详细目录：
01-50 [21.88G]
01丨课程介绍.mp4 [203.89M]
02丨内容综述.mp4 [449.68M]
03丨ai概览：宣传片外的人工智能.mp4 [831.02M]
04丨ai项目流程：从实验到落地.mp4 [980.65M]
05丨nlp领域简介：nlp基本任务及研究方向.mp4 [597.71M]
06丨nlp应用：智能问答系统.mp4 [397.25M]
07丨nlp应用：文本校对系统.mp4 [258.20M]
08丨nlp的学习方法：如何在ai爆炸时代快速上手学习？.mp4 [455.99M]
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 [1.42G]
11丨深度学习与硬件：gpu.mp4 [401.70M]
12丨深度学习与硬件：tpu.mp4 [359.36M]
13丨ai项目部署：基本原则.mp4 [147.03M]
14丨ai项目部署：框架选择.mp4 [211.81M]
15丨ai项目部署：微服务简介.mp4 [265.17M]
16丨统计学基础：随机性是如何改变数据拟合的本质的？.mp4 [437.88M]
17丨神经网络基础：神经网络还是复合函数.mp4 [333.07M]
18丨神经网络基础：训练神经网络.mp4 [338.65M]
19丨神经网络基础：神经网络的基础构成.mp4 [676.95M]
20丨embedding简介.mp4 [258.05M]
21丨rnn简介：马尔可夫过程和隐马尔可夫过程.mp4 [270.16M]
22丨rnn简介：rnn和lstm.mp4 [626.94M]
23丨cnn：卷积神经网络是什么？.mp4 [248.95M]
24丨环境部署：如何构建简单的深度学习环境？.mp4 [871.99M]
25丨pytorch简介：tensor和相关运算.mp4 [406.72M]
26丨pytorch简介：如何构造dataset和dataloader？.mp4 [330.48M]
27丨pytorch简介：如何构造神经网络？.mp4 [571.70M]
28丨文本分类实践：如何进行简单的文本分类？.mp4 [548.07M]
29丨文本分类实践的评价：如何提升进一步的分类效果？.mp4 [858.82M]
30丨经典的数据挖掘方法：数据驱动型开发早期的努力.mp4 [355.29M]
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 [292.29M]
32丨pandas 简介：如何使用pandas对数据进行处理？.mp4 [559.10M]
33丨matplotlib 简介：如何进行简单的可视化分析？.mp4 [268.35M]
34丨半自动特征构建方法：target mean encoding.mp4 [298.85M]
35丨半自动特征构建方法：categorical encoder.mp4 [303.73M]
36丨半自动特征构建方法：连续变量的离散化.mp4 [333.40M]
37丨半自动特征构建方法：entity embedding.mp4 [0.98G]
38丨半自动构建方法：entity embedding的实现.mp4 [766.24M]
39丨半自动特征构建方法：连续变量的转换.mp4 [637.32M]
40丨半自动特征构建方法：缺失变量和异常值的处理.mp4 [211.77M]
41丨自动特征构建方法：symbolic learning和autocross简介.mp4 [460.30M]
42丨降维方法：pca、nmf 和 tsne.mp4 [644.72M]
43丨降维方法：denoising auto encoders.mp4 [163.43M]
44丨降维方法：variational auto encoder.mp4 [455.04M]
45丨变量选择方法.mp4 [192.63M]
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 [840.59M]
48丨集成树模型：lightgbm简介.mp4 [244.94M]
49丨集成树模型：catboost和ngboost简介.mp4 [115.01M]
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 [465.76M]
51-99 [18.82G]
51丨健康检查：与liveness、readiness、startup探测集成实现高可用.mp4 [259.78M]
52丨神经网络的构建：networkinnetwork.mp4 [79.03M]
53丨神经网络的构建：gatingmechanism和attention.mp4 [231.99M]
54丨神经网络的构建：memory.mp4 [766.21M]
55丨神经网络的构建：activationfunction.mp4 [300.35M]
56丨神经网络的构建：normalization.mp4 [260.01M]
57丨神经网络的训练：初始化.mp4 [283.87M]
58丨神经网络的训练：学习率和warm-up.mp4 [560.48M]
59丨神经网络的训练：新的pytorch训练框架.mp4 [921.57M]
60丨transformer：如何通过transformer榨取重要变量？.mp4 [738.38M]
61丨transformer代码实现剖析.mp4 [1.01G]
62丨xdeepfm：如何用神经网络处理高维的特征？.mp4 [522.80M]
63丨xdeepfm的代码解析.mp4 [354.43M]
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 [785.60M]
65丨图嵌入：如何将图关系纳入模型？.mp4 [548.22M]
66丨图网络简介：如何在图结构的基础上建立神经网络？.mp4 [699.96M]
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 [296.79M]
68丨高级模型融合技巧：metades是什么？.mp4 [544.12M]
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 [432.08M]
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 [748.94M]
72丨深度迁移学习模型：roberta、xlnet、ernie和t5.mp4 [588.16M]
73丨深度迁移学习模型：albert和electra.mp4 [171.30M]
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 [737.71M]
75丨深度迁移学习模型的微调：tensorflowbert代码简析.mp4 [933.53M]
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 [426.67M]
77丨优化器：adam和adamw.mp4 [387.39M]
78丨优化器：lookahead，radam和lamb.mp4 [139.67M]
79丨多重loss的方式：如何使用多重loss来提高模型准确率？.mp4 [233.12M]
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 [176.48M]
