匹配_03比较-聚合模型-12数据载入模块_14604_6466.mp4 [19.1 MB]
31 10 NLP-文本匹配_03比较-聚合模型-11SNLI数据集处理..mp4 [14.0 MB]
30 10 NLP-文本匹配_03比较-聚合模型-10SNLI数据集处理..mp4 [13.9 MB]
50 10 NLP-文本匹配_05BiMPM-06模型整体结构_14604_5206.mp4 [5.9 MB]
29 10 NLP-文本匹配_03比较-聚合模型-09实验分析与总结..mp4 [14.9 MB]
28 10 NLP-文本匹配_03比较-聚合模型-08比较聚合层_14604_4899.mp4 [10.1 MB]
26 10 NLP-文本匹配_03比较-聚合模型-06整体结构_14604_4313.mp4 [11.6 MB]
47 10 NLP-文本匹配_05BiMPM-03研究成果、意义与论文结构..mp4 [5.4 MB]
24 10 NLP-文本匹配_03比较-聚合模型-04论文背景及相关工作..mp4 [17.2 MB]
23 10 NLP-文本匹配_03比较-聚合模型-03文本间的注意力机制..mp4 [9.7 MB]
22 10 NLP-文本匹配_03比较-聚合模型-02注意力改进的编码器解码器结构..mp4 [17.6 MB]
41 10 NLP-文本匹配_04ESIM-07论文总结与课程回顾..mp4 [6.8 MB]
21 10 NLP-文本匹配_03比较-聚合模型-01序列到序列模型_14604_1212.mp4 [19.1 MB]
20 10 NLP-文本匹配_02SiameseNet-09-模型搭建与训练_14604_7546.mp4 [15.4 MB]
19 10 NLP-文本匹配_02SiameseNet-08-data_load..mp4 [15.8 MB]
18 10 NLP-文本匹配_02SiameseNet-07-复习、代码总览.mp4 [18.2 MB]
17 10 NLP-文本匹配_02SiameseNet-06-实验设置与分析_14604_8568.mp4 [11.7 MB]
16 10 NLP-文本匹配_02SiameseNet-05-对比损失函数.mp4 [8.4 MB]
15 10 NLP-文本匹配_02SiameseNet-04-SiameseNet整体结构_14604_4570.mp4 [17.9 MB]
14 10 NLP-文本匹配_02SiameseNet-03-摘要带读、课程小节_14604_6469.mp4 [8.2 MB]
13 10 NLP-文本匹配_02SiameseNet-02-论文背景、成果、意义.mp4 [14.1 MB]
12 10 NLP-文本匹配_02SiameseNet-01-孪生网络定义_14604_3275.mp4 [8.7 MB]
11 10 NLP-文本匹配_01DSSM-10-模型的搭建与训练、测试_14604_8323.mp4 [20.5 MB]
10 10 NLP-文本匹配_01DSSM-09-词哈希表的建立与数据载入_14604_5802.mp4 [20.1 MB]
09 10 NLP-文本匹配_01DSSM-08-代码总览_14604_1971.mp4 [13.6 MB]
08 10 NLP-文本匹配_01DSSM-07-优化函数、实验与总结.mp4 [15.0 MB]
27 10 NLP-文本匹配_03比较-聚合模型-07与处理与注意力层..mp4 [6.7 MB]
07 10 NLP-文本匹配_01DSSM-06-DSSM整体结构.mp4 [10.2 MB]
06 10 NLP-文本匹配_01DSSM-05-词哈希.mp4 [18.2 MB]
25 10 NLP-文本匹配_03比较-聚合模型-05论文泛读..mp4 [6.8 MB]
05 10 NLP-文本匹配_01DSSM-04-上节回顾_14604_2813.mp4 [9.7 MB]
03 10 NLP-文本匹配_01DSSM-02-论文背景、贡献及意义_14604_4246.mp4 [13.7 MB]
04 10 NLP-文本匹配_01DSSM-03摘要精读、总结_14604_8252.mp4 [11.9 MB]
02 10 NLP-文本匹配_01DSSM-01-学习目标..mp4 [9.6 MB]
01 10 NLP-文本匹配_01DSSM-00专题引言.mp4 [28.2 MB]
14 10 NLP-文本匹配必看.png [493.5 KB]
📁 13 09 NLP-图神经网络
134 09 NLP-图神经网络_10mpnn-16-模型训练和测试.mp4 [28.9 MB]
133 09 NLP-图神经网络_10mpnn-15-mpnn框架代码.mp4 [84.9 MB]
131 09 NLP-图神经网络_10mpnn-13-构造图_14604_6400.mp4 [91.2 MB]
132 09 NLP-图神经网络_10mpnn-14-DataLoader封装_14604_3620.mp4 [39.9 MB]
130 09 NLP-图神经网络_10mpnn-12-代码介绍.mp4 [53.9 MB]
129 09 NLP-图神经网络_10mpnn-11-论文总结.mp4 [39.3 MB]
128 09 NLP-图神经网络_10mpnn-10-实验分析_14604_1401.mp4 [55.9 MB]
127 09 NLP-图神经网络_10mpnn-09-专题总结.mp4 [36.8 MB]
126 09 NLP-图神经网络_10mpnn-08-set2set模型_14604_2867.mp4 [58.9 MB]
124 09 NLP-图神经网络_10mpnn-06-mpnn代表模型_14604_4499.mp4 [98.9 MB]
125 09 NLP-图神经网络_10mpnn-07-化学分子预测模型_14604_8694.mp4 [83.3 MB]
123 09 NLP-图神经网络_10mpnn-05-mpnn框架.mp4 [21.8 MB]
122 09 NLP-图神经网络_10mpnn-04-模型总览_14604_4854.mp4 [65.7 MB]
121 09 NLP-图神经网络_10mpnn-03-研究成果研究意义.mp4 [30.7 MB]
120 09 NLP-图神经网络_10mpnn-02-mpnn框架简介_14604_7405.mp4 [22.9 MB]
118 09 NLP-图神经网络_09ggnn-14-模型训练和测试_14604_6047.mp4 [34.0 MB]
117 09 NLP-图神经网络_09ggnn-13-ggnn模型代码_14604_6312.mp4 [120.0 MB]
119 09 NLP-图神经网络_10mpnn-01-研究背景.mp4 [33.6 MB]
116 09 NLP-图神经网络_09ggnn-12-读图.mp4 [87.3 MB]
115 09 NLP-图神经网络_09ggnn-11-代码介绍_14604_9959.mp4 [34.8 MB]
