博哥万T资源库（连续6年更新）-精选六区-/【07】计算机与软件社群/【热门IT知识平台】/14.极客时间/02-视频课/100-/120-NLP实战高手课

主页/【07】计算机与软件社群/【热门IT知识平台】/14.极客时间/02-视频课/100-/120-NLP实战高手课/

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

访客仅预览;会员尊享完整功能