- 详细介绍
- 相关信息
NLP实战高手课
01 课程介绍.mp4
02 内容综述.mp4
03 A概览:宣传片外的人工智能.mp4
04 A项目流程:从实验到落地.mp4
05 NLP领域简介: NLP基本任务及研究方向.mp4
06 NLP应用:智能问答系统.mp4
07 NLP应用:文本校对系统.mp4
08 NLP的学习方法:如何在A爆炸时代快速上手学习? .mp4
09 深度学习框架:选择合适的深度学习框架?10 深度学习与硬件: CPU.mp4
11 深度学习与硬件: GPU.mp4
12 深度学习与硬件: TPU.mp4
13 A项目部署:基本原则.mp4
14 A项目部署:框架选择.mp4
15 A项目部署:微服务简介.mp4
16 统计学基础:随机性是如何改变数据拟合的本质的? .mp4
17 神经网络基础:神经网络还是复合函数.mp4
18 神经网络基础:训练神经网络.mp4
19 神经网络基础:神经网络的基础构成.mp4
20 Embeddng简介.mp4
21 RNN简介:马尔可夫过程和隐马尔可夫过程. mp4
22 RNN简介: RNN和LSTM.mp4
23 CNN :卷积神经网络是什么? .mp4
24 1环境部署:如何构建简单的深度学习环境? .mp4
25 PyTorch简介: Tensor和相关运算.mp4
26 PyTorch简介:如何构造Dataset和DataLoader ? .mp4
27 PyTorch简介: 如何构造神经网络? .mp4
28 文本分类实践:如何进行简单的文本分类? .mp4
29 文本分类实践的评价:如何提升进一步的分类效果 ? .mp4
30 经典的数据挖掘方法:数据驱动型开发早期的努力.mp4
31 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 Pandas 简介:如何使用Pandas对数据进行处理? .mp4
33 Matplotb简介:如何进行简单的可视化分析? .mp4
34 半自动特征构建方法: Target Mean Encodng.mp4
35 半自动特征构建方法: Categorcal Encoder.mp4
36 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 : Entty Embeddng.mp4
38 半自动构建方法: Entty Embeddng的实现.mp4
39 半自动特征构建方法:连续变量的转换.mp4
40 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: Symbolc learnng和AutoCross简介.mp4
42 1降维方法: PCA. NMF和tSNE.mp4
43 降维方法: Denosng Auto Encoders.mp4
44 降维方法: Varatonal Auto Encoder.mp4
45 变量选择方法.mp4
46 集成树模型:如何提升决策树的效果47 集成树模型: GBDT和XgBoost的数学表达.mp4
48 集成树模型: LghtGBM简介.mp4
49 集成树模型: CatBoost和NGBoost简介.mp4
50 神经网络建模:如何让神经网络实现你的数据挖掘需求51 1神经网络的构建: ResdualConnecton和DenseConnecton.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
85 1长文本分类:截取、关键词拼接和预测平均.mp4
86 I VirtualAdverserialTraining :如何减少-般对抗训练难收敛的问题并提高结果的鲁棒性? .mp4
87 I其他Embedding的训练:还有哪些Embedding方法? .mp4
88 I训练预语言模型.mp4
89 I多任务训练:如何利用多任务训练来提升效果? .mp4
90 I DomainAdaptation :如何利用其它有标注语料来提升效果? .mp4
91 I Few-shotLearning :是否有更好的利用不同任务的方法? .mp4
92 I半监督学习:如何让没有标注的数据也派上用场? .mp4
93 |依存分析和SemanticParsing概述.mp4
94 I依存分析和UniversalDepdencyRelattions.mp4
95 I Stanza使用.mp4
96 I ShiftReduce算法.mp4
97 I基于神经网络的依存分析算法.mp4
98 I树神经网络:如何采用TreeL STM和其它拓展方法? .mp4
99 I SemanticParsing基础: SemanticParsing的任务是什么? .mp4