114 09 NLP-图神经网络_09ggnn-10-实验分析&论文总结_14604_4882.mp4 [49.7 MB]
113 09 NLP-图神经网络_09ggnn-09-RNN图数据分析.mp4 [25.2 MB]
112 09 NLP-图神经网络_09ggnn-08-bAbI任务_14604_9948.mp4 [71.8 MB]
110 09 NLP-图神经网络_09ggnn-06-GGNN模型细节_14604_5438.mp4 [65.7 MB]
109 09 NLP-图神经网络_09ggnn-05-GRU模型简单回顾.mp4 [22.7 MB]
108 09 NLP-图神经网络_09ggnn-04-模型总览.mp4 [50.6 MB]
107 09 NLP-图神经网络_09ggnn-03-研究成果研究意义.mp4 [30.0 MB]
106 09 NLP-图神经网络_09ggnn-02-ggnn模型简介_14604_2323.mp4 [29.7 MB]
105 09 NLP-图神经网络_09ggnn-01-研究背景.mp4 [39.6 MB]
103 09 NLP-图神经网络_08gcn-13-读图预处理_14604_3642.mp4 [39.0 MB]
104 09 NLP-图神经网络_08gcn-14-gcn模型实现及代码总结.mp_14604_2874.mp4 [38.2 MB]
102 09 NLP-图神经网络_08gcn-12-代码介绍.mp4 [34.0 MB]
100 09 NLP-图神经网络_08gcn-10-实验分析.mp4 [65.1 MB]
101 09 NLP-图神经网络_08gcn-11-论文总结.mp4 [32.7 MB]
099 09 NLP-图神经网络_08gcn-09-gcn频域公式推导_14604_5546.mp4 [57.4 MB]
098 09 NLP-图神经网络_08gcn-08-Chebyshev卷积核.mp.mp4 [28.2 MB]
097 09 NLP-图神经网络_08gcn-07-图的频域变换_14604_2175.mp4 [29.8 MB]
096 09 NLP-图神经网络_08gcn-06-拉普拉斯矩阵.mp4 [27.3 MB]
095 09 NLP-图神经网络_08gcn-05-RGCN模型简介.mp4 [79.2 MB]
093 09 NLP-图神经网络_08gcn-03-研究成果研究意义.mp4 [32.8 MB]
094 09 NLP-图神经网络_08gcn-04-模型总览_14604_8620.mp4 [35.4 MB]
091 09 NLP-图神经网络_08gcn-01-研究背景.cmproj_14604_5076.mp4 [32.0 MB]
090 09 NLP-图神经网络_07graphsage-13-模型训练及代码总结.mp4 [28.4 MB]
092 09 NLP-图神经网络_08gcn-02-gcn模型简介.mp4 [27.5 MB]
088 09 NLP-图神经网络_07graphsage-11-mean-aggregator讲解.mp4 [51.5 MB]
087 09 NLP-图神经网络_07graphsage-10-读图读特征.mp4 [38.6 MB]
089 09 NLP-图神经网络_07graphsage-12-encoder讲解.mp4 [33.1 MB]
084 09 NLP-图神经网络_07graphsage-07-batch训练及WLtest_14604_5059.mp4 [84.7 MB]
085 09 NLP-图神经网络_07graphsage-08-实验分析.mp4 [72.7 MB]
086 09 NLP-图神经网络_07graphsage-09-代码介绍.mp4 [40.0 MB]
083 09 NLP-图神经网络_07graphsage-06-监督训练及aggregators_14604_3270.mp4 [39.5 MB]
082 09 NLP-图神经网络_07graphsage-05-算法详解.mp4 [73.1 MB]
081 09 NLP-图神经网络_07graphsage-04-模型总览.mp4 [27.6 MB]
080 09 NLP-图神经网络_07graphsage-03-研究成果研究意义.mp4 [36.3 MB]
078 09 NLP-图神经网络_07graphsage-01-研究背景_14604_9765.mp4 [38.3 MB]
079 09 NLP-图神经网络_07graphsage-02-graphSAGE模型简介.mp4 [23.7 MB]
077 09 NLP-图神经网络_06gat-14-gat模型训练及代码总结_14604_5068.mp4 [44.5 MB]
076 09 NLP-图神经网络_06gat-13-gat模型实现.mp4 [67.3 MB]
074 09 NLP-图神经网络_06gat-11-代码设置参数&读图_14604_8939.mp4 [48.7 MB]
075 09 NLP-图神经网络_06gat-12-邻接矩阵归一化_14604_9766.mp4 [39.0 MB]
073 09 NLP-图神经网络_06gat-10-代码介绍_14604_5137.mp4 [58.2 MB]
071 09 NLP-图神经网络_06gat-08-GAT算法总结和实验设置_14604_1315.mp4 [105.4 MB]
072 09 NLP-图神经网络_06gat-09-论文总结_14604_6736.mp4 [42.1 MB]
070 09 NLP-图神经网络_06gat-07-multi-head起源简介.mp4 [25.4 MB]
067 09 NLP-图神经网络_06gat-04-gnn核心框架_14604_6924.mp4 [78.1 MB]
069 09 NLP-图神经网络_06gat-06-各种attention总结.mp4 [45.6 MB]
068 09 NLP-图神经网络_06gat-05-gat算法讲解_14604_3728.mp4 [45.3 MB]
066 09 NLP-图神经网络_06gat-03-研究成果研究意义_14604_3674.mp4 [30.6 MB]
064 09 NLP-图神经网络_06gat-01-研究背景_14604_7776.mp4 [32.0 MB]
065 09 NLP-图神经网络_06gat-02-图卷积消息传递_14604_6141.mp4 [29.3 MB]
062 09 NLP-图神经网络_05transe-13-代码详解二.mp4 [52.4 MB]
063 09 NLP-图神经网络_05transe-14-TransR等实现及代码总结.mp4 [61.5 MB]
061 09 NLP-图神经网络_05transe-12-代码详解一.mp4 [53.7 MB]
059 09 NLP-图神经网络_05transe-10-论文总结_14604_7691.mp4 [17.3 MB]
