视频选集
（83/100）
P201. 任务201： 基于规则的方法
14:49
P202. 任务202： 基于监督学习的方法
27:50
P203. 任务203： cnn rnn transformer对比-01
33:37
P204. 任务204： cnn rnn transformer对比-02
31:02
P205. 任务205： 关系抽取
29:35
P206. 任务206： bootstrap算法的缺点
08:58
P207. 任务207： SnowBall算法
24:28
P208. 任务208： 生成模板
20:26
P209. 任务209： 生成tuple与模板评估
21:23
P210. 任务210： 评估记录-过滤
22:50
P211. 任务211： SnowBall总结
12:57
P212. 任务212：Entity Disambiguation (实体消歧)介绍
06:28
P213. 任务213：实体消歧算法
08:24
P214. 任务214：Entity Resolution(实体统一)
06:24
P215. 任务215：实体统一算法
19:21
P216. 任务216：Co-reference Resolution(指代消解)介绍.fl
10:11
P217. 任务217： 什么是句法分析
08:16
P218. 任务218： 句法分析的应用
03:45
P219. 任务219： 语法
09:38
P220. 任务220： PCFG
02:51
P221. 任务221： 评估语法树
08:42
P222. 任务222： 寻找最好的树
02:07
P223. 任务223： CNF Form
16:56
P224. 任务224： CKY算法
29:03
P225. 任务225： 时序模型
05:05
P226. 任务226： HMM的介绍
03:32
P227. 任务227： HMM的应用例子
17:10
P228. 任务228： HMM的参数
13:56
P229. 任务229： HMM中的Inference问题
26:42
P230. 任务230： HMM中的F B算法1
18:02
P231. 任务231： HMM中的F B算法2
13:02
P232. 任务232： HMM中的F B算法3
11:15
P233. 任务233： Data Representation
12:10
P234. 任务234： Latent Variable Models
25:14
P235. 任务235： Complete vs Incomplete Case
05:29
P236. 任务236： MLE for Complete and Incomplet.fl
06:20
P237. 任务237： EM Derivation
32:26
P238. 任务238： Remarks on EM
03:06
P239. 任务239： K-means
04:34
P240. 任务240： K-means Cost Function
18:34
P241. 任务241： MLE for GMM
13:13
P242. 任务244： HMM中的参数
07:59
P243. 任务245： Complete vs Incomplete Case
02:24
P244. 任务246： Complete Case
07:41
P245. 任务247： Incomplete Case
02:37
P246. 任务248： EM算法回顾
05:05
P247. 任务249： F B算法回顾
04:31
P248. 任务250： 估计PI
08:06
P249. 任务251： 估计B
12:15
P250. 任务252： 估计A
39:20
P251. 任务253： 公司实际项目串讲-01
19:37
P252. 任务254： 公司实际项目串讲-02
18:24
P253. 任务255： 公司实际项目串讲-03
27:45
P254. 任务256： 有向图与无向图模型
16:29
P255. 任务257： 生成模型与判别模型
01:11
P256. 任务258： Log-Linear Model
03:31
P257. 任务259： Log-Linear Model与多元逻辑回归
18:53
P258. 任务260： CRF介绍
09:51
P259. 任务261： Inference问题
09:47
P260. 任务262： 参数估计
36:36
P261. 任务263： wordvector词向量
15:36
P262. 任务264： Global Generation of Distribut.fl
20:33
P263. 任务265： How to Learn Word2Vec-Intuitio.fl
03:30
P264. 任务266： Skip-Gram Model
20:54
P265. 任务267： 语料库
33:57
P266. 任务268： Word2Vec代码
23:27
P267. 任务269： 训练SkipGram问题
05:19
P268. 任务270： SkipGram另一种目标函数构建
09:01
P269. 任务271： SkipGram的negative sampling
33:09
P270. 任务272： 评估词向量
08:57
P271. 任务273： 词向量在推荐系统中的应用
23:52
P272. 任务274： 梯度提升树
41:35
P273. 任务275： 答疑
12:50
P274. 任务276： Word2vec
20:53
P275. 任务277： Learning with Subword
17:55
P276. 任务278： When subword is needed
13:53
P277. 任务279： Learn Embedding from Language .fl
06:48
P278. 任务280： What are potential solutions
08:43
P279. 任务281： Elmo at Glance
30:04
P280. 任务282： Category of Word Representatio.fl
36:29
P281. 任务283： 神经网络介绍
11:15
P282. 任务284： 激活函数
20:01
P283. 任务285：MLP
19:03
P284. 任务286：多层神经网络
03:57
P285. 任务287：Universal Approximation Theorem.fl
06:03
P286. 任务288：Biological Inspiration
05:13
P287. 任务289：回顾神经网络
05:01
P288. 任务290： 神经网络的损失函数
13:31
P289. 任务291： BP算法的核心流程
05:31
P290. 任务292： 对输出层的梯度计算
20:29
P291. 任务293： 对隐含层的梯度计算
15:06
P292. 任务294：对参数的梯度计算
08:26
P293. 任务295： 对BP算法的总结
08:55
P294. 任务296： gradient checking
05:52
P295. 任务297： 深度学习与非凸函数
03:03
P296. 任务298： 深度学习中的Plateau
03:18
P297. 任务299： SGD的收敛条件
08:03
P298. 任务300： Early Stopping
10:22
P299. 任务301： 为什么需要递归神经网络？
03:24
P300. 任务302： 递归神经网络介绍
15:49
顶部