https://www.jiuzixue.com/3964.html

——/人工智能Paper年度會員（NLP方向）前沿版/
├──視頻
| ├──00直播
| | ├──單課01、直播答疑.mp4 116.36M
| | ├──單課02、直播答疑.mp4 71.94M
| | ├──單課03、論文復現(xiàn)體驗課學習指引.mp4 72.24M
| | ├──單課04、直播答疑.mp4 109.60M
| | ├──單課06、直播答疑.mp4 83.88M
| | ├──單課07、直播答疑.mp4 95.02M
| | ├──單課08、直播答疑.mp4 78.71M
| | ├──單課09、GAN專題直播答疑.mp4 81.93M
| | ├──單課10、NLP Baseline直播答疑.mp4 227.65M
| | ├──單課11、NLP Baseline 直播答疑.mp4 475.35M
| | ├──單課13、NLP baseline直播答疑.mp4 101.74M
| | ├──單課14、NLP直播答疑.mp4 85.41M
| | ├──單課15、NLP直播答疑.mp4 217.30M
| | ├──單課16、NLP baseline直播答疑.mp4 159.70M
| | ├──單課17、NLP baseline直播答疑.mp4 187.06M
| | ├──單課18、預訓練直播答疑.mp4 168.34M
| | └──單課19、NLP直播答疑.mp4 60.13M
| ├──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.mp4 42.42M
| | ├──01、自監(jiān)督-無監(jiān)督》03、1.2 MOCO論文精讀.mp4 160.11M
| | ├──01、自監(jiān)督-無監(jiān)督》04、1.3 MOCO-實驗結果分析與總結.mp4 152.04M
| | ├──01、自監(jiān)督-無監(jiān)督》05、1，4 MOCO-代碼講解.mp4 234.74M
| | ├──01、自監(jiān)督-無監(jiān)督》06、2.1 simclr-論文精讀.mp4 403.30M
| | ├──01、自監(jiān)督-無監(jiān)督》07、2.2 sinclr-論文精講.mp4 209.25M
| | └──01、自監(jiān)督-無監(jiān)督》08、2.3 simclr-代碼講解.mp4 245.52M
| ├──02、15 NLP-推薦系統(tǒng)》
| | ├──02、15 NLP-推薦系統(tǒng)》02、1. CAN泛讀.mp4 476.72M
| | ├──02、15 NLP-推薦系統(tǒng)》03、2. CAN精讀.mp4 422.55M
| | ├──02、15 NLP-推薦系統(tǒng)》04、3. CAN代碼項目實踐.mp4 553.78M
| | ├──02、15 NLP-推薦系統(tǒng)》05、4. MIND泛讀.mp4 426.39M
| | ├──02、15 NLP-推薦系統(tǒng)》06、5. MIND精讀.mp4 555.76M
| | ├──02、15 NLP-推薦系統(tǒng)》07、6. MIND代碼項目實踐.mp4 704.35M
| | ├──02、15 NLP-推薦系統(tǒng)》08、7. PLE泛讀.mp4 170.64M
| | ├──02、15 NLP-推薦系統(tǒng)》09、8. PLE精讀.mp4 125.81M
| | ├──02、15 NLP-推薦系統(tǒng)》10、9. PLE代碼項目實踐.mp4 204.24M
| | ├──02、15 NLP-推薦系統(tǒng)》11、10. DAT泛讀.mp4 137.22M
| | ├──02、15 NLP-推薦系統(tǒng)》12、11. DAT精讀.mp4 102.93M
| | ├──02、15 NLP-推薦系統(tǒng)》13、12. DAT代碼項目實踐.mp4 91.20M
| | ├──02、15 NLP-推薦系統(tǒng)》14、13. FIBINET泛讀.mp4 97.80M
| | ├──02、15 NLP-推薦系統(tǒng)》15、14. FIBINET精讀.mp4 69.63M
| | └──02、15 NLP-推薦系統(tǒng)》16、15. FIBINET代碼項目實踐.mp4 142.22M
| ├──03、學前須知》
| | └──03、學前須知》01、效率提升3倍的Paper 閱讀方法.mp4 102.94M
| ├──04、01 Python · AI&數(shù)據科學入門》
| | ├──04、01 Python · AI&數(shù)據科學入門》02、第一章 緒論和環(huán)境配置.mp4 56.30M
| | ├──04、01 Python · AI&數(shù)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.mp4 55.67M
| | ├──04、01 Python · AI&數(shù)據科學入門》04、第二章 Python 基本語法元素.mp4 127.54M
| | ├──04、01 Python · AI&數(shù)據科學入門》05、【作業(yè)講解】第二章：Python基本語法元素.mp4 88.21M
| | ├──04、01 Python · AI&數(shù)據科學入門》06、第三章 基本數(shù)據類型.mp4 87.49M
| | ├──04、01 Python · AI&數(shù)據科學入門》07、【作業(yè)講解】第三章：基本數(shù)據類型.mp4 86.84M
| | ├──04、01 Python · AI&數(shù)據科學入門》08、第四章 組合數(shù)據類型.mp4 96.37M
| | ├──04、01 Python · AI&數(shù)據科學入門》09、【作業(yè)講解】第四章：復雜數(shù)據類型.mp4 108.30M
| | ├──04、01 Python · AI&數(shù)據科學入門》10、第五章 程序控制結構.mp4 82.76M
| | ├──04、01 Python · AI&數(shù)據科學入門》11、【作業(yè)講解】第五章：程序控制結構.mp4 34.66M
| | ├──04、01 Python · AI&數(shù)據科學入門》12、第六章 函數(shù)-面向過程的編程.mp4 129.58M
| | ├──04、01 Python · AI&數(shù)據科學入門》13、【作業(yè)講解】第六章：函數(shù).mp4 59.97M
| | ├──04、01 Python · AI&數(shù)據科學入門》14、第七章 類-面向對象的編程.mp4 90.50M
| | ├──04、01 Python · AI&數(shù)據科學入門》15、【作業(yè)講解】第七章：類.mp4 40.58M
| | ├──04、01 Python · AI&數(shù)據科學入門》16、第八章 文件、異常和模塊.mp4 131.24M
| | ├──04、01 Python · AI&數(shù)據科學入門》17、【作業(yè)講解】第八章：文件、異常和模塊.mp4 13.59M
| | ├──04、01 Python · AI&數(shù)據科學入門》18、第九章 有益的探索.mp4 134.18M
| | ├──04、01 Python · AI&數(shù)據科學入門》19、【作業(yè)講解】第九章：有益的探索.mp4 41.17M
| | ├──04、01 Python · AI&數(shù)據科學入門》20、第十章 Python標準庫.mp4 96.20M
| | ├──04、01 Python · AI&數(shù)據科學入門》21、【作業(yè)講解】第十章：Python標準庫.mp4 25.75M
| | ├──04、01 Python · AI&數(shù)據科學入門》22、第十一章 科學計算庫—Numpy應用.mp4 90.57M
| | ├──04、01 Python · AI&數(shù)據科學入門》23、【作業(yè)講解】第十一章：Numpy庫.mp4 36.48M
| | ├──04、01 Python · AI&數(shù)據科學入門》24、第十二章 Pandas庫.mp4 174.42M
| | ├──04、01 Python · AI&數(shù)據科學入門》25、【作業(yè)講解】第十二章：Pandas庫.mp4 55.47M
| | ├──04、01 Python · AI&數(shù)據科學入門》26、第十三章 Matplotlib.mp4 130.12M
| | ├──04、01 Python · AI&數(shù)據科學入門》27、【作業(yè)講解】第十三章：Matplotlib.mp4 70.41M
| | ├──04、01 Python · AI&數(shù)據科學入門》28、第十四章 Sklearn常規(guī)用法.mp4 66.70M
| | ├──04、01 Python · AI&數(shù)據科學入門》29、【作業(yè)講解】第十四章：Sklearn常規(guī)用法.mp4 79.44M
| | └──04、01 Python · AI&數(shù)據科學入門》30、第十五章 再談編程.mp4 74.20M
| ├──05、02 PyTorch》
| | ├──05、02 PyTorch》02、【必看】深入淺出PyTorch.mp4 82.18M
| | ├──05、02 PyTorch》03、【第一周】PyTorch簡介與安裝.mp4 94.62M
| | ├──05、02 PyTorch》04、【第一周】補充-pytorch開發(fā)環(huán)境安裝.mp4 267.86M
| | ├──05、02 PyTorch》05、【第一周】張量簡介與創(chuàng)建.mp4 62.19M
| | ├──05、02 PyTorch》06、【第一周】張量操作與線性回歸.mp4 80.82M
| | ├──05、02 PyTorch》07、【第一周】計算圖與動態(tài)圖機制.mp4 51.20M
| | ├──05、02 PyTorch》08、【第一周】autograd與邏輯回歸.mp4 78.88M
| | ├──05、02 PyTorch》09、【第一周】作業(yè)講解1.mp4 54.05M
| | ├──05、02 PyTorch》10、【第一周】作業(yè)講解2.mp4 41.90M
| | ├──05、02 PyTorch》11、【第一周】作業(yè)講解3.mp4 42.96M
| | ├──05、02 PyTorch》12、【第二周】數(shù)據讀取機制Dataloader與Dataset.mp4 84.08M
| | ├──05、02 PyTorch》13、【第二周】數(shù)據預處理transforms模塊機制.mp4 77.62M
| | ├──05、02 PyTorch》14、【第二周】二十二種transforms數(shù)據預處理方法.mp4 188.95M
| | ├──05、02 PyTorch》15、【第二周】學會自定義transforms方法.mp4 188.34M
| | ├──05、02 PyTorch》16、【第二周】作業(yè)講解.mp4 123.54M
| | ├──05、02 PyTorch》17、【第三周】模型創(chuàng)建步驟與nn.Module.mp4 91.30M
| | ├──05、02 PyTorch》18、【第三周】模型容器與AlexNet構建.mp4 103.67M
| | ├──05、02 PyTorch》19、【第三周】nn網絡層-卷積層.mp4 107.00M
| | ├──05、02 PyTorch》20、【第三周】nn網絡層-池化-線性-激活函數(shù)層.mp4 77.72M
| | ├──05、02 PyTorch》21、【第三周】作業(yè)講解.mp4 113.95M
| | ├──05、02 PyTorch》22、【第四周】權值初始化.mp4 86.17M
| | ├──05、02 PyTorch》23、【第四周】損失函數(shù)（一）.mp4 138.29M
| | ├──05、02 PyTorch》24、【第四周】損失函數(shù)(二).mp4 140.93M
