学堂在线 清华大学驭风计划深度学习python算法

📁 学堂在线清华大学驭风计划深度学习python算法
📁 驭风计划-深度学习
📁 自然语言处理训练营(2024_第1期)
📁 自然语言处理训练营(2023_第3期)
📁 机器学习训练营(2022_第9期)
📁 驭风计划-深度学习（标清）
📁 驭风计划-python入门与应用
📁 算法训练营
📁 {1}–课程
📁 {1}–课程
📁 直播回放
📁 11.深度学习基础
📁 02.机器学习基础
📁 12.基于群体智慧的机器学习数据集构建
📁 01.序-学习课件
📁 07.基于实例的学习方法
📁 08.支持向量机（SVM）
📁 06.贝叶斯学习
📁 04.决策树学习
📁 10.集成学习
📁 13.机器学习算法总结
📁 14.毕业设计
📁 05.回归分析
📁 09.无监督学习
📁 03.机器学习实验方法与原则
📁 深度学习直播答疑
📄 10.1_生成式模型.mp4
📄 7.4_图像风格转换.mp4
📄 第二章.pdf
📄 8.4_语音识别应用.mp4
📄 4.2_前向计算.mp4
📄 6.2_处理过拟合.mp4
📄 3.2_softmax回归.mp4
📄 8.2_RNNs.mp4
📄 10.2_受限玻尔兹曼机.mp4
📄 第十章.pdf
📄 4.5_深度学习模型的训练技巧I.mp4
📄 1.3_深度学习的应用.mp4
📄 7.3_图像分割.mp4
📄 8.3_门控RNNs.mp4
📄 2.1_数学基础回顾.mp4
📄 第九章.pdf
📄 第七章.pdf
📄 第四章.pdf
📄 5.4_典型的卷积神经网络.mp4
📄 7.1_图像分类.mp4
📄 9.2_词表示.mp4
📄 第一章.pdf
📄 4.1_多层感知机_前言.mp4
📄 10.3_深度信念网络.mp4
📄 第六章.pdf
📄 7.2_物体检测.mp4
📄 2.2_机器学习基础回顾.mp4
📄 10.4 生成对抗网络.mp4
📄 1.1_深度学习的基本概念.mp4
📄 8.1_动态系统.mp4
📄 9.4_神经网络进行机器翻译.mp4
📄 第三章.pdf
📄 3.1_logistic回归.mp4
📄 1.2_深度学习的发展历程.mp4
📁 第1部分：初入宝山，窥探算法奥秘
📁 第3部分：坚持不懈，修炼算法内功
📁 第4部分：持续烧脑，精研算法之妙
📁 第5部分：蓄力前行，勇攀算法高峰
📁 上机实践：习题精讲
📁 第2部分：渐入佳境，领略算法之美
📁 直播回放
📁 第0课：调整姿势，迎接算法挑战
📁 {9}–文档分析与阅读理解
📁 {11}–NLP前沿介绍
📁 {2}–NLP模型基础
📁 {7}–文本分类与关系抽取
📁 {4}–预训练语言模型
📁 {12}–直播回放
📁 {10}–文本生成
📁 {3}–seq2seq与机器翻译
📁 {1}–课程介绍
📁 {8}–文本匹配与信息检索
📁 {6}–序列标注与信息抽取
📁 {5}–知识图谱
📄 8.1_动态系统.mp4
📄 4.1_多层感知机_前言.mp4
📄 实验6讲解.mp4
📄 第四章.pdf
📄 9.2_词表示.mp4
📄 实验7汇报+结营.mp4
📄 8.4_语音识别应用.mp4
📄 9.4_神经网络进行机器翻译.mp4
📄 1.4_深度学习的潜在风险.mp4
📄 第九章.pdf
📄 7.3_图像分割.mp4
📄 6.4_超参数选取.mp4
📄 实验一汇报、讲解+实验三布置+直播答疑.mp4
📄 7.1_图像分类.mp4
📄 1.3_深度学习的应用.mp4
📄 6.1_优化器.mp4
📄 第六章.pdf
📄 10.1_生成式模型.mp4
📄 5.4_典型的卷积神经网络.mp4
📄 3.2_softmax回归.mp4
📄 1.1_深度学习的基本概念.mp4
📄 直播答疑2.mp4
📄 开营仪式+实验一、二布置+答疑.mp4
📄 第一章.pdf
📄 3.1_logistic回归.mp4
📄 实验4讲解+实验6布置答疑.mp4
