【极客时间-100046401】NLP 实战高手课/

│ ├── 01-50/

│ │ ├── 01丨课程介绍.mp4 (203.89 MB)

│ │ ├── 03丨AI概览：宣传片外的人工智能.mp4 (831.02 MB)

│ │ ├── 04丨AI项目流程：从实验到落地.mp4 (980.65 MB)

│ │ ├── 05丨NLP领域简介：NLP基本任务及研究方向.mp4 (597.71 MB)

│ │ ├── 06丨NLP应用：智能问答系统.mp4 (397.25 MB)

│ │ ├── 07丨NLP应用：文本校对系统.mp4 (258.20 MB)

│ │ ├── 08丨NLP的学习方法：如何在AI爆炸时代快速上手学习？.mp4 (455.99 MB)

│ │ ├── 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 (1457.58 MB)

│ │ ├── 11丨深度学习与硬件：GPU.mp4 (401.70 MB)

│ │ ├── 12丨深度学习与硬件：TPU.mp4 (359.36 MB)

│ │ ├── 13丨AI项目部署：基本原则.mp4 (147.03 MB)

│ │ ├── 14丨AI项目部署：框架选择.mp4 (211.81 MB)

│ │ ├── 15丨AI项目部署：微服务简介.mp4 (265.17 MB)

│ │ ├── 16丨统计学基础：随机性是如何改变数据拟合的本质的？.mp4 (437.88 MB)

│ │ ├── 17丨神经网络基础：神经网络还是复合函数.mp4 (333.07 MB)

│ │ ├── 18丨神经网络基础：训练神经网络【公重号：CunWorkNotes】.mp4 (338.65 MB)

│ │ ├── 19丨神经网络基础：神经网络的基础构成.mp4 (676.95 MB)

│ │ ├── 21丨RNN简介：马尔可夫过程和隐马尔可夫过程.mp4 (270.16 MB)

│ │ ├── 23丨CNN：卷积神经网络是什么？.mp4 (248.95 MB)

│ │ ├── 24丨环境部署：如何构建简单的深度学习环境？.mp4 (871.99 MB)

│ │ ├── 25丨PyTorch简介：Tensor和相关运算.mp4 (406.72 MB)

│ │ ├── 26丨PyTorch简介：如何构造Dataset和DataLoader？.mp4 (330.48 MB)

│ │ ├── 27丨PyTorch简介：如何构造神经网络？.mp4 (571.70 MB)

│ │ ├── 28丨文本分类实践：如何进行简单的文本分类？【更多精选‖公众号：CunWorknotes】 .mp4 (548.07 MB)

│ │ ├── 29丨文本分类实践的评价：如何提升进一步的分类效果？.mp4 (858.82 MB)

│ │ ├── 30丨经典的数据挖掘方法：数据驱动型开发早期的努力.mp4 (355.29 MB)

│ │ ├── 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 (292.29 MB)

│ │ ├── 32丨Pandas 简介：如何使用Pandas对数据进行处理？.mp4 (559.10 MB)

│ │ ├── 33丨Matplotlib 简介：如何进行简单的可视化分析？【整理不易‖记得关注：CunWorKNotes】.mp4 (268.35 MB)

│ │ ├── 34丨半自动特征构建方法：Target Mean Encoding【不易整理‖请关注：CunWorkNoteS】.mp4 (298.85 MB)

│ │ ├── 35丨半自动特征构建方法：Categorical Encoder.mp4 (303.73 MB)

│ │ ├── 36丨半自动特征构建方法：连续变量的离散化.mp4 (333.40 MB)

│ │ ├── 37丨半自动特征构建方法：Entity Embedding.mp4 (1005.85 MB)

│ │ ├── 38丨半自动构建方法：Entity Embedding的实现.mp4 (766.24 MB)

│ │ ├── 39丨半自动特征构建方法：连续变量的转换.mp4 (637.32 MB)

│ │ ├── 40丨半自动特征构建方法：缺失变量和异常值的处理.mp4 (211.77 MB)

│ │ ├── 41丨自动特征构建方法：Symbolic learning和AutoCross简介.mp4 (460.30 MB)

│ │ ├── 42丨降维方法：PCA、NMF 和 tSNE.mp4 (644.72 MB)

│ │ ├── 45丨变量选择方法.mp4 (192.63 MB)

│ │ ├── 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 (840.59 MB)

│ │ ├── 48丨集成树模型：LightGBM简介【整理不易‖记得关注：CunWorKNotes】.mp4 (244.94 MB)

│ │ ├── 49丨集成树模型：CatBoost和NGBoost简介.mp4 (115.01 MB)