| | ├──05、02 PyTorch》25、【第四周】優(yōu)化器optimizer的概念.mp4 84.91M
| | ├──05、02 PyTorch》26、【第四周】torch.optim.SGD.mp4 97.38M
| | ├──05、02 PyTorch》27、【第四周】作業(yè)講解.mp4 53.43M
| | ├──05、02 PyTorch》28、【第五周】學習率調整策略.mp4 123.30M
| | ├──05、02 PyTorch》29、【第五周】TensorBoard簡介與安裝.mp4 63.02M
| | ├──05、02 PyTorch》30、【第五周】TensorBoard使用（一）.mp4 112.49M
| | ├──05、02 PyTorch》31、【第五周】TensorBoard使用（二）.mp4 169.77M
| | ├──05、02 PyTorch》32、【第五周】hook函數(shù)與CAM可視化.mp4 125.45M
| | ├──05、02 PyTorch》33、【第五周】作業(yè)講解.mp4 95.74M
| | ├──05、02 PyTorch》34、【第六周】正則化之weight_decay.mp4 78.38M
| | ├──05、02 PyTorch》35、【第六周】Batch Normalization.mp4 108.67M
| | ├──05、02 PyTorch》36、【第六周】Normalizaiton_layers.mp4 74.22M
| | ├──05、02 PyTorch》37、【第六周】正則化之Dropout.mp4 80.24M
| | ├──05、02 PyTorch》38、【第六周】作業(yè)講解.mp4 72.29M
| | ├──05、02 PyTorch》39、【第七周】模型保存與加載.mp4 68.63M
| | ├──05、02 PyTorch》40、【第七周】模型finetune.mp4 92.28M
| | ├──05、02 PyTorch》41、【第七周】GPU的使用.mp4 86.90M
| | ├──05、02 PyTorch》42、【第七周】PyTorch常見報錯.mp4 85.01M
| | ├──05、02 PyTorch》43、【第七周】作業(yè)講解.mp4 44.14M
| | ├──05、02 PyTorch》44、【第八周】圖像分類一瞥.mp4 114.15M
| | ├──05、02 PyTorch》45、【第八周】圖像分割一瞥.mp4 161.38M
| | ├──05、02 PyTorch》46、【第八周】圖像目標檢測一瞥（上）.mp4 102.09M
| | ├──05、02 PyTorch》47、【第八周】圖像目標檢測一瞥（下）.mp4 264.10M
| | ├──05、02 PyTorch》48、【第九周】生成對抗網絡一瞥.mp4 138.21M
| | └──05、02 PyTorch》49、【第九周】循環(huán)神經網絡一瞥.mp4 91.13M
| ├──06、人工智能數(shù)學基礎》
| | ├──06、人工智能數(shù)學基礎》05、【第一章 線性代數(shù)(上)】章節(jié)導讀.mp4 37.22M
| | ├──06、人工智能數(shù)學基礎》06、【第一章 線性代數(shù)(上)】-1 矩陣及其基本運算①.mp4 132.72M
| | ├──06、人工智能數(shù)學基礎》07、【第一章 線性代數(shù)(上)】-2 矩陣及其基本運算②.mp4 131.99M
| | ├──06、人工智能數(shù)學基礎》08、【第一章 線性代數(shù)(上)】-3 矩陣的行列式①.mp4 136.64M
| | ├──06、人工智能數(shù)學基礎》09、【第一章 線性代數(shù)(上)】-4 矩陣的行列式②.mp4 157.90M
| | ├──06、人工智能數(shù)學基礎》10、【第一章 線性代數(shù)(上)】-5 矩陣的行列式③.mp4 135.22M
| | ├──06、人工智能數(shù)學基礎》11、【第一章 線性代數(shù)(上)】-6 矩陣的行列式④.mp4 33.19M
| | ├──06、人工智能數(shù)學基礎》12、【第一章 線性代數(shù)(上)】-7 矩陣的逆①.mp4 166.12M
| | ├──06、人工智能數(shù)學基礎》13、【第一章 線性代數(shù)(上)】-8 矩陣的逆②.mp4 111.03M
| | ├──06、人工智能數(shù)學基礎》14、【第一章 線性代數(shù)(上)】-9 矩陣的逆③.mp4 93.78M
| | ├──06、人工智能數(shù)學基礎》15、【第二章 線性代數(shù)(下)】章節(jié)導讀.mp4 32.01M
| | ├──06、人工智能數(shù)學基礎》16、【第二章 線性代數(shù)(下)】-1 矩陣的初等變換①.mp4 214.32M
| | ├──06、人工智能數(shù)學基礎》17、【第二章 線性代數(shù)(下)】-2 矩陣的初等變換②.mp4 84.73M
| | ├──06、人工智能數(shù)學基礎》18、【第二章 線性代數(shù)(下)】-3 矩陣的初等變換③.mp4 219.64M
| | ├──06、人工智能數(shù)學基礎》19、【第二章 線性代數(shù)(下)】-4 矩陣的初等變換④.mp4 91.39M
| | ├──06、人工智能數(shù)學基礎》20、【第二章 線性代數(shù)(下)】-5 矩陣的特征值與特征向量①.mp4 231.07M
| | ├──06、人工智能數(shù)學基礎》21、【第二章 線性代數(shù)(下)】-6 矩陣的特征值與特征向量②.mp4 156.38M
| | ├──06、人工智能數(shù)學基礎》22、【第二章 線性代數(shù)(下)】-7 矩陣的特征值與特征向量③.mp4 171.86M
| | ├──06、人工智能數(shù)學基礎》23、【第二章 線性代數(shù)(下)】-8 矩陣對角化以及二次型①.mp4 203.58M
| | ├──06、人工智能數(shù)學基礎》24、【第二章 線性代數(shù)(下)】-9 矩陣對角化以及二次型②.mp4 108.56M
| | ├──06、人工智能數(shù)學基礎》25、【第二章 線性代數(shù)(下)】-10 矩陣對角化以及二次型③.mp4 132.51M
| | ├──06、人工智能數(shù)學基礎》26、【第二章 線性代數(shù)(下)】-11svd分解的應用.mp4 223.63M
| | ├──06、人工智能數(shù)學基礎》27、【第三章 微積分】-01常用函數(shù)的導數(shù)以及到導數(shù)的常用公式.mp4 216.05M
| | ├──06、人工智能數(shù)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.mp4 193.64M
| | ├──06、人工智能數(shù)學基礎》29、【第三章 微積分】-03 函數(shù)的凹凸性&函數(shù)的極值.mp4 81.38M
| | ├──06、人工智能數(shù)學基礎》30、【第三章 微積分】-04 不定積分.mp4 52.21M
| | ├──06、人工智能數(shù)學基礎》31、【第三章 微積分】-05 定積分.mp4 55.91M
| | ├──06、人工智能數(shù)學基礎》32、【第三章 微積分】-06 偏導數(shù)&多元函數(shù)復合求導法則鏈式求導法則.mp4 182.93M
| | ├──06、人工智能數(shù)學基礎》33、【第三章 微積分】-07 方向導數(shù)與梯度及其應用.mp4 196.94M
| | ├──06、人工智能數(shù)學基礎》34、【第三章 微積分】-08 多元函數(shù)泰勒公式與海森矩陣&多元函數(shù)的極值.mp4 65.51M
| | ├──06、人工智能數(shù)學基礎》35、【第三章 微積分】-09 矩陣的求導.mp4 80.64M
| | ├──06、人工智能數(shù)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.mp4 87.56M
| | ├──06、人工智能數(shù)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.mp4 85.81M
| | ├──06、人工智能數(shù)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.mp4 63.62M
| | ├──06、人工智能數(shù)學基礎》39、【第四章 概率論】-03隨機變量與多維隨機變量.mp4 194.08M
| | ├──06、人工智能數(shù)學基礎》40、【第四章 概率論】-04期望與方差part1.mp4 165.20M
| | ├──06、人工智能數(shù)學基礎》41、【第四章 概率論】-05期望與方差part2.mp4 34.54M
| | ├──06、人工智能數(shù)學基礎》42、【第四章 概率論】-06參數(shù)的估計.mp4 198.15M
| | ├──06、人工智能數(shù)學基礎》43、【第五章 最優(yōu)化】-1 無約束最優(yōu)化梯度下降.mp4 208.77M
| | ├──06、人工智能數(shù)學基礎》44、【第五章 最優(yōu)化】-2 無約束最優(yōu)化梯度下降.mp4 178.84M
| | └──06、人工智能數(shù)學基礎》45、【第五章 最優(yōu)化】-3 約束最優(yōu)化.mp4 145.43M
| ├──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.mp4 84.74M
| | ├──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.mp4 57.53M
| | ├──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.mp4 62.01M
| | ├──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.mp4 30.79M
| | ├──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.mp4 86.75M
| | ├──07、04 神經網絡基礎知識》07、02-卷積神經網絡-0.mp4 64.38M
| | ├──07、04 神經網絡基礎知識》08、02-卷積神經網絡-1.mp4 153.24M
| | ├──07、04 神經網絡基礎知識》09、02-卷積神經網絡-2.mp4 49.02M
| | ├──07、04 神經網絡基礎知識》10、03-循環(huán)神經網絡-0.mp4 45.01M
| | ├──07、04 神經網絡基礎知識》11、03-循環(huán)神經網絡-1.mp4 80.12M
| | └──07、04 神經網絡基礎知識》12、03-循環(huán)神經網絡-2.mp4 57.90M
| ├──08、05 NLP基礎知識》
| | ├──08、05 NLP基礎知識》02、1-1 前言..mp4 181.87M
| | ├──08、05 NLP基礎知識》03、1-2 研究方向概述..mp4 142.59M
| | ├──08、05 NLP基礎知識》04、2-1 預備知識..mp4 79.88M
| | ├──08、05 NLP基礎知識》05、2-2 NLP問題中的特征..mp4 85.13M
| | ├──08、05 NLP基礎知識》06、2-3 特征輸入..mp4 152.25M
| | ├──08、05 NLP基礎知識》07、2-4 文本的向量化表示與案例實現(xiàn)..mp4 120.55M
| | ├──08、05 NLP基礎知識》08、3-1 統(tǒng)計語言模型簡介與案例實現(xiàn)..mp4 279.29M
| | ├──08、05 NLP基礎知識》09、3-2 語言模型任務評估..mp4 106.57M
| | ├──08、05 NLP基礎知識》10、3-3 神經語言模型簡介與代碼實現(xiàn)..mp4 339.17M
| | ├──08、05 NLP基礎知識》11、3-4 預訓練的詞表示及其使用實例..mp4 143.40M