📄 4.5_深度学习模型的训练技巧I.mp4
📄 10.3_深度信念网络.mp4
📄 实验三讲解+直播答疑.mp4
📄 8.2_RNNs.mp4
📄 1.2_深度学习的发展历程.mp4
📄 第二章.pdf
📄 10.4 生成对抗网络.mp4
📄 9.3_神经网络进行文本分类.mp4
📄 5.1_卷积神经网络简介.mp4
📄 实验二讲解+直播答疑.mp4
📄 4.2_前向计算.mp4
📄 4.3_反向计算.mp4
📄 2.2_机器学习基础回顾.mp4
📄 第七章.pdf
📄 7.4_图像风格转换.mp4
📄 9.1_NLP典型任务.mp4
📄 6.2_处理过拟合.mp4
📄 6.3_批归一化.mp4
📄 4.4_层分解.mp4
📄 5.2_卷积层.mp4
📄 8.3_门控RNNs.mp4
📄 实验五讲解.mp4
📄 2.1_数学基础回顾.mp4
📄 5.3_池化层.mp4
📄 实验四、五布置+直播答疑.mp4
📄 第十章.pdf
📄 第三章.pdf
📄 7.2_物体检测.mp4
📄 10.2_受限玻尔兹曼机.mp4
📄 直播答疑1.mp4
📄 4.1.1 列表练习（1）.mp4
📄 1.12.pdf
📄 8.7 propety使用.mp4
📄 1.5 第三方模块管理.mp4
📄 12.1 numpy简介与安装.mp4
📄 14.9 索引及多级索引.mp4
📄 11.7 解压缩列表.mp4
📄 14.2 series对象.mp4
📄 15.9 cuts.mp4
📄 9.1模块与导入.pdf
📄 7.2 函数参数.mp4
📄 17.5 买家评论信息分析（一）.mp4
📄 4.3拷贝问题.pdf
📄 7.8 闭包.mp4
📄 3.1序列.pdf
📄 16.5 复购率.mp4
📄 1.7 输入输出语句与基本语法.mp4
📄 5.5.1 产生销售数据.mp4
📄 15.8 分组处理.mp4
📄 2.4 随机数模块.mp4
📄 1.10 循环语句-while循环.mp4
📄 3.4列表解析.pdf
📄 9.9 split与sub方法.mp4
📄 3.4 字符串相关函数.mp4
📄 4.5.2 字典强化练习（2）.mp4
📄 3.3 字符串.mp4
📄 11.2 求交集.mp4
📄 8.6 收银台结算案例.mp4
📄 8.13 添加菜单.mp4
📄 3.5.1 字符串相关方法（1）.mp4
📄 6.6 excel读取快速入门.mp4
📄 10.5 进程池.mp4
📄 10.3多线程详解与应用.pdf
📄 1.8 三种运算符.mp4
📄 12.2 ndarray对象.mp4
📄 9.1 模块与导入.mp4
📄 5.4 文件读取操作.mp4
📄 1.9.pdf
📄 11.4 字符串列表翻转.mp4
📄 15.7 数据处理.mp4
📄 15.3 数据去重.mp4
📄 6.9 excel文件拆分.mp4
📄 6.2os模块目录处理.pdf
📄 14.5 缺失值处理（一）.mp4
📄 4.4collections模块.pdf
📄 15.2 时间分析.mp4
📄 10.4 统计文件练习.mp4
📄 8.1面向对象编程.pdf
📄 8.4 对象的生命周期.mp4
📄 8.10 特殊方法.mp4
📄 7.3递归函数.pdf
📄 1.12 快速入门函数.mp4
📄 15.1 period与时间应用.mp4
📄 11.10 加数的最大积.mp4
📄 5.7.2 csv文件练习（2）.mp4
📄 17.2 sns数据集与第一个图表.mp4
📄 17.8 mv_lens1.mp4
📄 4.7 拷贝问题.mp4
📄 8.3班级练习_jupyter.pdf
📄 3.2字符串详解.pdf
📄 10.1mysql数据库操作.pdf
📄 14.4 pandas数据导入.mp4
📄 6.4json与picke.pdf
📄 7.1 函数基础.mp4
📄 11.11 n的第k个因子.mp4
📄 11.9 排队问题.mp4
