|
559| 8
|
人工智能Paper教程（NLP方向） |
|
人工智能Paper教程（NLP方向）
├──00直播 | ├──單課01、直播答疑.mkv 141.06M | ├──單課02、直播答疑.mkv 90.40M | ├──單課03、論文復現體驗課學習指引.mkv 17.81M | ├──單課04、直播答疑.mkv 125.66M | ├──單課06、直播答疑.mkv 98.53M | ├──單課07、直播答疑.mkv 111.04M | ├──單課08、直播答疑.mkv 90.23M | ├──單課09、GAN專題直播答疑.mkv 107.04M | ├──單課10、NLP Baseline直播答疑.mkv 195.03M | ├──單課11、NLP Baseline 直播答疑.mkv 154.78M | ├──單課13、NLP baseline直播答疑.mkv 89.47M | ├──單課14、NLP直播答疑.mkv 69.91M | ├──單課15、NLP直播答疑.mkv 200.29M | ├──單課16、NLP baseline直播答疑.mkv 137.70M | ├──單課17、NLP baseline直播答疑.mkv 161.51M | ├──單課18、預訓練直播答疑.mkv 162.09M | └──單課19、NLP直播答疑.mkv 58.67M ├──01自監(jiān)督無監(jiān)督 | ├──01、自監(jiān)督-無監(jiān)督》02、1.1 專題簡介與導引&MOCO論文泛讀.mkv 42.48M | ├──01、自監(jiān)督-無監(jiān)督》03、1.2 MOCO論文精讀.mkv 204.88M | ├──01、自監(jiān)督-無監(jiān)督》04、1.3 MOCO-實驗結果分析與總結.mkv 153.91M | ├──01、自監(jiān)督-無監(jiān)督》05、1，4 MOCO-代碼講解.mkv 189.74M | ├──01、自監(jiān)督-無監(jiān)督》06、2.1 simclr-論文精讀.mkv 379.22M | ├──01、自監(jiān)督-無監(jiān)督》07、2.2 sinclr-論文精講.mkv 224.41M | └──01、自監(jiān)督-無監(jiān)督》08、2.3 simclr-代碼講解.mkv 211.84M ├──02、15 NLP-推薦系統(tǒng)》 | ├──02、15 NLP-推薦系統(tǒng)》02、1. CAN泛讀.mkv 118.79M | ├──02、15 NLP-推薦系統(tǒng)》03、2. CAN精讀.mkv 98.24M | ├──02、15 NLP-推薦系統(tǒng)》04、3. CAN代碼項目實踐.mkv 102.35M | ├──02、15 NLP-推薦系統(tǒng)》05、4. MIND泛讀.mkv 106.70M | ├──02、15 NLP-推薦系統(tǒng)》06、5. MIND精讀.mkv 123.17M | ├──02、15 NLP-推薦系統(tǒng)》07、6. MIND代碼項目實踐.mkv 142.96M | ├──02、15 NLP-推薦系統(tǒng)》08、7. PLE泛讀.mkv 91.06M | ├──02、15 NLP-推薦系統(tǒng)》09、8. PLE精讀.mkv 66.22M | ├──02、15 NLP-推薦系統(tǒng)》10、9. PLE代碼項目實踐.mkv 114.18M | ├──02、15 NLP-推薦系統(tǒng)》11、10. DAT泛讀.mkv 77.14M | ├──02、15 NLP-推薦系統(tǒng)》12、11. DAT精讀.mkv 53.35M | ├──02、15 NLP-推薦系統(tǒng)》13、12. DAT代碼項目實踐.mkv 51.96M | ├──02、15 NLP-推薦系統(tǒng)》14、13. FIBINET泛讀.mkv 55.37M | ├──02、15 NLP-推薦系統(tǒng)》15、14. FIBINET精讀.mkv 41.00M | └──02、15 NLP-推薦系統(tǒng)》16、15. FIBINET代碼項目實踐.mkv 75.85M ├──03、學前須知》 | └──03、學前須知》01、效率提升3倍的Paper 閱讀方法.mkv 123.61M ├──04、01 Python · AI&數據科學入門》 | ├──04、01 Python · AI&數據科學入門》02、第一章 緒論和環(huán)境配置.mkv 22.56M | ├──04、01 Python · AI&數據科學入門》03、【作業(yè)講解】第一章：助教實際演示配置環(huán)境過程.mkv 13.93M | ├──04、01 Python · AI&數據科學入門》04、第二章 Python 基本語法元素.mkv 55.30M | ├──04、01 Python · AI&數據科學入門》05、【作業(yè)講解】第二章：Python基本語法元素.mkv 30.66M | ├──04、01 Python · AI&數據科學入門》06、第三章 基本數據類型.mkv 43.05M | ├──04、01 Python · AI&數據科學入門》07、【作業(yè)講解】第三章：基本數據類型.mkv 23.93M | ├──04、01 Python · AI&數據科學入門》08、第四章 組合數據類型.mkv 45.20M | ├──04、01 Python · AI&數據科學入門》09、【作業(yè)講解】第四章：復雜數據類型.mkv 34.82M | ├──04、01 Python · AI&數據科學入門》10、第五章 程序控制結構.mkv 39.19M | ├──04、01 Python · AI&數據科學入門》11、【作業(yè)講解】第五章：程序控制結構.mkv 10.90M | ├──04、01 Python · AI&數據科學入門》12、第六章 函數-面向過程的編程.mkv 60.76M | ├──04、01 Python · AI&數據科學入門》13、【作業(yè)講解】第六章：函數.mkv 20.11M | ├──04、01 Python · AI&數據科學入門》14、第七章 類-面向對象的編程.mkv 38.48M | ├──04、01 Python · AI&數據科學入門》15、【作業(yè)講解】第七章：類.mkv 12.41M | ├──04、01 Python · AI&數據科學入門》16、第八章 文件、異常和模塊.mkv 57.66M | ├──04、01 Python · AI&數據科學入門》17、【作業(yè)講解】第八章：文件、異常和模塊.mkv 5.42M | ├──04、01 Python · AI&數據科學入門》18、第九章 有益的探索.mkv 60.40M | ├──04、01 Python · AI&數據科學入門》19、【作業(yè)講解】第九章：有益的探索.mkv 13.01M | ├──04、01 Python · AI&數據科學入門》20、第十章 Python標準庫.mkv 43.29M | ├──04、01 Python · AI&數據科學入門》21、【作業(yè)講解】第十章：Python標準庫.mkv 6.85M | ├──04、01 Python · AI&數據科學入門》22、第十一章 科學計算庫—Numpy應用.mkv 39.53M | ├──04、01 Python · AI&數據科學入門》23、【作業(yè)講解】第十一章：Numpy庫.mkv 12.13M | ├──04、01 Python · AI&數據科學入門》24、第十二章 Pandas庫.mkv 72.76M | ├──04、01 Python · AI&數據科學入門》25、【作業(yè)講解】第十二章：Pandas庫.mkv 15.46M | ├──04、01 Python · AI&數據科學入門》26、第十三章 Matplotlib.mkv 50.74M | ├──04、01 Python · AI&數據科學入門》27、【作業(yè)講解】第十三章：Matplotlib.mkv 18.32M | ├──04、01 Python · AI&數據科學入門》28、第十四章 Sklearn常規(guī)用法.mkv 28.53M | ├──04、01 Python · AI&數據科學入門》29、【作業(yè)講解】第十四章：Sklearn常規(guī)用法.mkv 25.44M | └──04、01 Python · AI&數據科學入門》30、第十五章 再談編程.mkv 34.04M ├──05、02 PyTorch》 | ├──05、02 PyTorch》02、【必看】深入淺出PyTorch.mkv 103.55M | ├──05、02 PyTorch》03、【第一周】PyTorch簡介與安裝.mkv 56.61M | ├──05、02 PyTorch》04、【第一周】補充-pytorch開發(fā)環(huán)境安裝.mkv 164.59M | ├──05、02 PyTorch》05、【第一周】張量簡介與創(chuàng)建.mkv 54.04M | ├──05、02 PyTorch》06、【第一周】張量操作與線性回歸.mkv 66.20M | ├──05、02 PyTorch》07、【第一周】計算圖與動態(tài)圖機制.mkv 34.11M | ├──05、02 PyTorch》08、【第一周】autograd與邏輯回歸.mkv 68.38M | ├──05、02 PyTorch》09、【第一周】作業(yè)講解1.mkv 30.03M | ├──05、02 PyTorch》10、【第一周】作業(yè)講解2.mkv 22.93M | ├──05、02 PyTorch》11、【第一周】作業(yè)講解3.mkv 22.80M | ├──05、02 PyTorch》12、【第二周】數據讀取機制Dataloader與Dataset.mkv 63.23M | ├──05、02 PyTorch》13、【第二周】數據預處理transforms模塊機制.mkv 62.89M | ├──05、02 PyTorch》14、【第二周】二十二種transforms數據預處理方法.mkv 118.45M | ├──05、02 PyTorch》15、【第二周】學會自定義transforms方法.mkv 136.59M | ├──05、02 PyTorch》16、【第二周】作業(yè)講解.mkv 94.94M | ├──05、02 PyTorch》17、【第三周】模型創(chuàng)建步驟與nn.Module.mkv 66.95M | ├──05、02 PyTorch》18、【第三周】模型容器與AlexNet構建.mkv 71.56M | ├──05、02 PyTorch》19、【第三周】nn網絡層-卷積層.mkv 75.62M | ├──05、02 PyTorch》20、【第三周】nn網絡層-池化-線性-激活函數層.mkv 75.57M | ├──05、02 PyTorch》21、【第三周】作業(yè)講解.mkv 65.24M | ├──05、02 PyTorch》22、【第四周】權值初始化.mkv 64.54M | ├──05、02 PyTorch》23、【第四周】損失函數（一）.mkv 111.99M | ├──05、02 PyTorch》24、【第四周】損失函數(二).mkv 115.92M | ├──05、02 PyTorch》25、【第四周】優(yōu)化器optimizer的概念.mkv 69.74M | ├──05、02 PyTorch》26、【第四周】torch.optim.SGD.mkv 94.87M | ├──05、02 PyTorch》27、【第四周】作業(yè)講解.mkv 28.67M | ├──05、02 PyTorch》28、【第五周】學習率調整策略.mkv 90.84M | ├──05、02 PyTorch》29、【第五周】TensorBoard簡介與安裝.mkv 44.92M | ├──05、02 PyTorch》30、【第五周】TensorBoard使用（一）.mkv 85.95M | ├──05、02 PyTorch》31、【第五周】TensorBoard使用（二）.mkv 128.18M | ├──05、02 PyTorch》32、【第五周】hook函數與CAM可視化.mkv 106.22M | ├──05、02 PyTorch》33、【第五周】作業(yè)講解.mkv 40.37M | ├──05、02 PyTorch》34、【第六周】正則化之weight_decay.mkv 65.97M | ├──05、02 PyTorch》35、【第六周】Batch Normalization.mkv 106.68M | ├──05、02 PyTorch》36、【第六周】Normalizaiton_layers.mkv 69.19M | ├──05、02 PyTorch》37、【第六周】正則化之Dropout.mkv 73.76M | ├──05、02 PyTorch》38、【第六周】作業(yè)講解.mkv 38.44M | ├──05、02 PyTorch》39、【第七周】模型保存與加載.mkv 46.08M | ├──05、02 PyTorch》40、【第七周】模型finetune.mkv 70.48M | ├──05、02 PyTorch》41、【第七周】GPU的使用.mkv 77.36M | ├──05、02 PyTorch》42、【第七周】PyTorch常見報錯.mkv 68.49M | ├──05、02 PyTorch》43、【第七周】作業(yè)講解.mkv 19.67M | ├──05、02 PyTorch》44、【第八周】圖像分類一瞥.mkv 106.50M | ├──05、02 PyTorch》45、【第八周】圖像分割一瞥.mkv 128.41M | ├──05、02 PyTorch》46、【第八周】圖像目標檢測一瞥（上）.mkv 95.48M | ├──05、02 PyTorch》47、【第八周】圖像目標檢測一瞥（下）.mkv 157.19M | ├──05、02 PyTorch》48、【第九周】生成對抗網絡一瞥.mkv 110.64M | └──05、02 PyTorch》49、【第九周】循環(huán)神經網絡一瞥.mkv 71.28M ├──06、人工智能數學基礎》 | ├──06、人工智能數學基礎》05、【第一章 線性代數(上)】章節(jié)導讀.mkv 10.81M | ├──06、人工智能數學基礎》06、【第一章 線性代數(上)】-1 矩陣及其基本運算①.mkv 35.78M | ├──06、人工智能數學基礎》07、【第一章 線性代數(上)】-2 矩陣及其基本運算②.mkv 74.63M | ├──06、人工智能數學基礎》08、【第一章 線性代數(上)】-3 矩陣的行列式①.mkv 44.57M | ├──06、人工智能數學基礎》09、【第一章 線性代數(上)】-4 矩陣的行列式②.mkv 45.23M | ├──06、人工智能數學基礎》10、【第一章 線性代數(上)】-5 矩陣的行列式③.mkv 34.37M | ├──06、人工智能數學基礎》11、【第一章 線性代數(上)】-6 矩陣的行列式④.mkv 13.00M | ├──06、人工智能數學基礎》12、【第一章 線性代數(上)】-7 矩陣的逆①.mkv 38.37M | ├──06、人工智能數學基礎》13、【第一章 線性代數(上)】-8 矩陣的逆②.mkv 25.38M | ├──06、人工智能數學基礎》14、【第一章 線性代數(上)】-9 矩陣的逆③.mkv 29.03M | ├──06、人工智能數學基礎》15、【第二章 線性代數(下)】章節(jié)導讀.mkv 7.14M | ├──06、人工智能數學基礎》16、【第二章 線性代數(下)】-1 矩陣的初等變換①.mkv 48.46M | ├──06、人工智能數學基礎》17、【第二章 線性代數(下)】-2 矩陣的初等變換②.mkv 20.47M | ├──06、人工智能數學基礎》18、【第二章 線性代數(下)】-3 矩陣的初等變換③.mkv 85.05M | ├──06、人工智能數學基礎》19、【第二章 線性代數(下)】-4 矩陣的初等變換④.mkv 22.47M | ├──06、人工智能數學基礎》20、【第二章 線性代數(下)】-5 矩陣的特征值與特征向量①.mkv 74.11M | ├──06、人工智能數學基礎》21、【第二章 線性代數(下)】-6 矩陣的特征值與特征向量②.mkv 52.55M | ├──06、人工智能數學基礎》22、【第二章 線性代數(下)】-7 矩陣的特征值與特征向量③.mkv 35.99M | ├──06、人工智能數學基礎》23、【第二章 線性代數(下)】-8 矩陣對角化以及二次型①.mkv 59.40M | ├──06、人工智能數學基礎》24、【第二章 線性代數(下)】-9 矩陣對角化以及二次型②.mkv 31.44M | ├──06、人工智能數學基礎》25、【第二章 線性代數(下)】-10 矩陣對角化以及二次型③.mkv 29.83M | ├──06、人工智能數學基礎》26、【第二章 線性代數(下)】-11svd分解的應用.mkv 53.11M | ├──06、人工智能數學基礎》27、【第三章 微積分】-01常用函數的導數以及到導數的常用公式.mkv 46.64M | ├──06、人工智能數學基礎》28、【第三章 微積分】-02 中值定理&洛必達法則&泰勒公式及應用.mkv 47.60M | ├──06、人工智能數學基礎》29、【第三章 微積分】-03 函數的凹凸性&函數的極值.mkv 47.14M | ├──06、人工智能數學基礎》30、【第三章 微積分】-04 不定積分.mkv 29.56M | ├──06、人工智能數學基礎》31、【第三章 微積分】-05 定積分.mkv 29.44M | ├──06、人工智能數學基礎》32、【第三章 微積分】-06 偏導數&多元函數復合求導法則鏈式求導法則.mkv 45.28M | ├──06、人工智能數學基礎》33、【第三章 微積分】-07 方向導數與梯度及其應用.mkv 54.86M | ├──06、人工智能數學基礎》34、【第三章 微積分】-08 多元函數泰勒公式與海森矩陣&多元函數的極值.mkv 43.06M | ├──06、人工智能數學基礎》35、【第三章 微積分】-09 矩陣的求導.mkv 52.45M | ├──06、人工智能數學基礎》36、【第三章 微積分】-10 矩陣的求導在深度學習中的應用.mkv 48.63M | ├──06、人工智能數學基礎》37、【第四章 概率論】-01隨機實驗樣本空間隨機事件&概率的定義.mkv 50.22M | ├──06、人工智能數學基礎》38、【第四章 概率論】-02全概率公式與貝葉斯公式及應用&獨立性.mkv 39.09M | ├──06、人工智能數學基礎》39、【第四章 概率論】-03隨機變量與多維隨機變量.mkv 43.46M | ├──06、人工智能數學基礎》40、【第四章 概率論】-04期望與方差part1.mkv 47.91M | ├──06、人工智能數學基礎》41、【第四章 概率論】-05期望與方差part2.mkv 19.72M | ├──06、人工智能數學基礎》42、【第四章 概率論】-06參數的估計.mkv 48.33M | ├──06、人工智能數學基礎》43、【第五章 最優(yōu)化】-1 無約束最優(yōu)化梯度下降.mkv 45.64M | ├──06、人工智能數學基礎》44、【第五章 最優(yōu)化】-2 無約束最優(yōu)化梯度下降.mkv 42.04M | └──06、人工智能數學基礎》45、【第五章 最優(yōu)化】-3 約束最優(yōu)化.mkv 46.79M ├──07、04 神經網絡基礎知識》 | ├──07、04 神經網絡基礎知識》02、01-神經網絡基礎與多層感知機-0.mkv 38.15M | ├──07、04 神經網絡基礎知識》03、01-神經網絡基礎與多層感知機-1.mkv 26.37M | ├──07、04 神經網絡基礎知識》04、01-神經網絡基礎與多層感知機-2.mkv 28.86M | ├──07、04 神經網絡基礎知識》05、01-神經網絡基礎與多層感知機-3.mkv 15.57M | ├──07、04 神經網絡基礎知識》06、01-神經網絡基礎與多層感知機-4.mkv 39.66M | ├──07、04 神經網絡基礎知識》07、02-卷積神經網絡-0.mkv 28.88M | ├──07、04 神經網絡基礎知識》08、02-卷積神經網絡-1.mkv 51.75M | ├──07、04 神經網絡基礎知識》09、02-卷積神經網絡-2.mkv 22.11M | ├──07、04 神經網絡基礎知識》10、03-循環(huán)神經網絡-0.mkv 20.50M | ├──07、04 神經網絡基礎知識》11、03-循環(huán)神經網絡-1.mkv 37.91M | └──07、04 神經網絡基礎知識》12、03-循環(huán)神經網絡-2.mkv 26.61M ├──08、05 NLP基礎知識》 | ├──08、05 NLP基礎知識》02、1-1 前言..mkv 152.17M | ├──08、05 NLP基礎知識》03、1-2 研究方向概述..mkv 112.22M | ├──08、05 NLP基礎知識》04、2-1 預備知識..mkv 60.53M | ├──08、05 NLP基礎知識》05、2-2 NLP問題中的特征..mkv 61.23M | ├──08、05 NLP基礎知識》06、2-3 特征輸入..mkv 108.19M | ├──08、05 NLP基礎知識》07、2-4 文本的向量化表示與案例實現..mkv 80.70M | ├──08、05 NLP基礎知識》08、3-1 統(tǒng)計語言模型簡介與案例實現..mkv 185.40M | ├──08、05 NLP基礎知識》09、3-2 語言模型任務評估..mkv 104.25M | ├──08、05 NLP基礎知識》10、3-3 神經語言模型簡介與代碼實現..mkv 191.58M | ├──08、05 NLP基礎知識》11、3-4 預訓練的詞表示及其使用實例..mkv 66.70M | ├──08、05 NLP基礎知識》12、4-1 word2vec原理..mkv 129.80M | ├──08、05 NLP基礎知識》13、4-2 word2vec代碼復現..mkv 207.33M | ├──08、05 NLP基礎知識》14、4-3 word2vec項目實戰(zhàn)展示..mkv 96.70M | ├──08、05 NLP基礎知識》15、4-4 BERT使用實戰(zhàn)講解..mkv 131.83M | ├──08、05 NLP基礎知識》16、4-5 MLP模型與實戰(zhàn)..mkv 122.72M | ├──08、05 NLP基礎知識》17、4-6 RNN模型原理、代碼復現與實戰(zhàn)..mkv 186.45M | ├──08、05 NLP基礎知識》18、5-1 HMM序列標注..mkv 47.47M | ├──08、05 NLP基礎知識》19、5-2 HMM模型簡介..mkv 121.17M | ├──08、05 NLP基礎知識》20、5-3 HMM樣本生成..mkv 112.77M | ├──08、05 NLP基礎知識》21、5-4 HMM訓練..mkv 71.39M | ├──08、05 NLP基礎知識》22、5-5 HMM預測..mkv 107.47M | └──08、05 NLP基礎知識》23、5-6 HMM代碼實現..mkv 142.76M ├──09、06 NLP-baseline》 | ├──09、06 NLP-baseline》02、NLP baseline 開營儀式.mkv 79.36M | ├──09、06 NLP-baseline》03、1.1 word2vec1-1背景知識.mkv 79.62M | ├──09、06 NLP-baseline》04、1.2 word2vec1-2論文泛讀.mkv 66.15M | ├──09、06 NLP-baseline》05、1.3 word2vec2-1對比模型.mkv 64.54M | ├──09、06 NLP-baseline》06、1.4 word2vec2-2原理.mkv 39.67M | ├──09、06 NLP-baseline》07、1.5 word2vec2-3word2vec關鍵技術.mkv 51.67M | ├──09、06 NLP-baseline》08、1.6 word2vec2-4模型復雜度.mkv 24.93M | ├──09、06 NLP-baseline》09、1.7 word2vec2-5實驗結果.mkv 62.59M | ├──09、06 NLP-baseline》10、1.8 word2vec3-1代碼部分上.mkv 103.47M | ├──09、06 NLP-baseline》11、1.9 word2vec3-2代碼部分下.mkv 129.38M | ├──09、06 NLP-baseline》12、02glove-01-_背景介紹..mkv 28.89M | ├──09、06 NLP-baseline》13、02 glove-02-_研究成果及意義.mkv 12.22M | ├──09、06 NLP-baseline》14、02glove-03-論文概述.mkv 87.03M | ├──09、06 NLP-baseline》15、02glove-04-模型精講.mkv 46.79M | ├──09、06 NLP-baseline》16、02 glove-05-實驗分析..mkv 21.96M | ├──09、06 NLP-baseline》17、02glove-06-數據處理.mkv 23.36M | ├──09、06 NLP-baseline》18、02 glove-07-型及訓練測試.mkv 24.23M | ├──09、06 NLP-baseline》19、03char_embedding-01-背景介紹..mkv 34.58M | ├──09、06 NLP-baseline》20、03 char_embedding-02-研究成果及意義.mkv 27.43M | ├──09、06 NLP-baseline》21、03char_embedding-03-論文概述.mkv 34.23M | ├──09、06 NLP-baseline》22、03 char_embedding-04-模型詳解.mkv 48.84M | ├──09、06 NLP-baseline》23、03 char_embedding-05-語言模型實驗分析.mkv 48.84M | ├──09、06 NLP-baseline》24、03 char_embedding-06-詞性標注實驗分析及論文總結.mkv 45.54M | ├──09、06 NLP-baseline》25、03 char_embedding-07-環(huán)境配置.mkv 30.18M | ├──09、06 NLP-baseline》26、03 char_embedding-08-數據處理.mkv 49.92M | ├──09、06 NLP-baseline》27、03 char_embedding-09-模型構建及訓練和測試.mkv 34.67M | ├──09、06 NLP-baseline》28、04textcnn-01-textcnn背景介紹.mkv 23.05M | ├──09、06 NLP-baseline》29、04textcnn-02-textcnn研究成果及意義.mkv 13.99M | ├──09、06 NLP-baseline》30、04 textcnn-03-textcnn模型簡介.mkv 43.38M | ├──09、06 NLP-baseline》31、04 textcnn-04-textcnn模型詳解.mkv 38.33M | ├──09、06 NLP-baseline》32、04textcnn-05-textcnn實驗介紹.mkv 62.29M | ├──09、06 NLP-baseline》33、04 textcnn-06-textcnn超參選擇.mkv 87.93M | ├──09、06 NLP-baseline》34、04 textcnn-07-textcnn數據處理以及模型構建..mkv 48.71M | ├──09、06 NLP-baseline》35、04 textcnn-08-textcnn訓練及測試.mkv 41.36M | ├──09、06 NLP-baseline》36、05-chartextcnn_1_論文導讀..mkv 41.21M | ├──09、06 NLP-baseline》37、05-chartextcnn_2_1_模型總覽及簡介.mkv 50.58M | ├──09、06 NLP-baseline》38、05-chartextcnn_2_2_模型詳解.mkv 43.43M | ├──09、06 NLP-baseline》39、05-chartextcnn_2_3_實驗分析及討論.mkv 48.78M | ├──09、06 NLP-baseline》40、05-chartextcnn_3_1_數據處理.mkv 36.76M | ├──09、06 NLP-baseline》41、05-chartextcnn_3_2_模型定義及訓練和測試.mkv 39.50M | ├──09、06 NLP-baseline》42、06-fasttext_1_研究背景及意義.mkv 36.39M | ├──09、06 NLP-baseline》43、06-fasttext_2_1_fasttext模型上.mkv 40.99M | ├──09、06 NLP-baseline》44、06-fasttext_2_2_fasttext模型下.mkv 38.25M | ├──09、06 NLP-baseline》45、06-fasttext_2_3_fasttext實驗.mkv 23.84M | ├──09、06 NLP-baseline》46、06-fasttext_3_1_fasttext數據讀取.mkv 37.59M | ├──09、06 NLP-baseline》47、06-fasttext_3_2_fasttext模型及訓練測試.mkv 21.07M | ├──09、06 NLP-baseline》48、07 deep_nmt_1_1_論文簡介以及BLEU介紹.mkv 24.49M | ├──09、06 NLP-baseline》49、07 deep_nmt_1_2_背景介紹和研究成果及意義.mkv 40.04M | ├──09、06 NLP-baseline》50、07 deep_nmt_2_1_deep_nmt模型詳解1.mkv 46.86M | ├──09、06 NLP-baseline》51、07 deep_nmt_2_2_deep_nmtm模型詳解2.mkv 37.83M | ├──09、06 NLP-baseline》52、07 deep_nmt_2_3_實驗結果及總結.mkv 39.07M | ├──09、06 NLP-baseline》53、07 deep_nmt_3_1_機器翻譯數據處理和代碼簡介.mkv 48.23M | ├──09、06 NLP-baseline》54、07 deep_nmt_3_2_模型和訓練及測試.mkv 45.52M | ├──09、06 NLP-baseline》55、08 attention_nmt_1_1_儲備知識_對齊翻譯_seq2seq_注意力機制..mkv 32.98M | ├──09、06 NLP-baseline》56、08 attention_nmt_1_2_背景介紹_研究成果及意義.mkv 39.68M | ├──09、06 NLP-baseline》57、08 attention_nmt_2_1_論文總覽..mkv 48.38M | ├──09、06 NLP-baseline》58、08 attention_nmt_2_2模型詳解..mkv 49.56M | ├──09、06 NLP-baseline》59、08 attention_nmt_2_3_實驗結果及分析.mkv 48.68M | ├──09、06 NLP-baseline》60、08 attention_nmt_3_1_deep_nmt實現.mkv 89.75M | ├──09、06 NLP-baseline》61、08 attention_nmt_3_2_fairseq.mkv 84.72M | ├──09、06 NLP-baseline》62、09 han_attention_1_1_前期儲備知識介紹.mkv 25.41M | ├──09、06 NLP-baseline》63、09 han_attention_1_2_研究背景成果及意義..mkv 38.71M | ├──09、06 NLP-baseline》64、09 han_attention_2_1_論文總覽.mkv 56.09M | ├──09、06 NLP-baseline》65、09 han_attention_2_2_模型詳解.mkv 36.92M | ├──09、06 NLP-baseline》66、09 han_attention_2_3_實驗結果及論文總結.mkv 120.25M | ├──09、06 NLP-baseline》67、09 han_attention_3_1_數據讀取.mkv 52.83M | ├──09、06 NLP-baseline》68、09 han_attention_3_2_模型實現及訓練和測試.mkv 51.71M | ├──09、06 NLP-baseline》69、10 sgm_1_1_多標簽分類介紹..mkv 19.69M | ├──09、06 NLP-baseline》70、10 sgm_1_2_背景知識和研究成果及意義.mkv 58.03M | ├──09、06 NLP-baseline》71、10 sgm_2_1_論文簡介.mkv 50.81M | ├──09、06 NLP-baseline》72、10 sgm_2_2_模型詳解..mkv 27.89M | ├──09、06 NLP-baseline》73、10 sgm_2_3_實驗結果及分析.mkv 52.15M | ├──09、06 NLP-baseline》74、10 sgm_3_1_數據處理.mkv 45.40M | └──09、06 NLP-baseline》75、10 sgm_3_2_模型實現..mkv 74.06M ├──10、07 信息抽取-命名實體識別》 | ├──10、07 信息抽取-命名實體識別》02、1.1- BiLSTM-CRF-論文研究背景.mkv 66.78M | ├──10、07 信息抽取-命名實體識別》03、1.2- BiLSTM-CRF-論文算法總覽.mkv 36.74M | ├──10、07 信息抽取-命名實體識別》04、1.3-BiLSTM-CRF模型結構.mkv 27.55M | ├──10、07 信息抽取-命名實體識別》05、1.4-BiLSTM-CRF損失函數與維特比解碼.mkv 22.59M | ├──10、07 信息抽取-命名實體識別》06、1.5- BiLSTM-CRF-實驗結果與論文總結.mkv 14.80M | ├──10、07 信息抽取-命名實體識別》07、1.6- BiLSTM-CRF代碼講解.mkv 44.44M | ├──10、07 信息抽取-命名實體識別》08、1.7- BiLSTM-CRF-NCR-Fpp代碼詳解.mkv 49.23M | ├──10、07 信息抽取-命名實體識別》09、2.1_LatticeLSTM論文研究背景.mkv 74.91M | ├──10、07 信息抽取-命名實體識別》10、2.2_LatticeLSTM模型總覽..mkv 27.34M | ├──10、07 信息抽取-命名實體識別》11、2.3_LatticeLSTM模型細節(jié).mkv 25.24M | ├──10、07 信息抽取-命名實體識別》12、2.4_LatticeLSTM論文實驗與總結.mkv 11.05M | ├──10、07 信息抽取-命名實體識別》13、2.5_LatticeLSTM代碼講解..mkv 88.61M | ├──10、07 信息抽取-命名實體識別》14、3.1_LR-CNN論文研究背景.mkv 78.05M | ├──10、07 信息抽取-命名實體識別》15、3.2_LR-CNN模型總覽.mkv 23.62M | ├──10、07 信息抽取-命名實體識別》16、3.3_LR-CNN模型細節(jié).mkv 19.87M | ├──10、07 信息抽取-命名實體識別》17、3.4_LR-CNN模型細節(jié)2..mkv 13.75M | ├──10、07 信息抽取-命名實體識別》18、3.5_LR-CNN論文代碼講解..mkv 44.43M | ├──10、07 信息抽取-命名實體識別》19、4.1_LGN論文研究背景..mkv 81.93M | ├──10、07 信息抽取-命名實體識別》20、4.2_LGN模型總覽..mkv 12.85M | ├──10、07 信息抽取-命名實體識別》21、4.3_LGN模型詳解.mkv 17.23M | ├──10、07 信息抽取-命名實體識別》22、4.4_LGN代碼講解.mkv 26.42M | ├──10、07 信息抽取-命名實體識別》23、5.1_TENER論文研究背景.mkv 137.09M | ├──10、07 信息抽取-命名實體識別》24、5.2_TENER模型總覽.mkv 49.63M | ├──10、07 信息抽取-命名實體識別》25、5.3_TENER模型詳解.mkv 72.78M | ├──10、07 信息抽取-命名實體識別》26、5.4_TENER模型總結.mkv 30.15M | ├──10、07 信息抽取-命名實體識別》27、5.5_TENER模型代碼.mkv 73.36M | ├──10、07 信息抽取-命名實體識別》28、6-1_Soft_Lexicon論文研究背景..mkv 130.51M | ├──10、07 信息抽取-命名實體識別》29、6-2_Soft_Lexicon模型總覽.mp4.mkv 27.98M | ├──10、07 信息抽取-命名實體識別》30、6-3_Soft_Lexicon模型詳解..mkv 24.14M | ├──10、07 信息抽取-命名實體識別》31、6-4_Soft_Lexicon模型總結..mkv 61.13M | └──10、07 