| | ├──08、05 NLP基礎知識》12、4-1 word2vec原理..mp4 159.83M
| | ├──08、05 NLP基礎知識》13、4-2 word2vec代碼復現(xiàn)..mp4 408.43M
| | ├──08、05 NLP基礎知識》14、4-3 word2vec項目實戰(zhàn)展示..mp4 213.51M
| | ├──08、05 NLP基礎知識》15、4-4 BERT使用實戰(zhàn)講解..mp4 247.82M
| | ├──08、05 NLP基礎知識》16、4-5 MLP模型與實戰(zhàn)..mp4 204.34M
| | ├──08、05 NLP基礎知識》17、4-6 RNN模型原理、代碼復現(xiàn)與實戰(zhàn)..mp4 339.92M
| | ├──08、05 NLP基礎知識》18、5-1 HMM序列標注..mp4 71.02M
| | ├──08、05 NLP基礎知識》19、5-2 HMM模型簡介..mp4 130.72M
| | ├──08、05 NLP基礎知識》20、5-3 HMM樣本生成..mp4 166.83M
| | ├──08、05 NLP基礎知識》21、5-4 HMM訓練..mp4 90.57M
| | ├──08、05 NLP基礎知識》22、5-5 HMM預測..mp4 127.18M
| | └──08、05 NLP基礎知識》23、5-6 HMM代碼實現(xiàn)..mp4 287.92M
| ├──09、06 NLP-baseline》
| | ├──09、06 NLP-baseline》02、NLP baseline 開營儀式.mp4 140.12M
| | ├──09、06 NLP-baseline》03、1.1 word2vec1-1背景知識.mp4 200.15M
| | ├──09、06 NLP-baseline》04、1.2 word2vec1-2論文泛讀.mp4 163.96M
| | ├──09、06 NLP-baseline》05、1.3 word2vec2-1對比模型.mp4 160.79M
| | ├──09、06 NLP-baseline》06、1.4 word2vec2-2原理.mp4 89.22M
| | ├──09、06 NLP-baseline》07、1.5 word2vec2-3word2vec關鍵技術.mp4 123.18M
| | ├──09、06 NLP-baseline》08、1.6 word2vec2-4模型復雜度.mp4 57.38M
| | ├──09、06 NLP-baseline》09、1.7 word2vec2-5實驗結果.mp4 164.15M
| | ├──09、06 NLP-baseline》10、1.8 word2vec3-1代碼部分上.mp4 240.51M
| | ├──09、06 NLP-baseline》11、1.9 word2vec3-2代碼部分下.mp4 264.11M
| | ├──09、06 NLP-baseline》12、02glove-01-_背景介紹..mp4 64.35M
| | ├──09、06 NLP-baseline》13、02 glove-02-_研究成果及意義.mp4 30.62M
| | ├──09、06 NLP-baseline》14、02glove-03-論文概述.mp4 123.12M
| | ├──09、06 NLP-baseline》15、02glove-04-模型精講.mp4 106.21M
| | ├──09、06 NLP-baseline》16、02 glove-05-實驗分析..mp4 48.43M
| | ├──09、06 NLP-baseline》17、02glove-06-數(shù)據處理.mp4 61.12M
| | ├──09、06 NLP-baseline》18、02 glove-07-型及訓練測試.mp4 65.68M
| | ├──09、06 NLP-baseline》19、03char_embedding-01-背景介紹..mp4 75.07M
| | ├──09、06 NLP-baseline》20、03 char_embedding-02-研究成果及意義.mp4 56.57M
| | ├──09、06 NLP-baseline》21、03char_embedding-03-論文概述.mp4 70.65M
| | ├──09、06 NLP-baseline》22、03 char_embedding-04-模型詳解.mp4 101.19M
| | ├──09、06 NLP-baseline》23、03 char_embedding-05-語言模型實驗分析.mp4 89.35M
| | ├──09、06 NLP-baseline》24、03 char_embedding-06-詞性標注實驗分析及論文總結.mp4 114.15M
| | ├──09、06 NLP-baseline》25、03 char_embedding-07-環(huán)境配置.mp4 72.23M
| | ├──09、06 NLP-baseline》26、03 char_embedding-08-數(shù)據處理.mp4 132.78M
| | ├──09、06 NLP-baseline》27、03 char_embedding-09-模型構建及訓練和測試.mp4 91.06M
| | ├──09、06 NLP-baseline》28、04textcnn-01-textcnn背景介紹.mp4 39.04M
| | ├──09、06 NLP-baseline》29、04textcnn-02-textcnn研究成果及意義.mp4 25.90M
| | ├──09、06 NLP-baseline》30、04 textcnn-03-textcnn模型簡介.mp4 90.11M
| | ├──09、06 NLP-baseline》31、04 textcnn-04-textcnn模型詳解.mp4 87.46M
| | ├──09、06 NLP-baseline》32、04textcnn-05-textcnn實驗介紹.mp4 147.30M
| | ├──09、06 NLP-baseline》33、04 textcnn-06-textcnn超參選擇.mp4 232.73M
| | ├──09、06 NLP-baseline》34、04 textcnn-07-textcnn數(shù)據處理以及模型構建..mp4 138.04M
| | ├──09、06 NLP-baseline》35、04 textcnn-08-textcnn訓練及測試.mp4 108.64M
| | ├──09、06 NLP-baseline》36、05-chartextcnn_1_論文導讀..mp4 85.11M
| | ├──09、06 NLP-baseline》37、05-chartextcnn_2_1_模型總覽及簡介.mp4 112.52M
| | ├──09、06 NLP-baseline》38、05-chartextcnn_2_2_模型詳解.mp4 89.49M
| | ├──09、06 NLP-baseline》39、05-chartextcnn_2_3_實驗分析及討論.mp4 110.67M
| | ├──09、06 NLP-baseline》40、05-chartextcnn_3_1_數(shù)據處理.mp4 98.52M
| | ├──09、06 NLP-baseline》41、05-chartextcnn_3_2_模型定義及訓練和測試.mp4 121.52M
| | ├──09、06 NLP-baseline》42、06-fasttext_1_研究背景及意義.mp4 77.21M
| | ├──09、06 NLP-baseline》43、06-fasttext_2_1_fasttext模型上.mp4 80.82M
| | ├──09、06 NLP-baseline》44、06-fasttext_2_2_fasttext模型下.mp4 83.20M
| | ├──09、06 NLP-baseline》45、06-fasttext_2_3_fasttext實驗.mp4 55.40M
| | ├──09、06 NLP-baseline》46、06-fasttext_3_1_fasttext數(shù)據讀取.mp4 105.63M
| | ├──09、06 NLP-baseline》47、06-fasttext_3_2_fasttext模型及訓練測試.mp4 56.51M
| | ├──09、06 NLP-baseline》48、07 deep_nmt_1_1_論文簡介以及BLEU介紹.mp4 48.79M
| | ├──09、06 NLP-baseline》49、07 deep_nmt_1_2_背景介紹和研究成果及意義.mp4 93.18M
| | ├──09、06 NLP-baseline》50、07 deep_nmt_2_1_deep_nmt模型詳解1.mp4 94.22M
| | ├──09、06 NLP-baseline》51、07 deep_nmt_2_2_deep_nmtm模型詳解2.mp4 83.39M
| | ├──09、06 NLP-baseline》52、07 deep_nmt_2_3_實驗結果及總結.mp4 85.40M
| | ├──09、06 NLP-baseline》53、07 deep_nmt_3_1_機器翻譯數(shù)據處理和代碼簡介.mp4 133.24M
| | ├──09、06 NLP-baseline》54、07 deep_nmt_3_2_模型和訓練及測試.mp4 123.63M
| | ├──09、06 NLP-baseline》55、08 attention_nmt_1_1_儲備知識_對齊翻譯_seq2seq_注意力機制..mp4 63.57M
| | ├──09、06 NLP-baseline》56、08 attention_nmt_1_2_背景介紹_研究成果及意義.mp4 86.80M
| | ├──09、06 NLP-baseline》57、08 attention_nmt_2_1_論文總覽..mp4 98.48M
| | ├──09、06 NLP-baseline》58、08 attention_nmt_2_2模型詳解..mp4 99.17M
| | ├──09、06 NLP-baseline》59、08 attention_nmt_2_3_實驗結果及分析.mp4 109.00M
| | ├──09、06 NLP-baseline》60、08 attention_nmt_3_1_deep_nmt實現(xiàn).mp4 233.92M
| | ├──09、06 NLP-baseline》61、08 attention_nmt_3_2_fairseq.mp4 174.90M
| | ├──09、06 NLP-baseline》62、09 han_attention_1_1_前期儲備知識介紹.mp4 48.85M
| | ├──09、06 NLP-baseline》63、09 han_attention_1_2_研究背景成果及意義..mp4 87.93M
| | ├──09、06 NLP-baseline》64、09 han_attention_2_1_論文總覽.mp4 125.71M
| | ├──09、06 NLP-baseline》65、09 han_attention_2_2_模型詳解.mp4 86.57M
| | ├──09、06 NLP-baseline》66、09 han_attention_2_3_實驗結果及論文總結.mp4 235.28M
| | ├──09、06 NLP-baseline》67、09 han_attention_3_1_數(shù)據讀取.mp4 147.26M
| | ├──09、06 NLP-baseline》68、09 han_attention_3_2_模型實現(xiàn)及訓練和測試.mp4 153.57M
| | ├──09、06 NLP-baseline》69、10 sgm_1_1_多標簽分類介紹..mp4 37.91M
| | ├──09、06 NLP-baseline》70、10 sgm_1_2_背景知識和研究成果及意義.mp4 107.30M
| | ├──09、06 NLP-baseline》71、10 sgm_2_1_論文簡介.mp4 91.80M
| | ├──09、06 NLP-baseline》72、10 sgm_2_2_模型詳解..mp4 63.91M