060 09 NLP-图神经网络_05transe-11-代码介绍.mp4 [8.4 MB]
058 09 NLP-图神经网络_05transe-09-实验分析.mp4 [38.7 MB]
057 09 NLP-图神经网络_05transe-08-实验设置和分析_14604_3914.mp4 [54.6 MB]
055 09 NLP-图神经网络_05transe-06-transH算法.mp4 [79.5 MB]
056 09 NLP-图神经网络_05transe-07-模型对比和总结.mp4 [22.6 MB]
054 09 NLP-图神经网络_05transe-05-transR算法_14604_3349.mp4 [65.7 MB]
052 09 NLP-图神经网络_05transe-03-transE算法_14604_6281.mp4 [56.2 MB]
053 09 NLP-图神经网络_05transe-04-transH算法_14604_1345.mp4 [57.0 MB]
051 09 NLP-图神经网络_05transe-02-研究成果研究意义_14604_6930.mp4 [48.9 MB]
050 09 NLP-图神经网络_05transe-01-研究背景.mp4 [35.9 MB]
049 09 NLP-图神经网络_04metapath2vec-10-代码模型训练_14604_7632.mp4 [72.1 MB]
048 09 NLP-图神经网络_04metapath2vec-09-代码模型实现.mp4 [70.3 MB]
047 09 NLP-图神经网络_04metapath2vec-08-代码生成meta-path训练集_14604_1842.mp4 [84.4 MB]
046 09 NLP-图神经网络_04metapath2vec-07-代码dgl平台介绍.mp4 [34.4 MB]
044 09 NLP-图神经网络_04metapath2vec-05-实验分析.mp4 [115.8 MB]
045 09 NLP-图神经网络_04metapath2vec-06-论文总结_14604_8522.mp4 [42.7 MB]
043 09 NLP-图神经网络_04metapath2vec-04-算法细节.mp4 [113.4 MB]
042 09 NLP-图神经网络_04metapath2vec-03-异质网络skip2gram_14604_7216.mp4 [68.6 MB]
041 09 NLP-图神经网络_04metapath2vec-02-研究成果_14604_9093.mp4 [52.3 MB]
040 09 NLP-图神经网络_04metapath2vec-01-研究背景_14604_4490.mp4 [38.6 MB]
039 09 NLP-图神经网络_03sdne-12-代码模型训练.mp4 [48.7 MB]
038 09 NLP-图神经网络_03sdne-11-代码sdne模型实现.mp4 [53.7 MB]
037 09 NLP-图神经网络_03sdne-10-代码模型训练_14604_4095.mp4 [54.7 MB]
036 09 NLP-图神经网络_03sdne-09-实验分析.mp4 [80.3 MB]
035 09 NLP-图神经网络_03sdne-08-实验设置介绍.mp4 [110.1 MB]
034 09 NLP-图神经网络_03sdne-07-优化方法&时间复杂度.mp4 [93.7 MB]
📁 12 08 NLP-预训练模型
92 08 NLP-预训练模型_10electra-08-代码start training部分.mp4 [101.6 MB]
91 08 NLP-预训练模型_10electra-07-代码生成器和判别器.mp4 [103.6 MB]
90 08 NLP-预训练模型_10electra-06-代码预处理部分.mp4 [96.5 MB]
89 08 NLP-预训练模型_10electra-05-代码electra训练流程_14604_3990.mp4 [83.5 MB]
88 08 NLP-预训练模型_10electra-04-论文回顾_14604_7288.mp4 [69.0 MB]
87 08 NLP-预训练模型_10electra-03-electra的生成器和判别器详解_14604_1883.mp4 [30.8 MB]
84 08 NLP-预训练模型_09xlnet-10-代码xlnet的self attention_14604_3030.mp4 [104.5 MB]
85 08 NLP-预训练模型_10electra-01-electra背景介绍_14604_4865.mp4 [43.7 MB]
86 08 NLP-预训练模型_10electra-02-gan的回顾_14604_9184.mp4 [32.8 MB]
83 08 NLP-预训练模型_09xlnet-09-代码xlnet的mask.mp4 [150.7 MB]
82 08 NLP-预训练模型_09xlnet-08-代码xlnet的fine-tuning.mp4 [48.5 MB]
81 08 NLP-预训练模型_09xlnet-07-xlnet论文回顾.mp4 [55.1 MB]
80 08 NLP-预训练模型_09xlnet-06-Two Stream Self-attention.mp4 [43.5 MB]
78 08 NLP-预训练模型_09xlnet-04-排列lm的mask实_14604_1109.mp4 [31.8 MB]
79 08 NLP-预训练模型_09xlnet-05-传统lm存在的问题.mp4 [24.8 MB]
77 08 NLP-预训练模型_09xlnet-03-排列lm部分_14604_1196.mp4 [37.4 MB]
76 08 NLP-预训练模型_09xlnet-02-AR和AE的比较.mp4 [46.2 MB]
75 08 NLP-预训练模型_09xlnet-01-xlnet背景介绍_14604_2856.mp4 [36.6 MB]
74 08 NLP-预训练模型_08mass-08-代码mass的dataset准备.mp4 [78.2 MB]
73 08 NLP-预训练模型_08mass-07-代码mass的xtransformer部分.mp4 [57.5 MB]
72 08 NLP-预训练模型_08mass-06-代码mass的xseq2seq部分.mp4 [127.6 MB]
71 08 NLP-预训练模型_08mass-05-代码fairseq的训练流程_14604_4541.mp4 [64.0 MB]
69 08 NLP-预训练模型_08mass-03-mass 的seq2seq pretraining_14604_6632.mp4 [50.4 MB]
70 08 NLP-预训练模型_08mass-04-mass的discussions.mp4 [90.2 MB]