│ │ └── 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 (465.76 MB)

│ ├── 51-99/

│ │ ├── 51丨健康检查：与Liveness、Readiness、Startup探测集成实现高可用.mp4 (259.78 MB)

│ │ ├── 52丨神经网络的构建：NetworkinNetwork.mp4 (79.03 MB)

│ │ ├── 53丨神经网络的构建：GatingMechanism和Attention.mp4 (231.99 MB)

│ │ ├── 54丨神经网络的构建：Memory.mp4 (766.21 MB)

│ │ ├── 55丨神经网络的构建：ActivationFunction.mp4 (300.35 MB)

│ │ ├── 56丨神经网络的构建：Normalization.mp4 (260.01 MB)

│ │ ├── 57丨神经网络的训练：初始化.mp4 (283.87 MB)

│ │ ├── 58丨神经网络的训练：学习率和Warm-up.mp4 (560.48 MB)

│ │ ├── 59丨神经网络的训练：新的PyTorch训练框架.mp4 (921.57 MB)

│ │ ├── 60丨Transformer：如何通过Transformer榨取重要变量？.mp4 (738.38 MB)

│ │ ├── 61丨Transformer代码实现剖析.mp4 (1035.59 MB)

│ │ ├── 62丨xDeepFM：如何用神经网络处理高维的特征？.mp4 (522.80 MB)

│ │ ├── 63丨xDeepFM的代码解析.mp4 (354.43 MB)

│ │ ├── 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 (785.60 MB)

│ │ ├── 65丨图嵌入：如何将图关系纳入模型？.mp4 (548.22 MB)

│ │ ├── 66丨图网络简介：如何在图结构的基础上建立神经网络？.mp4 (699.96 MB)

│ │ ├── 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 (296.79 MB)

│ │ ├── 68丨高级模型融合技巧：Metades是什么？.mp4 (544.12 MB)

│ │ ├── 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 (432.08 MB)

│ │ ├── 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 (748.94 MB)

│ │ ├── 72丨深度迁移学习模型：RoBERTa、XLNet、ERNIE和T5.mp4 (588.16 MB)

│ │ ├── 73丨深度迁移学习模型：ALBERT和ELECTRA.mp4 (171.30 MB)

│ │ ├── 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【优质资源‖关注：cunWorkNotes 解锁】.mp4 (737.71 MB)

│ │ ├── 75丨深度迁移学习模型的微调：TensorFlowBERT代码简析.mp4 (933.53 MB)

│ │ ├── 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 (426.67 MB)

│ │ ├── 77丨优化器：Adam和AdamW【不易整理‖请关注：CunWorkNoteS】.mp4 (387.39 MB)

│ │ ├── 78丨优化器：Lookahead，Radam和Lamb.mp4 (139.67 MB)

│ │ ├── 79丨多重loss的方式：如何使用多重loss来提高模型准确率？.mp4 (233.12 MB)

│ │ ├── 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 (176.48 MB)

│ │ ├── 81丨UDA：一种系统的数据扩充框架.mp4 (376.98 MB)

│ │ ├── 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 (146.64 MB)

│ │ ├── 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 (287.87 MB)

│ │ ├── 85丨长文本分类：截取、关键词拼接和预测平均.mp4 (299.03 MB)

│ │ ├── 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 (313.04 MB)

│ │ ├── 87丨其他Embedding的训练：还有哪些Embedding方法？.mp4 (134.90 MB)

│ │ ├── 88丨训练预语言模型.mp4 (221.56 MB)

│ │ ├── 89丨多任务训练：如何利用多任务训练来提升效果？.mp4 (402.13 MB)

│ │ ├── 90丨DomainAdaptation：如何利用其它有标注语料来提升效果？.mp4 (193.87 MB)

│ │ ├── 91丨Few-shotLearning：是否有更好的利用不同任务的方法？.mp4 (359.41 MB)

│ │ ├── 92丨半监督学习：如何让没有标注的数据也派上用场？.mp4 (120.79 MB)

│ │ ├── 93丨依存分析和SemanticParsing概述.mp4 (87.43 MB)

│ │ ├── 94丨依存分析和UniversalDepdencyRelattions.mp4 (426.96 MB)

│ │ ├── 95丨Stanza使用.mp4 (379.80 MB)

│ │ ├── 97丨基于神经网络的依存分析算法.mp4 (652.13 MB)

│ │ ├── 98丨树神经网络：如何采用TreeLSTM和其它拓展方法？.mp4 (107.83 MB)

