视频选集
（10/91）
任务300： Early Stopping
10:22
任务301： 为什么需要递归神经网络？
03:24
任务302： 递归神经网络介绍
15:49
任务303： 语言模型
11:21
任务304： RNN的深度
02:33
任务305： 梯度爆炸和梯度消失
16:08
任务306： Gradient Clipping
05:24
任务307： LSTM的介绍
10:08
任务308： LSTM的应用
08:48
任务309： Bi-Directional LSTM
07:57
任务310： Gated Recurrent Unit
06:04
任务311： 问答系统讲解01
26:37
任务312： 问答系统讲解02
37:38
任务313： Representation Learning
17:06
任务314： What makes good representation-01
40:43
任务315： What makes good representation-02
25:38
任务316： What makes good representation-03
27:24
任务317： Why Deep
18:58
任务318： Why Deep Learning Hard to Train
07:24
任务319： Ways to Solve Training
10:39
任务320： Dropout 介绍
10:29
任务321： 为什么Dropout防止过拟合现象
06:42
任务322： 机器翻译
05:35
任务323： Multimodal Learning
07:35
任务324： Seq2Seq模型
14:32
任务325： Seq2Seq训练介绍
03:24
任务326： Inference Decoding
15:36
任务327： Exhaustic Search
04:42
任务328： Beam Search
21:27
任务329： 回顾Multimodal Learning
03:51
任务330： Attention注意力机制介绍
02:53
任务331： 看图说话介绍
13:05
任务332： 图像识别的注意力机制
12:46
任务333： 基于GAN及强化学习的文本生成-01
29:04
任务334： 基于GAN及强化学习的文本生成-02
32:12
任务335： 回顾Seq2Seq模型
24:24
任务336： Seq2Seq的Attention
36:03
任务337： Self-Attention1
28:23
任务338： Self-Attention2
28:24
任务339： 深度文本匹配-01
25:45
任务340： 深度文本匹配-02
20:25
任务341： 回顾Attention
12:27
任务342： RNN LSTM-based models
08:59
任务343： Transformer的结构
18:07
任务344： Each Encoder Block
04:47
任务345： Self-Attention
29:12
任务346： Add Normalize
29:51
任务347： BERT概念
17:38
任务348： 回顾Language model
12:38
任务349： masked Language model
23:04
任务350： masked Language model存在的问题
13:04
任务351：LSTM
10:59
任务352： BERT训练过程
28:44
任务353：PGM领域
21:41
任务354： 主题模型
24:06
任务355： 回顾不同模型的范畴Model Estimation
22:36
任务356： 预测的过程
35:14
任务357： GD，SGD，Adagrad算法
35:00
任务358： 回顾LDA
26:20
任务359： 举例说明生成的过程
20:10
任务360： 从官方的角度讲解生成的过程
17:00
任务361： α到θi的生成
25:12
任务362： 举例说明生成文章
07:05
任务363： gibbs sampler
44:31
任务364： collapsed gibbs sampling-01
13:04
任务365： collapsed gibbs sampling-02
22:54
任务366： collapsed gibbs sampling-03
34:19
任务367： collapsed gibbs sampling-04
18:48
任务368： collapsed gibbs sampling-05
21:09
任务369： 推导过程01
21:18
任务370： 推导过程02
29:40
任务371： 推导过程03
26:24
任务372： Gibbs采样01
26:10
任务373： Gibbs采样02
12:48
任务374： Web-Scale Information Extraction in KnowItAll-01
33:12
任务375： Web-Scale Information Extraction in KnowItAll-02
29:55
任务376： 核函数
49:56
任务377： 直播-01
11:36
任务378： 直播-02
16:10
任务379： 直播-03
08:31
任务380： 直播-04
16:54
任务381： 直播-05
22:00
任务382： 直播-06
17:59
任务383： 直播-07
20:17
任务384： 直播-01
15:23
任务385：直播-02
16:04
任务386：直播-03
24:28
任务387：直播-04
12:36
任务388：直播-05
19:52
任务389：直播-06
22:33
任务390： 利用CRF模型做命名实体识别-01
29:53
顶部