📄 1.11 循环语句-for循环.mp4
📄 7.2匿名函数与函数式编程.pdf
📄 6.5ini配置文件处理.pdf
📄 15.10 str处理.mp4
📄 16.10 seaborn.mp4
📄 8.11 类组合与练习.mp4
📄 5.1 文件操作快速入门.mp4
📄 4.4 字典相关方法.mp4
📄 7.7 递归.mp4
📄 14.7 根据条件获取数据.mp4
📄 2.1 数字基础.mp4
📄 1.4 jupyter使用.mp4
📄 8.3 实例方法.mp4
📄 16.3 gdp分析（二）.mp4
📄 1.2-1.5.pdf
📄 3.5.3 字符串相关方法（3）.mp4
📄 6.13 ini文件读写.mp4
📄 7.10 yield与生成器函数.mp4
📄 4.6 集合.mp4
📄 9.3正则表达式.pdf
📄 8.5 面向对象三种方法.mp4
📄 6.2 按照时间完成订单的统计.mp4
📄 4.2集合.pdf
📄 1.6-1.8.pdf
📄 7.6生成器函数.pdf
📄 13matplotlib.pdf
📄 6.7 excel读取操作.mp4
📄 7.5 匿名函数.mp4
📄 4.5.1 字典强化练习（1）.mp4
📄 7.4闭包.pdf
📄 4.2 列表解析.mp4
📄 14.8 描述性统计与计算.mp4
📄 6.3 统计7天内的订单量.mp4
📄 3.8 元组.mp4
📄 3.2 序列通用函数.mp4
📄 6.1时间处理.pdf
📄 9.2 包与相对导入绝对导入.mp4
📄 2.2随机数模块.pdf
📄 10.1 python操作mysql.mp4
📄 1.6 理解变量.mp4
📄 13.1 matplotlib.mp4
📄 7.5装饰器.pdf
📄 14.1 pandas课程介绍.mp4
📄 7.1函数基础详解.pdf
📄 16.8 rfm模型（一）.mp4
📄 3.5.2 字符串相关方法（2）.mp4
📄 16.2 gdp分析（一）.mp4
📄 10.7 线程安全与互斥锁.mp4
📄 11.1 有序列表中插入元素.mp4
📄 4.8 collections模块详解.mp4
📄 9.6 正则表达式基本语法.mp4
📄 17.7 泰坦尼克分析.mp4
📄 11.8 数字列表加法操作.mp4
📄 6.1 时间处理.mp4
📄 5.2csv文件详解.pdf
📄 6.5 文件练习.mp4
📄 9.3 异常处理.mp4
📄 17.1 设置颜色.mp4
📄 8.8 反射.mp4
📄 15.5 数据集合并（二）.mp4
📄 8.2 类与实例属性.mp4
📄 3.3列表.pdf
📄 14.3 dataframe对象.mp4
📄 11.3 字符串旋转.mp4
📄 16.7 用户转化率分析.mp4
📄 16.6 复购时间间隔.mp4
📄 3.7 列表操作详解.mp4
📄 3.1 序列基础.mp4
📄 1.9 条件语句-if语句.mp4
📄 5.5.2 销售数据统计.mp4
📄 4.1字典.pdf
📄 1.3 开发工具的选择.mp4
📄 17.4 seaborn.mp4
📄 8.12 班级管理实现.mp4
📄 16.9 rfm模型（二）.mp4
📄 6.10 单元格格式设置.mp4
📄 6.3excel文件详解.pdf
📄 12.3 numpy数据类型与访问.mp4
📄 12.5 分割切分.mp4
📄 7.6 函数式编程.mp4
📄 9.7 边界匹配.mp4
📄 10.2多进程详解与应用.pdf
📄 10.2.2_长短期记忆网络 .mp4
📄 10.1_深度学习介绍.mp4
📄 10.1_深度学习介绍 .mp4
📄 10.2.1_循环神经网络.mp4
📄 10.2.1_循环神经网络 .mp4
📄 10.2.4_深度学习应用.mp4
📄 10.2.3_门控循环单位网络.mp4
📄 10.2.3_门控循环单位网络 .mp4
📄 实验二布置+答疑 .mp4
📄 实验五讲解+答疑 .mp4
📄 实验三讲解+实验五布置+答疑.mp4
