极客时间-NLP 实战高手课 - 爱网盘 - 网盘资源搜索,网盘搜索神器,夸克网盘云盘下载
- file:111丨PolicyGradient:如何进行PolicyGradient的基本推导?.mp4
- file:150丨Kubernetes基本概念.mp4
- file:101丨ASDL和AST.mp4
- file:130丨COMAAgent之间的交流.mp4
- file:100丨WikiSQL任务简介.mp4
- file:122丨LeNAS:如何搜索搜索space.mp4
- file:137丨PPO算法.mp4
- file:133丨DeepGBM:如何用神经网络捕捉集成树模型的知识.mp4
- file:140丨ImitationLearning和Self-imitationLearning.mp4
- file:113丨Gumbel-trick:如何将离散的优化改变为连续的优化问题?.mp4
- file:109丨Q-learning:如何进行Q-learning算法的推导?.mp4
- file:142丨Model-basedReinforcementLearning.mp4
- file:158丨Istio简介:Istio包含哪些功能?.mp4
- file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
- file:134丨文本推荐系统和增强学习.mp4
- file:132丨知识蒸馏:如何加速神经网络推理.mp4
- file:141丨增强学习中的探索问题.mp4
- file:125丨遗传算法和增强学习的结合.mp4
- file:104丨Lambda-DCS概述.mp4
- file:145丨Quora问题等价性案例学习:深度学习模型.mp4
- file:159丨Istio实例和Circuit Breaker.mp4
- file:157丨Kubernetes Stateful Sets.mp4
- file:149丨Docker部署实践.mp4
- file:117丨AutoML及NeuralArchitectureSearch简介.mp4
- file:127丨多代理增强学习概述:什么是多代理增强学习?.mp4
- file:124丨Learning to optimize:是否可以让机器学到一个新的优化器.mp4
- file:115丨DirectPolictyGradient:基本设定及Gumbel-trick的使用116丨DirectPolictyGradient:轨迹生成方法.mp4
- file:119丨RENAS:如何使用遗传算法和增强学习探索网络架构.mp4
- file:120丨DifferentiableSearch:如何将NAS变为可微的问题.mp4
- file:121丨层次搜索法:如何在模块之间进行搜索?.mp4
- file:126丨使用增强学习改进组合优化的算法.mp4
- file:129丨IMPALA:多Agent的Actor-Critic算法.mp4
- file:131丨多模态表示学习简介.mp4
- file:112丨A2C和A3C:如何提升基本的PolicyGradient算法.mp4
- file:102丨Tranx简介.mp4
- file:108丨最短路问题和DijkstraAlgorithm.mp4
- file:135丨RL训练方法集锦:简介.mp4
- file:17丨神经网络基础:神经网络还是复合函数.mp4
- file:20丨Embedding简介.mp4
- file:43丨降维方法:Denoising Auto Encoders.mp4
- file:29丨文本分类实践的评价:如何提升进一步的分类效果?.mp4
- file:02丨内容综述.mp4
- file:40丨半自动特征构建方法:缺失变量和异常值的处理.mp4
- file:07丨NLP应用:文本校对系统.mp4
- file:26丨PyTorch简介:如何构造Dataset和DataLoader?.mp4
- file:13丨AI项目部署:基本原则.mp4
- file:05丨NLP领域简介:NLP基本任务及研究方向.mp4
- file: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
- file:08丨NLP的学习方法:如何在AI爆炸时代快速上手学习?.mp4
- file:25丨PyTorch简介:Tensor和相关运算.mp4
- file:42丨降维方法:PCA、NMF 和 tSNE.mp4
- file:23丨CNN:卷积神经网络是什么?.mp4
- file:30丨经典的数据挖掘方法:数据驱动型开发早期的努力.mp4
- file:12丨深度学习与硬件:TPU.mp4
- file:49丨集成树模型:CatBoost和NGBoost简介.mp4
- file:22丨RNN简介:RNN和LSTM.mp4
- file:24丨环境部署:如何构建简单的深度学习环境?.mp4
- file:21丨RNN简介:马尔可夫过程和隐马尔可夫过程.mp4
- file:41丨自动特征构建方法:Symbolic learning和AutoCross简介.mp4
- file:33丨Matplotlib 简介:如何进行简单的可视化分析?.mp4
- file:37丨半自动特征构建方法:Entity Embedding.mp4
- file:35丨半自动特征构建方法:Categorical Encoder.mp4
- file:16丨统计学基础:随机性是如何改变数据拟合的本质的?.mp4
- file:45丨变量选择方法.mp4
- file:04丨AI项目流程:从实验到落地.mp4
- file: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
- file: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
- file:32丨Pandas 简介:如何使用Pandas对数据进行处理?.mp4
- file: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
- file:03丨AI概览:宣传片外的人工智能.mp4
- folder:极客时间-NLP 实战高手课
- folder:01-50
分享时间 | 2025-02-10 |
---|---|
入库时间 | 2025-03-13 |
状态检测 | 有效 |
资源类型 | QUARK |
分享用户 | 夸父*603 |
资源有问题?点此举报