│ │ └── 99丨SemanticParsing基础：SemanticParsing的任务是什么？.mp4 (268.18 MB)

│ ├── 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 (202.98 MB)

│ ├── 108丨最短路问题和DijkstraAlgorithm.mp4 (245.67 MB)

│ ├── 109丨Q-learning：如何进行Q-learning算法的推导？.mp4 (1118.69 MB)

│ ├── 110丨Rainbow：如何改进Q-learning算法？.mp4 (511.28 MB)

│ ├── 111丨PolicyGradient：如何进行PolicyGradient的基本推导？.mp4 (290.66 MB)

│ ├── 112丨A2C和A3C：如何提升基本的PolicyGradient算法【持续更新‖免费提供：CunworknoteS】.mp4 (427.47 MB)

│ ├── 113丨Gumbel-trick：如何将离散的优化改变为连续的优化问题？.mp4 (230.92 MB)

│ ├── 114丨MCTS简介：如何将“推理”引入到强化学习框架中【更多精选‖公众号：CunWorknotes】 .mp4 (350.78 MB)

│ ├── 115丨DirectPolictyGradient：基本设定及Gumbel-trick的使用116丨DirectPolictyGradient：轨迹生成方法.mp4 (959.78 MB)

│ ├── 118丨AutoML网络架构举例.mp4 (554.74 MB)

│ ├── 119丨RENAS：如何使用遗传算法和增强学习探索网络架构.mp4 (425.47 MB)

│ ├── 120丨DifferentiableSearch：如何将NAS变为可微的问题.mp4 (347.24 MB)

│ ├── 121丨层次搜索法：如何在模块之间进行搜索？【持续更新‖免费提供：CunworknoteS】.mp4 (179.09 MB)

│ ├── 122丨LeNAS：如何搜索搜索space.mp4 (190.28 MB)

│ ├── 123丨超参数搜索：如何寻找算法的超参数.mp4 (293.32 MB)

│ ├── 124丨Learning to optimize：是否可以让机器学到一个新的优化器.mp4 (257.21 MB)

│ ├── 125丨遗传算法和增强学习的结合【更多精选‖公众号：CunWorknotes】 .mp4 (202.38 MB)

│ ├── 126丨使用增强学习改进组合优化的算法.mp4 (446.44 MB)

│ ├── 127丨多代理增强学习概述：什么是多代理增强学习？.mp4 (240.57 MB)

│ ├── 128丨AlphaStar介绍：AlphaStar中采取了哪些技术？.mp4 (326.62 MB)

│ ├── 130丨COMAAgent之间的交流.mp4 (165.55 MB)

│ ├── 131丨多模态表示学习简介【公重号：CunWorkNotes】.mp4 (234.98 MB)

│ ├── 132丨知识蒸馏：如何加速神经网络推理.mp4 (180.35 MB)

│ ├── 133丨DeepGBM：如何用神经网络捕捉集成树模型的知识.mp4 (91.29 MB)

│ ├── 134丨文本推荐系统和增强学习.mp4 (464.30 MB)

│ ├── 135丨RL训练方法集锦：简介.mp4 (279.48 MB)

│ ├── 136丨RL训练方法RL实验的注意事项.mp4 (235.73 MB)

│ ├── 138丨Reward设计的一般原则.mp4 (184.90 MB)

│ ├── 139丨解决SparseReward的一些方法.mp4 (660.97 MB)

│ ├── 141丨增强学习中的探索问题.mp4 (453.05 MB)

│ ├── 144丨Quora问题等价性案例学习：预处理和人工特征.mp4 (446.85 MB)

│ ├── 145丨Quora问题等价性案例学习：深度学习模型.mp4 (365.70 MB)

│ ├── 146丨文本校对案例学习.mp4 (409.67 MB)

│ ├── 147丨微服务和Kubernetes简介.mp4 (223.20 MB)

│ ├── 148丨Docker简介.mp4 (178.70 MB)

│ ├── 149丨Docker部署实践.mp4 (342.93 MB)

│ ├── 151丨Kubernetes部署实践.mp4 (462.29 MB)

│ ├── 153丨Kubernetes服务发现【整理不易‖记得关注：CunWorKNotes】.mp4 (136.96 MB)

│ ├── 156丨Kubernetes灰度上线【持续更新‖免费提供：CunworknoteS】.mp4 (232.75 MB)

│ ├── 158丨Istio简介：Istio包含哪些功能？.mp4 (122.10 MB)

│ └── 160丨结束语【不易整理‖请关注：CunWorkNoteS】.mp4 (127.65 MB)

[2026]极客时间-NLP 实战高手课