| | ├──09、06 NLP-baseline》73、10 sgm_2_3_實驗結果及分析.mp4 109.05M
| | ├──09、06 NLP-baseline》74、10 sgm_3_1_數(shù)據處理.mp4 133.51M
| | └──09、06 NLP-baseline》75、10 sgm_3_2_模型實現(xiàn)..mp4 206.13M
| ├──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.mp4 129.95M
| | ├──10、07 信息抽取-命名實體識別》03、1.2- BiLSTM-CRF-論文算法總覽.mp4 92.20M
| | ├──10、07 信息抽取-命名實體識別》04、1.3-BiLSTM-CRF模型結構.mp4 73.23M
| | ├──10、07 信息抽取-命名實體識別》05、1.4-BiLSTM-CRF損失函數(shù)與維特比解碼.mp4 56.29M
| | ├──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.mp4 35.22M
| | ├──10、07 信息抽取-命名實體識別》07、1.6- BiLSTM-CRF代碼講解.mp4 180.90M
| | ├──10、07 信息抽取-命名實體識別》08、1.7- BiLSTM-CRF-NCR-Fpp代碼詳解.mp4 155.81M
| | ├──10、07 信息抽取-命名實體識別》09、2.1_LatticeLSTM論文研究背景.mp4 154.84M
| | ├──10、07 信息抽取-命名實體識別》10、2.2_LatticeLSTM模型總覽..mp4 64.60M
| | ├──10、07 信息抽取-命名實體識別》11、2.3_LatticeLSTM模型細節(jié).mp4 61.44M
| | ├──10、07 信息抽取-命名實體識別》12、2.4_LatticeLSTM論文實驗與總結.mp4 26.41M
| | ├──10、07 信息抽取-命名實體識別》13、2.5_LatticeLSTM代碼講解..mp4 322.85M
| | ├──10、07 信息抽取-命名實體識別》14、3.1_LR-CNN論文研究背景.mp4 126.96M
| | ├──10、07 信息抽取-命名實體識別》15、3.2_LR-CNN模型總覽.mp4 61.93M
| | ├──10、07 信息抽取-命名實體識別》16、3.3_LR-CNN模型細節(jié).mp4 50.21M
| | ├──10、07 信息抽取-命名實體識別》17、3.4_LR-CNN模型細節(jié)2..mp4 35.10M
| | ├──10、07 信息抽取-命名實體識別》18、3.5_LR-CNN論文代碼講解..mp4 162.01M
| | ├──10、07 信息抽取-命名實體識別》19、4.1_LGN論文研究背景..mp4 149.08M
| | ├──10、07 信息抽取-命名實體識別》20、4.2_LGN模型總覽..mp4 30.86M
| | ├──10、07 信息抽取-命名實體識別》21、4.3_LGN模型詳解.mp4 43.08M
| | ├──10、07 信息抽取-命名實體識別》22、4.4_LGN代碼講解.mp4 87.80M
| | ├──10、07 信息抽取-命名實體識別》23、5.1_TENER論文研究背景.mp4 277.32M
| | ├──10、07 信息抽取-命名實體識別》24、5.2_TENER模型總覽.mp4 106.37M
| | ├──10、07 信息抽取-命名實體識別》25、5.3_TENER模型詳解.mp4 144.64M
| | ├──10、07 信息抽取-命名實體識別》26、5.4_TENER模型總結.mp4 61.18M
| | ├──10、07 信息抽取-命名實體識別》27、5.5_TENER模型代碼.mp4 263.89M
| | ├──10、07 信息抽取-命名實體識別》28、6-1_Soft_Lexicon論文研究背景..mp4 277.38M
| | ├──10、07 信息抽取-命名實體識別》29、6-2_Soft_Lexicon模型總覽.mp4.mp4 58.50M
| | ├──10、07 信息抽取-命名實體識別》30、6-3_Soft_Lexicon模型詳解..mp4 48.71M
| | ├──10、07 信息抽取-命名實體識別》31、6-4_Soft_Lexicon模型總結..mp4 131.58M
| | └──10、07 信息抽取-命名實體識別》32、6-5_Soft_Lexicon模型代碼..mp4 186.16M
| ├──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.mp4 339.14M
| | ├──11、07 （2）信息抽取-關系抽取》03、01 cnn_for-re-01.mp4（新版）.mp4 220.93M
| | ├──11、07 （2）信息抽取-關系抽取》04、01 cnn_for-re-02.mp4（新版）.mp4 332.55M
| | ├──11、07 （2）信息抽取-關系抽取》05、01 cnn_for-re-03.mp4（新版）.mp4 327.17M
| | ├──11、07 （2）信息抽取-關系抽取》06、01 cnn_for-re-04.mp4（新版）.mp4 359.06M
| | ├──11、07 （2）信息抽取-關系抽取》07、01 cnn_for-re-05.mp4（新版）.mp4 284.31M
| | ├──11、07 （2）信息抽取-關系抽取》08、01 code_cnn_for_re-06（新版）.mp4 375.28M
| | ├──11、07 （2）信息抽取-關系抽取》09、01 code_cnn_for_re-07（新版）.mp4 358.12M
| | ├──11、07 （2）信息抽取-關系抽取》10、01 code_cnn_for_re-08（新版）.mp4 398.24M
| | ├──11、07 （2）信息抽取-關系抽取》11、01 code_cnn_for_re-09（新版）.mp4 505.60M
| | ├──11、07 （2）信息抽取-關系抽取》12、01 code_cnn_for_re-10（新版）.mp4 284.22M
| | ├──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）.mp4 384.94M
| | ├──11、07 （2）信息抽取-關系抽取》14、02 pcnn_crcnn_2_PCNN的相關工作（新版）.mp4 290.38M
| | ├──11、07 （2）信息抽取-關系抽取》15、02 pcnn_crcnn_3_PCNN的模型部分（新版）.mp4 352.98M
| | ├──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）.mp4 197.33M
| | ├──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）.mp4 476.32M
| | ├──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）.mp4 213.30M
| | ├──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）.mp4 263.19M
| | ├──11、07 （2）信息抽取-關系抽取》20、02 pcnn_code-8-數(shù)據處理2（新版）.mp4 167.47M
| | ├──11、07 （2）信息抽取-關系抽取》21、02 pcnn_code-9-模型定義（新版）.mp4 318.93M
| | ├──11、07 （2）信息抽取-關系抽取》22、02 pcnn_code-10-模型訓練1（新版）.mp4 200.05M
| | ├──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）.mp4 491.76M
| | ├──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）.mp4 207.53M
| | ├──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）.mp4 370.89M
| | ├──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）.mp4 554.60M
| | ├──11、07 （2）信息抽取-關系抽取》27、03 lstmatt_1_背景及相關工作（新版）.mp4 205.48M
| | ├──11、07 （2）信息抽取-關系抽取》28、03 lstmatt_2_模型及實驗（新版）.mp4 204.07M
| | ├──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(shù)設置（新版）.mp4 179.20M
| | ├──11、07 （2）信息抽取-關系抽取》30、03 att_lstm_code_4_數(shù)據處理及模型定義（新版）.mp4 204.06M
| | ├──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）.mp4 213.18M
| | ├──11、07 （2）信息抽取-關系抽取》32、4.1 LSTM-LSTM-bias 背景介紹.（舊版）.mp4 289.70M
| | ├──11、07 （2）信息抽取-關系抽取》33、4.2 LSTM-LSTM-bias模型詳解.（舊版）.mp4 336.21M
| | ├──11、07 （2）信息抽取-關系抽取》34、4.3 LSTM-LSTM-bias代碼實戰(zhàn)（舊版）.mp4 625.33M
| | ├──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）.mp4 180.45M
| | ├──11、07 （2）信息抽取-關系抽取》36、04 novel_tagging_paper_2_相關工作02（新版）.mp4 161.32M
| | ├──11、07 （2）信息抽取-關系抽取》37、04 novel_tagging_paper_3_相關工作03（新版）.mp4 192.26M
| | ├──11、07 （2）信息抽取-關系抽取》38、04 novel_tagging_paper_4_模型（新版）.mp4 160.93M
| | ├──11、07 （2）信息抽取-關系抽取》39、04 novel_tagging_code_1_準備工作_超參數(shù)定義_數(shù)據處理（新版）.mp4 238.17M
| | ├──11、07 （2）信息抽取-關系抽取》40、04 novel_tagging_code_2_數(shù)據讀取_模型訓練與評價（新版）.mp4 233.56M
| | ├──11、07 （2）信息抽取-關系抽取》41、04 novel_tagging_paper_5_實驗（新版）.mp4 90.74M
| | ├──11、07 （2）信息抽取-關系抽取》42、05 casrel_paper_0（新版）.mp4 289.04M
| | ├──11、07 （2）信息抽取-關系抽取》43、05 casrel_paper_1（新版）.mp4 190.16M
| | ├──11、07 （2）信息抽取-關系抽取》44、05 casrel_paper_2（新版）.mp4 312.37M
| | ├──11、07 （2）信息抽取-關系抽取》45、05 casrel_paper_3（新版）.mp4 273.50M
| | ├──11、07 （2）信息抽取-關系抽取》46、05 casrel_paper_4（新版）.mp4 286.48M
| | ├──11、07 （2）信息抽取-關系抽取》47、05 casrel_code_5（新版）.mp4 308.60M
| | ├──11、07 （2）信息抽取-關系抽取》48、05 casrel_code_6（新版）.mp4 371.09M
| | ├──11、07 （2）信息抽取-關系抽取》49、05 casrel_code_7（新版）.mp4 433.95M