📄 实验二布置+答疑.mp4
📄 实验五讲解+答疑.mp4
📄 实验六布置+答疑 .mp4
📄 实验一汇报、讲解+实验三布置+答疑 .mp4
📄 实验四讲解+实验六布置+答疑.mp4
📄 开营仪式+实验一布置.mp4
📄 实验六布置+答疑.mp4
📄 实验六汇报、点评、讲解+答疑 .mp4
📄 实验一汇报、讲解+实验三布置+答疑.mp4
📄 毕设汇报、点评、讲解+结营仪式.mp4
📄 1.2_一般的机器学习系统设计_part01.mp4
📄 1.1.2_什么是机器学习 .mp4
📄 1.2_一般的机器学习系统设计_part01 .mp4
📄 1.1.1_机器学习的应用背景.mp4
📄 1.1.2_什么是机器学习.mp4
📄 1.1.1_机器学习的应用背景 .mp4
📄 1.2_一般的机器学习系统设计_part02.mp4
📄 1.2_一般的机器学习系统设计_part02 .mp4
📁 {1}–课程介绍
📁 {5}–知识图谱
📁 {8}–文本匹配与信息检索
📁 {2}–NLP模型基础
📁 {11}–NLP前沿介绍
📁 {12}–直播回放
📁 {10}–文本生成
📁 {7}–文本分类与关系抽取
📁 {3}–seq2seq与机器翻译
📁 {6}–序列标注与信息抽取
📁 {4}–预训练语言模型
📁 {9}–文档分析与阅读理解
📄 7.1_线性支持向量机.mp4
📄 7.2_基于核的支持向量机.mp4
📄 hw4.zip
📄 6.2_K近邻方法.mp4
📄 基于K-近邻的车牌号识别.zip
📄 6.1_最近邻方法.mp4
📄 6.4_基于实例-记忆的学习器.mp4
📄 6.4_基于实例-记忆的学习器 .mp4
📁 机器学习课件最终版PDF合集 3
📄 1.1_初识机器学习.mp4
📄 机器学习课件最终版PDF合集 3.zip
📄 11.1_基于群体智慧的机器学习数据集构建.mp4
📄 12.1_机器学习算法总结 .mp4
📄 3.2.1_决策树的过拟合以及措施 .mp4
📄 3.1.3_过拟合问题 .mp4
📄 ML_hw1.ipynb.zip
📄 3.2.1_决策树的过拟合以及措施.mp4
📄 3.2.2_现实场景中的决策树学习 .mp4
📄 3.1.3_过拟合问题.mp4
📄 实验一 基于决策树的英雄联盟游戏胜负预测.txt
📄 基于决策树的英雄联盟游戏胜负预测.zip
📄 3.1.2_经典决策树算法 .mp4
📄 hw3.zip
📄 5.1_贝叶斯学习 .mp4
📄 5.2_朴素贝叶斯分类器 .mp4
📄 实验三 贝叶斯垃圾邮件识别.txt
📄 9.1.2_加权多数算法 .mp4
📄 9.1.3_Bagging算法 .mp4
📄 实验六 基于集成学习的 Amazon 用户评论质量预测.txt
📄 基于集成学习的 Amazon 用户评论质量预测 4.zip
📄 9.2.2_Boosting和AdaBoost的算法比较.mp4
📄 9.1.1_集成学习基础 .mp4
📄 9.2.1_Boosting与AdaBoost算法 .mp4
📄 exp6.zip
📄 9.2.2_Boosting和AdaBoost的算法比较 .mp4
📄 9.1.2_加权多数算法.mp4
📄 9.1.1_集成学习基础.mp4
📄 8.1.2_聚类介绍 .mp4
📄 AAAI 会议论文聚类分析.zip
📄 8.1.1_无监督学习介绍 .mp4
📄 8.2.2_K-means聚类.mp4
📄 8.1.1_无监督学习介绍.mp4
📄 8.2.2_K-means聚类 .mp4
📄 实验五 AAAI 会议论文聚类分析.txt
📄 8.2.3_K-medoids 聚类.mp4
📄 8.2.1_层次聚类 .mp4
📄 hw5.ipynb.zip
📄 8.2.1_层次聚类.mp4
📄 8.2.3_K-medoids 聚类 .mp4
📄 某闯关类手游用户流失预测.zip
📄 2.2_机器学习实验方法与原则II.mp4
