免费资源网人工智能Paper年度会员（NLP方向）
├──视频| ├──00直播| | ├──单课01、直播答疑.mp4 116.36M| | ├──单课02、直播答疑.mp4 71.94M| | ├──单课03、论文复现体验课学习指引.mp4 72.24M| | ├──单课04、直播答疑.mp4 109.60M| | ├──单课06、直播答疑.mp4 83.88M| | ├──单课07、直播答疑.mp4 95.02M| | ├──单课08、直播答疑.mp4 78.71M| | ├──单课09、GAN专题直播答疑.mp4 81.93M| | ├──单课10、NLP Baseline直播答疑.mp4 227.65M| | ├──单课11、NLP Baseline 直播答疑.mp4 475.35M| | ├──单课13、NLP baseline直播答疑.mp4 101.74M| | ├──单课14、NLP直播答疑.mp4 85.41M| | ├──单课15、NLP直播答疑.mp4 217.30M| | ├──单课16、NLP baseline直播答疑.mp4 159.70M| | ├──单课17、NLP baseline直播答疑.mp4 187.06M| | ├──单课18、预训练直播答疑.mp4 168.34M| | └──单课19、NLP直播答疑.mp4 60.13M| ├──01自监督无监督| | ├──01、自监督-无监督》02、1.1 专题简介与导引&MOCO论文泛读.mp4 42.42M| | ├──01、自监督-无监督》03、1.2 MOCO论文精读.mp4 160.11M| | ├──01、自监督-无监督》04、1.3 MOCO-实验结果分析与总结.mp4 152.04M| | ├──01、自监督-无监督》05、1，4 MOCO-代码讲解.mp4 234.74M| | ├──01、自监督-无监督》06、2.1 simclr-论文精读.mp4 403.30M| | ├──01、自监督-无监督》07、2.2 sinclr-论文精讲.mp4 209.25M| | └──01、自监督-无监督》08、2.3 simclr-代码讲解.mp4 245.52M| ├──02、15 NLP-推荐系统》| | ├──02、15 NLP-推荐系统》02、1. CAN泛读.mp4 476.72M| | ├──02、15 NLP-推荐系统》03、2. CAN精读.mp4 422.55M| | ├──02、15 NLP-推荐系统》04、3. CAN代码项目实践.mp4 553.78M| | ├──02、15 NLP-推荐系统》05、4. MIND泛读.mp4 426.39M| | ├──02、15 NLP-推荐系统》06、5. MIND精读.mp4 555.76M| | ├──02、15 NLP-推荐系统》07、6. MIND代码项目实践.mp4 704.35M| | ├──02、15 NLP-推荐系统》08、7. PLE泛读.mp4 170.64M| | ├──02、15 NLP-推荐系统》09、8. PLE精读.mp4 125.81M| | ├──02、15 NLP-推荐系统》10、9. PLE代码项目实践.mp4 204.24M| | ├──02、15 NLP-推荐系统》11、10. DAT泛读.mp4 137.22M| | ├──02、15 NLP-推荐系统》12、11. DAT精读.mp4 102.93M| | ├──02、15 NLP-推荐系统》13、12. DAT代码项目实践.mp4 91.20M| | ├──02、15 NLP-推荐系统》14、13. FIBINET泛读.mp4 97.80M| | ├──02、15 NLP-推荐系统》15、14. FIBINET精读.mp4 69.63M| | └──02、15 NLP-推荐系统》16、15. FIBINET代码项目实践.mp4 142.22M| ├──03、学前须知》| | └──03、学前须知》01、效率提升3倍的Paper 阅读方法.mp4 102.94M| ├──04、01 Python · AI&数据科学入门》| | ├──04、01 Python · AI&数据科学入门》02、第一章 绪论和环境配置.mp4 56.30M| | ├──04、01 Python · AI&数据科学入门》03、【作业讲解】第一章：助教实际演示配置环境过程.mp4 55.67M| | ├──04、01 Python · AI&数据科学入门》04、第二章 Python 基本语法元素.mp4 127.54M| | ├──04、01 Python · AI&数据科学入门》05、【作业讲解】第二章：Python基本语法元素.mp4 88.21M| | ├──04、01 Python · AI&数据科学入门》06、第三章 基本数据类型.mp4 87.49M| | ├──04、01 Python · AI&数据科学入门》07、【作业讲解】第三章：基本数据类型.mp4 86.84M| | ├──04、01 Python · AI&数据科学入门》08、第四章 组合数据类型.mp4 96.37M| | ├──04、01 Python · AI&数据科学入门》09、【作业讲解】第四章：复杂数据类型.mp4 108.30M| | ├──04、01 Python · AI&数据科学入门》10、第五章 程序控制结构.mp4 82.76M| | ├──04、01 Python · AI&数据科学入门》11、【作业讲解】第五章：程序控制结构.mp4 34.66M| | ├──04、01 Python · AI&数据科学入门》12、第六章 函数-面向过程的编程.mp4 129.58M| | ├──04、01 Python · AI&数据科学入门》13、【作业讲解】第六章：函数.mp4 59.97M| | ├──04、01 Python · AI&数据科学入门》14、第七章 类-面向对象的编程.mp4 90.50M| | ├──04、01 Python · AI&数据科学入门》15、【作业讲解】第七章：类.mp4 40.58M| | ├──04、01 Python · AI&数据科学入门》16、第八章 文件、异常和模块.mp4 131.24M| | ├──04、01 Python · AI&数据科学入门》17、【作业讲解】第八章：文件、异常和模块.mp4 13.59M| | ├──04、01 Python · AI&数据科学入门》18、第九章 有益的探索.mp4 134.18M| | ├──04、01 Python · AI&数据科学入门》19、【作业讲解】第九章：有益的探索.mp4 41.17M| | ├──04、01 Python · AI&数据科学入门》20、第十章 Python标准库.mp4 96.20M| | ├──04、01 Python · AI&数据科学入门》21、【作业讲解】第十章：Python标准库.mp4 25.75M| | ├──04、01 Python · AI&数据科学入门》22、第十一章 科学计算库—Numpy应用.mp4 90.57M| | ├──04、01 Python · AI&数据科学入门》23、【作业讲解】第十一章：Numpy库.mp4 36.48M| | ├──04、01 Python · AI&数据科学入门》24、第十二章 Pandas库.mp4 174.42M| | ├──04、01 Python · AI&数据科学入门》25、【作业讲解】第十二章：Pandas库.mp4 55.47M| | ├──04、01 Python · AI&数据科学入门》26、第十三章 Matplotlib.mp4 130.12M| | ├──04、01 Python · AI&数据科学入门》27、【作业讲解】第十三章：Matplotlib.mp4 70.41M| | ├──04、01 Python · AI&数据科学入门》28、第十四章 Sklearn常规用法.mp4 66.70M| | ├──04、01 Python · AI&数据科学入门》29、【作业讲解】第十四章：Sklearn常规用法.mp4 79.44M| | └──04、01 Python · AI&数据科学入门》30、第十五章 再谈编程.mp4 74.20M| ├──05、02 PyTorch》| | ├──05、02 PyTorch》02、【必看】深入浅出PyTorch.mp4 82.18M| | ├──05、02 PyTorch》03、【第一周】PyTorch简介与安装.mp4 94.62M| | ├──05、02 PyTorch》04、【第一周】补充-pytorch开发环境安装.mp4 267.86M| | ├──05、02 PyTorch》05、【第一周】张量简介与创建.mp4 62.19M| | ├──05、02 PyTorch》06、【第一周】张量操作与线性回归.mp4 80.82M| | ├──05、02 PyTorch》07、【第一周】计算图与动态图机制.mp4 51.20M| | ├──05、02 PyTorch》08、【第一周】autograd与逻辑回归.mp4 78.88M| | ├──05、02 PyTorch》09、【第一周】作业讲解1.mp4 54.05M| | ├──05、02 PyTorch》10、【第一周】作业讲解2.mp4 41.90M| | ├──05、02 PyTorch》11、【第一周】作业讲解3.mp4 42.96M| | ├──05、02 PyTorch》12、【第二周】数据读取机制Dataloader与Dataset.mp4 84.08M| | ├──05、02 PyTorch》13、【第二周】数据预处理transforms模块机制.mp4 77.62M| | ├──05、02 PyTorch》14、【第二周】二十二种transforms数据预处理方法.mp4 188.95M| | ├──05、02 PyTorch》15、【第二周】学会自定义transforms方法.mp4 188.34M| | ├──05、02 PyTorch》16、【第二周】作业讲解.mp4 123.54M| | ├──05、02 PyTorch》17、【第三周】模型创建步骤与nn.Module.mp4 91.30M| | ├──05、02 PyTorch》18、【第三周】模型容器与AlexNet构建.mp4 103.67M| | ├──05、02 PyTorch》19、【第三周】nn网络层-卷积层.mp4 107.00M| | ├──05、02 PyTorch》20、【第三周】nn网络层-池化-线性-激活函数层.mp4 