NLP實戰高手課
01 課程介紹.mp4
02 內容綜述.mp4
03  A概覽:宣傳片外的人工智能.mp4
04  A項目流程:從實驗到落地.mp4
05  NLP領域簡介: NLP基本任務及研究方向.mp4
06  NLP應用:智能問答系統.mp4
07  NLP應用:文本校對系統.mp4
08  NLP的學習方法:如何在A爆炸時代快速上手學習? .mp4
09 深度學習框架:選擇合適的深度學習框架?10 深度學習與硬件: CPU.mp4
11 深度學習與硬件: GPU.mp4
12 深度學習與硬件: TPU.mp4
13  A項目部署:基本原則.mp4
14  A項目部署:框架選擇.mp4
15  A項目部署:微服務簡介.mp4
16 統計學基礎:隨機性是如何改變數據擬合的本質的? .mp4
17 神經網絡基礎:神經網絡還是復合函數.mp4
18 神經網絡基礎:訓練神經網絡.mp4
19 神經網絡基礎:神經網絡的基礎構成.mp4
20  Embeddng簡介.mp4
21  RNN簡介:馬爾可夫過程和隱馬爾可夫過程. mp4
22 RNN簡介: RNN和LSTM.mp4
23  CNN :卷積神經網絡是什么? .mp4
24 1環境部署:如何構建簡單的深度學習環境? .mp4
25  PyTorch簡介: Tensor和相關運算.mp4
26  PyTorch簡介:如何構造Dataset和DataLoader ? .mp4
27  PyTorch簡介: 如何構造神經網絡? .mp4
28 文本分類實踐:如何進行簡單的文本分類? .mp4
29 文本分類實踐的評價:如何提升進一步的分類效果 ? .mp4
30 經典的數據挖掘方法:數據驅動型開發早期的努力.mp4
31  表格化數據挖掘基本流程:看看現在的數據挖掘都是怎么做的? .mp4
32  Pandas 簡介:如何使用Pandas對數據進行處理? .mp4
33  Matplotb簡介:如何進行簡單的可視化分析? .mp4
34 半自動特征構建方法: Target Mean Encodng.mp4
35 半自動特征構建方法: Categorcal Encoder.mp4
36 半自動特征構建方法:連續變量的離散化.mp4
371半自動特征構建方法 : Entty Embeddng.mp4
38 半自動構建方法: Entty Embeddng的實現.mp4
39 半自動特征構建方法:連續變量的轉換.mp4
40 半自動特征構建方法:缺失變量和異常值的處理.mp4
411自動特征構建 方法: Symbolc learnng和AutoCross簡介.mp4
42 1降維方法: PCA. NMF和tSNE.mp4
43 降維方法: Denosng Auto Encoders.mp4
44 降維方法: Varatonal Auto Encoder.mp4
45 變量選擇方法.mp4
46 集成樹模型:如何提升決策樹的效果47 集成樹模型: GBDT和XgBoost的數學表達.mp4
48 集成樹模型: LghtGBM簡介.mp4
49 集成樹模型: CatBoost和NGBoost簡介.mp4
50 神經網絡建模:如何讓神經網絡實現你的數據挖掘需求51 1神經網絡的構建: ResdualConnecton和DenseConnecton.mp4
..........
841.上層模型拼接:如何在語言模型基礎上拼接更多的模型? .mp4
85 1長文本分類:截取、關鍵詞拼接和預測平均.mp4
86 I VirtualAdverserialTraining :如何減少-般對抗訓練難收斂的問題并提高結果的魯棒性? .mp4
87 I其他Embedding的訓練:還有哪些Embedding方法? .mp4
88 I訓練預語言模型.mp4
89 I多任務訓練:如何利用多任務訓練來提升效果? .mp4
90 I DomainAdaptation :如何利用其它有標注語料來提升效果? .mp4
91 I Few-shotLearning :是否有更好的利用不同任務的方法? .mp4
92 I半監督學習:如何讓沒有標注的數據也派上用場? .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基于神經網絡的依存分析算法.mp4
98 I樹神經網絡:如何采用TreeL STM和其它拓展方法? .mp4
99 I SemanticParsing基礎: SemanticParsing的任務是什么? .mp4