|
NLP实战高手课视频教程（113课）神经网络的构建Normalization 01-课程介绍.mp4 40-半自动特征构建方法缺失变量和异常值的处理.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 51-神经网络的构建ResidualConnection和DenseConnection.mp4 33-Matplotlib简介：如何进行简单的可视化分析？.mp4 19-神经网络基础：神经网络的基础构成.mp4 04-AI项目流程：从实验到落地.mp4 56-神经网络的构建Normalization.mp4 59-神经网络的训练新的PyTorch训练框架.mp4 08-NLP的学习方法：如何在AI爆炸时代快速上手学习？.mp4 26-PyTorch简介：如何构造Dataset和Dataloader？.mp4 42-降维方法PCA、NMF和tSNE.mp4 52-神经网络的构建NetworkinNetwork.mp4 16-统计学基础：随机性是如何改变数据拟合的本质的？.mp4 20-Embedding简介.mp4 58-神经网络的训练学习率和Warm-up.mp4 07-NLP应用：文本校对系统.mp4 44-降维方法VariationalAutoEncoder.mp4 39-半自动特征构建方法连续变量的转换.mp4 36-半自动特征构建方法：连续变量的离散化.mp4 21-RNN简介：马尔可夫过程和隐马尔可夫过程.mp4 11-深度学习与硬件：GPU.mp4 41-自动特征构建方法Symbolic-learning和AutoCross简介.mp4 37-半自动特征构建方法：EntityEmbedding.mp4 03-AI概览：宣传片外的人工智能.mp4 53-神经网络的构建GatingMechanism和Attention.mp4 28-文本分类实践：如何进行简单的文本分类？.mp4 65-图嵌入如何将图关系纳入模型？.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.mp4 62-xDeepFM如何用神经网络处理高维的特征？.mp4 48-集成树模型LightGBM简介.mp4 43-降维方法DenoisingAutoEncoders.mp4 02-内容综述.mp4 25-PyTorch简介：Tensor和相关运算.mp4 66-图网络简介如何在图结构的基础上建立神经网络？.mp4 34-半自动特征构建方法：TargetMeanEncoding.mp4 45-变量选择方法.mp4 55-神经网络的构建ActivationFunction.mp4 69-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 64-时序建模如何用神经网络解决时间序列的预测问题？.mp4 61-Transformer代码实现剖析.mp4 67-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 课程资料地址.txt 24-简单文本分类实践：手把手教你实现简单的文本分类.mp4 12-深度学习与硬件：TPU.mp4 63-xDeepFM的代码解析.mp4 10-深度学习与硬件：CPU.mp4 46-集成树模型如何提升决策树的效果.mp4 29-文本分类实践的评价：如何提升进一步的分类效果？.mp4 23-CNN：卷积神经网络是什么？.mp4 35-半自动特征构建方法：CategoricalEncoder.mp4 60-Transformer如何通过Transformer榨取重要变量？.mp4 17-神经网络基础：神经网络还是复合函数.mp4 22-RNN简介：RNN和LSTM.mp4 38-半自动构建方法Entity-Embedding的实现.mp4 68-高级模型融合技巧Metades是什么？.mp4 30-经典的数据挖掘方法：数据驱动型开发早期的努力.mp4 18-神经网络基础：训练神经网络.mp4 06-NLP应用：智能问答系统.mp4 54-神经网络的构建Memory.mp4 13-AI项目部署：基本原则.mp4 05-NLP领域简介：NLP基本任务及研究方向.mp4 49-集成树模型CatBoost和NGBoost简介.mp4 47-集成树模型GBDT和XgBoost的数学表达.mp4 32-Pandas简介：如何使用Pandas对数据进行处理？.mp4 09-深度学习框架简介：如何选择合适的深度学习框架？.mp4 15-AI项目部署：微服务简介.mp4 27-PyTorch简介：如何构造神经网络？.mp4 14-AI项目部署：框架选择.mp4 57-神经网络的训练初始化.mp4
| 
发表于 2022-10-6 10:41:26