77.72M| | ├──05、02 PyTorch》21、【第三周】作业讲解.mp4 113.95M| | ├──05、02 PyTorch》22、【第四周】权值初始化.mp4 86.17M| | ├──05、02 PyTorch》23、【第四周】损失函数（一）.mp4 138.29M| | ├──05、02 PyTorch》24、【第四周】损失函数(二).mp4 140.93M| | ├──05、02 PyTorch》25、【第四周】优化器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】作业讲解.mp4 53.43M| | ├──05、02 PyTorch》28、【第五周】学习率调整策略.mp4 123.30M| | ├──05、02 PyTorch》29、【第五周】TensorBoard简介与安装.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函数与CAM可视化.mp4 125.45M| | ├──05、02 PyTorch》33、【第五周】作业讲解.mp4 95.74M| | ├──05、02 PyTorch》34、【第六周】正则化之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】正则化之Dropout.mp4 80.24M| | ├──05、02 PyTorch》38、【第六周】作业讲解.mp4 72.29M| | ├──05、02 PyTorch》39、【第七周】模型保存与加载.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常见报错.mp4 85.01M| | ├──05、02 PyTorch》43、【第七周】作业讲解.mp4 44.14M| | ├──05、02 PyTorch》44、【第八周】图像分类一瞥.mp4 114.15M| | ├──05、02 PyTorch》45、【第八周】图像分割一瞥.mp4 161.38M| | ├──05、02 PyTorch》46、【第八周】图像目标检测一瞥（上）.mp4 102.09M| | ├──05、02 PyTorch》47、【第八周】图像目标检测一瞥（下）.mp4 264.10M| | ├──05、02 PyTorch》48、【第九周】生成对抗网络一瞥.mp4 138.21M| | └──05、02 PyTorch》49、【第九周】循环神经网络一瞥.mp4 91.13M| ├──06、人工智能数学基础》| | ├──06、人工智能数学基础》05、【第一章 线性代数(上)】章节导读.mp4 37.22M| | ├──06、人工智能数学基础》06、【第一章 线性代数(上)】-1 矩阵及其基本运算①.mp4 132.72M| | ├──06、人工智能数学基础》07、【第一章 线性代数(上)】-2 矩阵及其基本运算②.mp4 131.99M| | ├──06、人工智能数学基础》08、【第一章 线性代数(上)】-3 矩阵的行列式①.mp4 136.64M| | ├──06、人工智能数学基础》09、【第一章 线性代数(上)】-4 矩阵的行列式②.mp4 157.90M| | ├──06、人工智能数学基础》10、【第一章 线性代数(上)】-5 矩阵的行列式③.mp4 135.22M| | ├──06、人工智能数学基础》11、【第一章 线性代数(上)】-6 矩阵的行列式④.mp4 33.19M| | ├──06、人工智能数学基础》12、【第一章 线性代数(上)】-7 矩阵的逆①.mp4 166.12M| | ├──06、人工智能数学基础》13、【第一章 线性代数(上)】-8 矩阵的逆②.mp4 111.03M| | ├──06、人工智能数学基础》14、【第一章 线性代数(上)】-9 矩阵的逆③.mp4 93.78M| | ├──06、人工智能数学基础》15、【第二章 线性代数(下)】章节导读.mp4 32.01M| | ├──06、人工智能数学基础》16、【第二章 线性代数(下)】-1 矩阵的初等变换①.mp4 214.32M| | ├──06、人工智能数学基础》17、【第二章 线性代数(下)】-2 矩阵的初等变换②.mp4 84.73M| | ├──06、人工智能数学基础》18、【第二章 线性代数(下)】-3 矩阵的初等变换③.mp4 219.64M| | ├──06、人工智能数学基础》19、【第二章 线性代数(下)】-4 矩阵的初等变换④.mp4 91.39M| | ├──06、人工智能数学基础》20、【第二章 线性代数(下)】-5 矩阵的特征值与特征向量①.mp4 231.07M| | ├──06、人工智能数学基础》21、【第二章 线性代数(下)】-6 矩阵的特征值与特征向量②.mp4 156.38M| | ├──06、人工智能数学基础》22、【第二章 线性代数(下)】-7 矩阵的特征值与特征向量③.mp4 171.86M| | ├──06、人工智能数学基础》23、【第二章 线性代数(下)】-8 矩阵对角化以及二次型①.mp4 203.58M| | ├──06、人工智能数学基础》24、【第二章 线性代数(下)】-9 矩阵对角化以及二次型②.mp4 108.56M| | ├──06、人工智能数学基础》25、【第二章 