神经语言程序学NLP高手实战课-含神经网络基础、PyTorch等_59.63GB

多种网盘链接检测插件

购买前，请先检测网盘链接是否有效

您当前无权限查看，请先登录，或点此注册！

• 1.百度网盘链接，查看是否有效

VIP低至28元三个月，无套路，VIP期间免费下载资源。

                       

1682653267800

文件名称：	神经语言程序学NLP高手实战课-含神经网络基础、PyTorch等ruk_共：59.63GB
文件总数量：	156条
压缩文件数量：	0条
压缩文件比：	0%
疑似加密文件：	0条(需要授权播放的文件)
文件创建时间：	2023-04-18 10:38:04

目录：【01-50】
    17丨神经网络基础：神经网络还是复合函数.mp4　[333.07MB]
    11丨深度学习与硬件：GPU.mp4　[401.69MB]
    35丨半自动特征构建方法：CategoricalEncoder.mp4　[303.73MB]
    12丨深度学习与硬件：TPU.mp4　[359.35MB]
    25丨PyTorch简介：Tensor和相关运算.mp4　[406.72MB]
    05丨NLP领域简介：NLP基本任务及研究方向.mp4　[597.70MB]
    08丨NLP的学习方法：如何在AI爆炸时代快速上手学习？.mp4　[455.99MB]
    15丨AI项目部署：微服务简介.mp4　[265.17MB]
    37丨半自动特征构建方法：EntityEmbedding.mp4　[1005.84MB]
    30丨经典的数据挖掘方法：数据驱动型开发早期的努力.mp4　[355.29MB]
    29丨文本分类实践的评价：如何提升进一步的分类效果？.mp4　[858.81MB]
    28丨文本分类实践：如何进行简单的文本分类？.mp4　[548.07MB]
    21丨RNN简介：Ma尔可夫过程和隐Ma尔可夫过程.mp4　[270.15MB]
    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　[1.42GB]
    33丨Matplotlib简介：如何进行简单的可视化分析？.mp4　[268.35MB]
    36丨半自动特征构建方法：连续变量的离散化.mp4　[333.40MB]
    07丨NLP应用：文本校对系统.mp4　[258.20MB]
    27丨PyTorch简介：如何构造神经网络？.mp4　[571.70MB]
    19丨神经网络基础：神经网络的基础构成.mp4　[676.95MB]
    06丨NLP应用：智能问答系统.mp4　[397.25MB]
    18丨神经网络基础：训练神经网络.mp4　[338.65MB]
    49丨集成树模型：CatBoost和NGBoost简介.mp4　[115.00MB]
    14丨AI项目部署：框架选择.mp4　[211.81MB]
    24丨环境部署：如何构建简单的深度学习环境？.mp4　[871.99MB]
    04丨AI项目流程：从实验到落地.mp4　[980.64MB]
    13丨AI项目部署：基本原则.mp4　[147.03MB]
    03丨AI概览：宣传片外的人工智能.mp4　[831.01MB]
    38丨半自动构建方法：EntityEmbedding的实现.mp4　[766.23MB]
    45丨变量选择方法.mp4　[192.63MB]
    41丨自动特征构建方法：Symboliclearning和AutoCross简介.mp4　[460.29MB]
    48丨集成树模型：LightGBM简介.mp4　[244.94MB]
    42丨降维方法：PCA、NMF和tSNE.mp4　[644.72MB]
    22丨RNN简介：RNN和LSTM.mp4　[626.94MB]
    20丨Embedding简介.mp4　[258.04MB]
    02丨内容综述.mp4　[449.68MB]
    26丨PyTorch简介：如何构造Dataset和DataLoader？.mp4　[330.48MB]
    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　[292.28MB]
    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　[840.59MB]
    01丨课程介绍.mp4　[203.88MB]
    32丨Pandas简介：如何使用Pandas对数据进行处理？.mp4　[559.10MB]
    40丨半自动特征构建方法：缺失变量和异常值的处理.mp4　[211.77MB]
    16丨统计学基础：随机X是如何改变数据拟合的本质的？.mp4　[437.88MB]
    34丨半自动特征构建方法：TargetMeanEncoding.mp4　[298.84MB]
    43丨降维方法：DenoisingAutoEncoders.mp4　[163.42MB]
    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　[465.75MB]
    44丨降维方法：VariationalAutoEncoder.mp4　[455.03MB]
    39丨半自动特征构建方法：连续变量的转换.mp4　[637.31MB]
    23丨CNN：卷积神经网络是什么？.mp4　[248.94MB]