| | └──11、07 （2）信息抽取-關系抽取》50、05 casrel_code_8（新版）.mp4 471.37M
| ├──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.mp4 134.08M
| | ├──12、08 NLP-預訓練模型》03、01transformer-02-attention回顧.mp4 126.21M
| | ├──12、08 NLP-預訓練模型》04、01transformer-03-模型框架和self_attention.mp4 114.95M
| | ├──12、08 NLP-預訓練模型》05、01transformer-04-模型小trick..mp4 238.77M
| | ├──12、08 NLP-預訓練模型》06、01transformer-05-代碼框架部分和encoder.mp4 423.84M
| | ├──12、08 NLP-預訓練模型》07、01transformer-06-代碼decoder和self_attention.mp4 433.47M
| | ├──12、08 NLP-預訓練模型》08、01transformer-07-代碼訓練部分和預測部分.mp4 537.31M
| | ├──12、08 NLP-預訓練模型》09、02transformer_xl-01-論文背景..mp4 192.54M
| | ├──12、08 NLP-預訓練模型》10、02transformer_xl-02-vallini model回顧..mp4 105.80M
| | ├──12、08 NLP-預訓練模型》11、02transformer_xl-03-片段級遞歸機制..mp4 104.88M
| | ├──12、08 NLP-預訓練模型》12、02transformer_xl-04-相對位置編碼和小trick..mp4 112.32M
| | ├──12、08 NLP-預訓練模型》13、02transformer_xl-05-論文總結..mp4 240.62M
| | ├──12、08 NLP-預訓練模型》14、02transformerxl-06-代碼數(shù)據準備..mp4 217.27M
| | ├──12、08 NLP-預訓練模型》15、02transformerxl-07-代碼self attention..mp4 501.39M
| | ├──12、08 NLP-預訓練模型》16、02transformer_xl-08-代碼update memory和adaptive.mp4 320.25M
| | ├──12、08 NLP-預訓練模型》17、02transformer_xl-09-代碼adaptive softmax2..mp4 395.13M
| | ├──12、08 NLP-預訓練模型》18、03elmo-01-elmo的下游任務介紹..mp4 100.59M
| | ├──12、08 NLP-預訓練模型》19、03elmo-02-feature_based和fine_tuning.mp4 80.35M
| | ├──12、08 NLP-預訓練模型》20、03elmo-03-word2vec和charcnn回顧.mp4 49.07M
| | ├──12、08 NLP-預訓練模型》21、03elmo-04-Bidirectional_language_models.mp4 57.71M
| | ├──12、08 NLP-預訓練模型》22、03elmo-05-how to use emol..mp4 50.77M
| | ├──12、08 NLP-預訓練模型》23、03elmo-06-論文回顧..mp4 117.24M
| | ├──12、08 NLP-預訓練模型》24、03elmo-07-代碼預處理部分.mp4 242.87M
| | ├──12、08 NLP-預訓練模型》25、03elmo-08-代碼模型結構部分.mp4 214.64M
| | ├──12、08 NLP-預訓練模型》26、03elmo-09-代碼crf流程..mp4 163.52M
| | ├──12、08 NLP-預訓練模型》27、03elmo-10-代碼crf實現(xiàn)..mp4 233.32M
| | ├──12、08 NLP-預訓練模型》28、04gpt-01-nlp下游任務介紹.mp4 128.39M
| | ├──12、08 NLP-預訓練模型》29、04gpt-02-transformer回顧.mp4 96.81M
| | ├──12、08 NLP-預訓練模型》30、04gpt-03-預訓練和fine-tuning.mp4 63.52M
| | ├──12、08 NLP-預訓練模型》31、04gpt-04-輸入轉換.mp4 48.54M
| | ├──12、08 NLP-預訓練模型》32、04gpt-05-論文回顧..mp4 105.65M
| | ├──12、08 NLP-預訓練模型》33、04gpt-06-代碼流程和建立vocab.mp4 148.51M
| | ├──12、08 NLP-預訓練模型》34、04gpt-07-代碼與處理部分.mp4 172.10M
| | ├──12、08 NLP-預訓練模型》35、04gpt-08-代碼trasform_roc部分.mp4 80.56M
| | ├──12、08 NLP-預訓練模型》36、04gpt-09-代碼transformer_model部分.mp4 170.18M
| | ├──12、08 NLP-預訓練模型》37、04gpt-10-代碼兩種loss的計算.mp4 132.18M
| | ├──12、08 NLP-預訓練模型》38、04gpt-11-代碼訓練部分.mp4 118.37M
| | ├──12、08 NLP-預訓練模型》39、05bert-01-bert的背景和glue benchmark..mp4 105.73M
| | ├──12、08 NLP-預訓練模型》40、05bert-02-論文導讀和bert 衍生模型..mp4 77.78M
| | ├──12、08 NLP-預訓練模型》41、05bert-03-bert、gtp、elmo的比較.mp4 37.98M
| | ├──12、08 NLP-預訓練模型》42、05bert-04-bert model和pre-training部分.mp4 74.95M
| | ├──12、08 NLP-預訓練模型》43、05bert-05-bert的fine-tuning部分.mp4 54.13M
| | ├──12、08 NLP-預訓練模型》44、05bert-06-代碼fine-tuning數(shù)據預處理和model 加載.mp4 140.07M
| | ├──12、08 NLP-預訓練模型》45、05bert-07-代碼fine-tuning訓練部分.mp4 66.27M
| | ├──12、08 NLP-預訓練模型》46、05bert-08-代碼bert pretrain的NSP.mp4 127.78M
| | ├──12、08 NLP-預訓練模型》47、05bert-09-代碼pertrain預處理.mp4 182.76M
| | ├──12、08 NLP-預訓練模型》48、05bert-10-代碼bert-pretrain的transformer部分..mp4 167.85M
| | ├──12、08 NLP-預訓練模型》49、05bert-11-代碼bert pretrain的loss計算..mp4 159.61M
| | ├──12、08 NLP-預訓練模型》50、06ulmfit-01-uimfit背景介紹.mp4 128.15M
| | ├──12、08 NLP-預訓練模型》51、06ulmfit-02-awdLstm回顧..mp4 49.95M
| | ├──12、08 NLP-預訓練模型》52、06ulmfit-03-下三角學習率.mp4 54.74M
| | ├──12、08 NLP-預訓練模型》53、06ulmfit-04-classifier fine tuning..mp4 45.75M
| | ├──12、08 NLP-預訓練模型》54、06ulmfit-05-論文回顧.mp4 112.24M
| | ├──12、08 NLP-預訓練模型》55、06ulmfit-06-代碼fine tuning部分.mp4 168.08M
| | ├──12、08 NLP-預訓練模型》56、06ulmfit-07-代碼逐層解凍和預測.mp4 95.01M
| | ├──12、08 NLP-預訓練模型》57、06ulmfit-08-代碼pycharm lm部分..mp4 166.93M
| | ├──12、08 NLP-預訓練模型》58、07albert-01-albert背景介紹.mp4 141.82M
| | ├──12、08 NLP-預訓練模型》59、07albert-02-輕量級bert回顧.mp4 98.09M
| | ├──12、08 NLP-預訓練模型》60、07albert-03-embedding layer的因式分解.mp4 126.74M
| | ├──12、08 NLP-預訓練模型》61、07albert-04-albert跨層參數(shù)共享.mp4 56.72M
| | ├──12、08 NLP-預訓練模型》62、07albert-05-NSP任務和論文回顧..mp4 259.24M
| | ├──12、08 NLP-預訓練模型》63、07albert-06-代碼tokenizer部分.mp4 181.64M
| | ├──12、08 NLP-預訓練模型》64、07albert-07-代碼samplemask.mp4 275.33M
| | ├──12、08 NLP-預訓練模型》65、07albert-08-代碼transformer結構.mp4 320.96M
| | ├──12、08 NLP-預訓練模型》66、07albert-09-代碼pretrain 訓練部分.mp4 137.96M
| | ├──12、08 NLP-預訓練模型》67、07albert-10-代碼albert fine-tuning.mp4 528.14M
| | ├──12、08 NLP-預訓練模型》68、08mass-01-mass背景介紹..mp4 191.24M
| | ├──12、08 NLP-預訓練模型》69、08mass-02-bert和gpt回顧..mp4 130.23M
| | ├──12、08 NLP-預訓練模型》70、08mass-03-mass 的seq2seq pretraining..mp4 138.55M
| | ├──12、08 NLP-預訓練模型》71、08mass-04-mass的discussions..mp4 346.46M
| | ├──12、08 NLP-預訓練模型》72、08mass-05-代碼fairseq的訓練流程..mp4 379.10M
| | ├──12、08 NLP-預訓練模型》73、08mass-06-代碼mass的xseq2seq部分.mp4 660.83M
| | ├──12、08 NLP-預訓練模型》74、08mass-07-代碼mass的xtransformer部分..mp4 277.60M
| | ├──12、08 NLP-預訓練模型》75、08mass-08-代碼mass的dataset準備..mp4 379.06M
| | ├──12、08 NLP-預訓練模型》76、09xlnet-01-xlnet背景介紹..mp4 88.94M
| | ├──12、08 NLP-預訓練模型》77、09xlnet-02-AR和AE的比較..mp4 129.73M
| | ├──12、08 NLP-預訓練模型》78、09xlnet-03-排列l(wèi)m部分..mp4 96.74M
| | ├──12、08 NLP-預訓練模型》79、09xlnet-04-排列l(wèi)m的mask實現(xiàn).mp4 83.73M
| | ├──12、08 NLP-預訓練模型》80、09xlnet-05-傳統(tǒng)lm存在的問題..mp4 67.85M
| | ├──12、08 NLP-預訓練模型》81、09xlnet-06-Two Stream Self-attention..mp4 119.05M
| | ├──12、08 NLP-預訓練模型》82、09xlnet-07-xlnet論文回顧.mp4 207.38M
| | ├──12、08 NLP-預訓練模型》83、09xlnet-08-代碼xlnet的fine-tuning..mp4 236.32M