线性代数(下)】-10 矩阵对角化以及二次型③.mp4 132.51M| | ├──06、人工智能数学基础》26、【第二章 线性代数(下)】-11svd分解的应用.mp4 223.63M| | ├──06、人工智能数学基础》27、【第三章 微积分】-01常用函数的导数以及到导数的常用公式.mp4 216.05M| | ├──06、人工智能数学基础》28、【第三章 微积分】-02 中值定理&洛必达法则&泰勒公式及应用.mp4 193.64M| | ├──06、人工智能数学基础》29、【第三章 微积分】-03 函数的凹凸性&函数的极值.mp4 81.38M| | ├──06、人工智能数学基础》30、【第三章 微积分】-04 不定积分.mp4 52.21M| | ├──06、人工智能数学基础》31、【第三章 微积分】-05 定积分.mp4 55.91M| | ├──06、人工智能数学基础》32、【第三章 微积分】-06 偏导数&多元函数复合求导法则链式求导法则.mp4 182.93M| | ├──06、人工智能数学基础》33、【第三章 微积分】-07 方向导数与梯度及其应用.mp4 196.94M| | ├──06、人工智能数学基础》34、【第三章 微积分】-08 多元函数泰勒公式与海森矩阵&多元函数的极值.mp4 65.51M| | ├──06、人工智能数学基础》35、【第三章 微积分】-09 矩阵的求导.mp4 80.64M| | ├──06、人工智能数学基础》36、【第三章 微积分】-10 矩阵的求导在深度学习中的应用.mp4 87.56M| | ├──06、人工智能数学基础》37、【第四章 概率论】-01随机实验样本空间随机事件&概率的定义.mp4 85.81M| | ├──06、人工智能数学基础》38、【第四章 概率论】-02全概率公式与贝叶斯公式及应用&独立性.mp4 63.62M| | ├──06、人工智能数学基础》39、【第四章 概率论】-03随机变量与多维随机变量.mp4 194.08M| | ├──06、人工智能数学基础》40、【第四章 概率论】-04期望与方差part1.mp4 165.20M| | ├──06、人工智能数学基础》41、【第四章 概率论】-05期望与方差part2.mp4 34.54M| | ├──06、人工智能数学基础》42、【第四章 概率论】-06参数的估计.mp4 198.15M| | ├──06、人工智能数学基础》43、【第五章 最优化】-1 无约束最优化梯度下降.mp4 208.77M| | ├──06、人工智能数学基础》44、【第五章 最优化】-2 无约束最优化梯度下降.mp4 178.84M| | └──06、人工智能数学基础》45、【第五章 最优化】-3 约束最优化.mp4 145.43M| ├──07、04 神经网络基础知识》| | ├──07、04 神经网络基础知识》02、01-神经网络基础与多层感知机-0.mp4 84.74M| | ├──07、04 神经网络基础知识》03、01-神经网络基础与多层感知机-1.mp4 57.53M| | ├──07、04 神经网络基础知识》04、01-神经网络基础与多层感知机-2.mp4 62.01M| | ├──07、04 神经网络基础知识》05、01-神经网络基础与多层感知机-3.mp4 30.79M| | ├──07、04 神经网络基础知识》06、01-神经网络基础与多层感知机-4.mp4 86.75M| | ├──07、04 神经网络基础知识》07、02-卷积神经网络-0.mp4 64.38M| | ├──07、04 神经网络基础知识》08、02-卷积神经网络-1.mp4 153.24M| | ├──07、04 神经网络基础知识》09、02-卷积神经网络-2.mp4 49.02M| | ├──07、04 神经网络基础知识》10、03-循环神经网络-0.mp4 45.01M| | ├──07、04 神经网络基础知识》11、03-循环神经网络-1.mp4 80.12M| | └──07、04 神经网络基础知识》12、03-循环神经网络-2.mp4 57.90M| ├──08、05 NLP基础知识》| | ├──08、05 NLP基础知识》02、1-1 前言..mp4 181.87M| | ├──08、05 NLP基础知识》03、1-2 研究方向概述..mp4 142.59M| | ├──08、05 NLP基础知识》04、2-1 预备知识..mp4 79.88M| | ├──08、05 NLP基础知识》05、2-2 NLP问题中的特征..mp4 85.13M| | ├──08、05 NLP基础知识》06、2-3 特征输入..mp4 152.25M| | ├──08、05 NLP基础知识》07、2-4 文本的向量化表示与案例实现..mp4 120.55M| | ├──08、05 NLP基础知识》08、3-1 统计语言模型简介与案例实现..mp4 279.29M| | ├──08、05 NLP基础知识》09、3-2 语言模型任务评估..mp4 106.57M| | ├──08、05 NLP基础知识》10、3-3 神经语言模型简介与代码实现..mp4 339.17M| | ├──08、05 NLP基础知识》11、3-4 预训练的词表示及其使用实例..mp4 