投稿

P301. 任务303：语言模型

275

0

2020-01-06 19:22:30

未经作者授权，禁止转载

九月寒露发消息

了解时间去哪里了，是提升效率的第一步。time.rpd.baby

P301. 任务303：语言模型

11:21

P302. 任务304： RNN的深度

02:33

P303. 任务305：梯度爆炸和梯度消失

16:09

P304. 任务306： Gradient Clipping

05:24

P305. 任务307： LSTM的介绍

10:08

P306. 任务308： LSTM的应用

08:48

P307. 任务309： Bi-Directional LSTM

07:57

P308. 任务310： Gated Recurrent Unit

06:04

P309. 任务311：问答系统讲解01

26:38

P310. 任务312：问答系统讲解02

37:38

P311. 任务313： Representation Learning

17:06

P312. 任务314： What makes good representation.fl

40:43

P313. 任务315： What makes good representation.fl

25:38

P314. 任务316： What makes good representation.fl

27:24

P315. 任务317： Why Deep

18:58

P316. 任务318： Why Deep Learning Hard to Trai.fl

07:24

P317. 任务319： Ways to Solve Training

10:39

P318. 任务320： Dropout 介绍

10:29

P319. 任务321：为什么Dropout防止过拟合现象

06:42

P320. 任务322：机器翻译

05:35

P321. 任务323： Multimodal Learning

07:35

P322. 任务324： Seq2Seq模型

14:32

P323. 任务325： Seq2Seq训练介绍

03:24

P324. 任务326： Inference Decoding

15:36

P325. 任务327： Exhaustic Search

04:42

P326. 任务328： Beam Search

21:27

P327. 任务329：回顾Multimodal Learning

03:51

P328. 任务330： Attention注意力机制介绍

02:53

P329. 任务331：看图说话介绍

13:05

P330. 任务332：图像识别的注意力机制

12:46

P331. 任务333：基于GAN及强化学习的文本生成-01

29:04

P332. 任务334：基于GAN及强化学习的文本生成-02

32:12

P333. 任务335：回顾Seq2Seq模型

24:24

P334. 任务336： Seq2Seq的Attention

36:04

P335. 任务337： Self-Attention1

28:24

P336. 任务338： Self-Attention2

28:24

P337. 任务339：深度文本匹配-01

25:45

P338. 任务340：深度文本匹配-02

20:25

P339. 任务341：回顾Attention

12:27

P340. 任务342： RNN LSTM-based models

08:59

P341. 任务343： Transformer的结构

18:07

P342. 任务344： Each Encoder Block

04:47

P343. 任务345： Self-Attention

29:12

P344. 任务346： Add Normalize

29:51

P345. 任务347： BERT概念

17:38

P346. 任务348：回顾Language model

12:38

P347. 任务349： masked Language model

23:04

P348. 任务350： masked Language model存在的问题

13:04

P349. 任务351：LSTM

10:59

P350. 任务352： BERT训练过程

28:44

P351. 任务353：PGM领域

21:41

P352. 任务354：主题模型

24:06

P353. 任务355：回顾不同模型的范畴Model Estimation

22:36

P354. 任务356：预测的过程

35:14

P355. 任务357： GD，SGD，Adagrad算法

35:00

P356. 任务358：回顾LDA

26:20

P357. 任务359：举例说明生成的过程

20:10

P358. 任务360：从官方的角度讲解生成的过程

17:00

P359. 任务361： α到θi的生成

25:13

P360. 任务362：举例说明生成文章

07:05

P361. 任务363： gibbs sampler

44:31

P362. 任务364： collapsed gibbs sampling-01

13:04

P363. 任务365： collapsed gibbs sampling-02

22:54

P364. 任务366： collapsed gibbs sampling-03

34:19

P365. 任务367： collapsed gibbs sampling-04

18:48

P366. 任务368： collapsed gibbs sampling-05

21:09

P367. 任务369：推导过程01

21:18

P368. 任务370：推导过程02

29:41

P369. 任务371：推导过程03

26:24

P370. 任务372： Gibbs采样01

26:10

P371. 任务373： Gibbs采样02

12:48

P372. 任务374： Web-Scale Information Extracti.fl

33:12

P373. 任务375： Web-Scale Information Extracti.fl

29:55

P374. 任务376：核函数

49:56

P375. 任务377：直播-01

11:36

P376. 任务378：直播-02

16:10

P377. 任务379：直播-03

08:31

P378. 任务380：直播-04

16:54

P379. 任务381：直播-05

22:00

P380. 任务382：直播-06

17:59

P381. 任务383：直播-07

20:17

P382. 任务384：直播-01

15:23

P383. 任务385：直播-02

16:04

P384. 任务386：直播-03

24:28

P385. 任务387：直播-04

12:36

P386. 任务388：直播-05

19:52

P387. 任务389：直播-06

22:33

P388. 任务390：利用CRF模型做命名实体识别-01

29:53

P389. 任务391：利用CRF模型做命名实体识别-02

23:38

P390. 任务392：基于语料库训练Glove词向量模型-01

27:41

P391. 任务393：基于语料库训练Glove词向量模型-02

28:20

P392. 任务394： GMM-01

31:18

P393. 任务395： GMM-02

36:37

P394. 任务396： GMM-03

44:29

P395. 任务397： XLNet-Bert Autoregressive LM

30:12

P396. 任务398：改进思路

20:20

P397. 任务399： Bert 的目标函数

20:27

P398. 任务400： permutation

33:29

P399. 任务401：pytorch实现skip-gram

55:26

P400. 任务402： Airbnb（KDD 2018 best Paper）-01.fl

25:15

P401. 任务403： Airbnb（KDD 2018 best Paper）-02.fl

20:20

P402. 任务404：直播-01

14:35

P403. 任务405：直播-02

36:20

P404. 任务406：直播-03

27:46

P405. 任务407：直播-04

41:14

顶部