67 08 NLP-预训练模型_08mass-01-mass背景介绍_14604_2910.mp4 [56.9 MB]
68 08 NLP-预训练模型_08mass-02-bert和gpt回顾_14604_2058.mp4 [38.2 MB]
66 08 NLP-预训练模型_07albert-10-代码albert fine-tuning_14604_1884.mp4 [140.2 MB]
65 08 NLP-预训练模型_07albert-09-代码pretrain 训练部分.mp4 [38.1 MB]
64 08 NLP-预训练模型_07albert-08-代码transformer结构_14604_5816.mp4 [66.3 MB]
63 08 NLP-预训练模型_07albert-07-代码samplemask.mp4 [68.3 MB]
62 08 NLP-预训练模型_07albert-06-代码tokenizer部分.mp4 [40.5 MB]
61 08 NLP-预训练模型_07albert-05-NSP任务和论文回顾.mp4 [87.0 MB]
59 08 NLP-预训练模型_07albert-03-embedding layer的因式分解_14604_4798.mp4 [40.8 MB]
60 08 NLP-预训练模型_07albert-04-albert跨层参数共享_14604_7679.mp4 [22.0 MB]
57 08 NLP-预训练模型_07albert-01-albert背景介绍.mp4 [36.4 MB]
58 08 NLP-预训练模型_07albert-02-轻量级bert回顾.mp4 [33.6 MB]
56 08 NLP-预训练模型_06ulmfit-08-代码pycharm lm部分_14604_3775.mp4 [67.9 MB]
54 08 NLP-预训练模型_06ulmfit-06-代码fine tuning部分_14604_8065.mp4 [87.6 MB]
53 08 NLP-预训练模型_06ulmfit-05-论文回顾_14604_6148.mp4 [131.7 MB]
55 08 NLP-预训练模型_06ulmfit-07-代码逐层解冻和预测_14604_8899.mp4 [61.4 MB]
51 08 NLP-预训练模型_06ulmfit-03-下三角学习率_14604_1373.mp4 [34.8 MB]
52 08 NLP-预训练模型_06ulmfit-04-classifier fine tuning.mp4 [30.6 MB]
50 08 NLP-预训练模型_06ulmfit-02-awdLstm回顾_14604_3860.mp4 [36.6 MB]
49 08 NLP-预训练模型_06ulmfit-01-uimfit背景介绍.mp4 [64.1 MB]
48 08 NLP-预训练模型_05bert-11-代码bert pretrain的loss计算.mp4 [99.5 MB]
47 08 NLP-预训练模型_05bert-10-代码bert-pretrain的transformer部分.mp4 [78.1 MB]
46 08 NLP-预训练模型_05bert-09-代码pertrain预处理.mp4 [100.7 MB]
45 08 NLP-预训练模型_05bert-08-代码bert pretrain的NSP.mp4 [73.3 MB]
44 08 NLP-预训练模型_05bert-07-代码fine-tuning训练部分.mp4 [41.0 MB]
43 08 NLP-预训练模型_05bert-06-代码fine-tuning数据预处理和model 加载.mp4 [64.8 MB]
41 08 NLP-预训练模型_05bert-04-bert model和pre-training部分_14604_3457.mp4 [47.8 MB]
42 08 NLP-预训练模型_05bert-05-bert的fine-tuning部分.mp4 [33.5 MB]
40 08 NLP-预训练模型_05bert-03-bert、gtp、elmo的比较.mp4 [24.9 MB]
39 08 NLP-预训练模型_05bert-02-论文导读和bert 衍生模型..mp4 [46.9 MB]
38 08 NLP-预训练模型_05bert-01-bert的背景和glue benchmark_14604_2765.mp4 [48.7 MB]
37 08 NLP-预训练模型_04gpt-11-代码训练部分.mp4 [88.0 MB]
36 08 NLP-预训练模型_04gpt-10-代码两种loss的计算_14604_3413.mp4 [73.6 MB]
35 08 NLP-预训练模型_04gpt-09-代码transformer_model部分.mp4 [100.7 MB]
34 08 NLP-预训练模型_04gpt-08-代码trasform_roc部分.mp4 [36.9 MB]
33 08 NLP-预训练模型_04gpt-07-代码与处理部分_14604_2502.mp4 [91.4 MB]
32 08 NLP-预训练模型_04gpt-06-代码流程和建立vocab_14604_9737.mp4 [117.2 MB]
31 08 NLP-预训练模型_04gpt-05-论文回顾_14604_9532.mp4 [83.3 MB]
30 08 NLP-预训练模型_04gpt-04-输入转换_14604_8538.mp4 [30.6 MB]
26 08 NLP-预训练模型_03elmo-10-代码crf实现_14604_8563.mp4 [226.9 MB]
29 08 NLP-预训练模型_04gpt-03-预训练和fine-tuning.mp4 [40.7 MB]
28 08 NLP-预训练模型_04gpt-02-transformer回顾.mp4 [54.9 MB]
27 08 NLP-预训练模型_04gpt-01-nlp下游任务介绍_14604_1427.mp4 [69.9 MB]
24 08 NLP-预训练模型_03elmo-08-代码模型结构部分_14604_9866.mp4 [166.8 MB]
23 08 NLP-预训练模型_03elmo-07-代码预处理部分.mp4 [129.7 MB]
25 08 NLP-预训练模型_03elmo-09-代码crf流程_14604_4548.mp4 [73.9 MB]
22 08 NLP-预训练模型_03elmo-06-论文回顾_14604_1533.mp4 [108.0 MB]
20 08 NLP-预训练模型_03elmo-04-Bidirectional_language_models_14604_4566.mp4 [38.9 MB]
21 08 NLP-预训练模型_03elmo-05-how to use emol.mp4 [31.3 MB]
18 08 NLP-预训练模型_03elmo-02-feature_based和fine_tuning_14604_2094.mp4 [40.3 MB]
