120-100046401-视频课-王然-NLP实战高手课完结

120-100046401-视频课-王然-NLP实战高手课完结
01-50
51-99
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
106丨InductiveLogicProgramming一个可微的实现.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
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PCANMF 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