120-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:资料.txt
• file:139丨解决SparseReward的一些方法.mp4
• file:135丨RL训练方法集锦：简介.mp4
• file:133丨DeepGBM：如何用神经网络捕捉集成树模型的知识.mp4
• file:146丨文本校对案例学习.mp4
• file:144丨Quora问题等价性案例学习：预处理和人工特征.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:142丨Model-basedReinforcementLearning.mp4
• file:143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
• file:138丨Reward设计的一般原则.mp4
• file:149丨Docker部署实践.mp4
• file:152丨Kubernetes自动扩容.mp4
• file:137丨PPO算法.mp4
• file:140丨ImitationLearning和Self-imitationLearning.mp4
• file:129丨IMPALA：多Agent的Actor-Critic算法.mp4
• file:120丨DifferentiableSearch：如何将NAS变为可微的问题.mp4
• file:128丨AlphaStar介绍：AlphaStar中采取了哪些技术？.mp4
• file:131丨多模态表示学习简介.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:124丨Learning to optimize：是否可以让机器学到一个新的优化器.mp4
• file:121丨层次搜索法：如何在模块之间进行搜索？.mp4
• file:125丨遗传算法和增强学习的结合.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:123丨超参数搜索：如何寻找算法的超参数.mp4
• file:130丨COMAAgent之间的交流.mp4
• file:122丨LeNAS：如何搜索搜索space.mp4
• file:126丨使用增强学习改进组合优化的算法.mp4
• file:114丨MCTS简介：如何将“推理”引入到强化学习框架中.mp4
• file:112丨A2C和A3C：如何提升基本的PolicyGradient算法.mp4
• file:118丨AutoML网络架构举例.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:117丨AutoML及NeuralArchitectureSearch简介.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:111丨PolicyGradient：如何进行PolicyGradient的基本推导？.mp4
• file:104丨Lambda-DCS概述.mp4
• file:100丨WikiSQL任务简介.mp4
• file:101丨ASDL和AST.mp4
• file:102丨Tranx简介.mp4
• file: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
• file:108丨最短路问题和DijkstraAlgorithm.mp4
• file:110丨Rainbow：如何改进Q-learning算法？.mp4
• file:105丨InductiveLogicProgramming：基本设定.mp4
• folder:120-NLP实战高手课
• folder:100-143
• folder:51-99