143.40M| | ├──08、05 NLP基础知识》12、4-1 word2vec原理..mp4 159.83M| | ├──08、05 NLP基础知识》13、4-2 word2vec代码复现..mp4 408.43M| | ├──08、05 NLP基础知识》14、4-3 word2vec项目实战展示..mp4 213.51M| | ├──08、05 NLP基础知识》15、4-4 BERT使用实战讲解..mp4 247.82M| | ├──08、05 NLP基础知识》16、4-5 MLP模型与实战..mp4 204.34M| | ├──08、05 NLP基础知识》17、4-6 RNN模型原理、代码复现与实战..mp4 339.92M| | ├──08、05 NLP基础知识》18、5-1 HMM序列标注..mp4 71.02M| | ├──08、05 NLP基础知识》19、5-2 HMM模型简介..mp4 130.72M| | ├──08、05 NLP基础知识》20、5-3 HMM样本生成..mp4 166.83M| | ├──08、05 NLP基础知识》21、5-4 HMM训练..mp4 90.57M| | ├──08、05 NLP基础知识》22、5-5 HMM预测..mp4 127.18M| | └──08、05 NLP基础知识》23、5-6 HMM代码实现..mp4 287.92M| ├──09、06 NLP-baseline》| | ├──09、06 NLP-baseline》02、NLP baseline 开营仪式.mp4 140.12M| | ├──09、06 NLP-baseline》03、1.1 word2vec1-1背景知识.mp4 200.15M| | ├──09、06 NLP-baseline》04、1.2 word2vec1-2论文泛读.mp4 163.96M| | ├──09、06 NLP-baseline》05、1.3 word2vec2-1对比模型.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关键技术.mp4 123.18M| | ├──09、06 NLP-baseline》08、1.6 word2vec2-4模型复杂度.mp4 57.38M| | ├──09、06 NLP-baseline》09、1.7 word2vec2-5实验结果.mp4 164.15M| | ├──09、06 NLP-baseline》10、1.8 word2vec3-1代码部分上.mp4 240.51M| | ├──09、06 NLP-baseline》11、1.9 word2vec3-2代码部分下.mp4 264.11M| | ├──09、06 NLP-baseline》12、02glove-01-_背景介绍..mp4 64.35M| | ├──09、06 NLP-baseline》13、02 glove-02-_研究成果及意义.mp4 30.62M| | ├──09、06 NLP-baseline》14、02glove-03-论文概述.mp4 123.12M| | ├──09、06 NLP-baseline》15、02glove-04-模型精讲.mp4 106.21M| | ├──09、06 NLP-baseline》16、02 glove-05-实验分析..mp4 48.43M| | ├──09、06 NLP-baseline》17、02glove-06-数据处理.mp4 61.12M| | ├──09、06 NLP-baseline》18、02 glove-07-型及训练测试.mp4 65.68M| | ├──09、06 NLP-baseline》19、03char_embedding-01-背景介绍..mp4 75.07M| | ├──09、06 NLP-baseline》20、03 char_embedding-02-研究成果及意义.mp4 56.57M| | ├──09、06 NLP-baseline》21、03char_embedding-03-论文概述.mp4 70.65M| | ├──09、06 NLP-baseline》22、03 char_embedding-04-模型详解.mp4 101.19M| | ├──09、06 NLP-baseline》23、03 char_embedding-05-语言模型实验分析.mp4 89.35M| | ├──09、06 NLP-baseline》24、03 char_embedding-06-词性标注实验分析及论文总结.mp4 114.15M| | ├──09、06 NLP-baseline》25、03 char_embedding-07-环境配置.mp4 72.23M| | ├──09、06 NLP-baseline》26、03 char_embedding-08-数据处理.mp4 132.78M| | ├──09、06 NLP-baseline》27、03 char_embedding-09-模型构建及训练和测试.mp4 91.06M| | ├──09、06 NLP-baseline》28、04textcnn-01-textcnn背景介绍.mp4 39.04M| | ├──09、06 NLP-baseline》29、04textcnn-02-textcnn研究成果及意义.mp4 