| | ├──12、08 NLP-預訓練模型》84、09xlnet-09-代碼xlnet的mask..mp4 685.22M
| | ├──12、08 NLP-預訓練模型》85、09xlnet-10-代碼xlnet的self attention..mp4 519.13M
| | ├──12、08 NLP-預訓練模型》86、10electra-01-electra背景介紹..mp4 110.43M
| | ├──12、08 NLP-預訓練模型》87、10electra-02-gan的回顧..mp4 99.66M
| | ├──12、08 NLP-預訓練模型》88、10electra-03-electra的生成器和判別器詳解..mp4 73.61M
| | ├──12、08 NLP-預訓練模型》89、10electra-04-論文回顧..mp4 177.64M
| | ├──12、08 NLP-預訓練模型》90、10electra-05-代碼electra訓練流程..mp4 361.51M
| | ├──12、08 NLP-預訓練模型》91、10electra-06-代碼預處理部分..mp4 445.47M
| | ├──12、08 NLP-預訓練模型》92、10electra-07-代碼生成器和判別器..mp4 459.15M
| | └──12、08 NLP-預訓練模型》93、10electra-08-代碼start training部分..mp4 333.44M
| ├──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..mp4 192.74M
| | ├──13、09 NLP-圖神經網絡》03、00圖神經網絡專題-02-開班課.mp4 104.91M
| | ├──13、09 NLP-圖神經網絡》04、02第二次直播答疑..mp4 231.61M
| | ├──13、09 NLP-圖神經網絡》05、03第三次直播答疑..mp4 158.83M
| | ├──13、09 NLP-圖神經網絡》06、05第五次直播答疑..mp4 264.56M
| | ├──13、09 NLP-圖神經網絡》07、01nodevec-01-研究背景.mp4 70.40M
| | ├──13、09 NLP-圖神經網絡》08、01nodevec-02-研究成果.mp4 177.29M
| | ├──13、09 NLP-圖神經網絡》09、01nodevec-03-圖的應用.mp4 98.82M
| | ├──13、09 NLP-圖神經網絡》100、08gcn-09-gcn頻域公式推導..mp4 281.16M
| | ├──13、09 NLP-圖神經網絡》101、08gcn-10-實驗分析..mp4 253.01M
| | ├──13、09 NLP-圖神經網絡》102、08gcn-11-論文總結..mp4 161.67M
| | ├──13、09 NLP-圖神經網絡》103、08gcn-12-代碼介紹..mp4 187.52M
| | ├──13、09 NLP-圖神經網絡》104、08gcn-13-讀圖預處理..mp4 227.61M
| | ├──13、09 NLP-圖神經網絡》105、08gcn-14-gcn模型實現(xiàn)及代碼總結.mp4.mp4 196.46M
| | ├──13、09 NLP-圖神經網絡》106、09ggnn-01-研究背景..mp4 144.85M
| | ├──13、09 NLP-圖神經網絡》107、09ggnn-02-ggnn模型簡介..mp4 87.69M
| | ├──13、09 NLP-圖神經網絡》108、09ggnn-03-研究成果研究意義..mp4 116.31M
| | ├──13、09 NLP-圖神經網絡》109、09ggnn-04-模型總覽..mp4 251.36M
| | ├──13、09 NLP-圖神經網絡》10、01nodevec-04-模型結構&BFS&DFS.mp4 401.92M
| | ├──13、09 NLP-圖神經網絡》110、09ggnn-05-GRU模型簡單回顧..mp4 77.41M
| | ├──13、09 NLP-圖神經網絡》111、09ggnn-06-GGNN模型細節(jié)..mp4 309.85M
| | ├──13、09 NLP-圖神經網絡》112、09ggnn-07-GGSNNs模型細節(jié)..mp4 201.34M
| | ├──13、09 NLP-圖神經網絡》113、09ggnn-08-bAbI任務..mp4 376.28M
| | ├──13、09 NLP-圖神經網絡》114、09ggnn-09-RNN圖數(shù)據分析..mp4 120.99M
| | ├──13、09 NLP-圖神經網絡》115、09ggnn-10-實驗分析&論文總結..mp4 214.28M
| | ├──13、09 NLP-圖神經網絡》116、09ggnn-11-代碼介紹..mp4 193.15M
| | ├──13、09 NLP-圖神經網絡》117、09ggnn-12-讀圖..mp4 489.12M
| | ├──13、09 NLP-圖神經網絡》118、09ggnn-13-ggnn模型代碼..mp4 721.68M
| | ├──13、09 NLP-圖神經網絡》119、09ggnn-14-模型訓練和測試..mp4 169.30M
| | ├──13、09 NLP-圖神經網絡》11、01nodevec-05-模型算法&alias算法.mp4 593.86M
| | ├──13、09 NLP-圖神經網絡》120、10mpnn-01-研究背景..mp4 250.75M
| | ├──13、09 NLP-圖神經網絡》121、10mpnn-02-mpnn框架簡介..mp4 153.79M
| | ├──13、09 NLP-圖神經網絡》122、10mpnn-03-研究成果研究意義..mp4 189.31M
| | ├──13、09 NLP-圖神經網絡》123、10mpnn-04-模型總覽..mp4 312.69M
| | ├──13、09 NLP-圖神經網絡》124、10mpnn-05-mpnn框架..mp4 143.19M
| | ├──13、09 NLP-圖神經網絡》125、10mpnn-06-mpnn代表模型..mp4 533.38M
| | ├──13、09 NLP-圖神經網絡》126、10mpnn-07-化學分子預測模型..mp4 424.61M
| | ├──13、09 NLP-圖神經網絡》127、10mpnn-08-set2set模型..mp4 400.14M
| | ├──13、09 NLP-圖神經網絡》128、10mpnn-09-專題總結..mp4 218.25M
| | ├──13、09 NLP-圖神經網絡》129、10mpnn-10-實驗分析..mp4 227.78M
| | ├──13、09 NLP-圖神經網絡》12、01nodevec-06-實驗分析.mp4 515.00M
| | ├──13、09 NLP-圖神經網絡》130、10mpnn-11-論文總結..mp4 229.01M
| | ├──13、09 NLP-圖神經網絡》131、10mpnn-12-代碼介紹..mp4 343.11M
| | ├──13、09 NLP-圖神經網絡》132、10mpnn-13-構造圖..mp4 658.98M
| | ├──13、09 NLP-圖神經網絡》133、10mpnn-14-DataLoader封裝..mp4 338.92M
| | ├──13、09 NLP-圖神經網絡》134、10mpnn-15-mpnn框架代碼..mp4 607.11M
| | ├──13、09 NLP-圖神經網絡》135、10mpnn-16-模型訓練和測試..mp4 194.30M
| | ├──13、09 NLP-圖神經網絡》13、01nodevec-07-論文總結.mp4 236.53M
| | ├──13、09 NLP-圖神經網絡》14、01nodevec-08-代碼整體介紹.mp4 414.96M
| | ├──13、09 NLP-圖神經網絡》15、01nodevec-09-代碼節(jié)點和邊的alias實現(xiàn).mp4 457.58M
| | ├──13、09 NLP-圖神經網絡》16、01nodevec-10-代碼有偏隨機游走和模型訓練.mp4 183.10M
| | ├──13、09 NLP-圖神經網絡》17、01nodevec-11-代碼結果展示和總結.mp4 83.95M
| | ├──13、09 NLP-圖神經網絡》18、02-line-01-論文背景..mp4 152.33M
| | ├──13、09 NLP-圖神經網絡》19、02-line-02-研究成果研究意義..mp4 214.34M
| | ├──13、09 NLP-圖神經網絡》20、02-line-03-前期知識..mp4 103.25M
| | ├──13、09 NLP-圖神經網絡》21、02-line-04-一二階相似度..mp4 507.94M
| | ├──13、09 NLP-圖神經網絡》22、02-line-05-模型優(yōu)化時間復雜度..mp4 344.09M
| | ├──13、09 NLP-圖神經網絡》23、02-line-06-實驗分析一..mp4 481.52M
| | ├──13、09 NLP-圖神經網絡》24、02-line-07-實驗分析二..mp4 196.73M
| | ├──13、09 NLP-圖神經網絡》25、02-line-08-論文總結..mp4 225.61M
| | ├──13、09 NLP-圖神經網絡》26、02-line-09-代碼讀圖..mp4 191.59M
| | ├──13、09 NLP-圖神經網絡》27、02-line-10-代碼aliasSampling..mp4 226.06M
| | ├──13、09 NLP-圖神經網絡》28、02-line-11-代碼line模型實現(xiàn)..mp4 505.97M
| | ├──13、09 NLP-圖神經網絡》29、03-sdne-01-論文背景..mp4 105.81M
| | ├──13、09 NLP-圖神經網絡》30、03-sdne-02-前期知識..mp4 114.45M
| | ├──13、09 NLP-圖神經網絡》31、03-sdne-03-研究成果..mp4 107.48M
| | ├──13、09 NLP-圖神經網絡》32、03sdne-04-模型結構..mp4 240.24M
| | ├──13、09 NLP-圖神經網絡》33、03sdne-05-一二階相似度..mp4 293.22M
| | ├──13、09 NLP-圖神經網絡》34、03sdne-06-自編碼器&稀疏性問題..mp4 334.29M
| | ├──13、09 NLP-圖神經網絡》35、03sdne-07-優(yōu)化方法&時間復雜度..mp4 412.15M
| | ├──13、09 NLP-圖神經網絡》36、03sdne-08-實驗設置介紹..mp4 436.23M
| | ├──13、09 NLP-圖神經網絡》37、03sdne-09-實驗分析..mp4 373.74M
| | ├──13、09 NLP-圖神經網絡》38、03sdne-10-代碼模型訓練..mp4 308.48M
| | ├──13、09 NLP-圖神經網絡》39、03sdne-11-代碼sdne模型實現(xiàn)..mp4 270.33M
| | ├──13、09 NLP-圖神經網絡》40、03sdne-12-代碼模型訓練..mp4 270.61M
| | ├──13、09 NLP-圖神經網絡》41、04metapath2vec-01-研究背景..mp4 140.80M
| | ├──13、09 NLP-圖神經網絡》42、04metapath2vec-02-研究成果..mp4 179.95M
| | ├──13、09 NLP-圖神經網絡》43、04metapath2vec-03-異質網絡skip2gram..mp4 270.85M
| | ├──13、09 NLP-圖神經網絡》44、04metapath2vec-04-算法細節(jié)..mp4 385.66M
| | ├──13、09 NLP-圖神經網絡》45、04metapath2vec-05-實驗分析..mp4 207.66M
| | ├──13、09 NLP-圖神經網絡》46、04metapath2vec-06-論文總結..mp4 168.81M