信息抽取-命名實體識別》32、6-5_Soft_Lexicon模型代碼..mkv 46.15M ├──11、07 （2）信息抽取-關系抽取》 | ├──11、07 （2）信息抽取-關系抽取》01、【11月6日】篇章級事件抽取前沿直播.mkv 222.57M | ├──11、07 （2）信息抽取-關系抽取》03、01 cnn_for-re-01.mp4（新版）.mkv 41.20M | ├──11、07 （2）信息抽取-關系抽取》04、01 cnn_for-re-02.mp4（新版）.mkv 53.55M | ├──11、07 （2）信息抽取-關系抽取》05、01 cnn_for-re-03.mp4（新版）.mkv 56.90M | ├──11、07 （2）信息抽取-關系抽取》06、01 cnn_for-re-04.mp4（新版）.mkv 67.45M | ├──11、07 （2）信息抽取-關系抽取》07、01 cnn_for-re-05.mp4（新版）.mkv 53.36M | ├──11、07 （2）信息抽取-關系抽取》08、01 code_cnn_for_re-06（新版）.mkv 77.94M | ├──11、07 （2）信息抽取-關系抽取》09、01 code_cnn_for_re-07（新版）.mkv 76.29M | ├──11、07 （2）信息抽取-關系抽取》10、01 code_cnn_for_re-08（新版）.mkv 88.95M | ├──11、07 （2）信息抽取-關系抽取》11、01 code_cnn_for_re-09（新版）.mkv 103.43M | ├──11、07 （2）信息抽取-關系抽取》12、01 code_cnn_for_re-10（新版）.mkv 59.76M | ├──11、07 （2）信息抽取-關系抽取》13、02 pcnn_crcnn_1_PCNN背景及部分相關工作（新版）.mkv 63.74M | ├──11、07 （2）信息抽取-關系抽取》14、02 pcnn_crcnn_2_PCNN的相關工作（新版）.mkv 52.01M | ├──11、07 （2）信息抽取-關系抽取》15、02 pcnn_crcnn_3_PCNN的模型部分（新版）.mkv 62.61M | ├──11、07 （2）信息抽取-關系抽取》16、02 pcnn_crcnn_4_PCNN的實驗部分及CRCNN的背景（新版）.mkv 38.75M | ├──11、07 （2）信息抽取-關系抽取》17、02 pcnn_crcnn_5_CRCNN的相關工作及模型部分（新版）.mkv 83.55M | ├──11、07 （2）信息抽取-關系抽取》18、02 pcnn_crcnn_6_CRCNN的實驗部分及總結（新版）.mkv 39.43M | ├──11、07 （2）信息抽取-關系抽取》19、02 pcnn_code-7-前期回顧及輸出處理1（新版）.mkv 64.57M | ├──11、07 （2）信息抽取-關系抽取》20、02 pcnn_code-8-數據處理2（新版）.mkv 48.79M | ├──11、07 （2）信息抽取-關系抽取》21、02 pcnn_code-9-模型定義（新版）.mkv 64.54M | ├──11、07 （2）信息抽取-關系抽取》22、02 pcnn_code-10-模型訓練1（新版）.mkv 46.77M | ├──11、07 （2）信息抽取-關系抽取》23、02 pcnn_code-11-模型訓練2及模型評價（新版）.mkv 96.84M | ├──11、07 （2）信息抽取-關系抽取》24、3.1 att-blstm 關系識別-背景介紹.（舊版）.mkv 56.28M | ├──11、07 （2）信息抽取-關系抽取》25、3.2 att-blstm 關系識別-模型詳解.（舊版）.mkv 85.90M | ├──11、07 （2）信息抽取-關系抽取》26、3.3 att-blstm 關系識別-代碼實戰(zhàn).（舊版）.mkv 121.00M | ├──11、07 （2）信息抽取-關系抽取》27、03 lstmatt_1_背景及相關工作（新版）.mkv 87.87M | ├──11、07 （2）信息抽取-關系抽取》28、03 lstmatt_2_模型及實驗（新版）.mkv 84.46M | ├──11、07 （2）信息抽取-關系抽取》29、03 att_lstm_code_3_課程回顧及超參數設置（新版）.mkv 91.06M | ├──11、07 （2）信息抽取-關系抽取》30、03 att_lstm_code_4_數據處理及模型定義（新版）.mkv 105.53M | ├──11、07 （2）信息抽取-關系抽取》31、03 att_lstm_code_5_模型訓練及模型評價（新版）.mkv 93.61M | ├──11、07 （2）信息抽取-關系抽取》32、4.1 LSTM-LSTM-bias 背景介紹.（舊版）.mkv 71.00M | ├──11、07 （2）信息抽取-關系抽取》33、4.2 LSTM-LSTM-bias模型詳解.（舊版）.mkv 91.63M | ├──11、07 （2）信息抽取-關系抽取》34、4.3 LSTM-LSTM-bias代碼實戰(zhàn)（舊版）.mkv 151.05M | ├──11、07 （2）信息抽取-關系抽取》35、04 novel_tagging_paper_1_背景及相關工作01（新版）.mkv 77.73M | ├──11、07 （2）信息抽取-關系抽取》36、04 novel_tagging_paper_2_相關工作02（新版）.mkv 61.51M | ├──11、07 （2）信息抽取-關系抽取》37、04 novel_tagging_paper_3_相關工作03（新版）.mkv 83.44M | ├──11、07 （2）信息抽取-關系抽取》38、04 novel_tagging_paper_4_模型（新版）.mkv 64.79M | ├──11、07 （2）信息抽取-關系抽取》39、04 novel_tagging_code_1_準備工作_超參數定義_數據處理（新版）.mkv 120.29M | ├──11、07 （2）信息抽取-關系抽取》40、04 novel_tagging_code_2_數據讀取_模型訓練與評價（新版）.mkv 107.74M | ├──11、07 （2）信息抽取-關系抽取》41、04 novel_tagging_paper_5_實驗（新版）.mkv 36.17M | ├──11、07 （2）信息抽取-關系抽取》42、05 casrel_paper_0（新版）.mkv 55.00M | ├──11、07 （2）信息抽取-關系抽取》43、05 casrel_paper_1（新版）.mkv 34.01M | ├──11、07 （2）信息抽取-關系抽取》44、05 casrel_paper_2（新版）.mkv 57.32M | ├──11、07 （2）信息抽取-關系抽取》45、05 casrel_paper_3（新版）.mkv 53.37M | ├──11、07 （2）信息抽取-關系抽取》46、05 casrel_paper_4（新版）.mkv 53.62M | ├──11、07 （2）信息抽取-關系抽取》47、05 casrel_code_5（新版）.mkv 71.51M | ├──11、07 （2）信息抽取-關系抽取》48、05 casrel_code_6（新版）.mkv 93.40M | ├──11、07 （2）信息抽取-關系抽取》49、05 casrel_code_7（新版）.mkv 93.61M | └──11、07 （2）信息抽取-關系抽取》50、05 casrel_code_8（新版）.mkv 119.63M ├──12、08 NLP-預訓練模型》 | ├──12、08 NLP-預訓練模型》02、01transformer-01-論文背景&研究成果.mkv 53.26M | ├──12、08 NLP-預訓練模型》03、01transformer-02-attention回顧.mkv 54.19M | ├──12、08 NLP-預訓練模型》04、01transformer-03-模型框架和self_attention.mkv 55.85M | ├──12、08 NLP-預訓練模型》05、01transformer-04-模型小trick..mkv 96.70M | ├──12、08 NLP-預訓練模型》06、01transformer-05-代碼框架部分和encoder.mkv 105.28M | ├──12、08 NLP-預訓練模型》07、01transformer-06-代碼decoder和self_attention.mkv 98.23M | ├──12、08 NLP-預訓練模型》08、01transformer-07-代碼訓練部分和預測部分.mkv 156.37M | ├──12、08 NLP-預訓練模型》09、02transformer_xl-01-論文背景..mkv 65.83M | ├──12、08 NLP-預訓練模型》10、02transformer_xl-02-vallini model回顧..mkv 52.17M | ├──12、08 NLP-預訓練模型》11、02transformer_xl-03-片段級遞歸機制..mkv 47.51M | ├──12、08 NLP-預訓練模型》12、02transformer_xl-04-相對位置編碼和小trick..mkv 53.59M | ├──12、08 NLP-預訓練模型》13、02transformer_xl-05-論文總結..mkv 94.00M | ├──12、08 NLP-預訓練模型》14、02transformerxl-06-代碼數據準備..mkv 58.82M | ├──12、08 NLP-預訓練模型》15、02transformerxl-07-代碼self attention..mkv 132.05M | ├──12、08 NLP-預訓練模型》16、02transformer_xl-08-代碼update memory和adaptive.mkv 101.14M | ├──12、08 NLP-預訓練模型》17、02transformer_xl-09-代碼adaptive softmax2..mkv 151.16M | ├──12、08 NLP-預訓練模型》18、03elmo-01-elmo的下游任務介紹..mkv 29.04M | ├──12、08 NLP-預訓練模型》19、03elmo-02-feature_based和fine_tuning.mkv 24.26M | ├──12、08 NLP-預訓練模型》20、03elmo-03-word2vec和charcnn回顧.mkv 19.15M | ├──12、08 NLP-預訓練模型》21、03elmo-04-Bidirectional_language_models.mkv 22.20M | ├──12、08 NLP-預訓練模型》22、03elmo-05-how to use emol..mkv 18.26M | ├──12、08 NLP-預訓練模型》23、03elmo-06-論文回顧..mkv 67.67M | ├──12、08 NLP-預訓練模型》24、03elmo-07-代碼預處理部分.mkv 78.29M | ├──12、08 NLP-預訓練模型》25、03elmo-08-代碼模型結構部分.mkv 102.25M | ├──12、08 NLP-預訓練模型》26、03elmo-09-代碼crf流程..mkv 42.40M | ├──12、08 NLP-預訓練模型》27、03elmo-10-代碼crf實現..mkv 143.87M | ├──12、08 NLP-預訓練模型》28、04gpt-01-nlp下游任務介紹.mkv 40.46M | ├──12、08 NLP-預訓練模型》29、04gpt-02-transformer回顧.mkv 32.37M | ├──12、08 NLP-預訓練模型》30、04gpt-03-預訓練和fine-tuning.mkv 23.39M | ├──12、08 NLP-預訓練模型》31、04gpt-04-輸入轉換.mkv 17.50M | ├──12、08 NLP-預訓練模型》32、04gpt-05-論文回顧..mkv 50.40M | ├──12、08 NLP-預訓練模型》33、04gpt-06-代碼流程和建立vocab.mkv 70.76M | ├──12、08 NLP-預訓練模型》34、04gpt-07-代碼與處理部分.mkv 52.48M | ├──12、08 NLP-預訓練模型》35、04gpt-08-代碼trasform_roc部分.mkv 21.58M | ├──12、08 NLP-預訓練模型》36、04gpt-09-代碼transformer_model部分.mkv 57.92M | ├──12、08 NLP-預訓練模型》37、04gpt-10-代碼兩種loss的計算.mkv 43.94M | ├──12、08 NLP-預訓練模型》38、04gpt-11-代碼訓練部分.mkv 51.88M | ├──12、08 NLP-預訓練模型》39、05bert-01-bert的背景和glue benchmark..mkv 27.87M | ├──12、08 NLP-預訓練模型》40、05bert-02-論文導讀和bert 衍生模型..mkv 26.39M | ├──12、08 NLP-預訓練模型》41、05bert-03-bert、gtp、elmo的比較.mkv 14.58M | ├──12、08 NLP-預訓練模型》42、05bert-04-bert model和pre-training部分.mkv 28.48M | ├──12、08 NLP-預訓練模型》43、05bert-05-bert的fine-tuning部分.mkv 20.46M | ├──12、08 NLP-預訓練模型》44、05bert-06-代碼fine-tuning數據預處理和model 加載.mkv 37.48M | ├──12、08 NLP-預訓練模型》45、05bert-07-代碼fine-tuning訓練部分.mkv 24.08M | ├──12、08 NLP-預訓練模型》46、05bert-08-代碼bert pretrain的NSP.mkv 43.80M | ├──12、08 NLP-預訓練模型》47、05bert-09-代碼pertrain預處理.mkv 60.81M | ├──12、08 NLP-預訓練模型》48、05bert-10-代碼bert-pretrain的transformer部分..mkv 47.08M | ├──12、08 NLP-預訓練模型》49、05bert-11-代碼bert pretrain的loss計算..mkv 59.92M | ├──12、08 NLP-預訓練模型》50、06ulmfit-01-uimfit背景介紹.mkv 37.51M | ├──12、08 NLP-預訓練模型》51、06ulmfit-02-awdLstm回顧..mkv 20.91M | ├──12、08 NLP-預訓練模型》52、06ulmfit-03-下三角學習率.mkv 20.58M | ├──12、08 NLP-預訓練模型》53、06ulmfit-04-classifier fine tuning..mkv 18.11M | ├──12、08 NLP-預訓練模型》54、06ulmfit-05-論文回顧.mkv 80.46M | ├──12、08 NLP-預訓練模型》55、06ulmfit-06-代碼fine tuning部分.mkv 50.31M | ├──12、08 NLP-預訓練模型》56、06ulmfit-07-代碼逐層解凍和預測.mkv 36.63M | ├──12、08 NLP-預訓練模型》57、06ulmfit-08-代碼pycharm lm部分..mkv 42.29M | ├──12、08 NLP-預訓練模型》58、07albert-01-albert背景介紹.mkv 46.97M | ├──12、08 NLP-預訓練模型》59、07albert-02-輕量級bert回顧.mkv 42.60M | ├──12、08 NLP-預訓練模型》60、07albert-03-embedding layer的因式分解.mkv 55.15M | ├──12、08 NLP-預訓練模型》61、07albert-04-albert跨層參數共享.mkv 28.91M | ├──12、08 NLP-預訓練模型》62、07albert-05-NSP任務和論文回顧..mkv 108.88M | ├──12、08 NLP-預訓練模型》63、07albert-06-代碼tokenizer部分.mkv 50.71M | ├──12、08 NLP-預訓練模型》64、07albert-07-代碼samplemask.mkv 87.56M | ├──12、08 NLP-預訓練模型》65、07albert-08-代碼transformer結構.mkv 81.61M | ├──12、08 NLP-預訓練模型》66、07albert-09-代碼pretrain 訓練部分.mkv 46.71M | ├──12、08 NLP-預訓練模型》67、07albert-10-代碼albert fine-tuning.mkv 170.72M | ├──12、08 NLP-預訓練模型》68、08mass-01-mass背景介紹..mkv 73.51M | ├──12、08 NLP-預訓練模型》69、08mass-02-bert和gpt回顧..mkv 50.11M | ├──12、08 NLP-預訓練模型》70、08mass-03-mass 的seq2seq pretraining..mkv 64.88M | ├──12、08 NLP-預訓練模型》71、08mass-04-mass的discussions..mkv 118.93M | ├──12、08 NLP-預訓練模型》72、08mass-05-代碼fairseq的訓練流程..mkv 79.12M | ├──12、08 NLP-預訓練模型》73、08mass-06-代碼mass的xseq2seq部分.mkv 161.22M | ├──12、08 NLP-預訓練模型》74、08mass-07-代碼mass的xtransformer部分..mkv 73.21M | ├──12、08 NLP-預訓練模型》75、08mass-08-代碼mass的dataset準備..mkv 99.92M | ├──12、08 NLP-預訓練模型》76、09xlnet-01-xlnet背景介紹..mkv 47.34M | ├──12、08 NLP-預訓練模型》77、09xlnet-02-AR和AE的比較..mkv 59.35M | ├──12、08 NLP-預訓練模型》78、09xlnet-03-排列l(wèi)m部分..mkv 48.28M | ├──12、08 NLP-預訓練模型》79、09xlnet-04-排列l(wèi)m的mask實現.mkv 40.57M | ├──12、08 NLP-預訓練模型》80、09xlnet-05-傳統(tǒng)lm存在的問題..mkv 32.56M | ├──12、08 NLP-預訓練模型》81、09xlnet-06-Two Stream Self-attention..mkv 56.33M | ├──12、08 