19 08 NLP-预训练模型_03elmo-03-word2vec和charcnn回顾_14604_7142.mp4 [33.1 MB]
17 08 NLP-预训练模型_03elmo-01-elmo的下游任务介绍_14603_4812.mp4 [50.9 MB]
16 08 NLP-预训练模型_02transformer_xl-09-代码adaptive softmax2..mp4 [118.6 MB]
15 08 NLP-预训练模型_02transformer_xl-08-代码update memory和adaptive_14603_1961.mp4 [81.4 MB]
14 08 NLP-预训练模型_02transformer_xl-07-代码self attention.mp4 [109.8 MB]
12 08 NLP-预训练模型_02transformer_xl-05-论文总结.mp4 [71.4 MB]
13 08 NLP-预训练模型_02transformer_xl-06-代码数据准备_14603_9130.mp4 [45.8 MB]
11 08 NLP-预训练模型_02transformer_xl-04-相对位置编码和小trick.mp4 [44.2 MB]
10 08 NLP-预训练模型_02transformer_xl-03-片段级递归机制.mp4 [35.6 MB]
09 08 NLP-预训练模型_02transformer_xl-02-vallini model回顾.mp4 [41.5 MB]
07 08 NLP-预训练模型_01transformer-07-代码训练部分和预测部分_14603_4673.mp4 [140.6 MB]
08 08 NLP-预训练模型_02transformer_xl-01-论文背景.mp4 [51.4 MB]
06 08 NLP-预训练模型_01transformer-06-代码decoder和self_attention.mp4 [91.1 MB]
05 08 NLP-预训练模型_01transformer-05-代码框架部分和encoder_14603_4639.mp4 [95.5 MB]
03 08 NLP-预训练模型_01transformer-03-模型框架和self_attention.mp4 [47.1 MB]
04 08 NLP-预训练模型_01transformer-04-模型小trick..mp4 [87.7 MB]
02 08 NLP-预训练模型_01transformer-02-attention回顾.mp4 [42.3 MB]
01 08 NLP-预训练模型_01transformer-01-论文背景&研究成果_14603_1890.mp4 [40.7 MB]
12 08 NLP-预训练模型资料.png [493.5 KB]
📁 11 07 （2）信息抽取-关系抽取
42 07 （2）信息抽取-关系抽取_05 casrel_code_8（新版_14603_4854.mp4 [103.3 MB]
41 07 （2）信息抽取-关系抽取_05 casrel_code_7（新版）.mp4 [73.9 MB]
40 07 （2）信息抽取-关系抽取_05 casrel_code_6（新版）.mp4 [78.7 MB]
38 07 （2）信息抽取-关系抽取_05 casrel_paper_4（新版_14603_7407.mp4 [42.0 MB]
39 07 （2）信息抽取-关系抽取_05 casrel_code_5（新版_14603_5208.mp4 [53.5 MB]
36 07 （2）信息抽取-关系抽取_05 casrel_paper_2（新版）.mp4 [45.1 MB]
37 07 （2）信息抽取-关系抽取_05 casrel_paper_3（新版）.mp4 [41.4 MB]
35 07 （2）信息抽取-关系抽取_05 casrel_paper_1（新版_14603_6027.mp4 [27.0 MB]
34 07 （2）信息抽取-关系抽取_05 casrel_paper_0（新版_14603_8286.mp4 [43.5 MB]
33 07 （2）信息抽取-关系抽取_04 novel_tagging_code_2_数据读取_模型训练与评价（新版_14603_9460.mp4 [85.1 MB]
32 07 （2）信息抽取-关系抽取_04 novel_tagging_code_1_准备工作_超参数定义_数据处理（新版）.mp4 [97.1 MB]
30 07 （2）信息抽取-关系抽取_04 novel_tagging_paper_4_模型（新版_14603_2148.mp4 [52.9 MB]
29 07 （2）信息抽取-关系抽取_04 novel_tagging_paper_3_相关工作03（新版）.mp4 [68.8 MB]
31 07 （2）信息抽取-关系抽取_04 novel_tagging_paper_5_实验（新版）.mp4 [29.4 MB]
26 07 （2）信息抽取-关系抽取_03 att_lstm_code_5_模型训练及模型评价（新版_14603_8753.mp4 [74.2 MB]
28 07 （2）信息抽取-关系抽取_04 novel_tagging_paper_2_相关工作02（新版_14603_4619.mp4 [50.6 MB]
27 07 （2）信息抽取-关系抽取_04 novel_tagging_paper_1_背景及相关工作01（新版_14603_4857.mp4 [68.1 MB]
23 07 （2）信息抽取-关系抽取_03 lstmatt_2_模型及实验（新版）.mp4 [70.4 MB]
25 07 （2）信息抽取-关系抽取_03 att_lstm_code_4_数据处理及模型定义（新版）.mp4 [87.4 MB]
24 07 （2）信息抽取-关系抽取_03 att_lstm_code_3_课程回顾及超参数设置（新版）.mp4 [74.5 MB]
21 07 （2）信息抽取-关系抽取_02 pcnn_code-11-模型训练2及模型评价（新版）.mp4 [73.2 MB]
20 07 （2）信息抽取-关系抽取_02 pcnn_code-10-模型训练1（新版）.mp4 [37.6 MB]
22 07 （2）信息抽取-关系抽取_03 lstmatt_1_背景及相关工作（新版_14603_3874.mp4 [76.9 MB]
19 07 （2）信息抽取-关系抽取_02 pcnn_code-9-模型定义（新版_14603_6548.mp4 [50.5 MB]
18 07 （2）信息抽取-关系抽取_02 pcnn_code-8-数据处理2（新版）.mp4 [42.9 MB]
17 07 （2）信息抽取-关系抽取_02 pcnn_code-7-前期回顾及输出处理1（新版_14603_6349.mp4 [52.0 MB]
16 07 （2）信息抽取-关系抽取_02 pcnn_crcnn_6_CRCNN的实验部分及总结（新版_14603_4044.mp4 [31.4 MB]
