首页
拜师
课程
定制计划
博客资源站
手机app
首页
拜师
课程
定制计划
博客资源站
手机app
登录
注册
登录
注册
NLP实战高手课
第81任务： 72丨深度迁移学习模型：RoBERTa、XLNet、ERNIE和T5.mp4
查看课程
任务列表
第1任务： 资料文档下载
第2任务： 01丨课程介绍.mp4
第3任务： 02丨内容综述.mp4
第4任务： 03丨AI概览：宣传片外的人工智能.mp4
第5任务： 04丨AI项目流程：从实验到落地.mp4
第6任务： 05丨NLP领域简介：NLP基本任务及研究方向.mp4
第7任务： 每日作业
第8任务： 06丨NLP应用：智能问答系统.mp4
第9任务： 07丨NLP应用：文本校对系统.mp4
第10任务： 08丨NLP的学习方法：如何在AI爆炸时代快速上手学习？.mp4
第11任务： 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
第12任务： 每日作业
第13任务： 10 | 深度学习与硬件：CPU.mp4
第14任务： 11丨深度学习与硬件：GPU.mp4
第15任务： 12丨深度学习与硬件：TPU.mp4
第16任务： 13丨AI项目部署：基本原则.mp4
第17任务： 14丨AI项目部署：框架选择.mp4
第18任务： 15丨AI项目部署：微服务简介.mp4
第19任务： 16丨统计学基础：随机性是如何改变数据拟合的本质的？.mp4
第20任务： 17丨神经网络基础：神经网络还是复合函数.mp4
第21任务： 18丨神经网络基础：训练神经网络.mp4
第22任务： 19丨神经网络基础：神经网络的基础构成.mp4
第23任务： 每日作业
第24任务： 20丨Embedding简介.mp4
第25任务： 21丨RNN简介：马尔可夫过程和隐马尔可夫过程.mp4
第26任务： 22丨RNN简介：RNN和LSTM.mp4
第27任务： 23丨CNN：卷积神经网络是什么？.mp4
第28任务： 24丨环境部署：如何构建简单的深度学习环境？.mp4
第29任务： 25丨PyTorch简介：Tensor和相关运算.mp4
第30任务： 26丨PyTorch简介：如何构造Dataset和DataLoader？.mp4
第31任务： 27丨PyTorch简介：如何构造神经网络？.mp4
第32任务： 28丨文本分类实践：如何进行简单的文本分类？.mp4
第33任务： 29丨文本分类实践的评价：如何提升进一步的分类效果？.mp4
第34任务： 每日作业
第35任务： 30丨经典的数据挖掘方法：数据驱动型开发早期的努力.mp4
第36任务： 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
第37任务： 32丨Pandas 简介：如何使用Pandas对数据进行处理？.mp4
第38任务： 33丨Matplotlib 简介：如何进行简单的可视化分析？.mp4
第39任务： 34丨半自动特征构建方法：Target Mean Encoding.mp4
第40任务： 35丨半自动特征构建方法：Categorical Encoder.mp4
第41任务： 36丨半自动特征构建方法：连续变量的离散化.mp4
第42任务： 37丨半自动特征构建方法：Entity Embedding.mp4
第43任务： 38丨半自动构建方法：Entity Embedding的实现.mp4
第44任务： 每日作业
第45任务： 39丨半自动特征构建方法：连续变量的转换.mp4
第46任务： 40丨半自动特征构建方法：缺失变量和异常值的处理.mp4
第47任务： 41丨自动特征构建方法：Symbolic learning和AutoCross简介.mp4
第48任务： 42丨降维方法：PCA、NMF 和 tSNE.mp4
第49任务： 43丨降维方法：Denoising Auto Encoders.mp4
第50任务： 44丨降维方法：Variational Auto Encoder.mp4
第51任务： 45丨变量选择方法.mp4
第52任务： 每日作业
第53任务： 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
第54任务： 47 | 集成树模型GBDT和XgBoost的数学表达.mp4
第55任务： 48丨集成树模型：LightGBM简介.mp4
第56任务： 49丨集成树模型：CatBoost和NGBoost简介.mp4
第57任务： 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
第58任务： 51丨健康检查：与Liveness、Readiness、Startup探测集成实现高可用.mp4
第59任务： 52丨神经网络的构建：NetworkinNetwork.mp4
第60任务： 53丨神经网络的构建：GatingMechanism和Attention.mp4
第61任务： 54丨神经网络的构建：Memory.mp4