| | ├──13、09 NLP-圖神經網絡》47、04metapath2vec-07-代碼dgl平臺介紹..mp4 155.82M
| | ├──13、09 NLP-圖神經網絡》48、04metapath2vec-08-代碼生成meta-path訓練集..mp4 433.50M
| | ├──13、09 NLP-圖神經網絡》49、04metapath2vec-09-代碼模型實現(xiàn)..mp4 398.72M
| | ├──13、09 NLP-圖神經網絡》50、04metapath2vec-10-代碼模型訓練..mp4 366.56M
| | ├──13、09 NLP-圖神經網絡》51、05transe-01-研究背景..mp4 115.13M
| | ├──13、09 NLP-圖神經網絡》52、05transe-02-研究成果研究意義..mp4 183.59M
| | ├──13、09 NLP-圖神經網絡》53、05transe-03-transE算法..mp4 263.96M
| | ├──13、09 NLP-圖神經網絡》54、05transe-04-transH算法..mp4 271.81M
| | ├──13、09 NLP-圖神經網絡》55、05transe-05-transR算法..mp4 229.26M
| | ├──13、09 NLP-圖神經網絡》56、05transe-06-transH算法..mp4 336.56M
| | ├──13、09 NLP-圖神經網絡》57、05transe-07-模型對比和總結..mp4 78.34M
| | ├──13、09 NLP-圖神經網絡》58、05transe-08-實驗設置和分析..mp4 281.38M
| | ├──13、09 NLP-圖神經網絡》59、05transe-09-實驗分析.mp4.mp4 212.42M
| | ├──13、09 NLP-圖神經網絡》60、05transe-10-論文總結..mp4 63.46M
| | ├──13、09 NLP-圖神經網絡》61、05transe-11-代碼介紹..mp4 33.03M
| | ├──13、09 NLP-圖神經網絡》62、05transe-12-代碼詳解一..mp4 295.15M
| | ├──13、09 NLP-圖神經網絡》63、05transe-13-代碼詳解二..mp4 294.93M
| | ├──13、09 NLP-圖神經網絡》64、05transe-14-TransR等實現(xiàn)及代碼總結..mp4 320.68M
| | ├──13、09 NLP-圖神經網絡》65、06gat-01-研究背景..mp4 109.55M
| | ├──13、09 NLP-圖神經網絡》66、06gat-02-圖卷積消息傳遞..mp4 95.69M
| | ├──13、09 NLP-圖神經網絡》67、06gat-03-研究成果研究意義..mp4 124.05M
| | ├──13、09 NLP-圖神經網絡》68、06gat-04-gnn核心框架..mp4 316.20M
| | ├──13、09 NLP-圖神經網絡》69、06gat-05-gat算法講解..mp4 230.36M
| | ├──13、09 NLP-圖神經網絡》70、06gat-06-各種attention總結..mp4 155.38M
| | ├──13、09 NLP-圖神經網絡》71、06gat-07-multi-head起源簡介..mp4 80.29M
| | ├──13、09 NLP-圖神經網絡》72、06gat-08-GAT算法總結和實驗設置..mp4 525.18M
| | ├──13、09 NLP-圖神經網絡》73、06gat-09-論文總結..mp4 220.09M
| | ├──13、09 NLP-圖神經網絡》74、06gat-10-代碼介紹..mp4 322.93M
| | ├──13、09 NLP-圖神經網絡》75、06gat-11-代碼設置參數(shù)&讀圖..mp4 310.49M
| | ├──13、09 NLP-圖神經網絡》76、06gat-12-鄰接矩陣歸一化..mp4 203.69M
| | ├──13、09 NLP-圖神經網絡》77、06gat-13-gat模型實現(xiàn)..mp4 390.52M
| | ├──13、09 NLP-圖神經網絡》78、06gat-14-gat模型訓練及代碼總結..mp4 242.22M
| | ├──13、09 NLP-圖神經網絡》79、07graphsage-01-研究背景..mp4 125.88M
| | ├──13、09 NLP-圖神經網絡》80、07graphsage-02-graphSAGE模型簡介..mp4 75.28M
| | ├──13、09 NLP-圖神經網絡》81、07graphsage-03-研究成果研究意義..mp4 149.25M
| | ├──13、09 NLP-圖神經網絡》82、07graphsage-04-模型總覽..mp4 87.92M
| | ├──13、09 NLP-圖神經網絡》83、07graphsage-05-算法詳解..mp4 439.42M
| | ├──13、09 NLP-圖神經網絡》84、07graphsage-06-監(jiān)督訓練及aggregators..mp4 201.18M
| | ├──13、09 NLP-圖神經網絡》85、07graphsage-07-batch訓練及WLtest..mp4 320.32M
| | ├──13、09 NLP-圖神經網絡》86、07graphsage-08-實驗分析..mp4 326.74M
| | ├──13、09 NLP-圖神經網絡》87、07graphsage-09-代碼介紹.mp4 183.13M
| | ├──13、09 NLP-圖神經網絡》88、07graphsage-10-讀圖讀特征..mp4 199.61M
| | ├──13、09 NLP-圖神經網絡》89、07graphsage-11-mean-aggregator講解..mp4 328.05M
| | ├──13、09 NLP-圖神經網絡》90、07graphsage-12-encoder講解..mp4 184.49M
| | ├──13、09 NLP-圖神經網絡》91、07graphsage-13-模型訓練及代碼總結..mp4 142.98M
| | ├──13、09 NLP-圖神經網絡》92、08gcn-01-研究背景.cmproj..mp4 112.51M
| | ├──13、09 NLP-圖神經網絡》93、08gcn-02-gcn模型簡介..mp4 99.52M
| | ├──13、09 NLP-圖神經網絡》94、08gcn-03-研究成果研究意義..mp4 121.66M
| | ├──13、09 NLP-圖神經網絡》95、08gcn-04-模型總覽..mp4 105.48M
| | ├──13、09 NLP-圖神經網絡》96、08gcn-05-RGCN模型簡介..mp4 324.77M
| | ├──13、09 NLP-圖神經網絡》97、08gcn-06-拉普拉斯矩陣..mp4 90.93M
| | ├──13、09 NLP-圖神經網絡》98、08gcn-07-圖的頻域變換..mp4 95.39M
| | └──13、09 NLP-圖神經網絡》99、08gcn-08-Chebyshev卷積核.mp4.mp4 94.97M
| ├──14、10 NLP-文本匹配》
| | ├──14、10 NLP-文本匹配》02、01DSSM-00專題引言.mp4 34.45M
| | ├──14、10 NLP-文本匹配》03、01DSSM-01-學習目標..mp4 9.80M
| | ├──14、10 NLP-文本匹配》04、01DSSM-02-論文背景、貢獻及意義.mp4 21.73M
| | ├──14、10 NLP-文本匹配》05、01DSSM-03摘要精讀、總結.mp4 15.85M
| | ├──14、10 NLP-文本匹配》06、01DSSM-04-上節(jié)回顧.mp4 12.39M
| | ├──14、10 NLP-文本匹配》07、01DSSM-05-詞哈希.mp4 27.39M
| | ├──14、10 NLP-文本匹配》08、01DSSM-06-DSSM整體結構.mp4 13.01M
| | ├──14、10 NLP-文本匹配》09、01DSSM-07-優(yōu)化函數(shù)、實驗與總結.mp4 20.27M
| | ├──14、10 NLP-文本匹配》100、10-代碼講解-11.mp4 357.31M
| | ├──14、10 NLP-文本匹配》10、01DSSM-08-代碼總覽.mp4 22.27M
| | ├──14、10 NLP-文本匹配》11、01DSSM-09-詞哈希表的建立與數(shù)據載入.mp4 47.05M
| | ├──14、10 NLP-文本匹配》12、01DSSM-10-模型的搭建與訓練、測試.mp4 36.95M
| | ├──14、10 NLP-文本匹配》13、02SiameseNet-01-孿生網絡定義.mp4 10.70M
| | ├──14、10 NLP-文本匹配》14、02SiameseNet-02-論文背景、成果、意義.mp4 13.80M
| | ├──14、10 NLP-文本匹配》15、02SiameseNet-03-摘要帶讀、課程小節(jié).mp4 9.19M
| | ├──14、10 NLP-文本匹配》16、02SiameseNet-04-SiameseNet整體結構..mp4 20.14M
| | ├──14、10 NLP-文本匹配》17、02SiameseNet-05-對比損失函數(shù).mp4 9.57M
| | ├──14、10 NLP-文本匹配》18、02SiameseNet-06-實驗設置與分析.mp4 12.85M
| | ├──14、10 NLP-文本匹配》19、02SiameseNet-07-復習、代碼總覽.mp4 28.01M
| | ├──14、10 NLP-文本匹配》20、02SiameseNet-08-data_load..mp4 34.35M
| | ├──14、10 NLP-文本匹配》21、02SiameseNet-09-模型搭建與訓練.mp4 23.12M
| | ├──14、10 NLP-文本匹配》22、03比較-聚合模型-01序列到序列模型..mp4 35.37M
| | ├──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..mp4 33.94M
| | ├──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..mp4 22.11M
| | ├──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..mp4 35.58M
| | ├──14、10 NLP-文本匹配》26、03比較-聚合模型-05論文泛讀..mp4 17.11M
| | ├──14、10 NLP-文本匹配》27、03比較-聚合模型-06整體結構..mp4 66.45M
| | ├──14、10 NLP-文本匹配》28、03比較-聚合模型-07與處理與注意力層..mp4 37.79M
| | ├──14、10 NLP-文本匹配》29、03比較-聚合模型-08比較聚合層..mp4 44.73M
| | ├──14、10 NLP-文本匹配》30、03比較-聚合模型-09實驗分析與總結..mp4 94.22M
| | ├──14、10 NLP-文本匹配》31、03比較-聚合模型-10SNLI數(shù)據集處理..mp4 98.48M
| | ├──14、10 NLP-文本匹配》32、03比較-聚合模型-11SNLI數(shù)據集處理..mp4 41.45M
| | ├──14、10 NLP-文本匹配》33、03比較-聚合模型-12數(shù)據載入模塊..mp4 66.78M
| | ├──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..mp4 73.02M
| | ├──14、10 NLP-文本匹配》35、03比較-聚合模型-14復習、代碼總覽..mp4 24.52M
| | ├──14、10 NLP-文本匹配》36、04ESIM-01學習目標與論文背景..mp4 28.54M
| | ├──14、10 NLP-文本匹配》37、04ESIM-02論文總覽與摘要帶讀..mp4 26.77M