NLP-預訓練模型》82、09xlnet-07-xlnet論文回顧.mkv 69.35M | ├──12、08 NLP-預訓練模型》83、09xlnet-08-代碼xlnet的fine-tuning..mkv 61.78M | ├──12、08 NLP-預訓練模型》84、09xlnet-09-代碼xlnet的mask..mkv 180.55M | ├──12、08 NLP-預訓練模型》85、09xlnet-10-代碼xlnet的self attention..mkv 126.95M | ├──12、08 NLP-預訓練模型》86、10electra-01-electra背景介紹..mkv 56.59M | ├──12、08 NLP-預訓練模型》87、10electra-02-gan的回顧..mkv 43.00M | ├──12、08 NLP-預訓練模型》88、10electra-03-electra的生成器和判別器詳解..mkv 38.97M | ├──12、08 NLP-預訓練模型》89、10electra-04-論文回顧..mkv 84.85M | ├──12、08 NLP-預訓練模型》90、10electra-05-代碼electra訓練流程..mkv 106.36M | ├──12、08 NLP-預訓練模型》91、10electra-06-代碼預處理部分..mkv 123.43M | ├──12、08 NLP-預訓練模型》92、10electra-07-代碼生成器和判別器..mkv 126.26M | └──12、08 NLP-預訓練模型》93、10electra-08-代碼start training部分..mkv 120.19M ├──13、09 NLP-圖神經網絡》 | ├──13、09 NLP-圖神經網絡》02、00圖神經網絡專題-01-開班課..mkv 59.92M | ├──13、09 NLP-圖神經網絡》03、00圖神經網絡專題-02-開班課.mkv 34.39M | ├──13、09 NLP-圖神經網絡》04、02第二次直播答疑..mkv 72.01M | ├──13、09 NLP-圖神經網絡》05、03第三次直播答疑..mkv 50.57M | ├──13、09 NLP-圖神經網絡》06、05第五次直播答疑..mkv 44.09M | ├──13、09 NLP-圖神經網絡》07、01nodevec-01-研究背景.mkv 24.53M | ├──13、09 NLP-圖神經網絡》08、01nodevec-02-研究成果.mkv 43.82M | ├──13、09 NLP-圖神經網絡》09、01nodevec-03-圖的應用.mkv 33.36M | ├──13、09 NLP-圖神經網絡》100、08gcn-09-gcn頻域公式推導..mkv 73.58M | ├──13、09 NLP-圖神經網絡》101、08gcn-10-實驗分析..mkv 80.77M | ├──13、09 NLP-圖神經網絡》102、08gcn-11-論文總結..mkv 41.25M | ├──13、09 NLP-圖神經網絡》103、08gcn-12-代碼介紹..mkv 43.63M | ├──13、09 NLP-圖神經網絡》104、08gcn-13-讀圖預處理..mkv 51.03M | ├──13、09 NLP-圖神經網絡》105、08gcn-14-gcn模型實現及代碼總結.mp4.mkv 49.05M | ├──13、09 NLP-圖神經網絡》106、09ggnn-01-研究背景..mkv 47.90M | ├──13、09 NLP-圖神經網絡》107、09ggnn-02-ggnn模型簡介..mkv 33.75M | ├──13、09 NLP-圖神經網絡》108、09ggnn-03-研究成果研究意義..mkv 36.32M | ├──13、09 NLP-圖神經網絡》109、09ggnn-04-模型總覽..mkv 63.70M | ├──13、09 NLP-圖神經網絡》10、01nodevec-04-模型結構&BFS&DFS.mkv 107.53M | ├──13、09 NLP-圖神經網絡》110、09ggnn-05-GRU模型簡單回顧..mkv 27.46M | ├──13、09 NLP-圖神經網絡》111、09ggnn-06-GGNN模型細節(jié)..mkv 79.20M | ├──13、09 NLP-圖神經網絡》112、09ggnn-07-GGSNNs模型細節(jié)..mkv 55.17M | ├──13、09 NLP-圖神經網絡》113、09ggnn-08-bAbI任務..mkv 88.46M | ├──13、09 NLP-圖神經網絡》114、09ggnn-09-RNN圖數據分析..mkv 30.46M | ├──13、09 NLP-圖神經網絡》115、09ggnn-10-實驗分析&論文總結..mkv 60.07M | ├──13、09 NLP-圖神經網絡》116、09ggnn-11-代碼介紹..mkv 44.74M | ├──13、09 NLP-圖神經網絡》117、09ggnn-12-讀圖..mkv 112.01M | ├──13、09 NLP-圖神經網絡》118、09ggnn-13-ggnn模型代碼..mkv 154.17M | ├──13、09 NLP-圖神經網絡》119、09ggnn-14-模型訓練和測試..mkv 39.97M | ├──13、09 NLP-圖神經網絡》11、01nodevec-05-模型算法&alias算法.mkv 191.90M | ├──13、09 NLP-圖神經網絡》120、10mpnn-01-研究背景..mkv 41.16M | ├──13、09 NLP-圖神經網絡》121、10mpnn-02-mpnn框架簡介..mkv 26.50M | ├──13、09 NLP-圖神經網絡》122、10mpnn-03-研究成果研究意義..mkv 37.56M | ├──13、09 NLP-圖神經網絡》123、10mpnn-04-模型總覽..mkv 85.54M | ├──13、09 NLP-圖神經網絡》124、10mpnn-05-mpnn框架..mkv 27.55M | ├──13、09 NLP-圖神經網絡》125、10mpnn-06-mpnn代表模型..mkv 130.75M | ├──13、09 NLP-圖神經網絡》126、10mpnn-07-化學分子預測模型..mkv 111.05M | ├──13、09 NLP-圖神經網絡》127、10mpnn-08-set2set模型..mkv 75.16M | ├──13、09 NLP-圖神經網絡》128、10mpnn-09-專題總結..mkv 41.94M | ├──13、09 NLP-圖神經網絡》129、10mpnn-10-實驗分析..mkv 72.38M | ├──13、09 NLP-圖神經網絡》12、01nodevec-06-實驗分析.mkv 140.14M | ├──13、09 NLP-圖神經網絡》130、10mpnn-11-論文總結..mkv 51.85M | ├──13、09 NLP-圖神經網絡》131、10mpnn-12-代碼介紹..mkv 68.93M | ├──13、09 NLP-圖神經網絡》132、10mpnn-13-構造圖..mkv 118.56M | ├──13、09 NLP-圖神經網絡》133、10mpnn-14-DataLoader封裝..mkv 50.74M | ├──13、09 NLP-圖神經網絡》134、10mpnn-15-mpnn框架代碼..mkv 109.56M | ├──13、09 NLP-圖神經網絡》135、10mpnn-16-模型訓練和測試..mkv 37.55M | ├──13、09 NLP-圖神經網絡》13、01nodevec-07-論文總結.mkv 64.72M | ├──13、09 NLP-圖神經網絡》14、01nodevec-08-代碼整體介紹.mkv 98.25M | ├──13、09 NLP-圖神經網絡》15、01nodevec-09-代碼節(jié)點和邊的alias實現.mkv 107.56M | ├──13、09 NLP-圖神經網絡》16、01nodevec-10-代碼有偏隨機游走和模型訓練.mkv 45.73M | ├──13、09 NLP-圖神經網絡》17、01nodevec-11-代碼結果展示和總結.mkv 20.72M | ├──13、09 NLP-圖神經網絡》18、02-line-01-論文背景..mkv 54.02M | ├──13、09 NLP-圖神經網絡》19、02-line-02-研究成果研究意義..mkv 64.65M | ├──13、09 NLP-圖神經網絡》20、02-line-03-前期知識..mkv 40.10M | ├──13、09 NLP-圖神經網絡》21、02-line-04-一二階相似度..mkv 129.42M | ├──13、09 NLP-圖神經網絡》22、02-line-05-模型優(yōu)化時間復雜度..mkv 102.21M | ├──13、09 NLP-圖神經網絡》23、02-line-06-實驗分析一..mkv 129.07M | ├──13、09 NLP-圖神經網絡》24、02-line-07-實驗分析二..mkv 52.30M | ├──13、09 NLP-圖神經網絡》25、02-line-08-論文總結..mkv 90.22M | ├──13、09 NLP-圖神經網絡》26、02-line-09-代碼讀圖..mkv 44.00M | ├──13、09 NLP-圖神經網絡》27、02-line-10-代碼aliasSampling..mkv 64.10M | ├──13、09 NLP-圖神經網絡》28、02-line-11-代碼line模型實現..mkv 115.73M | ├──13、09 NLP-圖神經網絡》29、03-sdne-01-論文背景..mkv 34.54M | ├──13、09 NLP-圖神經網絡》30、03-sdne-02-前期知識..mkv 40.70M | ├──13、09 NLP-圖神經網絡》31、03-sdne-03-研究成果..mkv 38.41M | ├──13、09 NLP-圖神經網絡》32、03sdne-04-模型結構..mkv 81.64M | ├──13、09 NLP-圖神經網絡》33、03sdne-05-一二階相似度..mkv 92.35M | ├──13、09 NLP-圖神經網絡》34、03sdne-06-自編碼器&稀疏性問題..mkv 105.94M | ├──13、09 NLP-圖神經網絡》35、03sdne-07-優(yōu)化方法&時間復雜度..mkv 115.29M | ├──13、09 NLP-圖神經網絡》36、03sdne-08-實驗設置介紹..mkv 136.86M | ├──13、09 NLP-圖神經網絡》37、03sdne-09-實驗分析..mkv 101.44M | ├──13、09 NLP-圖神經網絡》38、03sdne-10-代碼模型訓練..mkv 69.25M | ├──13、09 NLP-圖神經網絡》39、03sdne-11-代碼sdne模型實現..mkv 64.56M | ├──13、09 NLP-圖神經網絡》40、03sdne-12-代碼模型訓練..mkv 60.57M | ├──13、09 NLP-圖神經網絡》41、04metapath2vec-01-研究背景..mkv 47.88M | ├──13、09 NLP-圖神經網絡》42、04metapath2vec-02-研究成果..mkv 62.24M | ├──13、09 NLP-圖神經網絡》43、04metapath2vec-03-異質網絡skip2gram..mkv 83.85M | ├──13、09 NLP-圖神經網絡》44、04metapath2vec-04-算法細節(jié)..mkv 131.35M | ├──13、09 NLP-圖神經網絡》45、04metapath2vec-05-實驗分析..mkv 137.72M | ├──13、09 NLP-圖神經網絡》46、04metapath2vec-06-論文總結..mkv 53.27M | ├──13、09 NLP-圖神經網絡》47、04metapath2vec-07-代碼dgl平臺介紹..mkv 45.22M | ├──13、09 NLP-圖神經網絡》48、04metapath2vec-08-代碼生成meta-path訓練集..mkv 113.10M | ├──13、09 NLP-圖神經網絡》49、04metapath2vec-09-代碼模型實現..mkv 94.38M | ├──13、09 NLP-圖神經網絡》50、04metapath2vec-10-代碼模型訓練..mkv 98.04M | ├──13、09 NLP-圖神經網絡》51、05transe-01-研究背景..mkv 43.03M | ├──13、09 NLP-圖神經網絡》52、05transe-02-研究成果研究意義..mkv 58.07M | ├──13、09 NLP-圖神經網絡》53、05transe-03-transE算法..mkv 68.75M | ├──13、09 NLP-圖神經網絡》54、05transe-04-transH算法..mkv 71.65M | ├──13、09 NLP-圖神經網絡》55、05transe-05-transR算法..mkv 81.53M | ├──13、09 NLP-圖神經網絡》56、05transe-06-transH算法..mkv 99.51M | ├──13、09 NLP-圖神經網絡》57、05transe-07-模型對比和總結..mkv 27.27M | ├──13、09 NLP-圖神經網絡》58、05transe-08-實驗設置和分析..mkv 66.85M | ├──13、09 NLP-圖神經網絡》59、05transe-09-實驗分析.mp4.mkv 48.97M | ├──13、09 NLP-圖神經網絡》60、05transe-10-論文總結..mkv 20.80M | ├──13、09 NLP-圖神經網絡》61、05transe-11-代碼介紹..mkv 9.70M | ├──13、09 NLP-圖神經網絡》62、05transe-12-代碼詳解一..mkv 68.89M | ├──13、09 NLP-圖神經網絡》63、05transe-13-代碼詳解二..mkv 67.54M | ├──13、09 NLP-圖神經網絡》64、05transe-14-TransR等實現及代碼總結..mkv 75.84M | ├──13、09 NLP-圖神經網絡》65、06gat-01-研究背景..mkv 38.59M | ├──13、09 NLP-圖神經網絡》66、06gat-02-圖卷積消息傳遞..mkv 34.06M | ├──13、09 NLP-圖神經網絡》67、06gat-03-研究成果研究意義..mkv 37.53M | ├──13、09 NLP-圖神經網絡》68、06gat-04-gnn核心框架..mkv 97.46M | ├──13、09 NLP-圖神經網絡》69、06gat-05-gat算法講解..mkv 56.07M | ├──13、09 NLP-圖神經網絡》70、06gat-06-各種attention總結..mkv 54.61M | ├──13、09 NLP-圖神經網絡》71、06gat-07-multi-head起源簡介..mkv 29.76M | ├──13、09 NLP-圖神經網絡》72、06gat-08-GAT算法總結和實驗設置..mkv 136.73M | ├──13、09 NLP-圖神經網絡》73、06gat-09-論文總結..mkv 52.47M | ├──13、09 NLP-圖神經網絡》74、06gat-10-代碼介紹..mkv 78.10M | ├──13、09 NLP-圖神經網絡》75、06gat-11-代碼設置參數&讀圖..mkv 66.59M | ├──13、09 NLP-圖神經網絡》76、06gat-12-鄰接矩陣歸一化..mkv 50.56M | ├──13、09 NLP-圖神經網絡》77、06gat-13-gat模型實現..mkv 95.60M | ├──13、09 NLP-圖神經網絡》78、06gat-14-gat模型訓練及代碼總結..mkv 57.53M | ├──13、09 NLP-圖神經網絡》79、07graphsage-01-研究背景..mkv 46.11M | ├──13、09 NLP-圖神經網絡》80、07graphsage-02-graphSAGE模型簡介..mkv 27.28M | ├──13、09 NLP-圖神經網絡》81、07graphsage-03-研究成果研究意義..mkv 43.82M | ├──13、09 NLP-圖神經網絡》82、07graphsage-04-模型總覽..mkv 33.28M | ├──13、09 NLP-圖神經網絡》83、07graphsage-05-算法詳解..mkv 97.91M | ├──13、09 NLP-圖神經網絡》84、07graphsage-06-監(jiān)督訓練及aggregators..mkv 52.98M | ├──13、09 NLP-圖神經網絡》85、07graphsage-07-batch訓練及WLtest..mkv 106.60M | ├──13、09 NLP-圖神經網絡》86、07graphsage-08-實驗分析..mkv 92.23M | ├──13、09 NLP-圖神經網絡》87、07graphsage-09-代碼介紹.mkv 52.40M | ├──13、09 NLP-圖神經網絡》88、07graphsage-10-讀圖讀特征..mkv 50.08M | ├──13、09 NLP-圖神經網絡》89、07graphsage-11-mean-aggregator講解..mkv 69.78M | ├──13、09 NLP-圖神經網絡》90、07graphsage-12-encoder講解..mkv 43.68M | ├──13、09 NLP-圖神經網絡》91、07graphsage-13-模型訓練及代碼總結..mkv 37.27M | ├──13、09 NLP-圖神經網絡》92、08gcn-01-研究背景.cmproj..mkv 38.96M | ├──13、09 NLP-圖神經網絡》93、08gcn-02-gcn模型簡介..mkv 33.43M | ├──13、09 NLP-圖神經網絡》94、08gcn-03-研究成果研究意義..mkv 38.91M | ├──13、09 NLP-圖神經網絡》95、08gcn-04-模型總覽..mkv 41.49M | ├──13、09 NLP-圖神經網絡》96、08gcn-05-RGCN模型簡介..mkv 101.38M | ├──13、09 NLP-圖神經網絡》97、08gcn-06-拉普拉斯矩陣..mkv 31.68M | ├──13、09 NLP-圖神經網絡》98、08gcn-07-圖的頻域變換..mkv 35.21M | └──13、09 NLP-圖神經網絡》99、08gcn-08-Chebyshev卷積核.mp4.mkv 33.36M ├──14、10 NLP-文本匹配》 | ├──14、10 NLP-文本匹配》02、01DSSM-00專題引言.mkv 29.04M | ├──14、10 NLP-文本匹配》03、01DSSM-01-學習目標..mkv 