-6、商学院VIP-/套餐22：D到F登H沌大学等热门平台/13 极客时间/02-视频课/100-/120-NLP实战高手课/01-50

主页/套餐22：D到F登H沌大学等热门平台/13 极客时间/02-视频课/100-/120-NLP实战高手课/01-50/

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：PCA、NMF 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

Copyright © All rights reserved.

信息加载中,请等待...