25.90M| | ├──09、06 NLP-baseline》30、04 textcnn-03-textcnn模型简介.mp4 90.11M| | ├──09、06 NLP-baseline》31、04 textcnn-04-textcnn模型详解.mp4 87.46M| | ├──09、06 NLP-baseline》32、04textcnn-05-textcnn实验介绍.mp4 147.30M| | ├──09、06 NLP-baseline》33、04 textcnn-06-textcnn超参选择.mp4 232.73M| | ├──09、06 NLP-baseline》34、04 textcnn-07-textcnn数据处理以及模型构建..mp4 138.04M| | ├──09、06 NLP-baseline》35、04 textcnn-08-textcnn训练及测试.mp4 108.64M| | ├──09、06 NLP-baseline》36、05-chartextcnn_1_论文导读..mp4 85.11M| | ├──09、06 NLP-baseline》37、05-chartextcnn_2_1_模型总览及简介.mp4 112.52M| | ├──09、06 NLP-baseline》38、05-chartextcnn_2_2_模型详解.mp4 89.49M| | ├──09、06 NLP-baseline》39、05-chartextcnn_2_3_实验分析及讨论.mp4 110.67M| | ├──09、06 NLP-baseline》40、05-chartextcnn_3_1_数据处理.mp4 98.52M| | ├──09、06 NLP-baseline》41、05-chartextcnn_3_2_模型定义及训练和测试.mp4 121.52M| | ├──09、06 NLP-baseline》42、06-fasttext_1_研究背景及意义.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实验.mp4 55.40M| | ├──09、06 NLP-baseline》46、06-fasttext_3_1_fasttext数据读取.mp4 105.63M| | ├──09、06 NLP-baseline》47、06-fasttext_3_2_fasttext模型及训练测试.mp4 56.51M| | ├──09、06 NLP-baseline》48、07 deep_nmt_1_1_论文简介以及BLEU介绍.mp4 48.79M| | ├──09、06 NLP-baseline》49、07 deep_nmt_1_2_背景介绍和研究成果及意义.mp4 93.18M| | ├──09、06 NLP-baseline》50、07 deep_nmt_2_1_deep_nmt模型详解1.mp4 94.22M| | ├──09、06 NLP-baseline》51、07 deep_nmt_2_2_deep_nmtm模型详解2.mp4 83.39M| | ├──09、06 NLP-baseline》52、07 deep_nmt_2_3_实验结果及总结.mp4 85.40M| | ├──09、06 NLP-baseline》53、07 deep_nmt_3_1_机器翻译数据处理和代码简介.mp4 133.24M| | ├──09、06 NLP-baseline》54、07 deep_nmt_3_2_模型和训练及测试.mp4 123.63M| | ├──09、06 NLP-baseline》55、08 attention_nmt_1_1_储备知识_对齐翻译_seq2seq_注意力机制..mp4 63.57M| | ├──09、06 NLP-baseline》56、08 attention_nmt_1_2_背景介绍_研究成果及意义.mp4 86.80M| | ├──09、06 NLP-baseline》57、08 attention_nmt_2_1_论文总览..mp4 98.48M| | ├──09、06 NLP-baseline》58、08 attention_nmt_2_2模型详解..mp4 99.17M| | ├──09、06 NLP-baseline》59、08 attention_nmt_2_3_实验结果及分析.mp4 109.00M| | ├──09、06 NLP-baseline》60、08 attention_nmt_3_1_deep_nmt实现.