【8422】-极客时间-NLP实战高手课
011课程介绍.mp4
021内容综述.mp4
031 AI概览：宣传片外的人工智能.mp4
041 A1项目流程：从实验到落地.mp4
051 NLP领域简介： NLP基本任务及研究方向.mp4
06 1 NLP应用：智能问答系统.mp4
071NLP应用：文本校对系统.mp4
081NLP的学习方法：如何在Al爆炸时代快速上手学习？mp4
091深度学习框架：选择合适的深度学习框架？ 101深度学习与硬件： CPU.mp4
111深度学习与硬件： GPU.mp4
121深度学习与硬件： TPU.mp4
131 AI项目部署：基本原则.mp4
141 AI项目部署：框架选择.mp4
151 A1项目部署：微服务简介.mp4
161统计学基础：随机性是如何改变数据拟合的本质的？.mp4
171神经网络基础：神经网络还是复合函数.mp4
181神经网络基础：训练神经网络.mp4
191神经网络基础：神经网络的基础构成.mp4
201 Embedding简介.mp4
211 RNN简介：马尔可夫过程和隐马尔可夫过程.mp4
22 1 RNN简介：RNN和LSTM.mp4
231 CNN ：卷积神经网络是什么？.mp4
241环境部署：如何构建简单的深度学习环境？.mp4
25 1 PyTorch简介： Tensor和相关运算.mp4
26 1 PyTorch简介：如何构造Dataset和DataLoader ？.mp4
271 PyTorch简介：如何构造神经网络？.mp4
281文本分类实践：如何进行简单的文本分类？.mp4
291文本分类实践的评价：如何提升进一步的分类效果？.mp4
301经典的数据挖掘方法：数据驱动型开发早期的努力.mp4
311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？.mp41
321 Pandas简介：如何使用Pandas对数据进行处理？.mp4
33 1 Matplotib简介：如何进行简单的可视化分析？.mp4
341半自动特征构建方法： Target Mean Encoding.mp4
351半自动特征构建方法： Categorical Encoder.mp
361半自动特征构建方法：连续变量的离散化.mp4
371半自动特征构建方法： Entity Embedding.mp4
381半自动构建方法： Entity Embedding的实现.mp4
391半自动特征构建方法：连续变量的转换.mp4
401半自动特征构建方法：缺失变量和异常值的处理.mp4
411自动特征构建方法： Symbolic learnina和AutoCross简介.mp4
421降维方法： PCA， NMF和tSNE.mp4
43 1降维方法： Denoising Auto Encoders.mp4
441降维方法： Variational Auto Encoder.mp4
451变量选择方法.mp4
461集成树模型：如何提升决策树的效果47 1集成树模型： GBDT和DXgBoost的数学表达.mp4
481集成树模型： LightGBM简介.mp4
491集成树模型： CatBoost和NGBoost简介.mp4
501神经网络建模：如何让神经网络实现你的数据挖掘需求
511神经网络的构建： ResidualConnection和DenseConnection.mp4
511神经网络的构建： ResidualConnection和DenseConnection.mp4
511健康检查：与Liveness， Readiness， Startup探测集成实现高可用.mp4
521神经网络的构建： NetworkinNetwork.mp4
531神经网络的构建： GatingMechanism和Attention.mp4
541神经网络的构建： Memory.mp4
551神经网络的构建： ActivationFunction.mp4
561神经网络的构建： Normalization.mp4
571神经网络的训练：初始化mp4
581神经网络的训练：学习率和Warm-up.mp4
591神经网络的训练：新的PyTorch训l练框架.mp4
60 1 Transformer：如何通过Transformer榨取重要变量？.mp4
51 1 Transformer代码实现a析.mp4
62 1 xDeepFM：如何用神经网络处理高维的特征？.mp4
631 xDeepFM的代码解析.mp4
641时序建模：如何用神经网络解决时间序列的预测问题？ .mp4
651图嵌入：如何将图关系纳入模型？.mp4
661图网络简介：如何在图结构的基础上建立神经网络？ .mp4
671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
681高级模型融合技巧： Metades是什么？.mp4
691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
701重新审视Word Embedding ： Negative Samplino和Contextual Embedding
71 1深度迁移学习模型：从ELMo到BERT.mp4
71 1深度迁移学习模型：从ELMo到BERT.mp4
721深度迁移学习模型： ROBERTa， XLNet， ERNIE和T5.mp4
731深度迁移学习模型： ALBERT和ELECTRA.mp4
741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
751深度迁移学习模型的微调： TensorFlowBERT代码简析.mnp4
761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
771优化器： Adam和Adamw.mp4
781优化器： Lookahead， Radam和Lamb.mp4
791多重loss的方式：如何使用多重loss来提高模型准确率？.mp4
801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 1 UDA：一种系统的数据扩充框架.mp4
82 1 Labelsmoothing和LogitSqueezing.mp4
831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
841上层模型拼接：如何在语言模型基础上拼接更多的模型？ .mp4
851长文本分类：截取、关键词拼接和预测平均.mp4
861 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
871其他Embedding的训练：还有哪些Embedding方法？.mp4
881训练预语言模型.mp4
891多任务训练：如何利用多任务训练来提升效果？.mp4
90 1 DomainAdaptation ：如何利用其它有标注语料来提升效果？.mp4
91 1 Few-shotLearning ：是否有更好的利用不同任务的方法？.mp4
921半监督学习：如何让没有标注的数据也派上用场？.mp4
931依存分析和SemanticParsing概述mp4
941依存分析和UniversalDepdencyRelattions.mp4
95 1 Stanza使用.mp4
96 1 ShiftReduce算法.mp4
971基于神经网络的依存分析算法.mp4
98 1树神经网络：如何采用TreeLSTM和其它拓展方法？ .mp4
99 1 SemanticParsing基础： SemanticParsing的任务是什么？ .mp4
100 1 WikisQL任务简介.mp4
101 1 ASDL和AST.mp4
102 1 Tranx简介.mp4
103 1 LambdaCaculus概述.mp4
104 1 Lambda-DCS概述.mp4
105 1 InductiveLogicProgramming ：基本设定.mp4
106 1 InductivelogicProgramming ：一个可微的实现.mp4
1071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 1最短路问题和DijkstraAlgorithm.mp4
