网盘万T资源库（连续7年更新）-知识学院二区-/知识学院/【云课堂平台】/文件夹1/23、极.ke.时间/077 NLP实战高手课/1-99

❤️网盘万T资源库，连续7年运营，全站囊括21大品类，资源天花板就在这里，一次投入永久更新
❤️由于资源容量太大，本站仅支持部分资源搜索，部分精选区和书库仅供展示，请点到具体分类中再进行搜索
❤️VIP会员搭载专属目录，可实现全网搜索，无需登陆网盘，专享资源在线下载权益。

主页/知识学院/【云课堂平台】/文件夹1/23、极.ke.时间/077 NLP实战高手课/1-99/

000更多精品课程介绍.jpg
01-课程介绍.mp4
02-内容综述.mp4
03-AI概览：宣传片外的人工智能.mp4
04-AI项目流程：从实验到落地.mp4
05-NLP领域简介：NLP基本任务及研究方向.mp4
06-NLP应用：智能问答系统.mp4
07-NLP应用：文本校对系统.mp4
08-NLP的学习方法：如何在AI爆炸时代快速上手学习？.mp4
09-深度学习框架简介：如何选择合适的深度学习框架？.mp4
10-深度学习与硬件：CPU.mp4
11-深度学习与硬件：GPU.mp4
12-深度学习与硬件：TPU.mp4
13-AI项目部署：基本原则.mp4
14-AI项目部署：框架选择.mp4
15-AI项目部署：微服务简介.mp4
16-统计学基础：随机性是如何改变数据拟合的本质的？.mp4
17-神经网络基础：神经网络还是复合函数.mp4
18-神经网络基础：训练神经网络.mp4
19-神经网络基础：神经网络的基础构成.mp4
20-Embedding简介.mp4
21-RNN简介：马尔可夫过程和隐马尔可夫过程.mp4
22-RNN简介：RNN和LSTM.mp4
23-CNN：卷积神经网络是什么？.mp4
24-简单文本分类实践：手把手教你实现简单的文本分类.mp4
25-PyTorch简介：Tensor和相关运算.mp4
26-PyTorch简介：如何构造Dataset和Dataloader？.mp4
27-PyTorch简介：如何构造神经网络？.mp4
28-文本分类实践：如何进行简单的文本分类？.mp4
29-文本分类实践的评价：如何提升进一步的分类效果？.mp4
30-经典的数据挖掘方法：数据驱动型开发早期的努力.mp4
31-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-Pandas简介：如何使用Pandas对数据进行处理？.mp4
33-Matplotlib简介：如何进行简单的可视化分析？.mp4
34-半自动特征构建方法：TargetMeanEncoding.mp4
35-半自动特征构建方法：CategoricalEncoder.mp4
36-半自动特征构建方法：连续变量的离散化.mp4
37-半自动特征构建方法：EntityEmbedding.mp4
38-半自动构建方法Entity-Embedding的实现.mp4
39-半自动特征构建方法连续变量的转换.mp4
40-半自动特征构建方法缺失变量和异常值的处理.mp4
41-自动特征构建方法Symbolic-learning和AutoCross简介.mp4
42-降维方法PCA、NMF和tSNE.mp4
43-降维方法DenoisingAutoEncoders.mp4
44-降维方法VariationalAutoEncoder.mp4
45-变量选择方法.mp4
46-集成树模型如何提升决策树的效果.mp4
47-集成树模型GBDT和XgBoost的数学表达.mp4
48-集成树模型LightGBM简介.mp4
49-集成树模型CatBoost和NGBoost简介.mp4
50-神经网络建模如何让神经网络实现你的数据挖掘需求.mp4
51-神经网络的构建ResidualConnection和DenseConnection.mp4
52-神经网络的构建NetworkinNetwork.mp4
53-神经网络的构建GatingMechanism和Attention.mp4
54-神经网络的构建Memory.mp4
55-神经网络的构建ActivationFunction.mp4
56-神经网络的构建Normalization.mp4
57-神经网络的训练初始化.mp4
58-神经网络的训练学习率和Warm-up.mp4
59-神经网络的训练新的PyTorch训练框架.mp4
60-Transformer如何通过Transformer榨取重要变量？.mp4
61-Transformer代码实现剖析.mp4
62-xDeepFM如何用神经网络处理高维的特征？.mp4
63-xDeepFM的代码解析.mp4
64-时序建模如何用神经网络解决时间序列的预测问题？.mp4
65-图嵌入如何将图关系纳入模型？.mp4
66-图网络简介如何在图结构的基础上建立神经网络？.mp4
67-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
68-高级模型融合技巧Metades是什么？.mp4
69-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
70-重新审视WordEmbeddingNegativeSampling和ContextualEmbedding.mp4
71-深度迁移学习模型从ELMo到BERT.mp4
72-深度迁移学习模型RoBERTa、XLNet、ERNIE和T5.mp4
73-深度迁移学习模型ALBERT和ELECTRA.mp4
74-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
75-深度迁移学习模型的微调TensorFlowBERT代码简析.mp4
76-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
77-优化器Adam和AdamW.mp4
78-优化器Lookahead，Radam和Lamb.mp4
79-多重loss的方式如何使用多重loss来提高模型准确率？.mp4
80-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-UDA一种系统的数据扩充框架.mp4
82-LabelSmoothing和LogitSqueezing.mp4
83-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
84-上层模型拼接如何在语言模型基础上拼接更多的模型？.mp4
85-长文本分类截取、关键词拼接和预测平均.mp4
86-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
87-其他Embedding的训练还有哪些Embedding方法？.mp4
88-训练预语言模型.mp4
89-多任务训练：如何利用多任务训练来提升效果？.mp4
90-DomainAdaptation：如何利用其它有标注语料来提升效果？.mp4
91-Few-shotLearning：是否有更好的利用不同任务的方法？.mp4
92-半监督学习：如何让没有标注的数据也派上用场？.mp4
93-依存分析和SemanticParsing概述.mp4
94-依存分析和UniversalDepdencyRelattions.mp4
95-Stanza使用.mp4
96-ShiftReduce算法.mp4
97-基于神经网络的依存分析算法.mp4
98-树神经网络：如何采用TreeLSTM和其它拓展方法？.mp4
99-SemanticParsing基础：SemanticParsing的任务是什么？.mp4

Copyright © All rights reserved.

信息加载中,请等待...