第62任务： 55丨神经网络的构建：ActivationFunction.mp4
第63任务： 56丨神经网络的构建：Normalization.mp4
第64任务： 57丨神经网络的训练：初始化.mp4
第65任务： 58丨神经网络的训练：学习率和Warm-up.mp4
第66任务： 59丨神经网络的训练：新的PyTorch训练框架.mp4
第67任务： 每日作业
第68任务： 60丨Transformer：如何通过Transformer榨取重要变量？.mp4
第69任务： 61丨Transformer代码实现剖析.mp4
第70任务： 62丨xDeepFM：如何用神经网络处理高维的特征？.mp4
第71任务： 63丨xDeepFM的代码解析.mp4
第72任务： 64丨时序建模：如何用神经网络解决时间序列的预测问题？.mp4
第73任务： 65丨图嵌入：如何将图关系纳入模型？.mp4
第74任务： 66丨图网络简介：如何在图结构的基础上建立神经网络？.mp4
第75任务： 每日作业
第76任务： 67丨模型融合基础：如何让你所学到的模型方法一起发挥作用？.mp4
第77任务： 68丨高级模型融合技巧：Metades是什么？.mp4
第78任务： 69丨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
第79任务： 70丨重新审视Word Embedding：Negative Sampling和Contextual Embedding71丨深度迁移学习模型：从ELMo到BERT.mp4
第80任务： 71 | 深度迁移学习模型从ELMo到BERT.mp4
第81任务： 72丨深度迁移学习模型：RoBERTa、XLNet、ERNIE和T5.mp4
第82任务： 73丨深度迁移学习模型：ALBERT和ELECTRA[www.17zixueba.com].mp4
第83任务： 74丨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
第84任务： 75丨深度迁移学习模型的微调：TensorFlowBERT代码简析.mp4
第85任务： 76丨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
第86任务： 每日作业
第87任务： 77丨优化器：Adam和AdamW.mp4
第88任务： 78丨优化器：Lookahead，Radam和Lamb.mp4
第89任务： 79丨多重loss的方式：如何使用多重loss来提高模型准确率？.mp4
第90任务： 80丨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
第91任务： 81丨UDA：一种系统的数据扩充框架.mp4
第92任务： 82丨LabelSmoothing和LogitSqueezing.mp4
第93任务： 83丨底层模型拼接：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
第94任务： 84丨上层模型拼接：如何在语言模型基础上拼接更多的模型？.mp4
第95任务： 85丨长文本分类：截取、关键词拼接和预测平均.mp4
第96任务： 86丨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
第97任务： 87丨其他Embedding的训练：还有哪些Embedding方法？.mp4
第98任务： 88丨训练预语言模型.mp4
第99任务： 每日作业
第100任务： 89丨多任务训练：如何利用多任务训练来提升效果？.mp4
第101任务： 90丨DomainAdaptation：如何利用其它有标注语料来提升效果？.mp4
第102任务： 91丨Few-shotLearning：是否有更好的利用不同任务的方法？.mp4
第103任务： 92丨半监督学习：如何让没有标注的数据也派上用场？.mp4
第104任务： 93丨依存分析和SemanticParsing概述.mp4
第105任务： 94丨依存分析和UniversalDepdencyRelattions.mp4
第106任务： 95丨Stanza使用.mp4
第107任务： 96丨ShiftReduce算法.mp4
第108任务： 97丨基于神经网络的依存分析算法.mp4
第109任务： 98丨树神经网络：如何采用TreeLSTM和其它拓展方法？.mp4
第110任务： 99丨SemanticParsing基础：SemanticParsing的任务是什么？.mp4
第111任务： 每日作业
第112任务： 100丨WikiSQL任务简介.mp4
第113任务： 101丨ASDL和AST.mp4
第114任务： 102丨Tranx简介.mp4
第115任务： 103丨LambdaCaculus概述.mp4
第116任务： 104丨Lambda-DCS概述.mp4
第117任务： 105丨InductiveLogicProgramming：基本设定.mp4
第118任务： 106 | InductiveLogicProgramming：一个可微的实现.mp4