9.79M | ├──14、10 NLP-文本匹配》04、01DSSM-02-論文背景、貢獻及意義.mkv 14.11M | ├──14、10 NLP-文本匹配》05、01DSSM-03摘要精讀、總結.mkv 10.44M | ├──14、10 NLP-文本匹配》06、01DSSM-04-上節(jié)回顧.mkv 10.67M | ├──14、10 NLP-文本匹配》07、01DSSM-05-詞哈希.mkv 17.54M | ├──14、10 NLP-文本匹配》08、01DSSM-06-DSSM整體結構.mkv 11.30M | ├──14、10 NLP-文本匹配》09、01DSSM-07-優(yōu)化函數、實驗與總結.mkv 13.91M | ├──14、10 NLP-文本匹配》100、10-代碼講解-11.mkv 102.90M | ├──14、10 NLP-文本匹配》10、01DSSM-08-代碼總覽.mkv 14.93M | ├──14、10 NLP-文本匹配》11、01DSSM-09-詞哈希表的建立與數據載入.mkv 18.36M | ├──14、10 NLP-文本匹配》12、01DSSM-10-模型的搭建與訓練、測試.mkv 19.42M | ├──14、10 NLP-文本匹配》13、02SiameseNet-01-孿生網絡定義.mkv 11.92M | ├──14、10 NLP-文本匹配》14、02SiameseNet-02-論文背景、成果、意義.mkv 15.55M | ├──14、10 NLP-文本匹配》15、02SiameseNet-03-摘要帶讀、課程小節(jié).mkv 7.32M | ├──14、10 NLP-文本匹配》16、02SiameseNet-04-SiameseNet整體結構..mkv 19.27M | ├──14、10 NLP-文本匹配》17、02SiameseNet-05-對比損失函數.mkv 9.05M | ├──14、10 NLP-文本匹配》18、02SiameseNet-06-實驗設置與分析.mkv 11.62M | ├──14、10 NLP-文本匹配》19、02SiameseNet-07-復習、代碼總覽.mkv 18.67M | ├──14、10 NLP-文本匹配》20、02SiameseNet-08-data_load..mkv 14.12M | ├──14、10 NLP-文本匹配》21、02SiameseNet-09-模型搭建與訓練.mkv 14.16M | ├──14、10 NLP-文本匹配》22、03比較-聚合模型-01序列到序列模型..mkv 29.83M | ├──14、10 NLP-文本匹配》23、03比較-聚合模型-02注意力改進的編碼器解碼器結構..mkv 27.15M | ├──14、10 NLP-文本匹配》24、03比較-聚合模型-03文本間的注意力機制..mkv 15.72M | ├──14、10 NLP-文本匹配》25、03比較-聚合模型-04論文背景及相關工作..mkv 27.99M | ├──14、10 NLP-文本匹配》26、03比較-聚合模型-05論文泛讀..mkv 10.33M | ├──14、10 NLP-文本匹配》27、03比較-聚合模型-06整體結構..mkv 20.46M | ├──14、10 NLP-文本匹配》28、03比較-聚合模型-07與處理與注意力層..mkv 10.40M | ├──14、10 NLP-文本匹配》29、03比較-聚合模型-08比較聚合層..mkv 15.01M | ├──14、10 NLP-文本匹配》30、03比較-聚合模型-09實驗分析與總結..mkv 26.55M | ├──14、10 NLP-文本匹配》31、03比較-聚合模型-10SNLI數據集處理..mkv 27.03M | ├──14、10 NLP-文本匹配》32、03比較-聚合模型-11SNLI數據集處理..mkv 26.99M | ├──14、10 NLP-文本匹配》33、03比較-聚合模型-12數據載入模塊..mkv 30.58M | ├──14、10 NLP-文本匹配》34、03比較-聚合模型-13比較-聚合模型搭建與訓練..mkv 39.16M | ├──14、10 NLP-文本匹配》35、03比較-聚合模型-14復習、代碼總覽..mkv 17.21M | ├──14、10 NLP-文本匹配》36、04ESIM-01學習目標與論文背景..mkv 25.51M | ├──14、10 NLP-文本匹配》37、04ESIM-02論文總覽與摘要帶讀..mkv 18.99M | ├──14、10 NLP-文本匹配》38、04ESIM-03ESIM整體結構..mkv 18.43M | ├──14、10 NLP-文本匹配》39、04ESIM-04輸入編碼層..mkv 16.91M | ├──14、10 NLP-文本匹配》40、04ESIM-05局部推理建模層、推理組合層和輸出預測層..mkv 24.68M | ├──14、10 NLP-文本匹配》41、04ESIM-06實驗設置與結果分析..mkv 17.00M | ├──14、10 NLP-文本匹配》42、04ESIM-07論文總結與課程回顧..mkv 10.60M | ├──14、10 NLP-文本匹配》43、04ESIM-08復習、代碼總覽..mkv 19.32M | ├──14、10 NLP-文本匹配》44、04ESIM-09torchtext構建數據集..mkv 35.75M | ├──14、10 NLP-文本匹配》45、04ESIM-10ESIM搭建與訓練..mkv 31.17M | ├──14、10 NLP-文本匹配》46、05BiMPM-01學習目標與研究背景..mkv 16.43M | ├──14、10 NLP-文本匹配》47、05BiMPM-02相關工作..mkv 12.44M | ├──14、10 NLP-文本匹配》48、05BiMPM-03研究成果、意義與論文結構..mkv 8.36M | ├──14、10 NLP-文本匹配》49、05BiMPM-04摘要導讀..mkv 14.90M | ├──14、10 NLP-文本匹配》50、05BiMPM-05上節(jié)回顧與模型結構揣測..mkv 31.14M | ├──14、10 NLP-文本匹配》51、05BiMPM-06模型整體結構..mkv 8.62M | ├──14、10 NLP-文本匹配》52、05BiMPM-07多視角匹配..mkv 22.05M | ├──14、10 NLP-文本匹配》53、05BiMPM-08實驗分析與總結..mkv 16.99M | ├──14、10 NLP-文本匹配》54、06RE2-01-論文研究背景.mp4.mkv 71.62M | ├──14、10 NLP-文本匹配》55、06RE2-02-研究意義、摘要重點講解.mp4.mkv 30.20M | ├──14、10 NLP-文本匹配》56、06RE2-03-RE2結構講解.mp4.mkv 61.55M | ├──14、10 NLP-文本匹配》57、06RE2-04-RE2結構細節(jié)、訓練技巧.mp4.mkv 71.07M | ├──14、10 NLP-文本匹配》58、06RE2-05-實驗設置、結果分析.mp4.mkv 93.22M | ├──14、10 NLP-文本匹配》59、06RE2-06-code1.mp4.mkv 85.61M | ├──14、10 NLP-文本匹配》60、06RE2-07-code2.mp4.mkv 88.37M | ├──14、10 NLP-文本匹配》61、06RE2-08-code3.mp4.mkv 45.20M | ├──14、10 NLP-文本匹配》62、07MGCN-01-泛讀_研究背景、意義講解.mp4.mkv 77.11M | ├──14、10 NLP-文本匹配》63、07MGCN-02-泛讀_成果、大綱介紹.mp4.mkv 34.19M | ├──14、10 NLP-文本匹配》64、07MGCN-03-精讀_BERT出現.mp4.mkv 67.31M | ├──14、10 NLP-文本匹配》65、07MGCN-04-精讀_poly-encoder.mp4(1).mkv 70.19M | ├──14、10 NLP-文本匹配》65、07MGCN-04-精讀_poly-encoder.mp4.mkv 70.19M | ├──14、10 NLP-文本匹配》66、07MGCN-05-精讀_Bert細節(jié).mp4.mkv 96.84M | ├──14、10 NLP-文本匹配》67、07MGCN-06-code1.mp4.mkv 97.85M | ├──14、10 NLP-文本匹配》68、07MGCN-07-code2.mp4.mkv 102.49M | ├──14、10 NLP-文本匹配》69、07MGCN-08-code3.mp4.mkv 70.14M | ├──14、10 NLP-文本匹配》70、08MatchPyramid-01-研究背景.mp4.mkv 68.79M | ├──14、10 NLP-文本匹配》71、08MatchPyramid-02-論文泛讀.mp4.mkv 32.42M | ├──14、10 NLP-文本匹配》72、08MatchPyramid-03-算法模型總覽、結構、matching matrix.m.mkv 72.22M | ├──14、10 NLP-文本匹配》73、08MatchPyramid-04-卷積層講解.mp4.mkv 61.54M | ├──14、10 NLP-文本匹配》74、08MatchPyramid-05-matching score.mp4.mkv 62.96M | ├──14、10 NLP-文本匹配》75、08MatchPyramid-06-訓練技巧、實驗及總結.mp4.mkv 68.29M | ├──14、10 NLP-文本匹配》76、08MatchPyramid-07-code 1.mp4.mkv 65.07M | ├──14、10 NLP-文本匹配》77、08MatchPyramid-08-code 2.mp4.mkv 99.74M | ├──14、10 NLP-文本匹配》78、08MatchPyramid-09-code 3.mp4.mkv 81.15M | ├──14、10 NLP-文本匹配》79、09-MGCN論文泛讀-01.mp4.mkv 67.25M | ├──14、10 NLP-文本匹配》80、09-MGCN論文泛讀-02.mp4.mkv 33.90M | ├──14、10 NLP-文本匹配》81、09-MGCN論文精讀-03.mp4.mkv 72.37M | ├──14、10 NLP-文本匹配》82、09-MGCN論文精讀-04.mp4.mkv 52.64M | ├──14、10 NLP-文本匹配》83、09-MGCN論文精讀-05.mp4.mkv 64.61M | ├──14、10 NLP-文本匹配》84、09-MGCN論文精讀-06.mp4.mkv 59.53M | ├──14、10 NLP-文本匹配》85、09-MGCN論文精讀-07.mp4.mkv 44.18M | ├──14、10 NLP-文本匹配》86、09-MGCN代碼講解-08.mp4.mkv 74.45M | ├──14、10 NLP-文本匹配》87、09-MGCN代碼講解-09.mp4.mkv 83.08M | ├──14、10 NLP-文本匹配》88、09-MGCN代碼講解-10.mp4.mkv 129.69M | ├──14、10 NLP-文本匹配》89、09-MGCN代碼講解-11.mp4.mkv 59.82M | ├──14、10 NLP-文本匹配》90、10-論文泛讀-01.mkv 81.12M | ├──14、10 NLP-文本匹配》91、10-論文泛讀-02.mkv 55.24M | ├──14、10 NLP-文本匹配》92、10-論文精讀-03.mkv 70.00M | ├──14、10 NLP-文本匹配》93、10-論文精讀-04.mkv 55.95M | ├──14、10 NLP-文本匹配》94、10-論文精讀-05.mkv 55.53M | ├──14、10 NLP-文本匹配》95、10-論文精讀-06.mkv 29.80M | ├──14、10 NLP-文本匹配》96、10-代碼講解-07.mkv 63.43M | ├──14、10 NLP-文本匹配》97、10-代碼講解-08.mkv 92.57M | ├──14、10 NLP-文本匹配》98、10-代碼講解-09.mkv 98.91M | └──14、10 NLP-文本匹配》99、10-代碼講解-10.mkv 108.90M ├──15、11 NLP-機器翻譯》 | ├──15、11 NLP-機器翻譯》01、ConvSeq2Seq-代碼講解.mkv 161.82M | ├──15、11 NLP-機器翻譯》02、ConvSeq2Seq-論文精讀.mkv 99.36M | ├──15、11 NLP-機器翻譯》03、ConvSeq2Seq-論文泛讀?.mkv 33.46M | ├──15、11 NLP-機器翻譯》05、1.1-loung_nmt-儲備知識..mkv 28.46M | ├──15、11 NLP-機器翻譯》06、1.2-loung_nmt-研究背景..mkv 104.83M | ├──15、11 NLP-機器翻譯》07、1.3-loung_nmt-研究成果及意義.mp4.mkv 19.60M | ├──15、11 NLP-機器翻譯》08、1.4-luong_nmt-論文簡介.mp4.mkv 94.12M | ├──15、11 NLP-機器翻譯》09、1.5-luong_nmt-global_attention..mkv 127.19M | ├──15、11 NLP-機器翻譯》10、1.6-luong_nmt-local_attention..mkv 95.44M | ├──15、11 NLP-機器翻譯》11、1.7-luong_nmt_2_4_實驗.mp4.mkv 139.96M | ├──15、11 NLP-機器翻譯》12、1.8-loung_nmt_數據讀取..mkv 75.47M | ├──15、11 NLP-機器翻譯》13、1.9-loung_nmt_模型實現..mkv 164.08M | ├──15、11 NLP-機器翻譯》14、1.10-loung_nmt_訓練和測試.mp4.mkv 90.11M | ├──15、11 NLP-機器翻譯》15、2.1-coverage_儲備知識.mp4.mkv 22.37M | ├──15、11 NLP-機器翻譯》16、2.2-coverage_研究背景及意義.mkv 53.80M | ├──15、11 NLP-機器翻譯》17、2.3-coverage_相關知識.mp4.mkv 78.76M | ├──15、11 NLP-機器翻譯》18、2.4-coverage_基于語言學的覆蓋模型..mkv 82.07M | ├──15、11 NLP-機器翻譯》19、2.5-coverage_基于神經網絡的覆蓋模型..mkv 75.63M | ├──15、11 NLP-機器翻譯》20、2.6-coverage 代碼實踐.mp4.mkv 171.36M | ├──15、11 NLP-機器翻譯》21、3.1-subword_nmt_1_1.mkv 33.81M | ├──15、11 NLP-機器翻譯》22、3.2-subword_nmt.mkv 51.64M | ├──15、11 NLP-機器翻譯》23、3.3-subword_nmt_.mkv 112.97M | ├──15、11 NLP-機器翻譯》24、3.4-subword_nmt_.mkv 96.55M | ├──15、11 NLP-機器翻譯》25、3.5-subword_nmt_.mkv 157.55M | ├──15、11 NLP-機器翻譯》26、3.6-subword_nmt.mkv 171.31M | ├──15、11 NLP-機器翻譯》27、4.1-Google-nmt.mkv 89.71M | ├──15、11 NLP-機器翻譯》28、【4月9日】Mass-論文泛讀.mkv 36.09M | └──15、11 NLP-機器翻譯》29、【4月16日】Mass-論文精讀.mkv 46.75M ├──16、12 NLP-情感分析》 | ├──16、12 NLP-情感分析》02、01 TextRNN & FastText & TextCNN-01-研究背景&摘要、框架.mkv 62.44M | ├──16、12 NLP-情感分析》03、01 TextRNN & FastText & TextCNN-02-模型總覽&細節(jié)1.mkv 71.35M | ├──16、12 NLP-情感分析》04、01 TextRNN & FastText & TextCNN-03-訓練、損失函數、實驗.mkv 45.19M | ├──16、12 NLP-情感分析》05、01 TextRNN & FastText & TextCNN-04-實驗結果及分析講解.mkv 53.58M | ├──16、12 NLP-情感分析》06、01 TextRNN & FastText & TextCNN-05-代碼講解.mkv 192.46M | ├──16、12 NLP-情感分析》07、02 TreeLSTM-01-論文導讀.mkv 20.95M | ├──16、12 NLP-情感分析》08、02 TreeLSTM-02-研究背景解讀.mkv 40.40M | ├──16、12 NLP-情感分析》09、02 TreeLSTM-03-論文摘要、框架講解.mkv 26.34M | ├──16、12 NLP-情感分析》10、02 TreeLSTM-04-上節(jié)課回顧.mkv 5.17M | ├──16、12 NLP-情感分析》11、02 TreeLSTM-05-精讀_模型結構總覽.mkv 39.97M | ├──16、12 NLP-情感分析》12、02 TreeLSTM-06-Tree-LSTM模型講解.mkv 39.06M | ├──16、12 NLP-情感分析》13、02 TreeLSTM-07-模型結構細節(jié).mkv 30.57M | ├──16、12 NLP-情感分析》14、02 TreeLSTM-08-實驗設置與分析.mkv 54.62M | ├──16、12 NLP-情感分析》15、02 TreeLSTM-09-論文總結.mkv 12.47M | ├──16、12 NLP-情感分析》16、02 TreeLSTM-10-本課回顧及下節(jié)預告.mkv 8.13M | ├──16、12 NLP-情感分析》17、02 TreeLSTM-11-代碼介紹.mkv 24.86M | ├──16、12 NLP-情感分析》18、02 TreeLSTM-12-代碼講解一.mkv 85.06M | ├──16、12 NLP-情感分析》19、02 TreeLSTM-13-代碼講解二.mkv 85.29M | ├──16、12 NLP-情感分析》20、02 TreeLSTM-14-代碼講解三..mkv 61.87M | ├──16、12 NLP-情感分析》21、03 TD-LSTM & AT-LSTM -01-論文導讀.mkv 4.73M | ├──16、12 NLP-情感分析》22、03 TD-LSTM & AT-LSTM -02-所需知識儲備.mkv 5.13M | ├──16、12 NLP-情感分析》23、03 TD-LSTM & AT-LSTM -03-學習目標.mkv 5.30M | ├──16、12 NLP-情感分析》24、03 TD-LSTM & AT-LSTM -04-課程安排.mkv 2.79M | ├──16、12 NLP-情感分析》25、03 TD-LSTM & AT-LSTM -05-研究背景.mkv 30.21M | ├──16、12 NLP-情感分析》26、03 TD-LSTM & AT-LSTM -06-論文泛讀.mkv 16.34M | ├──16、12 NLP-情感分析》27、03 TD-LSTM & AT-LSTM -07-下節(jié)預告.mkv 5.07M | ├──16、12 NLP-情感分析》28、03 TD-LSTM & AT-LSTM -08-上節(jié)回顧.mkv 4.25M | ├──16、12 NLP-情感分析》29、03 TD-LSTM & AT-LSTM -09-論文綜述.mkv 10.99M | ├──16、12 NLP-情感分析》30、03 TD-LSTM & AT-LSTM -10- TD-LSTM精讀.mkv 28.37M | ├──16、12 NLP-情感分析》31、03 TD-LSTM & AT-LSTM -11- ATAE-LSTM精讀.mkv 38.00M | ├──16、12 NLP-情感分析》32、03 TD-LSTM & AT-LSTM -12-實驗結果及分析part1.mkv 29.61M | ├──16、12 NLP-情感分析》33、03 TD-LSTM & AT-LSTM -13-實驗結果及分析part2.mkv 11.16M | ├──16、12 NLP-情感分析》34、03 TD-LSTM & AT-LSTM -14-論文總結及下節(jié)回顧..mkv 15.30M | ├──16、12 NLP-情感分析》35、03 TD-LSTM & AT-LSTM -15-代碼介紹.mkv 96.90M | ├──16、12 NLP-情感分析》36、03 TD-LSTM & AT-LSTM -16-代碼講解二.mkv 87.26M | ├──16、12 NLP-情感分析》37、03 TD-LSTM & AT-LSTM -17-代碼講解三.mkv 59.46M | ├──16、12 NLP-情感分析》38、03 TD-LSTM & AT-LSTM -18-代碼講解回顧.mkv 7.58M | ├──16、12 NLP-情感分析》41、04 MemNet&IAN-03-論文泛讀.mkv 16.27M | ├──16、12 NLP-情感分析》42、04 MemNet&IAN-04-本課回顧與下節(jié)預告.mkv 9.23M | ├──16、12 NLP-情感分析》44、04 MemNet&IAN-06-向量轉換、注意力講解.mkv 86.79M | ├──16、12 NLP-情感分析》45、04 MemNet&IAN-07-實驗設置及分析.mkv 67.00M | ├──16、12 NLP-情感分析》46、04 MemNet&IAN-08-論文總結及回顧.mkv 21.51M | ├──16、12 NLP-情感分析》47、04 MemNet&IAN-09-代碼環(huán)境講解.mkv 38.82M | ├──16、12 NLP-情感分析》48、04 MemNet&IAN-10-代碼結構講解.mkv 149.12M | ├──16、12 NLP-情感分析》49、04 MemNet&IAN-11-論文代碼細節(jié)講解.mkv 142.82M | ├──16、12 NLP-情感分析》50、04 MemNet&IAN-12-代碼實踐課回顧..mkv 16.88M | ├──16、12 NLP-情感分析》51、05 BERT&ERNIE 2.0-01-論文介紹.mkv 31.02M | ├──16、12 NLP-情感分析》52、05 BERT&ERNIE 2.0-02-背景介紹1..mkv 49.09M | ├──16、12 NLP-情感分析》53、05 BERT&ERNIE 2.0-03-背景介紹2.mkv 28.20M | ├──16、12 NLP-情感分析》54、05 BERT&ERNIE 2.0-04-論文摘要、結構講解.mkv 11.03M | ├──16、12 NLP-情感分析》55、05 BERT&ERNIE 2.0-05-上節(jié)回顧.mkv 5.87M | ├──16、12 NLP-情感分析》56、05 BERT&ERNIE 2.0-06-論文算法總覽.mkv 60.46M | ├──16、12 NLP-情感分析》57、05 BERT&ERNIE 2.0-07-輸入表征、task精講.mkv 22.11M | ├──16、12 NLP-情感分析》58、05 BERT&ERNIE 2.0-08-模型Fine-tuning解讀.mkv 39.26M | ├──16、12 NLP-情感分析》59、05 BERT&ERNIE 2.0-09-實驗設置及分析.mkv 35.27M | ├──16、12 NLP-情感分析》60、05 BERT&ERNIE 2.0-10-論文總結.mkv 18.31M | ├──16、12 NLP-情感分析》61、05 BERT&ERNIE 2.0-11-論文回顧.mkv 10.54M | ├──16、12 NLP-情感分析》62、05 BERT&ERNIE 2.0-12-實踐代碼介紹.mkv 59.51M | ├──16、12 NLP-情感分析》63、05 BERT&ERNIE 2.0-13-實踐代碼精講1.mkv 185.55M | └──16、12 NLP-情感分析》64、05 BERT&ERNIE 2.0-14-實踐代碼精講2..mkv 32.52M ├──17、13 NLP-閱讀理解》 | ├──17、13 NLP-閱讀理解》02、01-開山之作_1_1_背景意義..mkv 119.83M | ├──17、13 NLP-閱讀理解》03、01-開山之作_1_2_研究成果_論文提綱..mkv 45.17M | ├──17、13 NLP-閱讀理解》04、01-開山之作_2_1_模型結構..mkv 124.12M | ├──17、13 NLP-閱讀理解》05、01-開山之作_2_2_實驗結果及分析..mkv 100.16M | ├──17、13 NLP-閱讀理解》06、01-開山之作_3_數據處理jupyter..mkv 222.83M | ├──17、13 NLP-閱讀理解》07、01-開山之作_4_1_訓練代碼jupyter..mkv 182.20M | ├──17、13 NLP-閱讀理解》08、01-開山之作_4_2訓練代碼pycharm..mkv 217.46M | ├──17、13 NLP-閱讀理解》09、01-開山之作_5_反饋問題..mkv 79.92M | ├──17、13 NLP-閱讀理解》10、feedback.mkv 79.10M | ├──17、13 NLP-閱讀理解》11、02-bidaf_1_1_背景意義..mkv 99.21M | ├──17、13 NLP-閱讀理解》12、02-bidaf_1_2_相關工作+小結..mkv 61.11M | ├──17、13 NLP-閱讀理解》13、02-bidaf_2_1_模型結構..mkv 84.58M | ├──17、13 NLP-閱讀理解》14、02-bidaf_2_2_實驗分析..mkv 44.42M | ├──17、13 NLP-閱讀理解》15、02-bidaf_3_1_數據讀取-jupyter..mkv 108.19M | ├──17、13 NLP-閱讀理解》16、02-bidaf_3_2數據讀取-pycharm..mkv 145.36M | ├──17、13 NLP-閱讀理解》17、02-bidaf_4_訓練加預測..mkv 204.85M | ├──17、13 NLP-閱讀理解》18、02-bidaf_5_評測指標..mkv 79.23M | ├──17、13 NLP-閱讀理解》19、02-bidaf_6_反饋..mkv 79.10M | ├──17、13 NLP-閱讀理解》20、03-pgnet_1_1_研究背景..mkv 117.03M | ├──17、13 NLP-閱讀理解》21、03-pgnet_1_2_研究背景意義第二部分..mkv 46.63M | ├──17、13 NLP-閱讀理解》22、03-pgnet_2_1_模型部分..mkv 138.14M | ├──17、13 NLP-閱讀理解》23、03-pgnet_2_2_實驗+前沿論文（上）..mkv 145.40M | ├──17、13 NLP-閱讀理解》24、03-pgnet_2_3_前沿論文(下)..mkv 140.40M | ├──17、13 NLP-閱讀理解》25、03-pgnet_2_4_模型總結..mkv 26.93M | ├──17、13 NLP-閱讀理解》26、03-pgnet_3_code-review..mkv 74.99M | ├──17、13 NLP-閱讀理解》27、03-pgnet_4_1_數據處理第一部分..mkv 329.02M | ├──17、13 NLP-閱讀理解》28、03-pgnet_4_2_數據處理第二部分..mkv 78.69M | ├──17、13 NLP-閱讀理解》29、03-pgnet_5_1_train第一部分..mkv 58.23M | ├──17、13 NLP-閱讀理解》30、03-pgnet_5_2_train第二部分..mkv 308.98M | ├──17、13 NLP-閱讀理解》31、03-pgnet_6_1_預測第一部分..mkv 228.32M | ├──17、13 NLP-閱讀理解》32、03-pgnet_6_2_預測第二部分..mkv 99.70M | ├──17、13 NLP-閱讀理解》33、04-adv_1_1_研究背景..mkv 83.23M | ├──17、13 NLP-閱讀理解》34、04-adv_1_2_研究成果和小節(jié)..mkv 46.65M | ├──17、13 NLP-閱讀理解》35、04-adv_2_1_模型和實驗..mkv 138.71M | ├──17、13 NLP-閱讀理解》36、04-adv_2_2_2020智能技術競賽介紹..mkv 109.90M | ├──17、13 NLP-閱讀理解》37、04-adv_3_1_code-overview第一部分..mkv 122.26M | ├──17、13 NLP-閱讀理解》38、04-adv_3_2_code-overview第二部分..mkv 86.00M | ├──17、13 NLP-閱讀理解》39、04-adv_4_數據處理..mkv 198.10M | ├──17、13 NLP-閱讀理解》40、04-adv_5_1_train-第一部分..mkv 151.84M | ├──17、13 NLP-閱讀理解》41、04-adv_5_2_train第二部分..mkv 220.35M | ├──17、13 NLP-閱讀理解》42、04-adv_6_預測部分..mkv 151.97M | ├──17、13 NLP-閱讀理解》43、05-xlnet_1_1_研究背景第一部分..mkv 72.48M | ├──17、13 NLP-閱讀理解》44、05-xlnet_1_2_研究背景第二部分..mkv 89.30M | ├──17、13 NLP-閱讀理解》45、05-xlnet_2_1_論文模型第一部分..mkv 136.32M | ├──17、13 NLP-閱讀理解》46、05-xlnet_2_2_論文模型第二部分..mkv 78.86M | ├──17、13 NLP-閱讀理解》47、05-xlnet_3_代碼overview..mkv 77.45M | ├──17、13 NLP-閱讀理解》48、05-xlnet_4_數據處理overview..mkv 26.97M | ├──17、13 NLP-閱讀理解》49、05-xlnet_5_1_數據處理第一部分..mkv 164.66M | ├──17、13 NLP-閱讀理解》50、05-xlnet_5_2_數據處理第二部分..mkv 248.72M | ├──17、13 NLP-閱讀理解》51、05-xlnet_6_1_訓練代碼第一部分..mkv 177.93M | ├──17、13 NLP-閱讀理解》52、05-xlnet_6_2_訓練代碼第二部分..mkv 125.69M | ├──17、13 NLP-閱讀理解》53、05-xlnet_7_1_預測第一部分..mkv 151.62M | ├──17、13 NLP-閱讀理解》54、05-xlnet_7_2_預測第二部分..mkv 83.03M | └──17、13 NLP-閱讀理解》55、專題總結..mkv 12.19M ├──18、14 NLP-對話系統(tǒng)》 | ├──18、14 NLP-對話系統(tǒng)》01、【11月6日】對話系統(tǒng)前沿直播.mkv 317.94M | ├──18、14 NLP-對話系統(tǒng)》03、【8月10日】對話系統(tǒng)體驗課直播第一講.mkv 196.03M | ├──18、14 NLP-對話系統(tǒng)》04、【8月11日】對話系統(tǒng)體驗課直播第二講.mkv 193.21M | ├──18、14 NLP-對話系統(tǒng)》05、【8月19日】JointBERT-論文講解（開營直播）.mkv 486.44M | ├──18、14 NLP-對話系統(tǒng)》06、【8月21日】JointBERT-代碼詳解.mkv 686.44M | ├──18、14 NLP-對話系統(tǒng)》07、【8月25日】AGIF-論文講解.mkv 461.77M | ├──18、14 NLP-對話系統(tǒng)》08、【8月28日】AGIF-論文精讀.mkv 853.46M | ├──18、14 NLP-對話系統(tǒng)》09、【9月11日】AGIF-代碼復現.mkv 670.44M | ├──18、14 NLP-對話系統(tǒng)》10、【9月16日】Fewshot MultiLABEL-論文泛讀.mkv 425.58M | ├──18、14 NLP-對話系統(tǒng)》11、【9月19日】Fewshot MultiLABEL-論文精讀（第一部分）.mkv 369.11M | ├──18、14 NLP-對話系統(tǒng)》12、【10月13日】Fewshot MultiLABEL-論文精讀（第二部分）.mkv 343.78M | ├──18、14 NLP-對話系統(tǒng)》13、【10月23日】Fewshot MultiLABEL-論文精讀+代碼講解.mkv 678.33M | ├──18、14 NLP-對話系統(tǒng)》14、【10月27日】Fewshot MultiLABEL-代碼復現.mkv 238.74M | ├──18、14 NLP-對話系統(tǒng)》15、【3月29日】trade-dst-論文泛讀.mkv 471.82M | ├──18、14 NLP-對話系統(tǒng)》16、【4月1日】trade-dst-論文精讀.mkv 670.42M | ├──18、14 NLP-對話系統(tǒng)》17、【4月8日】trade-dst-代碼復現.mkv 633.98M | ├──18、14 NLP-對話系統(tǒng)》18、【4月12日】trade-dst-代碼講解（下）.mkv 225.72M | ├──18、14 NLP-對話系統(tǒng)》19、【4月24日】dst-as-prompting-論文精讀.mkv 597.27M | ├──18、14 NLP-對話系統(tǒng)》20、【4月20日】dst-as-prompting-論文泛讀.mkv 339.29M | ├──18、14 NLP-對話系統(tǒng)》21、【4月27日】dst-as-prompting-代碼復現.mkv 745.85M | ├──18、14 NLP-對話系統(tǒng)》22、1.1 joint-bert.mkv 109.10M | ├──18、14 NLP-對話系統(tǒng)》23、1.2 joint-bert.mkv 29.09M | ├──18、14 NLP-對話系統(tǒng)》24、1.3 joint-bert.mkv 12.65M | ├──18、14 NLP-對話系統(tǒng)》25、1.4 joint-bert.mkv 256.55M | ├──18、14 NLP-對話系統(tǒng)》26、1.5 joint-bert.mkv 15.31M | ├──18、14 NLP-對話系統(tǒng)》27、1.6 joint-bert.mkv 2.39M | ├──18、14 NLP-對話系統(tǒng)》28、1.7 joint-bert.mkv 77.16M | ├──18、14 NLP-對話系統(tǒng)》29、1.8 joint-bert-代碼.mkv 53.30M | └──18、14 NLP-對話系統(tǒng)》30、1.9 joint-bert-代碼.mkv 225.17M ├──19、強化學習》 | ├──19、強化學習》01、強化學習1期第1次答疑直播.mkv 189.71M | ├──19、強化學習》03、強化學習開營直播.mkv 518.26M | ├──19、強化學習》04、01DQN-01-論文泛讀開場白.mkv 17.15M | ├──19、強化學習》05、01DQN-02-研究背景及意義.mkv 20.87M | ├──19、強化學習》06、01DQN-03-背景知識補充.mkv 10.90M | ├──19、強化學習》07、01DQN-04-論文泛讀.mkv 53.09M | ├──19、強化學習》08、01DQN-05-泛讀總結及下節(jié)預告.mkv 7.12M | ├──19、強化學習》09、01DQN-06-論文精讀開場白.mkv 10.12M | ├──19、強化學習》100、07DDPG-01-開場白.mkv 13.58M | ├──19、強化學習》101、07DDPG-02-研究背景成果和意義.mkv 5.96M | ├──19、強化學習》102、07DDPG-03-背景知識補充.mkv 4.65M | ├──19、強化學習》103、07DDPG-04-論文泛讀.mkv 71.19M | ├──19、強化學習》104、07DDPG-05-本節(jié)回顧下節(jié)預告.mkv 5.57M | ├──19、強化學習》105、07DDPG-06-論文精讀結構.mkv 7.08M | ├──19、強化學習》106、07DDPG-07-從DQN到DDPG.mkv 43.73M | ├──19、強化學習》107、07DDPG-08-網絡結構.mkv 61.12M | ├──19、強化學習》108、07DDPG-09-DDPG核心思想.mkv 32.40M | ├──19、強化學習》109、07DDPG-10-算法的其他細節(jié).mkv 26.78M | ├──19、強化學習》10、01DQN-07-論文模型.mkv 19.83M | ├──19、強化學習》110、07DDPG-11-算法總結.mkv 8.43M | ├──19、強化學習》111、07DDPG-12-代碼部分結構.mkv 7.26M | ├──19、強化學習》112、07DDPG-13-網絡結構及初始化.mkv 79.54M | ├──19、強化學習》113、07DDPG-14-BatchNorm的使用.mkv 41.38M | ├──19、強化學習》114、07DDPG-15-參數更新.mkv 56.13M | ├──19、強化學習》115、07DDPG-16-代碼結構.mkv 53.58M | ├──19、強化學習》116、07DDPG-17-運行結果.mkv 18.89M | ├──19、強化學習》117、08TD3-01-論文泛讀開場白.mkv 8.81M | ├──19、強化學習》118、08TD3-02-研究背景.mkv 11.78M | ├──19、強化學習》119、08TD3-03-背景知識.mkv 10.90M | ├──19、強化學習》11、01DQN-08-論文細節(jié)一 圖像預處理.mkv 34.24M | ├──19、強化學習》120、08TD3-04-論文泛讀.mkv 67.19M | ├──19、強化學習》121、08TD3-05-論文泛讀總結.mkv 4.36M | ├──19、強化學習》122、08TD3-06-論文精讀開場白.mkv 4.22M | ├──19、強化學習》123、08TD3-07-overestimation.mkv 195.82M | ├──19、強化學習》124、08TD3-08-variance.mkv 112.91M | ├──19、強化學習》125、08TD3-09-實驗結果.mkv 41.80M | ├──19、強化學習》126、08TD3-10-論文總結.mkv 8.08M | ├──19、強化學習》127、08TD3-11-代碼部分結構.mkv 18.53M | ├──19、強化學習》128、08TD3-12-更新Critic.mkv 20.56M | ├──19、強化學習》129、08TD3-13-更新Actor和代碼結構.mkv 30.53M | ├──19、強化學習》12、01DQN-09-論文細節(jié)二 ReplayBuffer.mkv 34.64M | ├──19、強化學習》130、08TD3-14-實驗結果.mkv 25.50M | ├──19、強化學習》131、09SQL-01-論文泛讀開場白.mkv 13.97M | ├──19、強化學習》132、09SQL-02-研究背景及成果.mkv 55.08M | ├──19、強化學習》133、09SQL-03-背景知識補充.mkv 72.45M | ├──19、強化學習》134、09SQL-04-論文泛讀總結.mkv 5.91M | ├──19、強化學習》135、09SQL-05-論文精讀開場白.mkv 5.43M | ├──19、強化學習》136、09SQL-06-核心思想.mkv 21.74M | ├──19、強化學習》137、09SQL-07-理論基礎.mkv 33.39M | ├──19、強化學習》138、09SQL-08-算法細節(jié).mkv 95.50M | ├──19、強化學習》139、09SQL-09-實驗結果分析.mkv 60.16M | ├──19、強化學習》13、01DQN-10-論文細節(jié)三 SemiGradientMethod.mkv 30.83M | ├──19、強化學習》140、09SQL-10-理論證明.mkv 66.90M | ├──19、強化學習》141、09SQL-11-論文精讀總結.mkv 6.03M | ├──19、強化學習》142、09SQL-12-代碼部分結構.mkv 4.44M | ├──19、強化學習》143、09SQL-13-Pytorch的手動鏈式法則求導.mkv 44.67M | ├──19、強化學習》144、09SQL-14-離散情況細節(jié).mkv 34.43M | ├──19、強化學習》145、09SQL-15-連續(xù)情況細節(jié).mkv 48.77M | ├──19、強化學習》146、09SQL-16-代碼結構.mkv 16.38M | ├──19、強化學習》147、09SQL-17-調參結果.mkv 17.03M | ├──19、強化學習》148、10SAC-01-論文泛讀開場白.mkv 9.54M | ├──19、強化學習》149、10SAC-02-研究背景.mkv 8.65M | ├──19、強化學習》14、01DQN-11-實驗結果分析.mkv 36.54M | ├──19、強化學習》150、10SAC-03-論文泛讀.mkv 62.21M | ├──19、強化學習》151、10SAC-04-論文泛讀總結.mkv 3.53M | ├──19、強化學習》152、10SAC-05-論文精讀開場白.mkv 8.35M | ├──19、強化學習》153、10SAC-06-核心思想.mkv 31.32M | ├──19、強化學習》154、10SAC-07-主要算法.mkv 49.98M | ├──19、強化學習》155、10SAC-08實驗結果.mkv 15.41M | ├──19、強化學習》156、10SAC-09-理論證明.mkv 31.40M | ├──19、強化學習》157、10SAC-10-論文精讀總結.mkv 8.70M | ├──19、強化學習》158、10SAC-11-算法細節(jié).mkv 21.65M | ├──19、強化學習》159、10SAC-12-代碼結構及調參結果.mkv 28.17M | ├──19、強化學習》15、01DQN-12-論文精讀總結.mkv 12.17M | ├──19、強化學習》160、11AdvancedValueMethods-01-論文泛讀開場白.mkv 18.69M | ├──19、強化學習》161、11AdvancedValueMethods-02-背景知識補充.mkv 28.45M | ├──19、強化學習》162、11AdvancedValueMethods-03-Rainbow泛讀.mkv 62.06M | ├──19、強化學習》163、11AdvancedValueMethods-04-D4PG泛讀.mkv 64.46M | ├──19、強化學習》164、11AdvancedValueMethods-05-A3C泛讀.mkv 62.97M | ├──19、強化學習》165、11AdvancedValueMethods-06-IMPALA泛讀.mkv 61.67M | ├──19、強化學習》166、11AdvancedValueMethods-07-論文泛讀總結.mkv 3.62M | ├──19、強化學習》167、11AdvancedValueMethods-08-論文精讀開場白.mkv 6.25M | ├──19、強化學習》168、11AdvancedValueMethods-09-Rainbow.mkv 248.43M | ├──19、強化學習》169、11AdvancedValueMethods-10-D4PG.mkv 197.52M | ├──19、強化學習》16、01DQN-13-代碼課整體介紹.mkv 22.40M | ├──19、強化學習》170、11AdvancedValueMethods-11-A3C.mkv 230.36M | ├──19、強化學習》171、11AdvancedValueMethods-12-IMPALA.mkv 270.80M | ├──19、強化學習》172、11AdvancedValueMethods-13-總結.mkv 3.16M | ├──19、強化學習》173、12IntrinsicMotivation-01-論文泛讀開場白.mkv 10.43M | ├──19、強化學習》174、12IntrinsicMotivation-02-ICM泛讀.mkv 53.18M | ├──19、強化學習》175、12IntrinsicMotivation-03-CuriosityStudy泛讀.mkv 46.42M | ├──19、強化學習》176、12IntrinsicMotivation-04-VIME泛讀.mkv 35.41M | ├──19、強化學習》177、12IntrinsicMotivation-05-VIC泛讀.mkv 42.79M | ├──19、強化學習》178、12IntrinsicMotivation-06-DIAYN泛讀.mkv 52.49M | ├──19、強化學習》179、12IntrinsicMotivation-07-SMM泛讀.mkv 51.38M | ├──19、強化學習》17、01DQN-14-gym介紹.mkv 82.29M | ├──19、強化學習》180、12IntrinsicMotivation-08-EDL泛讀.mkv 68.45M | ├──19、強化學習》181、12IntrinsicMotivation-09-泛讀總結及下節(jié)預告.mkv 3.33M | ├──19、強化學習》182、12IntrinsicMotivation-10-論文精讀開場白.mkv 4.89M | ├──19、強化學習》183、12IntrinsicMotivation-11-ICM精讀.mkv 227.51M | ├──19、強化學習》184、12-IntrinsicMotivation-12-CuriosityStudy精讀.mkv 169.19M | ├──19、強化學習》185、12IntrinsicMotivation-13-VIME精讀.mkv 125.54M | ├──19、強化學習》186、12IntrinsicMotivation-14-VIC精讀.mkv 182.38M | ├──19、強化學習》187、12IntrinsicMotivation-15-DIAYN精讀.mkv 205.28M | ├──19、強化學習》188、12IntrinsicMotivation-16-SMM精讀.mkv 320.04M | ├──19、強化學習》189、12IntrinsicMotivation-17-EDL精讀.mkv 212.58M | ├──19、強化學習》18、01DQN-15-圖像預處理代碼.mkv 67.41M | ├──19、強化學習》190、12IntrinsicMotivation-18-論文總結.mkv 12.52M | ├──19、強化學習》191、12IntrinsicMotivation-19-結尾語.mkv 5.69M | ├──19、強化學習》19、01DQN-16-DQN核心功能實現.mkv 147.94M | ├──19、強化學習》20、01DQN-17-代碼結構及實驗結果分析.mkv 63.80M | ├──19、強化學習》21、02DQN改進-01-論文泛讀開場白.mkv 32.30M | ├──19、強化學習》22、02DQN改進-02-研究背景及意義.mkv 10.63M | ├──19、強化學習》23、02DQN改進-03-論文泛讀.mkv 96.11M | ├──19、強化學習》24、02DQN改進-04-論文泛讀總結及下節(jié)預告.mkv 7.95M | ├──19、強化學習》25、02DQN改進-05-論文網絡結構.mkv 16.52M | ├──19、強化學習》26、02DQN改進-06-DDQN圖表分析.mkv 102.16M | ├──19、強化學習》27、02DQN改進-07-DDQN總結.mkv 61.27M | ├──19、強化學習》28、02DQN改進-08-PER01.mkv 62.61M | ├──19、強化學習》29、02DQN改進-09-PER02.mkv 155.11M | ├──19、強化學習》30、02DQN改進-10-PER實驗結果及DuelDQN.mkv 69.71M | ├──19、強化學習》31、02DQN改進-11-下節(jié)預告.mkv 10.21M | ├──19、強化學習》32、02DQN改進-12-代碼課整體介紹.mkv 42.68M | ├──19、強化學習》33、02DQN改進-13-bisect包.mkv 16.56M | ├──19、強化學習》34、02DQN改進-14-SumTree.mkv 78.63M | ├──19、強化學習》35、02DQN改進-15-SumTree后續(xù)及DuelStructure.mkv 18.42M | ├──19、強化學習》36、02DQN改進-16-ReplayBuffer01.mkv 60.17M | ├──19、強化學習》37、02DQN改進-17-ReplayBuffer02.mkv 91.39M | ├──19、強化學習》38、02DQN改進-18-ReplayBuffer03.mkv 69.70M | ├──19、強化學習》39、02DQN改進-19-代碼總覽及實驗結果.mkv 68.89M | ├──19、強化學習》40、03C51-01-研究成果及意義.mkv 20.37M | ├──19、強化學習》41、03C51-02-背景知識補充01.mkv 58.28M | ├──19、強化學習》42、03C51-03-背景知識補充02.mkv 19.67M | ├──19、強化學習》43、03C51-04-論文泛讀.mkv 71.36M | ├──19、強化學習》44、03C51-05-分布更新 BellmanEquation BellmanOperator.mkv 42.10M | ├──19、強化學習》45、03C51-06-BellmanOptimalOperator.mkv 96.91M | ├──19、強化學習》46、03C51-07-算法分析.mkv 51.27M | ├──19、強化學習》47、03C51-08-實驗結果及分析.mkv 99.06M | ├──19、強化學習》48、03C51-09-引理2引理3證明.mkv 17.21M | ├──19、強化學習》49、03C51-10-引理1證明.mkv 127.20M | ├──19、強化學習》50、03C51-11-定理1證明.mkv 208.82M | ├──19、強化學習》51、03C51-12-其余理論部分及總結.mkv 55.31M | ├──19、強化學習》52、03C51-13-代碼部分介紹.mkv 17.38M | ├──19、強化學習》53、03C51-14-算法部分結構一覽.mkv 38.40M | ├──19、強化學習》54、03C51-15-分布更新單個樣本.mkv 95.67M | ├──19、強化學習》55、03C51-16-MiniBatch分布更新.mkv 82.73M | ├──19、強化學習》56、03C51-17-Pytorch MiniBatch分布更新..mkv 37.73M | ├──19、強化學習》57、03C51-18-實驗結果.mkv 24.17M | ├──19、強化學習》58、04QRDQN-01-研究背景、意義及補充知識介紹.mkv 18.97M | ├──19、強化學習》59、04QRDQN-02-論文泛讀、摘要、框架講解.mkv 31.41M | ├──19、強化學習》60、04QRDQN-03-回顧C51.mkv 25.66M | ├──19、強化學習》61、04QRDQN-04-新的分布更新思路、估計分位數.mkv 69.97M | ├──19、強化學習》62、04QRDQN-05-QRDQN算法講解、實驗結果與分析.mkv 68.08M | ├──19、強化學習》63、04QRDQN-06-理論證明1.mkv 24.20M | ├──19、強化學習》64、04QRDQN-07-理論證明2.mkv 186.96M | ├──19、強化學習》65、04QRDQN-08-上節(jié)回顧和下節(jié)預告.mkv 4.94M | ├──19、強化學習》66、04QRDQN-09-code1.mkv 9.30M | ├──19、強化學習》67、04QRDQN-10-code2.mkv 141.69M | ├──19、強化學習》68、04QRDQN-11-code3.mkv 49.55M | ├──19、強化學習》69、05REINFORCE-01-開場白及研究背景介紹.mkv 21.22M | ├──19、強化學習》70、05REINFORCE-02-論文泛讀.mkv 26.61M | ├──19、強化學習》71、05REINFORCE-03-背景知識補充.mkv 26.73M | ├──19、強化學習》72、05REINFORCE-04-下節(jié)預告.mkv 5.11M | ├──19、強化學習》73、05REINFORCE-05-論文定理理解.mkv 138.67M | ├──19、強化學習》74、05REINFORCE-06-算法核心思想.mkv 97.79M | ├──19、強化學習》75、05REINFORCE-07-核心定理證明.mkv 111.91M | ├──19、強化學習》76、05REINFORCE-08-下節(jié)預告.mkv 5.29M | ├──19、強化學習》77、05REINFORCE-09-代碼部分結構.mkv 15.32M | ├──19、強化學習》78、05REINFORCE-10-網絡結構設計.mkv 93.26M | ├──19、強化學習》79、05REINFORCE-11-數據處理.mkv 24.92M | ├──19、強化學習》80、05REINFORCE-12-主體循環(huán).mkv 41.88M | ├──19、強化學習》81、05REINFORCE-13-代碼結構.mkv 68.42M | ├──19、強化學習》82、05REINFORCE-14-運行結果分析.mkv 77.23M | ├──19、強化學習》83、06PPO-01-開場白.mkv 17.09M | ├──19、強化學習》84、06PPO-02-研究背景.mkv 15.88M | ├──19、強化學習》85、06PPO-03-論文泛讀.mkv 45.84M | ├──19、強化學習》86、06PPO-04-本節(jié)回顧下節(jié)預告.mkv 5.29M | ├──19、強化學習》87、06PPO-05-論文精讀結構介紹.mkv 7.14M | ├──19、強化學習》88、06PPO-06-Clipped Surrogate Loss.mkv 56.53M | ├──19、強化學習》89、06PPO-07-Adaptive KL.mkv 39.92M | ├──19、強化學習》90、06PPO-08-Advantage Function.mkv 32.94M | ├──19、強化學習》91、06PPO-09-算法分析.mkv 48.48M | ├──19、強化學習》92、06PPO-10-實驗結果分析.mkv 41.03M | ├──19、強化學習》93、06PPO-11-本屆回顧下節(jié)預告.mkv 7.62M | ├──19、強化學習》94、06PPO-12-代碼部分結構.mkv 17.98M | ├──19、強化學習》95、06PPO-13-計算Loss Function.mkv 84.82M | ├──19、強化學習》96、06PPO-14-拓展到連續(xù)型action空間.mkv 48.15M | ├──19、強化學習》97、06PPO-15-代碼結構.mkv 56.48M | ├──19、強化學習》98、06PPO-16-代碼運行結果.mkv 53.29M | └──19、強化學習》99、06PPO-17-算法之外的技巧.mkv 67.50M ├──21、NLP-paper 前沿論文直播講解》 | ├──21、NLP-paper 前沿論文直播講解》02、第一場直播——基于圖神經網絡的應用和開發(fā)（關系抽取）.mkv 146.93M | ├──21、NLP-paper 前沿論文直播講解》03、第二場直播——預訓練模型RoBERTa.mkv 155.74M | ├──21、NLP-paper 前沿論文直播講解》04、第三場直播——選擇，回答和解釋：基于多文檔的可解釋多跳閱讀理解.mkv 230.30M | ├──21、NLP-paper 前沿論文直播講解》05、第四場直播——DSSMs：結構化語義模型.mkv 152.70M | ├──21、NLP-paper 前沿論文直播講解》06、第五場直播——COMET.mkv 180.67M | ├──21、NLP-paper 前沿論文直播講解》07、第六場直播——向語言模型中注入數值推理能力.mkv 193.94M | ├──21、NLP-paper 前沿論文直播講解》08、第七次直播——清華本碩學長論文分享.mkv 137.12M | ├──21、NLP-paper 前沿論文直播講解》09、第八場直播——全感知注意力融合在機器閱讀理解中的應用.mkv 303.25M | ├──21、NLP-paper 前沿論文直播講解》10、第九場直播——基于多跳問答的圖神經網絡.mkv 351.97M | ├──21、NLP-paper 前沿論文直播講解》11、第十場直播——中科院博士詳解對話系統(tǒng)前沿論文.mp4.mkv 216.02M | ├──21、NLP-paper 前沿論文直播講解》12、第十一場直播——頂刊審稿人教你發(fā)論文小tips.mp4.mkv 589.71M | └──21、NLP-paper 前沿論文直播講解》13、第十二場直播——如何快速發(fā)論文.mp4.mkv 199.22M ├──22、NLP-直播答疑》 | ├──22、NLP-直播答疑》01、NLP直播答疑.mkv 122.80M | ├──22、NLP-直播答疑》02、NLP-baseline 4-1.mkv 83.90M | ├──22、NLP-直播答疑》03、圖神經網絡直播答疑—第六次.mkv 226.34kb | ├──22、NLP-直播答疑》04、圖神經網絡第6次直播答疑.mkv 74.46M | ├──22、NLP-直播答疑》05、baseline-第四場直播.mkv 103.87M | ├──22、NLP-直播答疑》06、第二次直播答疑.mkv 85.95M | ├──22、NLP-直播答疑》07、圖神經網絡第5次答疑.mkv 41.65M | ├──22、NLP-直播答疑》08、NLP baseline 第三次直播答疑.mkv 132.00M | ├──22、NLP-直播答疑》09、1011答疑..mkv 124.57M | ├──22、NLP-直播答疑》10、0920答疑..mkv 67.03M | ├──22、NLP-直播答疑》11、答疑20200830..mkv 150.51M | ├──22、NLP-直播答疑》12、NLP答疑-8.9.mkv 177.61M | ├──22、NLP-直播答疑》13、NLP答疑-7.26.mkv 132.18M | └──22、NLP-直播答疑》14、NLP答疑 7.12.mkv 230.98M ├──24、精讀論文專欄（NLP方向）》 | ├──24、精讀論文專欄（NLP方向）》03、【老版本】【第1篇】01綜述《Deep Learning》.mkv 35.63M | ├──24、精讀論文專欄（NLP方向）》04、【老版本】【第1篇】02綜述《Deep Learning》.mkv 72.55M | ├──24、精讀論文專欄（NLP方向）》05、【老版本】【第1篇】03綜述 《Deep Learning》.mkv 67.96M | ├──24、精讀論文專欄（NLP方向）》06、【老版本】【第1篇】04綜述 《Deep Learning》.mkv 39.21M | ├──24、精讀論文專欄（NLP方向）》07、【老版本】【第1篇】05綜述 《Deep Learning》.mkv 47.22M | ├──24、精讀論文專欄（NLP方向）》08、【老版本】【第1篇】06綜述 《Deep Learning》.mkv 51.17M | ├──24、精讀論文專欄（NLP方向）》09、【老版本】【第1篇】07綜述 《Deep Learning》.mkv 34.50M | ├──24、精讀論文專欄（NLP方向）》10、【老版本】【第2篇】詞向量第一課時：論文導讀.mkv 53.44M | ├──24、精讀論文專欄（NLP方向）》11、【老版本】【第2篇】詞向量第二課時上：論文精讀.mkv 63.50M | ├──24、精讀論文專欄（NLP方向）》12、【老版本】【第2篇】詞向量第二課時下：論文精讀.mkv 53.39M | ├──24、精讀論文專欄（NLP方向）》13、【老版本】【第2篇】詞向量第三課時：代碼精讀.mkv 71.16M | ├──24、精讀論文專欄（NLP方向）》14、【老版本】【第3篇】句和文檔的embedding第一課時：論文導讀.mkv 74.65M | ├──24、精讀論文專欄（NLP方向）》15、【老版本】【第3篇】句和文檔的embedding第二課時：論文精讀.mkv 91.79M | ├──24、精讀論文專欄（NLP方向）》16、【老版本】【第3篇】句和文檔的embedding第三課時：代碼精讀.mkv 85.11M | ├──24、精讀論文專欄（NLP方向）》17、【老版本】【第4篇】機器翻譯第一課時：論文導讀.mkv 37.06M | ├──24、精讀論文專欄（NLP方向）》18、【老版本】【第4篇】機器翻譯第二課時上：論文精讀.mkv 57.27M | ├──24、精讀論文專欄（NLP方向）》19、【老版本】【第4篇】機器翻譯第二課時下：論文精讀.mkv 55.30M | ├──24、精讀論文專欄（NLP方向）》20、【老版本】【第4篇】機器翻譯第三課時上：代碼精讀.mkv 62.94M | ├──24、精讀論文專欄（NLP方向）》21、【老版本】【第4篇】機器翻譯第三課時下：代碼精讀.mkv 59.63M | ├──24、精讀論文專欄（NLP方向）》22、【老版本】【第5篇】transformer第一課時：論文導讀.mkv 40.05M | ├──24、精讀論文專欄（NLP方向）》23、【老版本】【第5篇】transformer第二課時上：論文精讀.mkv 57.95M | ├──24、精讀論文專欄（NLP方向）》24、【老版本】【第5篇】transformer第二課時下：論文精讀.mkv 55.66M | ├──24、精讀論文專欄（NLP方向）》25、【老版本】【第5篇】transformer第三課時：代碼實踐.mkv 133.58M | ├──24、精讀論文專欄（NLP方向）》26、【老版本】【第6篇】GloVe第一課時：論文導讀.mkv 39.08M | ├──24、精讀論文專欄（NLP方向）》27、【老版本】【第6篇】GloVe第二課時：論文精讀.mkv 46.67M | ├──24、精讀論文專欄（NLP方向）》28、【老版本】【第7篇】Skip Thought第一課時：論文導讀.mkv 40.29M | ├──24、精讀論文專欄（NLP方向）》29、【老版本】【第7篇】Skip Thought第二課時：論文精讀.mkv 34.85M | ├──24、精讀論文專欄（NLP方向）》30、【老版本】【第7篇】Skip Thought第三課時：代碼精讀.mkv 46.63M | ├──24、精讀論文專欄（NLP方向）》31、【老版本】【第8篇】TextCNN第一課時：論文導讀.mkv 24.00M | ├──24、精讀論文專欄（NLP方向）》32、【老版本】【第8篇】TextCNN第二課時：論文精讀.mkv 32.09M | ├──24、精讀論文專欄（NLP方向）》33、【老版本】【第8篇】TextCNN第三課時：代碼詳解.mkv 28.99M | ├──24、精讀論文專欄（NLP方向）》34、【老版本】【第9篇】基于字符“從0開始學習”的文本分類第一課時：論文導讀.mkv 60.59M | ├──24、精讀論文專欄（NLP方向）》35、【老版本】【第9篇】基于字符“從0開始學習”的文本分類第二課時：論文精讀.mkv 61.88M | ├──24、精讀論文專欄（NLP方向）》36、【老版本】【第9篇】基于字符“從0開始學習”的文本分類第三課時：代碼講解.mkv 51.43M | ├──24、精讀論文專欄（NLP方向）》37、【老版本】【第10篇】動態(tài)卷積網絡和n-gram思想用于句分類：論文導讀.mkv 52.69M | ├──24、精讀論文專欄（NLP方向）》38、【老版本】【第10篇】動態(tài)卷積網絡和n-gram思想用于句分類：論文精讀上.mkv 57.12M | ├──24、精讀論文專欄（NLP方向）》39、【老版本】【第10篇】動態(tài)卷積網絡和n-gram思想用于句分類：論文精讀下.mkv 77.92M | ├──24、精讀論文專欄（NLP方向）》40、【老版本】【第10篇】動態(tài)卷積網絡和n-gram思想用于句分類：代碼精讀上.mkv 58.94M | ├──24、精讀論文專欄（NLP方向）》41、【老版本】【第10篇】動態(tài)卷積網絡和n-gram思想用于句分類：代碼精讀下.mkv 50.60M | ├──24、精讀論文專欄（NLP方向）》42、【老版本】【第11篇】fasttext第一課時.mkv 48.73M | ├──24、精讀論文專欄（NLP方向）》43、【老版本】【第11篇】fasttext第二課時上.mkv 56.40M | ├──24、精讀論文專欄（NLP方向）》44、【老版本】【第11篇】fasttext第二課時下.mkv 51.89M | ├──24、精讀論文專欄（NLP方向）》45、【老版本】【第11篇】fasttext第三課時上.mkv 50.21M | ├──24、精讀論文專欄（NLP方向）》46、【老版本】【第11篇】fasttext第三課時下.mkv 57.36M | ├──24、精讀論文專欄（NLP方向）》47、【老版本】【第12篇】層次化attention機制用于文檔分類第一課時.mkv 41.97M | ├──24、精讀論文專欄（NLP方向）》48、【老版本】【第12篇】層次化attention機制用于文檔分類第二課時.mkv 49.55M | ├──24、精讀論文專欄（NLP方向）》49、【老版本】【第12篇】層次化attention機制用于文檔分類第三課時.mkv 53.75M | ├──24、精讀論文專欄（NLP方向）》50、【老版本】【第13篇】PCNNATT-論文導讀.mkv 36.27M | ├──24、精讀論文專欄（NLP方向）》51、【老版本】【第13篇】PCNNATT-論文精讀.mkv 45.77M | ├──24、精讀論文專欄（NLP方向）》52、【老版本】【第13篇】PCNNATT-代碼詳解.mkv 41.55M | ├──24、精讀論文專欄（NLP方向）》53、【老版本】【第14篇】E2ECRF第一課時：論文導讀.mkv 40.15M | ├──24、精讀論文專欄（NLP方向）》54、【老版本】【第14篇】E2ECRF第二課時：論文精讀.mkv 44.20M | ├──24、精讀論文專欄（NLP方向）》55、【老版本】【第14篇】E2ECRF第三課時：代碼精讀.mkv 37.51M | ├──24、精讀論文專欄（NLP方向）》56、【老版本】【第15篇】多層LSTM第一課時.mkv 16.35M | ├──24、精讀論文專欄（NLP方向）》57、【老版本】【第15篇】多層LSTM第二課時.mkv 36.96M | ├──24、精讀論文專欄（NLP方向）》58、【老版本】【第15篇】多層LSTM第三課時.mkv 62.78M | ├──24、精讀論文專欄（NLP方向）》59、【老版本】【第16篇】基于卷積網絡的seq2seq第一課時：論文導讀.mkv 33.17M | ├──24、精讀論文專欄（NLP方向）》60、【老版本】【第16篇】基于卷積網絡的seq2seq第二課時：論文精讀.mkv 53.87M | ├──24、精讀論文專欄（NLP方向）》61、【老版本】【第17篇】谷歌的神經網絡機器翻譯系統(tǒng)第一課時.mkv 8.84M | ├──24、精讀論文專欄（NLP方向）》62、【老版本】【第17篇】谷歌的神經網絡機器翻譯系統(tǒng)第二課時.mkv 48.61M | ├──24、精讀論文專欄（NLP方向）》63、【老版本】【第18篇】UMT論文導讀.mkv 42.12M | ├──24、精讀論文專欄（NLP方向）》64、【老版本】【第18篇】UMT論文精讀.mkv 54.79M | ├──24、精讀論文專欄（NLP方向）》65、【老版本】【第19篇】seq2seq導讀.mkv 36.62M | ├──24、精讀論文專欄（NLP方向）》66、【老版本】【第19篇】seq2seq精讀.mkv 37.47M | ├──24、精讀論文專欄（NLP方向）》67、【老版本】【第20篇】End-to-End Memory Networks論文導讀.mkv 15.76M | ├──24、精讀論文專欄（NLP方向）》68、【老版本】【第20篇】End-to-End Memory Networks論文精讀.mkv 36.07M | ├──24、精讀論文專欄（NLP方向）》69、【老版本】【第20篇】End-to-End Memory Networks代碼精讀.mkv 17.93M | ├──24、精讀論文專欄（NLP方向）》70、【老版本】【第21篇】QANet論文導讀.mkv 47.57M | ├──24、精讀論文專欄（NLP方向）》71、【老版本】【第21篇】QANet論文精讀.mkv 53.97M | ├──24、精讀論文專欄（NLP方向）》72、【老版本】【第21篇】QANet代碼精讀.mkv 47.57M | ├──24、精讀論文專欄（NLP方向）》73、【老版本】【第22篇】雙向Attention第一課時：論文導讀.mkv 18.47M | ├──24、精讀論文專欄（NLP方向）》74、【老版本】【第22篇】雙向Attention第二課時：論文精讀.mkv 75.41M | ├──24、精讀論文專欄（NLP方向）》75、【老版本】【第23篇】Dialogue第一課時.mkv 54.47M | ├──24、精讀論文專欄（NLP方向）》76、【老版本】【第23篇】Dialogue第二課時.mkv 47.78M | ├──24、精讀論文專欄（NLP方向）》77、【老版本】【第24篇】SeqGAN第一課時.mkv 36.96M | ├──24、精讀論文專欄（NLP方向）》78、【老版本】【第24篇】SeqGAN第二課時.mkv 56.10M | ├──24、精讀論文專欄（NLP方向）》79、【老版本】【第25篇】R-GCNs第一課時.mkv 38.65M | ├──24、精讀論文專欄（NLP方向）》80、【老版本】【第25篇】R-GCNs第二課時.mkv 43.03M | ├──24、精讀論文專欄（NLP方向）》81、【老版本】【第26篇】大規(guī)模語料模型第一課時.mkv 69.43M | ├──24、精讀論文專欄（NLP方向）》82、【老版本】【第26篇】大規(guī)模語料模型第二課時.mkv 57.52M | ├──24、精讀論文專欄（NLP方向）》83、【老版本】【第27篇】Transformer-XL第一課時.mkv 30.10M | ├──24、精讀論文專欄（NLP方向）》84、【老版本】【第27篇】Transformer-XL第二課時.mkv 36.46M | ├──24、精讀論文專欄（NLP方向）》85、【老版本】【第28篇】TCN 第一課時.mkv 44.17M | ├──24、精讀論文專欄（NLP方向）》86、【老版本】【第28篇】TCN 第二課時.mkv 64.39M | ├──24、精讀論文專欄（NLP方向）》87、【老版本】【第29篇】第一課時：論文導讀.mkv 32.19M | ├──24、精讀論文專欄（NLP方向）》88、【老版本】【第29篇】第二課時：論文精讀.mkv 100.93M | ├──24、精讀論文專欄（NLP方向）》89、【老版本】【第30篇】BERT--NAACL 2019最佳論文第一課時.mkv 68.40M | └──24、精讀論文專欄（NLP方向）》90、【老版本】【第30篇】BERT--NAACL 2019最佳論文第二課時.mkv 57.25M └──25、重點講解專欄（NLP方向）》 | ├──25、重點講解專欄（NLP方向）》01、【老版本】【第14篇】SANIL第二課時.mkv 70.84M | ├──25、重點講解專欄（NLP方向）》02、【老版本】【第14篇】SANIL第一課時.mkv 58.99M | ├──25、重點講解專欄（NLP方向）》05、【老版本】【重難點第1篇】ARNOR論文第一課.mkv 37.64M | ├──25、重點講解專欄（NLP方向）》06、【老版本】【重難點第1篇】ARNOR論文第二課.mkv 65.00M | ├──25、重點講解專欄（NLP方向）》07、【老版本】【重難點第2篇】ERNIE論文第一課：論文導讀.mkv 52.61M | ├──25、重點講解專欄（NLP方向）》08、【老版本】【重難點第2篇】ERNIE論文第二課：論文精讀.mkv 69.60M | ├──25、重點講解專欄（NLP方向）》09、【老版本】【重難點第3篇】Meta-learning論文第一課：論文導讀.mkv 62.40M | ├──25、重點講解專欄（NLP方向）》10、【老版本】【重難點第3篇】Meta-learning論文第二課時：論文講解.mkv 45.62M | ├──25、重點講解專欄（NLP方向）》11、【老版本】【重難點第3篇】Meta-learning論文第二課時：手推公式.mkv 80.51M | ├──25、重點講解專欄（NLP方向）》12、【老版本】【重難點第3篇】Meta-learning論文第三課時.mkv 57.25M | ├──25、重點講解專欄（NLP方向）》13、【老版本】【重難點第4篇】SER第一課時課程導讀.mkv 54.14M | ├──25、重點講解專欄（NLP方向）》14、【老版本】【重難點第4篇】SER第二課時：論文講解.mkv 171.75M | ├──25、重點講解專欄（NLP方向）》15、【老版本】【重難點第4篇】SER第三課時.mkv 192.10M | ├──25、重點講解專欄（NLP方向）》16、【老版本】【重難點第4篇】SER第四課時.mkv 66.48M | └──25、重點講解專欄（NLP方向）》17、【老版本】【第13篇】Reptile.mkv 41.89M
購買主題
本主題需向作者支付 10 資源幣 才能瀏覽
| |
| ||
| ||
| ||
| ||
| ||
| ||
| ||
小黑屋|資源共享吧 ( 瓊ICP備2023000410號-1 )
GMT+8, 2024-10-23 03:16 , Processed in 0.077613 second(s), 17 queries , MemCached On.
發(fā)表于 2024-3-3 01:26:29
收藏