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_前期储备知识介绍.mp4 48.85M| | ├──09、06 NLP-baseline》63、09 han_attention_1_2_研究背景成果及意义..mp4 87.93M| | ├──09、06 NLP-baseline》64、09 han_attention_2_1_论文总览.mp4 125.71M| | ├──09、06 NLP-baseline》65、09 han_attention_2_2_模型详解.mp4 86.57M| | ├──09、06 NLP-baseline》66、09 han_attention_2_3_实验结果及论文总结.mp4 235.28M| | ├──09、06 NLP-baseline》67、09 han_attention_3_1_数据读取.mp4 147.26M| | ├──09、06 NLP-baseline》68、09 han_attention_3_2_模型实现及训练和测试.mp4 153.57M| | ├──09、06 NLP-baseline》69、10 sgm_1_1_多标签分类介绍..mp4 37.91M| | ├──09、06 NLP-baseline》70、10 sgm_1_2_背景知识和研究成果及意义.mp4 107.30M| | ├──09、06 NLP-baseline》71、10 sgm_2_1_论文简介.mp4 91.80M| | ├──09、06 NLP-baseline》72、10 sgm_2_2_模型详解..mp4 63.91M| | ├──09、06 NLP-baseline》73、10 sgm_2_3_实验结果及分析.mp4 109.05M| | ├──09、06 NLP-baseline》74、10 sgm_3_1_数据处理.mp4 133.51M| | └──09、06 NLP-baseline》75、10 sgm_3_2_模型实现..mp4 206.13M| ├──10、07 信息抽取-命名实体识别》| | ├──10、07 信息抽取-命名实体识别》02、1.1- BiLSTM-CRF-论文研究背景.mp4 129.95M| | ├──10、07 信息抽取-命名实体识别》03、1.2- BiLSTM-CRF-论文算法总览.mp4 92.20M| | ├──10、07 信息抽取-命名实体识别》04、1.3-BiLSTM-CRF模型结构.mp4 73.23M| | ├──10、07 信息抽取-命名实体识别》05、1.4-BiLSTM-CRF损失函数与维特比解码.mp4 56.29M| | ├──10、07 信息抽取-命名实体识别》06、1.5- BiLSTM-CRF-实验结果与论文总结.mp4 35.22M| | ├──10、07 信息抽取-命名实体识别》07、1.6- BiLSTM-CRF代码讲解.mp4 180.90M| | ├──10、07 信息抽取-命名实体识别》08、1.7- BiLSTM-CRF-NCR-Fpp代码详解.mp4 155.81M| | ├──10、07 信息抽取-命名实体识别》09、2.1_LatticeLSTM论文研究背景.mp4 154.84M| | ├──10、07 信息抽取-命名实体识别》10、2.2_LatticeLSTM模型总览..mp4 64.60M| | ├──10、07 信息抽取-命名实体识别》11、2.3_LatticeLSTM模型细节.mp4 61.44M| | ├──10、07 信息抽取-命名实体识别》12、2.4_LatticeLSTM论文实验与总结.mp4 26.41M| | ├──10、07 信息抽取-命名实体识别》13、2.5_LatticeLSTM代码讲解..mp4 322.85M| | ├──10、07 信息抽取-命名实体识别》14、3.1_LR-CNN论文研究背景.mp4 126.96M| | ├──10、07 信息抽取-命名实体识别》15、3.2_LR-CNN模型总览.mp4 61.93M| | ├──10、07 信息抽取-命名实体识别》16、3.3_LR-CNN模型细节.mp4 50.21M| | ├──10、07 信息抽取-命名实体识别》17、3.4_LR-CNN模型细节2..mp4 35.10M| | ├──10、07 信息抽取-命名实体识别》18、3.5_LR-CNN论文代码讲解..mp4 162.01M| | ├──10、07 信息抽取-命名实体识别》19、4.1_LGN论文研究背景..mp4 149.08M| | ├──10、07 信息抽取-命名实体识别》20、4.2_LGN模型总览..mp4 30.86M| | ├──10、07 信息抽取-命名实体识别》21、4.3_LGN模型详解.mp4 43.08M| | ├──10、07 信息抽取-命名实体识别》22、4.4_LGN代码讲解.mp4 87.80M| | ├──10、07 信息抽取-命名实体识别》23、5.1_TENER论文研究背景.mp4 277.32M| | ├──10、07 信息抽取-命名实体识别》24、5.2_TENER模型总览.mp4 106.37M| | ├──10、07 信息抽取-命名实体识别》25、5.3_TENER模型详解.mp4 144.64M| | ├──10、07 信息抽取-命名实体识别》26、5.4_TENER模型总结.mp4 61.18M| | ├──10、07 信息抽取-命名实体识别》27、5.5_TENER模型代码.mp4 263.89M| | ├──10、07 信息抽取-命名实体识别》28、6-1_Soft_Lexicon论文研究背景..mp4 277.38M| | ├──10、07 信息抽取-命名实体识别》29、6-2_Soft_Lexicon模型总览.mp4.mp4 58.50M| | ├──10、07 信息抽取-命名实体识别》30、6-3_Soft_Lexicon模型详解..mp4 48.71M| | ├──10、07 