| | ├──14、10 NLP-文本匹配》38、04ESIM-03ESIM整體結構..mp4 20.80M
| | ├──14、10 NLP-文本匹配》39、04ESIM-04輸入編碼層..mp4 20.11M
| | ├──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..mp4 32.33M
| | ├──14、10 NLP-文本匹配》41、04ESIM-06實驗設置與結果分析..mp4 24.05M
| | ├──14、10 NLP-文本匹配》42、04ESIM-07論文總結與課程回顧..mp4 14.33M
| | ├──14、10 NLP-文本匹配》43、04ESIM-08復習、代碼總覽..mp4 23.28M
| | ├──14、10 NLP-文本匹配》44、04ESIM-09torchtext構建數(shù)據集..mp4 50.73M
| | ├──14、10 NLP-文本匹配》45、04ESIM-10ESIM搭建與訓練..mp4 43.49M
| | ├──14、10 NLP-文本匹配》46、05BiMPM-01學習目標與研究背景..mp4 18.07M
| | ├──14、10 NLP-文本匹配》47、05BiMPM-02相關工作..mp4 15.07M
| | ├──14、10 NLP-文本匹配》48、05BiMPM-03研究成果、意義與論文結構..mp4 10.33M
| | ├──14、10 NLP-文本匹配》49、05BiMPM-04摘要導讀..mp4 19.70M
| | ├──14、10 NLP-文本匹配》50、05BiMPM-05上節(jié)回顧與模型結構揣測..mp4 36.96M
| | ├──14、10 NLP-文本匹配》51、05BiMPM-06模型整體結構..mp4 10.91M
| | ├──14、10 NLP-文本匹配》52、05BiMPM-07多視角匹配..mp4 24.31M
| | ├──14、10 NLP-文本匹配》53、05BiMPM-08實驗分析與總結..mp4 21.80M
| | ├──14、10 NLP-文本匹配》54、06RE2-01-論文研究背景.mp4.mp4 193.08M
| | ├──14、10 NLP-文本匹配》55、06RE2-02-研究意義、摘要重點講解.mp4.mp4 94.68M
| | ├──14、10 NLP-文本匹配》56、06RE2-03-RE2結構講解.mp4.mp4 172.16M
| | ├──14、10 NLP-文本匹配》57、06RE2-04-RE2結構細節(jié)、訓練技巧.mp4.mp4 205.08M
| | ├──14、10 NLP-文本匹配》58、06RE2-05-實驗設置、結果分析.mp4.mp4 302.46M
| | ├──14、10 NLP-文本匹配》59、06RE2-06-code1.mp4.mp4 294.47M
| | ├──14、10 NLP-文本匹配》60、06RE2-07-code2.mp4.mp4 342.38M
| | ├──14、10 NLP-文本匹配》61、06RE2-08-code3.mp4.mp4 185.45M
| | ├──14、10 NLP-文本匹配》62、07MGCN-01-泛讀_研究背景、意義講解.mp4.mp4 209.31M
| | ├──14、10 NLP-文本匹配》63、07MGCN-02-泛讀_成果、大綱介紹.mp4.mp4 115.44M
| | ├──14、10 NLP-文本匹配》64、07MGCN-03-精讀_BERT出現(xiàn).mp4.mp4 192.93M
| | ├──14、10 NLP-文本匹配》65、07MGCN-04-精讀_poly-encoder.mp4.mp4 235.81M
| | ├──14、10 NLP-文本匹配》66、07MGCN-05-精讀_Bert細節(jié).mp4.mp4 336.94M
| | ├──14、10 NLP-文本匹配》67、07MGCN-06-code1.mp4.mp4 352.43M
| | ├──14、10 NLP-文本匹配》68、07MGCN-07-code2.mp4.mp4 373.33M
| | ├──14、10 NLP-文本匹配》69、07MGCN-08-code3.mp4.mp4 235.93M
| | ├──14、10 NLP-文本匹配》70、08MatchPyramid-01-研究背景.mp4.mp4 176.79M
| | ├──14、10 NLP-文本匹配》71、08MatchPyramid-02-論文泛讀.mp4.mp4 91.97M
| | ├──14、10 NLP-文本匹配》72、08MatchPyramid-03-算法模型總覽、結構、matching matrix.m.mp4 189.15M
| | ├──14、10 NLP-文本匹配》73、08MatchPyramid-04-卷積層講解.mp4.mp4 157.01M
| | ├──14、10 NLP-文本匹配》74、08MatchPyramid-05-matching score.mp4.mp4 155.47M
| | ├──14、10 NLP-文本匹配》75、08MatchPyramid-06-訓練技巧、實驗及總結.mp4.mp4 168.59M
| | ├──14、10 NLP-文本匹配》76、08MatchPyramid-07-code 1.mp4.mp4 177.22M
| | ├──14、10 NLP-文本匹配》77、08MatchPyramid-08-code 2.mp4.mp4 124.59M
| | ├──14、10 NLP-文本匹配》78、08MatchPyramid-09-code 3.mp4.mp4 309.85M
| | ├──14、10 NLP-文本匹配》79、09-MGCN論文泛讀-01.mp4.mp4 214.04M
| | ├──14、10 NLP-文本匹配》80、09-MGCN論文泛讀-02.mp4.mp4 122.75M
| | ├──14、10 NLP-文本匹配》81、09-MGCN論文精讀-03.mp4.mp4 258.75M
| | ├──14、10 NLP-文本匹配》82、09-MGCN論文精讀-04.mp4.mp4 154.22M
| | ├──14、10 NLP-文本匹配》83、09-MGCN論文精讀-05.mp4.mp4 175.14M
| | ├──14、10 NLP-文本匹配》84、09-MGCN論文精讀-06.mp4.mp4 177.76M
| | ├──14、10 NLP-文本匹配》85、09-MGCN論文精讀-07.mp4.mp4 152.48M
| | ├──14、10 NLP-文本匹配》86、09-MGCN代碼講解-08.mp4.mp4 200.38M
| | ├──14、10 NLP-文本匹配》87、09-MGCN代碼講解-09.mp4.mp4 275.05M
| | ├──14、10 NLP-文本匹配》88、09-MGCN代碼講解-10.mp4.mp4 460.00M
| | ├──14、10 NLP-文本匹配》89、09-MGCN代碼講解-11.mp4.mp4 205.30M
| | ├──14、10 NLP-文本匹配》90、10-論文泛讀-01.mp4 224.67M
| | ├──14、10 NLP-文本匹配》91、10-論文泛讀-02.mp4 171.96M
| | ├──14、10 NLP-文本匹配》92、10-論文精讀-03.mp4 213.22M
| | ├──14、10 NLP-文本匹配》93、10-論文精讀-04.mp4 169.79M
| | ├──14、10 NLP-文本匹配》94、10-論文精讀-05.mp4 171.03M
| | ├──14、10 NLP-文本匹配》95、10-論文精讀-06.mp4 94.00M
| | ├──14、10 NLP-文本匹配》96、10-代碼講解-07.mp4 167.06M
| | ├──14、10 NLP-文本匹配》97、10-代碼講解-08.mp4 327.49M
| | ├──14、10 NLP-文本匹配》98、10-代碼講解-09.mp4 387.28M
| | └──14、10 NLP-文本匹配》99、10-代碼講解-10.mp4 423.30M
| ├──15、11 NLP-機器翻譯》
| | ├──15、11 NLP-機器翻譯》01、ConvSeq2Seq-代碼講解.mp4 302.49M
| | ├──15、11 NLP-機器翻譯》02、ConvSeq2Seq-論文精讀.mp4 204.33M
| | ├──15、11 NLP-機器翻譯》03、ConvSeq2Seq-論文泛讀.mp4 61.89M
| | ├──15、11 NLP-機器翻譯》05、1.1-loung_nmt-儲備知識..mp4 138.04M
| | ├──15、11 NLP-機器翻譯》06、1.2-loung_nmt-研究背景..mp4 528.45M
| | ├──15、11 NLP-機器翻譯》07、1.3-loung_nmt-研究成果及意義.mp4.mp4 101.56M
| | ├──15、11 NLP-機器翻譯》08、1.4-luong_nmt-論文簡介.mp4.mp4 255.81M
| | ├──15、11 NLP-機器翻譯》09、1.5-luong_nmt-global_attention..mp4 422.35M
| | ├──15、11 NLP-機器翻譯》10、1.6-luong_nmt-local_attention..mp4 405.21M
| | ├──15、11 NLP-機器翻譯》11、1.7-luong_nmt_2_4_實驗.mp4.mp4 378.70M
| | ├──15、11 NLP-機器翻譯》12、1.8-loung_nmt_數(shù)據讀取..mp4 310.95M
| | ├──15、11 NLP-機器翻譯》13、1.9-loung_nmt_模型實現(xiàn)..mp4 645.32M
| | ├──15、11 NLP-機器翻譯》14、1.10-loung_nmt_訓練和測試.mp4.mp4 350.78M
| | ├──15、11 NLP-機器翻譯》15、2.1-coverage_儲備知識.mp4.mp4 105.65M
| | ├──15、11 NLP-機器翻譯》16、2.2-coverage_研究背景及意義.mp4 262.16M
| | ├──15、11 NLP-機器翻譯》17、2.3-coverage_相關知識.mp4.mp4 292.65M
| | ├──15、11 NLP-機器翻譯》18、2.4-coverage_基于語言學的覆蓋模型..mp4 297.42M
| | ├──15、11 NLP-機器翻譯》19、2.5-coverage_基于神經網絡的覆蓋模型..mp4 289.83M
| | ├──15、11 NLP-機器翻譯》20、2.6-coverage 代碼實踐.mp4.mp4 632.24M
| | ├──15、11 NLP-機器翻譯》21、3.1-subword_nmt_1_1.mp4 170.16M
| | ├──15、11 NLP-機器翻譯》22、3.2-subword_nmt.mp4 206.10M
| | ├──15、11 NLP-機器翻譯》23、3.3-subword_nmt_.mp4 334.79M
| | ├──15、11 NLP-機器翻譯》24、3.4-subword_nmt_.mp4 454.10M
| | ├──15、11 NLP-機器翻譯》25、3.5-subword_nmt_.mp4 444.50M
| | ├──15、11 NLP-機器翻譯》26、3.6-subword_nmt.mp4 636.50M
| | ├──15、11 NLP-機器翻譯》27、4.1-Google-nmt.mp4 427.73M
| | ├──15、11 NLP-機器翻譯》28、【4月9日】Mass-論文泛讀.mp4 171.66M
| | └──15、11 NLP-機器翻譯》29、【4月16日】Mass-論文精讀.mp4 244.05M
| ├──16、12 NLP-情感分析》
| ├──17、13 NLP-閱讀理解》
| ├──18、14 NLP-對話系統(tǒng)》
| ├──19、強化學習》
| ├──21、NLP-paper 前沿論文直播講解》
| ├──22、NLP-直播答疑》
| ├──24、精讀論文專欄（NLP方向）》
| └──25、重點講解專欄（NLP方向）》