81丨uda：一种系统的数据扩充框架.mp4 [376.98M]
82丨labelsmoothing和logitsqueezing.mp4 [111.88M]
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 [146.64M]
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 [287.87M]
85丨长文本分类：截取、关键词拼接和预测平均.mp4 [299.03M]
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 [313.04M]
87丨其他embedding的训练：还有哪些embedding方法？.mp4 [134.90M]
88丨训练预语言模型.mp4 [221.56M]
89丨多任务训练：如何利用多任务训练来提升效果？.mp4 [402.13M]
90丨domainadaptation：如何利用其它有标注语料来提升效果？.mp4 [193.87M]
91丨few-shotlearning：是否有更好的利用不同任务的方法？.mp4 [359.41M]
92丨半监督学习：如何让没有标注的数据也派上用场？.mp4 [120.79M]
93丨依存分析和semanticparsing概述.mp4 [87.43M]
94丨依存分析和universaldepdencyrelattions.mp4 [426.96M]
95丨stanza使用.mp4 [379.80M]
96丨shiftreduce算法.mp4 [216.86M]
97丨基于神经网络的依存分析算法.mp4 [652.13M]
98丨树神经网络：如何采用treelstm和其它拓展方法？.mp4 [107.83M]
99丨semanticparsing基础：semanticparsing的任务是什么？.mp4 [268.18M]
100丨wikisql任务简介.mp4 [291.34M]
101丨asdl和ast.mp4 [173.27M]
102丨tranx简介.mp4 [282.18M]
103丨lambdacaculus概述.mp4 [139.70M]
104丨lambda-dcs概述.mp4 [332.32M]
105丨inductivelogicprogramming：基本设定.mp4 [433.00M]
106丨inductivelogicprogramming：一个可微的实现.mp4 [269.26M]
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 [202.98M]
108丨最短路问题和dijkstraalgorithm.mp4 [245.67M]
109丨q-learning：如何进行q-learning算法的推导？.mp4 [1.09G]
110丨rainbow：如何改进q-learning算法？.mp4 [511.28M]
111丨policygradient：如何进行policygradient的基本推导？.mp4 [290.66M]
112丨a2c和a3c：如何提升基本的policygradient算法.mp4 [427.47M]
113丨gumbel-trick：如何将离散的优化改变为连续的优化问题？.mp4 [230.92M]
114丨mcts简介：如何将“推理”引入到强化学习框架中.mp4 [350.78M]
115丨directpolictygradient：基本设定及gumbel-trick的使用116丨directpolictygradient：轨迹生成方法.mp4 [959.78M]
117丨automl及neuralarchitecturesearch简介.mp4 [265.88M]
118丨automl网络架构举例.mp4 [554.74M]
119丨renas：如何使用遗传算法和增强学习探索网络架构.mp4 [425.47M]
120丨differentiablesearch：如何将nas变为可微的问题.mp4 [347.24M]
121丨层次搜索法：如何在模块之间进行搜索？.mp4 [179.09M]
122丨lenas：如何搜索搜索space.mp4 [190.28M]
123丨超参数搜索：如何寻找算法的超参数.mp4 [293.32M]
124丨learning to optimize：是否可以让机器学到一个新的优化器.mp4 [257.21M]
125丨遗传算法和增强学习的结合.mp4 [202.38M]
126丨使用增强学习改进组合优化的算法.mp4 [446.44M]
127丨多代理增强学习概述：什么是多代理增强学习？.mp4 [240.57M]
128丨alphastar介绍：alphastar中采取了哪些技术？.mp4 [326.62M]
129丨impala：多agent的actor-critic算法.mp4 [276.65M]
130丨comaagent之间的交流.mp4 [165.55M]
131丨多模态表示学习简介.mp4 [234.98M]
132丨知识蒸馏：如何加速神经网络推理.mp4 [180.35M]
133丨deepgbm：如何用神经网络捕捉集成树模型的知识.mp4 [91.29M]
134丨文本推荐系统和增强学习.mp4 [464.30M]
135丨rl训练方法集锦：简介.mp4 [279.48M]
136丨rl训练方法rl实验的注意事项.mp4 [235.73M]
137丨ppo算法.mp4 [302.71M]
138丨reward设计的一般原则.mp4 [184.90M]
139丨解决sparsereward的一些方法.mp4 [660.97M]
140丨imitationlearning和self-imitationlearning.mp4 [429.06M]
141丨增强学习中的探索问题.mp4 [453.05M]
142丨model-basedreinforcementlearning.mp4 [340.44M]
143丨transferreinforcementlearning和few-shotreinforcementlearning.mp4 [508.33M]
144丨quora问题等价性案例学习：预处理和人工特征.mp4 [446.85M]
145丨quora问题等价性案例学习：深度学习模型.mp4 [365.70M]
146丨文本校对案例学习.mp4 [409.67M]
147丨微服务和kubernetes简介.mp4 [223.20M]
148丨docker简介.mp4 [178.70M]
149丨docker部署实践.mp4 [342.93M]
150丨kubernetes基本概念.mp4 [214.84M]
151丨kubernetes部署实践.mp4 [462.29M]
152丨kubernetes自动扩容.mp4 [278.23M]
153丨kubernetes服务发现.mp4 [136.96M]
154丨kubernetes ingress.mp4 [254.00M]
155丨kubernetes健康检查.mp4 [235.37M]
156丨kubernetes灰度上线.mp4 [232.75M]
157丨kubernetes stateful sets.mp4 [174.90M]
158丨istio简介：istio包含哪些功能？.mp4 [122.10M]
159丨istio实例和circuit breaker.mp4 [379.05M]
160丨结束语.mp4 [127.65M]
评论0