第119任务： 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
第120任务： 108丨最短路问题和DijkstraAlgorithm.mp4
第121任务： 109丨Q-learning：如何进行Q-learning算法的推导？.mp4
第122任务： 每日作业
第123任务： 110丨Rainbow：如何改进Q-learning算法？.mp4
第124任务： 111丨PolicyGradient：如何进行PolicyGradient的基本推导？.mp4
第125任务： 112丨A2C和A3C：如何提升基本的PolicyGradient算法.mp4
第126任务： 113丨Gumbel-trick：如何将离散的优化改变为连续的优化问题？.mp4
第127任务： 114丨MCTS简介：如何将“推理”引入到强化学习框架中.mp4
第128任务： 115丨DirectPolictyGradient：基本设定及Gumbel-trick的使用116丨DirectPolictyGradient：轨迹生成方法.mp4
第129任务： 116 | DirectPolictyGradient：轨迹生成方法.mp4
第130任务： 117丨AutoML及NeuralArchitectureSearch简介.mp4
第131任务： 118丨AutoML网络架构举例.mp4
第132任务： 119丨RENAS：如何使用遗传算法和增强学习探索网络架构.mp4
第133任务： 每日作业
第134任务： 120丨DifferentiableSearch：如何将NAS变为可微的问题.mp4
第135任务： 121丨层次搜索法：如何在模块之间进行搜索？.mp4
第136任务： 122丨LeNAS：如何搜索搜索space.mp4
第137任务： 123丨超参数搜索：如何寻找算法的超参数.mp4
第138任务： 124丨Learning to optimize：是否可以让机器学到一个新的优化器.mp4
第139任务： 125 | 遗传算法和增强学习的结合.mp4
第140任务： 126 | 使用增强学习改进组合优化的算法.mp4
第141任务： 127 | 多代理增强学习概述：什么是多代理增强学习？.mp4
第142任务： 128 | AlphaStar介绍：AlphaStar中采取了哪些技术？.mp4
第143任务： 129 | IMPALA：多Agent的Actor-Critic算法.mp4
第144任务： 130-COMAAgent之间的交流.mp4
第145任务： 131-多模态表示学习简介.mp4
第146任务： 每日作业
第147任务： 132-知识蒸馏：如何加速神经网络推理.mp4
第148任务： 133-DeepGBM：如何用神经网络捕捉集成树模型的知识.mp4
第149任务： 134-文本推荐系统和增强学习.mp4
第150任务： 135-RL训练方法集锦：简介.mp4
第151任务： 136-RL训练方法RL实验的注意事项.mp4
第152任务： 137-PPO算法.mp4
第153任务： 138-Reward设计的一般原则.mp4
第154任务： 139-解决SparseReward的一些方法.mp4
第155任务： 140-ImitationLearning和Self-imitationLearning.mp4
第156任务： 141-增强学习中的探索问题.mp4
第157任务： 142-Model-basedReinforcementLearning.mp4
第158任务： 143-TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
第159任务： 144-Quora问题等价性案例学习：预处理和人工特征.mp4
第160任务： 145-Quora问题等价性案例学习：深度学习模型.mp4
第161任务： 每日作业
第162任务： 146-文本校对案例学习.mp4
第163任务： 147-微服务和Kubernetes简介.mp4
第164任务： 148-Docker简介.mp4
第165任务： 149-Docker部署实践.mp4
第166任务： 150-Kubernetes基本概念.mp4
第167任务： 151-Kubernetes部署实践.mp4
第168任务： 152-Kubernetes自动扩容.mp4
第169任务： 153-Kubernetes服务发现.mp4
第170任务： 154-KubernetesIngress.mp4
第171任务： 155-Kubernetes健康检查.mp4
第172任务： 156-Kubernetes灰度上线.mp4
第173任务： 157-KubernetesStatefulSets.mp4
第174任务： 158-Istio简介：Istio包含哪些功能？.mp4
第175任务： 159-Istio实例和Circuit Breaker.mp4
第176任务： 160-结束语.mp4
第177任务： 每日作业
