极客时间-NLP 实战高手课
文件信息
文件名称
极客时间-NLP 实战高手课
文件大小
59.37 GB
文件状态
有效
存储位置
夸克网盘
分享者
GG*货铺
📋 文件内容
极客时间-NLP 实战高手课 - 文件信息
- 包含文件：01-50
- 51-99
- 100丨WikiSQL任务简介.mp4
- 101丨ASDL和AST.mp4
- 102丨Tranx简介.mp4
- 103丨LambdaCaculus概述.mp4
- 104丨Lambda-DCS概述.mp4
- 105丨InductiveLogicProgramming：基本设定.mp4
- 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
- 108丨最短路问题和DijkstraAlgorithm.mp4
- 109丨Q-learning：如何进行Q-learning算法的推导？.mp4
- 110丨Rainbow：如何改进Q-learning算法？.mp4
- 111丨PolicyGradient：如何进行PolicyGradient的基本推导？.mp4
- 112丨A2C和A3C：如何提升基本的PolicyGradient算法.mp4
- 113丨Gumbel-trick：如何将离散的优化改变为连续的优化问题？.mp4
- 114丨MCTS简介：如何将“推理”引入到强化学习框架中.mp4
- 115丨DirectPolictyGradient：基本设定及Gumbel-trick的使用116丨DirectPolictyGradient：轨迹生成方法.mp4
- 117丨AutoML及NeuralArchitectureSearch简介.mp4
- 118丨AutoML网络架构举例.mp4
- 119丨RENAS：如何使用遗传算法和增强学习探索网络架构.mp4
- 120丨DifferentiableSearch：如何将NAS变为可微的问题.mp4
- 121丨层次搜索法：如何在模块之间进行搜索？.mp4
- 122丨LeNAS：如何搜索搜索space.mp4
- 123丨超参数搜索：如何寻找算法的超参数.mp4
- 124丨Learning to optimize：是否可以让机器学到一个新的优化器.mp4
- 125丨遗传算法和增强学习的结合.mp4
- 126丨使用增强学习改进组合优化的算法.mp4
- 127丨多代理增强学习概述：什么是多代理增强学习？.mp4
- 128丨AlphaStar介绍：AlphaStar中采取了哪些技术？.mp4
- 129丨IMPALA：多Agent的Actor-Critic算法.mp4
- 130丨COMAAgent之间的交流.mp4
- 131丨多模态表示学习简介.mp4
- 132丨知识蒸馏：如何加速神经网络推理.mp4
- 133丨DeepGBM：如何用神经网络捕捉集成树模型的知识.mp4
- 134丨文本推荐系统和增强学习.mp4
- 135丨RL训练方法集锦：简介.mp4
- 136丨RL训练方法RL实验的注意事项.mp4
- 137丨PPO算法.mp4
- 138丨Reward设计的一般原则.mp4
- 139丨解决SparseReward的一些方法.mp4
- 140丨ImitationLearning和Self-imitationLearning.mp4
- 141丨增强学习中的探索问题.mp4
- 142丨Model-basedReinforcementLearning.mp4
- 143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4
- 144丨Quora问题等价性案例学习：预处理和人工特征.mp4
- 145丨Quora问题等价性案例学习：深度学习模型.mp4
- 146丨文本校对案例学习.mp4
- 147丨微服务和Kubernetes简介.mp4
- 148丨Docker简介.mp4
- 149丨Docker部署实践.mp4