站内时间: 2025-07-15
条目: 120-100046401-视频课-王然-NLP实战高手课完结 / 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 / 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PCANMF 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
📂 资源目录
120-100046401-视频课-王然-NLP实战高手课完结 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 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PCANMF 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