15 07 （2）信息抽取-关系抽取_02 pcnn_crcnn_5_CRCNN的相关工作及模型部分（新版_14603_2090.mp4 [65.1 MB]
14 07 （2）信息抽取-关系抽取_02 pcnn_crcnn_4_PCNN的实验部分及CRCNN的背景（新版_14603_9394.mp4 [30.7 MB]
13 07 （2）信息抽取-关系抽取_02 pcnn_crcnn_3_PCNN的模型部分（新版）.mp4 [48.0 MB]
12 07 （2）信息抽取-关系抽取_02 pcnn_crcnn_2_PCNN的相关工作（新版）.mp4 [41.1 MB]
11 07 （2）信息抽取-关系抽取_02 pcnn_crcnn_1_PCNN背景及部分相关工作（新版_14603_7544.mp4 [48.4 MB]
09 07 （2）信息抽取-关系抽取_01 code_cnn_for_re-09（新版）.mp4 [78.2 MB]
10 07 （2）信息抽取-关系抽取_01 code_cnn_for_re-10（新版）.mp4 [47.1 MB]
08 07 （2）信息抽取-关系抽取_01 code_cnn_for_re-08（新版_14603_8284.mp4 [71.7 MB]
07 07 （2）信息抽取-关系抽取_01 code_cnn_for_re-07（新版）.mp4 [59.0 MB]
06 07 （2）信息抽取-关系抽取_01 code_cnn_for_re-06（新版_14603_4892.mp4 [59.4 MB]
05 07 （2）信息抽取-关系抽取_01 cnn_for-re-05.mp4（新版_14603_1410.mp4 [42.5 MB]
04 07 （2）信息抽取-关系抽取_01 cnn_for-re-04.mp4（新版_14603_2244.mp4 [53.1 MB]
02 07 （2）信息抽取-关系抽取_01 cnn_for-re-02.mp4（新版_14603_3702.mp4 [40.4 MB]
03 07 （2）信息抽取-关系抽取_01 cnn_for-re-03.mp4（新版）.mp4 [43.0 MB]
01 07 （2）信息抽取-关系抽取_01 cnn_for-re-01.mp4（新版_14603_4600.mp4 [31.9 MB]
11 07 （2）信息抽取-关系抽取必看.zip [1.8 MB]
📁 10 07 信息抽取-命名实体识别
30 07 信息抽取-命名实体识别_6-4_Soft_Lexicon模型总结..mp4 [46.0 MB]
31 07 信息抽取-命名实体识别_6-5_Soft_Lexicon模型代码..mp4 [37.4 MB]
29 07 信息抽取-命名实体识别_6-3_Soft_Lexicon模型详解..mp4 [19.2 MB]
28 07 信息抽取-命名实体识别_6-2_Soft_Lexicon模型总览.mp4_14603_1843.mp4 [21.5 MB]
27 07 信息抽取-命名实体识别_6-1_Soft_Lexicon论文研究背景_14603_2188.mp4 [92.1 MB]
26 07 信息抽取-命名实体识别_5.5_TENER模型代码.mp4 [58.1 MB]
25 07 信息抽取-命名实体识别_5.4_TENER模型总结_14603_3642.mp4 [23.0 MB]
24 07 信息抽取-命名实体识别_5.3_TENER模型详解_14603_3869.mp4 [57.0 MB]
22 07 信息抽取-命名实体识别_5.1_TENER论文研究背景_14603_9565.mp4 [97.4 MB]
23 07 信息抽取-命名实体识别_5.2_TENER模型总览_14603_9032.mp4 [38.7 MB]
21 07 信息抽取-命名实体识别_4.4_LGN代码讲解.mp4 [43.1 MB]
20 07 信息抽取-命名实体识别_4.3_LGN模型详解.mp4 [28.8 MB]
18 07 信息抽取-命名实体识别_4.1_LGN论文研究背景_14603_6875.mp4 [126.2 MB]
17 07 信息抽取-命名实体识别_3.5_LR-CNN论文代码讲解..mp4 [73.2 MB]
19 07 信息抽取-命名实体识别_4.2_LGN模型总览..mp4 [20.8 MB]
16 07 信息抽取-命名实体识别_3.4_LR-CNN模型细节2..mp4 [22.7 MB]
15 07 信息抽取-命名实体识别_3.3_LR-CNN模型细节_14603_7986.mp4 [32.4 MB]
12 07 信息抽取-命名实体识别_2.5_LatticeLSTM代码讲解..mp4 [148.6 MB]
13 07 信息抽取-命名实体识别_3.1_LR-CNN论文研究背景_14603_2572.mp4 [129.7 MB]
14 07 信息抽取-命名实体识别_3.2_LR-CNN模型总览_14603_7791.mp4 [37.8 MB]
11 07 信息抽取-命名实体识别_2.4_LatticeLSTM论文实验与总结_14603_7053.mp4 [19.1 MB]
10 07 信息抽取-命名实体识别_2.3_LatticeLSTM模型细节.mp4 [43.7 MB]
08 07 信息抽取-命名实体识别_2.1_LatticeLSTM论文研究背景_14603_9161.mp4 [122.4 MB]
09 07 信息抽取-命名实体识别_2.2_LatticeLSTM模型总览_14603_1453.mp4 [22.5 MB]
06 07 信息抽取-命名实体识别_1.6- BiLSTM-CRF代码讲解.mp4 [75.5 MB]
07 07 信息抽取-命名实体识别_1.7- BiLSTM-CRF-NCR-Fpp代码详解.mp4 [81.2 MB]
05 07 信息抽取-命名实体识别_1.5- BiLSTM-CRF-实验结果与论文总结_14603_3894.mp4 [24.5 MB]
03 07 信息抽取-命名实体识别_1.3-BiLSTM-CRF模型结构.mp4 [46.6 MB]
02 07 信息抽取-命名实体识别_1.2- BiLSTM-CRF-论文算法总览.mp4 [61.9 MB]
04 07 信息抽取-命名实体识别_1.4-BiLSTM-CRF损失函数与维特比解码_14603_1411.mp4 [37.8 MB]
01 07 信息抽取-命名实体识别_1.1- BiLSTM-CRF-论文研究背景.mp4 [111.6 MB]
10 07 信息抽取-命名实体识别文档.zip [1.8 MB]
📁 09 06 NLP-baseline
74 06 NLP-baseline_10 sgm_3_2_模型实现_14603_8245.mp4 [108.3 MB]
73 06 NLP-baseline_10 sgm_3_1_数据处理.mp4 [68.6 MB]