📄 2.1_机器学习实验方法与原则I .mp4
📄 2.2_机器学习实验方法与原则II .mp4
📄 2.1_机器学习实验方法与原则I.mp4
📄 4.4_相关系数与决定系数 .mp4
📄 4.2_损失函数_0718195925.mp4
📄 4.3_多元线性回归.mp4
📄 实验二 基于回归分析的大学综合得分预测.txt
📄 4.2_损失函数 .mp4
📁 （1B）邓公陪你学算法
📁 （1A）邓公在算法课赐予我青春的力量
📁 （3A）听邓公讲讲图搜索
📁 （3B）听邓公讲讲动态规划
📄 直播答疑9.mp4
📄 直播答疑8.mp4
📄 直播答疑1.mp4
📄 直播答疑7.mp4
📄 直播答疑5.mp4
📄 直播答疑4.mp4
📁 （4B）邓公带你探秘“散列”
📁 （4A）邓公带你探秘“字符串”
📁 第3部分-习题
📁 第1部分-习题
📁 第5部分-习题
📁 第2部分-习题
📁 第4部分-习题
📄 第5部分-习题.7z
📄 第4部分-习题.7z
📄 第3部分-习题.7z
📄 第2部分-习题.7z
📄 第1部分-习题.7z
📁 （2B）邓公教你“分而治之”
📁 （2A）一起听邓公讲算法
📁 （5B）随邓公再探“计算几何”大观园
📁 （5A）邓公带你初探“计算几何
📁 直播回放
📄 周测1讲解+答疑.mp4
📄 周测2讲解+答疑.mp4
📄 直播回放.7z
📄 周测5讲解+答疑.mp4
📄 周测4讲解+答疑.mp4
📄 习题课：最大红矩形.mp4
📄 解题指南：如何提交作业&栈排序习题解答.mp4
📄 专题课：扬帆起航，开启算法之旅.mp4
📄 邓俊辉：学习算法的一些建议.mp4
📄 习题讲解.mp4
📄 #9.2#–数据集与源码框架.pdf
📄 [9.1]–9.1_机器问答简介.mp4
📄 (9.2)–法律智能问答案例.zip
📄 #9.1#–第9章课件.pdf
📄 [9.4]–9.4_知识图谱问答.mp4
📄 [9.3]–9.3_开放域问答.mp4
📄 (9.1)–09_机器问答_v3.pdf
📄 [11.5]–后 ChatGPT 时代的 NLP 研究路线.mp4
📄 [11.4]–ChatGPTGPT4背后的关键技术.mp4
📄 (11.3)–后ChatGPT时代.pdf
📄 [11.2]–对抗学习.mp4
📄 (11.2)–ChatGPT技术.pdf
📄 [11.3]–强化学习.mp4
📄 [2.2]–2.2_分布式词表示.mp4
📄 [2.3]–2.3_词嵌入.mp4
📄 [2.7]–2.7_卷积神经网络.mp4
📄 (2.1)–02_NLP模型基础_v1.pdf
📄 (2.2)–Word2VecTransE案例（更新）.zip
📄 #2.1#–第2章课件.pdf
📄 [2.1]–2.1_词表示.mp4
📄 [2.8]–2.8_transformer.mp4
📄 [4.3]–4.3 基于微调的方法.mp4
📄 [4.4]–4.4 BERT之后的预训练模型.mp4
📄 [4.1]–4.1 基于特征的预训练模型.mp4
📄 #7.1#–第7章课件.pdf
📄 [7.2]–7.2_关系抽取.mp4
📄 [7.3]–7.3_事件抽取.mp4
📄 (7.2)–预训练模型应用实例-更新版.zip
📄 (7.1)–07_文本分类与关系抽取.pdf
📄 #10.1#–第10章课件.pdf
📄 [10.2]–10.2_传统文本生成方式.mp4
📄 [10.4]–10.4_文本生成任务以及挑战.mp4
📄 (10.1)–10_文本生成_v3.pdf
📄 [10.3]–10.3_基于神经网络的文本生成.mp4
📄 [10.1]–10.1_文本生成简介.mp4
📄 [10.5]–10.5_当前趋势和未来.mp4
📄 [12.2]–实验二布置+答疑.mp4
📄 [12.10]–实验六布置+答疑.mp4
📄 [12.7]–实验三讲解+答疑.mp4
📄 [12.4]–实验三布置+答疑.mp4