目录：【51-99】
    54丨神经网络的构建：Memory.mp4　[766.21MB]
    75丨深度迁移学习模型的微调：TensorFlowBERT代码简析.mp4　[933.52MB]
    85丨长文本分类：截取、关键词拼接和预测平均.mp4　[299.03MB]
    82丨LabelSmoothing和LogitSqueezing.mp4　[111.88MB]
    62丨xDeepFM：如何用神经网络处理高维的特征？.mp4　[522.79MB]
    67丨模型融合基础：如何让你所学到的模型方法一起发挥作用？.mp4　[296.79MB]
    91丨Few-shotLearning：是否有更好的利用不同任务的方法？.mp4　[359.40MB]
    53丨神经网络的构建：GatingMechanism和Attention.mp4　[231.98MB]
    87丨其他Embedding的训练：还有哪些Embedding方法？.mp4　[134.89MB]
    57丨神经网络的训练：初始化.mp4　[283.86MB]
    60丨Transformer：如何通过Transformer榨取重要变量？.mp4　[738.38MB]
    81丨UDA：一种系统的数据扩充框架.mp4　[376.98MB]
    61丨Transformer代码实现剖析.mp4　[1.01GB]
    58丨神经网络的训练：学习率和Warm-up.mp4　[560.47MB]
    93丨依存分析和SemanticParsing概述.mp4　[87.42MB]
    84丨上层模型拼接：如何在语言模型基础上拼接更多的模型？.mp4　[287.86MB]
    59丨神经网络的训练：新的PyTorch训练框架.mp4　[921.57MB]
    96丨ShiftReduce算法.mp4　[216.86MB]
    52丨神经网络的构建：NetworkinNetwork.mp4　[79.02MB]
    79丨多重loss的方式：如何使用多重loss来提高模型准确率？.mp4　[233.12MB]
    99丨SemanticParsing基础：SemanticParsing的任务是什么？.mp4　[268.17MB]
    72丨深度迁移学习模型：RoBERTa、XLNet、ERNIE和T5.mp4　[588.16MB]
    73丨深度迁移学习模型：ALBERT和ELECTRA.mp4　[171.29MB]
    90丨DomainAdaptation：如何利用其它有标注语料来提升效果？.mp4　[193.87MB]
    56丨神经网络的构建：Normalization.mp4　[260.00MB]
    78丨优化器：Lookahead，Radam和Lamb.mp4　[139.66MB]
    95丨Stanza使用.mp4　[379.80MB]
    74丨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　[737.71MB]
    77丨优化器：Adam和AdamW.mp4　[387.39MB]
    66丨图网络简介：如何在图结构的基础上建立神经网络？.mp4　[699.96MB]
    70丨重新审视WordEmbedding：NegativeSampling和ContextualEmbedding71丨深度迁移学习模型：从ELMo到BERT.mp4　[748.94MB]
    65丨图嵌入：如何将图关系纳入模型？.mp4　[548.21MB]
    76丨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　[426.66MB]
    69丨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　[432.07MB]
    51丨健康检查：与Liveness、Readiness、Startup探测集成实现高可用.mp4　[259.77MB]
    86丨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X？.mp4　[313.03MB]
    55丨神经网络的构建：ActivationFunction.mp4　[300.34MB]
    80丨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　[176.47MB]
    89丨多任务训练：如何利用多任务训练来提升效果？.mp4　[402.12MB]
    63丨xDeepFM的代码解析.mp4　[354.43MB]
    68丨高级模型融合技巧：Metades是什么？.mp4　[544.11MB]
    83丨底层模型拼接：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　[146.64MB]
    94丨依存分析和UniversalDepdencyRelattions.mp4　[426.96MB]
    92丨半监督学习：如何让没有标注的数据也派上用场？.mp4　[120.78MB]
    64丨时序建模：如何用神经网络解决时间序列的预测问题？.mp4　[785.60MB]
    97丨基于神经网络的依存分析算法.mp4　[652.13MB]
    98丨树神经网络：如何采用TreeLSTM和其它拓展方法？.mp4　[107.83MB]
    88丨训练预语言模型.mp4　[221.56MB]

目录：【神经语言程序学NLP高手实战课-含神经网络基础、PyTorch等】
    137丨PPO算法.mp4　[302.70MB]
    107丨增强学习的基本设定：增强学习与传统的预测X建模有什么区别？.mp4　[202.98MB]
    151丨Kubernetes部署实践.mp4　[462.28MB]
    146丨文本校对案例学习.mp4　[409.66MB]