72 06 NLP-baseline_10 sgm_2_3_实验结果及分析_14603_3366.mp4 [73.1 MB]
71 06 NLP-baseline_10 sgm_2_2_模型详解_14603_6584.mp4 [41.6 MB]
70 06 NLP-baseline_10 sgm_2_1_论文简介_14603_7964.mp4 [71.1 MB]
69 06 NLP-baseline_10 sgm_1_2_背景知识和研究成果及意义.mp4 [84.9 MB]
68 06 NLP-baseline_10 sgm_1_1_多标签分类介绍_14603_9033.mp4 [32.6 MB]
65 06 NLP-baseline_09 han_attention_2_3_实验结果及论文总结_14603_7830.mp4 [168.0 MB]
67 06 NLP-baseline_09 han_attention_3_2_模型实现及训练和测试.mp4 [77.1 MB]
66 06 NLP-baseline_09 han_attention_3_1_数据读取_14603_8818.mp4 [79.0 MB]
63 06 NLP-baseline_09 han_attention_2_1_论文总览.mp4 [80.6 MB]
64 06 NLP-baseline_09 han_attention_2_2_模型详解.mp4 [53.2 MB]
62 06 NLP-baseline_09 han_attention_1_2_研究背景成果及意义..mp4 [56.4 MB]
59 06 NLP-baseline_08 attention_nmt_3_1_deep_nmt实现.mp4 [135.7 MB]
61 06 NLP-baseline_09 han_attention_1_1_前期储备知识介绍.mp4 [41.9 MB]
60 06 NLP-baseline_08 attention_nmt_3_2_fairseq.mp4 [131.2 MB]
56 06 NLP-baseline_08 attention_nmt_2_1_论文总览..mp4 [70.9 MB]
57 06 NLP-baseline_08 attention_nmt_2_2模型详解_14603_3513.mp4 [73.6 MB]
58 06 NLP-baseline_08 attention_nmt_2_3_实验结果及分析_14603_6861.mp4 [69.5 MB]
55 06 NLP-baseline_08 attention_nmt_1_2_背景介绍_研究成果及意义.mp4 [57.7 MB]
54 06 NLP-baseline_08 attention_nmt_1_1_储备知识_对齐翻译_seq2seq_注意力机制..mp4 [54.4 MB]
53 06 NLP-baseline_07 deep_nmt_3_2_模型和训练及测试.mp4 [68.6 MB]
52 06 NLP-baseline_07 deep_nmt_3_1_机器翻译数据处理和代码简介_14603_3502.mp4 [72.4 MB]
51 06 NLP-baseline_07 deep_nmt_2_3_实验结果及总结.mp4 [56.3 MB]
50 06 NLP-baseline_07 deep_nmt_2_2_deep_nmtm模型详解2_14603_4466.mp4 [55.6 MB]
49 06 NLP-baseline_07 deep_nmt_2_1_deep_nmt模型详解1.mp4 [69.2 MB]
48 06 NLP-baseline_07 deep_nmt_1_2_背景介绍和研究成果及意义_14603_2675.mp4 [60.5 MB]
47 06 NLP-baseline_07 deep_nmt_1_1_论文简介以及BLEU介绍_14603_7506.mp4 [40.8 MB]
46 06 NLP-baseline_06-fasttext_3_2_fasttext模型及训练测试_14603_9529.mp4 [33.1 MB]
45 06 NLP-baseline_06-fasttext_3_1_fasttext数据读取.mp4 [57.5 MB]
44 06 NLP-baseline_06-fasttext_2_3_fasttext实验_14603_5445.mp4 [33.8 MB]
42 06 NLP-baseline_06-fasttext_2_1_fasttext模型上_14603_8160.mp4 [61.4 MB]
43 06 NLP-baseline_06-fasttext_2_2_fasttext模型下_14603_1776.mp4 [56.3 MB]
41 06 NLP-baseline_06-fasttext_1_研究背景及意义.mp4 [59.0 MB]
38 06 NLP-baseline_05-chartextcnn_2_3_实验分析及讨论.mp4 [67.2 MB]
39 06 NLP-baseline_05-chartextcnn_3_1_数据处理_14603_8652.mp4 [56.1 MB]
40 06 NLP-baseline_05-chartextcnn_3_2_模型定义及训练和测试_14603_8475.mp4 [62.5 MB]
37 06 NLP-baseline_05-chartextcnn_2_2_模型详解.mp4 [64.6 MB]
36 06 NLP-baseline_05-chartextcnn_2_1_模型总览及简介_14603_5361.mp4 [73.8 MB]
35 06 NLP-baseline_05-chartextcnn_1_论文导读_14603_3756.mp4 [63.9 MB]
34 06 NLP-baseline_04 textcnn-08-textcnn训练及测试.mp4 [64.4 MB]
32 06 NLP-baseline_04 textcnn-06-textcnn超参选择_14603_1831.mp4 [126.2 MB]
33 06 NLP-baseline_04 textcnn-07-textcnn数据处理以及模型构建_14603_8215.mp4 [75.9 MB]
31 06 NLP-baseline_04textcnn-05-textcnn实验介绍.mp4 [85.4 MB]
30 06 NLP-baseline_04 textcnn-04-textcnn模型详解_14603_9634.mp4 [54.3 MB]
29 06 NLP-baseline_04 textcnn-03-textcnn模型简介_14603_4412.mp4 [61.3 MB]
28 06 NLP-baseline_04textcnn-02-textcnn研究成果及意义.mp4 [22.4 MB]
27 06 NLP-baseline_04textcnn-01-textcnn背景介绍.mp4 [39.3 MB]