📄 [12.11]–实验五汇报、讲解+答疑.mp4
📄 [12.8]–实验五布置+答疑.mp4
📄 (1.1)–01_NLP简介_v1.pdf
📄 [1.4]–1.4_自然语言处理典型任务及应用.mp4
📄 [1.3]–1.3_自然语言处理的重要性.mp4
📄 #1.1#–第1章课件.pdf
📄 [1.1]–1.1_什么是自然语言处理.mp4
📄 [6.1]–6.1_序列标注.mp4
📄 [6.2]–6.2_词性标注.mp4
📄 (6.1)–06_序列标注.pdf
📄 #6.1#–第6章课件.pdf
📄 [6.5]–6.5_命名实体分类与实体链接.mp4
📄 [3.2]–3.2_统计机器翻译.mp4
📄 (3.1)–03_机器翻译_v1.pdf
📄 [3.3]–3.3_神经机器翻译.mp4
📄 [3.4]–3.4_注意力机制.mp4
📄 (3.2)–seq2seq案例.zip
📄 [8.1]–8.1_信息检索简介.mp4
📄 (8.1)–08_信息检索.pdf
📄 [8.3]–8.3_词嵌入IR模型.mp4
📄 [8.4]–8.4_神经IR模型.mp4
📄 #8.1#–第8章课件.pdf
📄 [8.4]–8.4_神经IR模型.mp4
📄 (8.1)–08_信息检索.pdf
📄 [8.1]–8.1_信息检索简介.mp4
📄 #5.1#–第5章课件.pdf
📄 [5.3]–5.3 知识表示学习的关键挑战.mp4
📄 (5.1)–05_知识图谱.pdf
📄 #5.2#–数据集与源码框架.pdf
📄 [1.3]–1.3_自然语言处理的重要性.mp4
📄 [1.4]–1.4_自然语言处理典型任务及应用.mp4
📄 [1.1]–1.1_什么是自然语言处理.mp4
📄 (1.1)–01_NLP简介_v1.pdf
📄 [1.2]–1.2_自然语言处理的挑战.mp4
📄 [5.2]–5.2 知识表示学习.mp4
📄 [5.3]–5.3 知识表示学习的关键挑战.mp4
📄 #5.1#–第5章课件.pdf
📄 (5.1)–05_知识图谱.pdf
📄 #5.2#–数据集与源码框架.pdf
📄 [10.4]–10.4_文本生成任务以及挑战.mp4
📄 [10.2]–10.2_传统文本生成方式.mp4
📄 [10.3]–10.3_基于神经网络的文本生成.mp4
📄 [10.1]–10.1_文本生成简介.mp4
📄 [10.5]–10.5_当前趋势和未来.mp4
📄 #10.1#–第10章课件.pdf
📄 (10.1)–10_文本生成_v3.pdf
📄 (11.3)–后ChatGPT时代.pdf
📄 [11.3]–强化学习.mp4
📄 [11.4]–ChatGPTGPT4背后的关键技术.mp4
📄 [11.5]–后 ChatGPT 时代的 NLP 研究路线.mp4
📄 [11.2]–对抗学习.mp4
📄 (11.2)–ChatGPT技术.pdf
📄 [2.8]–2.8_transformer.mp4
📄 [2.3]–2.3_词嵌入.mp4
📄 (2.2)–Word2VecTransE案例（更新）.zip
📄 [2.1]–2.1_词表示.mp4
📄 [2.7]–2.7_卷积神经网络.mp4
📄 [2.2]–2.2_分布式词表示.mp4
📄 (2.1)–02_NLP模型基础_v1.pdf
📄 [12.8]–实验五布置+答疑.mp4
📄 [12.12]–实验六讲解+答疑.mp4
📄 [12.2]–实验二布置+答疑.mp4
📄 [12.7]–实验三讲解+答疑.mp4
📄 [12.1]–实验一布置+答疑.mp4
📄 (12.2)–第四次实训案例-讲解.pdf
📄 [12.11]–实验五汇报、讲解+直播答疑.mp4
📄 [12.5]–实验二讲解+答疑.mp4
📄 [12.3]–实验一汇报、讲解+答疑.mp4
📄 [12.10]–实验六布置+答疑.mp4
📄 [4.4]–4.4 BERT之后的预训练模型.mp4