26 06 NLP-baseline_03 char_embedding-09-模型构建及训练和测试_14603_5113.mp4 [55.3 MB]
24 06 NLP-baseline_03 char_embedding-07-环境配置_14603_3953.mp4 [47.6 MB]
23 06 NLP-baseline_03 char_embedding-06-词性标注实验分析及论文总结_14603_4770.mp4 [66.2 MB]
25 06 NLP-baseline_03 char_embedding-08-数据处理.mp4 [79.9 MB]
22 06 NLP-baseline_03 char_embedding-05-语言模型实验分析.mp4 [66.8 MB]
21 06 NLP-baseline_03 char_embedding-04-模型详解.mp4 [70.9 MB]
20 06 NLP-baseline_03char_embedding-03-论文概述_14603_4837.mp4 [50.6 MB]
19 06 NLP-baseline_03 char_embedding-02-研究成果及意义_14603_5379.mp4 [40.4 MB]
18 06 NLP-baseline_03char_embedding-01-背景介绍..mp4 [52.1 MB]
17 06 NLP-baseline_02 glove-07-型及训练测试_14603_6864.mp4 [38.1 MB]
16 06 NLP-baseline_02glove-06-数据处理_14603_5715.mp4 [37.0 MB]
15 06 NLP-baseline_02 glove-05-实验分析_14603_9983.mp4 [34.8 MB]
13 06 NLP-baseline_02glove-03-论文概述_14603_3847.mp4 [121.0 MB]
14 06 NLP-baseline_02glove-04-模型精讲_14603_1525.mp4 [70.0 MB]
12 06 NLP-baseline_02 glove-02-_研究成果及意义.mp4 [20.5 MB]
10 06 NLP-baseline_1.9 word2vec3-2代码部分下_14603_1134.mp4 [104.3 MB]
09 06 NLP-baseline_1.8 word2vec3-1代码部分上_14603_7592.mp4 [81.4 MB]
11 06 NLP-baseline_02glove-01-_背景介绍_14603_3982.mp4 [44.5 MB]
08 06 NLP-baseline_1.7 word2vec2-5实验结果_14603_7812.mp4 [50.9 MB]
07 06 NLP-baseline_1.6 word2vec2-4模型复杂度.mp4 [21.3 MB]
06 06 NLP-baseline_1.5 word2vec2-3word2vec关键技术_14603_7992.mp4 [44.0 MB]
04 06 NLP-baseline_1.3 word2vec2-1对比模型_14603_6524.mp4 [53.5 MB]
05 06 NLP-baseline_1.4 word2vec2-2原理.mp4 [34.4 MB]
03 06 NLP-baseline_1.2 word2vec1-2论文泛读.mp4 [55.2 MB]
01 06 NLP-baseline_NLP baseline 开营仪式_14603_1501.mp4 [133.2 MB]
02 06 NLP-baseline_1.1 word2vec1-1背景知识.mp4 [66.5 MB]
09 06 NLP-baseline说明.zip [1.8 MB]
📁 08 05 NLP基础知识
第8话 3-1 统计语言模型简介与案例实现_14603_5610.mp4 [186.7 MB]
第9话 3-2 语言模型任务评估.mp4 [83.7 MB]
第7话 2-4 文本的向量化表示与案例实现.mp4 [77.7 MB]
第6话 2-3 特征输入_14603_2358.mp4 [114.8 MB]
第5话 2-2 NLP问题中的特征_14603_2420.mp4 [66.6 MB]
第4话 2-1 预备知识_14603_3001.mp4 [59.8 MB]
第23话 5-6 HMM代码实现.mp4 [140.2 MB]
第2话 1-1 前言.mp4 [135.5 MB]
第3话 1-2 研究方向概述_14603_1541.mp4 [106.4 MB]
第22话 5-5 HMM预测.mp4 [95.0 MB]
第21话 5-4 HMM训练.mp4 [60.3 MB]
第20话 5-3 HMM样本生成.mp4 [100.7 MB]
第19话 5-2 HMM模型简介_14603_9137.mp4 [103.1 MB]
第1话 认识NLP算法工程师_14603_7580.mp4 [128.5 MB]
第14话 4-3 word2vec项目实战展示_14603_5687.mp4 [83.8 MB]
第17话 4-6 RNN模型原理 代码复现与实战.mp4 [156.2 MB]
第18话 5-1 HMM序列标注.mp4 [45.7 MB]
第13话 4-2 word2vec代码复现.mp4 [210.1 MB]
第16话 4-5 MLP模型与实战_14603_3722.mp4 [114.3 MB]
第15话 4-4 BERT使用实战讲解.mp4 [122.7 MB]
第12话 4-1 word2vec原理.mp4 [114.9 MB]
第10话 3-3 神经语言模型简介与代码实现_14603_8351.mp4 [194.2 MB]
第11话 3-4 预训练的词表示及其使用实例_14603_4767.mp4 [60.3 MB]
08 05 NLP基础知识资料.zip [1.8 MB]
📁 01 自监督无监督
01 自监督_无监督_1.1 专题简介与导引&MOCO论文泛读.mp4 [23.2 MB]
06 自监督_无监督_2.3 simclr-代码讲解_14603_3071.mp4 [157.4 MB]
04 自监督_无监督_2.1 simclr-论文精读_14603_6333.mp4 [226.4 MB]
05 自监督_无监督_2.2 sinclr-论文精讲_14603_1818.mp4 [95.1 MB]
02 自监督_无监督_1.2 MOCO论文精读_14603_4982.mp4 [85.0 MB]
03 自监督_无监督_1.3 MOCO-实验结果分析与总结_14603_1869.mp4 [66.5 MB]
01 自监督无监督必看.zip [1.8 MB]适合人群
- NLP领域研究者
- 机器学习爱好者
- 人工智能从业者
学习收获
掌握NLP领域强化学习算法
深入理解算法原理
提升机器学习技能
祝您学习愉快！
学有所成，前程似锦！