📄 [4.3]–4.3 基于微调的方法.mp4
📄 [4.1]–4.1 基于特征的预训练模型.mp4
📄 [6.5]–6.5_命名实体分类与实体链接.mp4
📄 (6.1)–06_序列标注.pdf
📄 [6.1]–6.1_序列标注.mp4
📄 #6.1#–第6章课件.pdf
📄 [6.2]–6.2_词性标注.mp4
📄 (7.1)–07_文本分类与关系抽取.pdf
📄 (7.2)–预训练模型应用实例-更新版.zip
📄 [7.2]–7.2_关系抽取.mp4
📄 #7.2#–数据集与源码框架.pdf
📄 [7.3]–7.3_事件抽取.mp4
📄 [3.2]–3.2_统计机器翻译.mp4
📄 [3.3]–3.3_神经机器翻译.mp4
📄 #3.1#–第3章课件.pdf
📄 #3.2#–数据集与源码框架.pdf
📄 [3.4]–3.4_注意力机制.mp4
📄 (3.1)–03_机器翻译_v1.pdf
📄 (3.2)–seq2seq案例.zip
📁 机器学习课件最终版PDF合集 3
📄 [9.3]–9.3_开放域问答.mp4
📄 (9.2)–法律智能问答案例.zip
📄 (9.1)–09_机器问答_v3.pdf
📄 #9.1#–第9章课件.pdf
📄 [9.4]–9.4_知识图谱问答.mp4
📄 [9.1]–9.1_机器问答简介.mp4
📄 PART3.mp4
📄 PART2.mp4
📄 PART1.mp4
📄 PART2.mp4
📄 PART1.mp4
📄 PART3.mp4
📄 PART1.mp4
📄 PART2.mp4
📄 PART3.mp4
📄 PART3.mp4
📄 PART1.mp4
📄 PART2.mp4
📄 PART3.mp4
📄 PART1.mp4
📄 PART2.mp4
📄 PART1.mp4
📄 PART3.mp4
📄 PART2.mp4
📄 习题精讲5-2.mp4
📄 习题精讲5-3.mp4
📄 习题精讲5-1.mp4
📄 习题精讲2-2.mp4
📄 习题精讲2-3.mp4
📄 习题精讲2-1.mp4
📄 习题精讲1-2.mp4
📄 习题精讲1-3.mp4
📄 习题精讲1-1.mp4
📄 习题精讲3-3.mp4
📄 习题精讲3-2.mp4
📄 习题精讲3-1.mp4
📄 习题精讲4-3.mp4
📄 习题精讲4-2.mp4
📄 习题精讲4-1.mp4
📄 PART2.mp4
📄 PART3.mp4
📄 PART1.mp4
📄 PART3.mp4
📄 PART1.mp4
📄 PART2.mp4
📄 PART3.mp4
📄 PART2.mp4
📄 PART1.mp4
📄 PART3.mp4
📄 PART2.mp4
📄 PART1.mp4
📁 直播回放
📄 ML2.Topic1.2-G通用系统设计_最终版.pdf
📄 ML4.Topic2.2-实验方法与原则(2)_最终版.pdf
📄 ML10.Topic6.1-IBL(1)_最终版.pdf
📄 ML18.Toipc10.2-DLinto-II_最终版.pdf
📄 ML19.Topic11-GWAP_最终版.pdf
📄 ML15.Topic8.2-Unsupervised-II_最终版.pdf
📄 ML14.Topic8.1-Unsupervised-I_最终版.pdf
📄 ML20.Topic12-overview_已排版.pdf
📄 ML6.Topic3.2-决策树学习进阶_最终版.pdf
📄 ML7.Topic4-Regression_最终版.pdf
📄 ML16.Topic9-Ensemble_最终版.pdf
📄 ML5.Topic3.1-决策树学习方法_最终版.pdf
📄 ML9.Topic5.2-贝叶斯(II)_最终版.pdf
📄 ML12.Topic7.1-SVM(1)_最终版.pdf
📄 周测4讲解+答疑.mp4
📄 周测2讲解+答疑.mp4
📄 周测1讲解+答疑.mp4
📄 周测5讲解+答疑.mp4
📄 周测3讲解+答疑.mp4