信息抽取-命名实体识别》31、6-4_Soft_Lexicon模型总结..mp4 131.58M| | └──10、07 信息抽取-命名实体识别》32、6-5_Soft_Lexicon模型代码..mp4 186.16M| ├──11、07 （2）信息抽取-关系抽取》| | ├──11、07 （2）信息抽取-关系抽取》01、【11月6日】篇章级事件抽取前沿直播.mp4 339.14M| | ├──11、07 （2）信息抽取-关系抽取》03、01 cnn_for-re-01.mp4（新版）.mp4 220.93M| | ├──11、07 （2）信息抽取-关系抽取》04、01 cnn_for-re-02.mp4（新版）.mp4 332.55M| | ├──11、07 （2）信息抽取-关系抽取》05、01 cnn_for-re-03.mp4（新版）.mp4 327.17M| | ├──11、07 （2）信息抽取-关系抽取》06、01 cnn_for-re-04.mp4（新版）.mp4 359.06M| | ├──11、07 （2）信息抽取-关系抽取》07、01 cnn_for-re-05.mp4（新版）.mp4 284.31M| | ├──11、07 （2）信息抽取-关系抽取》08、01 code_cnn_for_re-06（新版）.mp4 375.28M| | ├──11、07 （2）信息抽取-关系抽取》09、01 code_cnn_for_re-07（新版）.mp4 358.12M| | ├──11、07 （2）信息抽取-关系抽取》10、01 code_cnn_for_re-08（新版）.mp4 398.24M| | ├──11、07 （2）信息抽取-关系抽取》11、01 code_cnn_for_re-09（新版）.mp4 505.60M| | ├──11、07 （2）信息抽取-关系抽取》12、01 code_cnn_for_re-10（新版）.mp4 284.22M| | ├──11、07 （2）信息抽取-关系抽取》13、02 pcnn_crcnn_1_PCNN背景及部分相关工作（新版）.mp4 384.94M| | ├──11、07 （2）信息抽取-关系抽取》14、02 pcnn_crcnn_2_PCNN的相关工作（新版）.mp4 290.38M| | ├──11、07 （2）信息抽取-关系抽取》15、02 pcnn_crcnn_3_PCNN的模型部分（新版）.mp4 352.98M| | ├──11、07 （2）信息抽取-关系抽取》16、02 pcnn_crcnn_4_PCNN的实验部分及CRCNN的背景（新版）.mp4 197.33M| | ├──11、07 （2）信息抽取-关系抽取》17、02 pcnn_crcnn_5_CRCNN的相关工作及模型部分（新版）.mp4 476.32M| | ├──11、07 （2）信息抽取-关系抽取》18、02 pcnn_crcnn_6_CRCNN的实验部分及总结（新版）.mp4 213.30M| | ├──11、07 （2）信息抽取-关系抽取》19、02 pcnn_code-7-前期回顾及输出处理1（新版）.mp4 263.19M| | ├──11、07 （2）信息抽取-关系抽取》20、02 pcnn_code-8-数据处理2（新版）.mp4 167.47M| | ├──11、07 （2）信息抽取-关系抽取》21、02 pcnn_code-9-模型定义（新版）.mp4 318.93M| | ├──11、07 （2）信息抽取-关系抽取》22、02 pcnn_code-10-模型训练1（新版）.mp4 200.05M| | ├──11、07 （2）信息抽取-关系抽取》23、02 pcnn_code-11-模型训练2及模型评价（新版）.mp4 491.76M| | ├──11、07 （2）信息抽取-关系抽取》24、3.1 att-blstm 关系识别-背景介绍.（旧版）.mp4 207.53M| | ├──11、07 （2）信息抽取-关系抽取》25、3.2 att-blstm 关系识别-模型详解.（旧版）.mp4 370.89M| | ├──11、07 （2）信息抽取-关系抽取》26、3.3 att-blstm 关系识别-代码实战.（旧版）.mp4 554.60M| | ├──11、07 （2）信息抽取-关系抽取》27、03 lstmatt_1_背景及相关工作（新版）.mp4 205.48M| | ├──11、07 （2）信息抽取-关系抽取》28、03 lstmatt_2_模型及实验（新版）.mp4 204.07M| | ├──11、07 （2）信息抽取-关系抽取》29、03 att_lstm_code_3_课程回顾及超参数设置（新版）.mp4 179.20M| | ├──11、07 （2）信息抽取-关系抽取》30、03 att_lstm_code_4_数据处理及模型定义（新版）.mp4 204.06M| | ├──11、07 （2）信息抽取-关系抽取》31、03 att_lstm_code_5_模型训练及模型评价（新版）.mp4 213.18M| | ├──11、07 （2）信息抽取-关系抽取》32、4.1 LSTM-LSTM-bias 背景介绍.（旧版）.mp4 289.70M| | ├──11、07 （2）信息抽取-关系抽取》33、4.2 LSTM-LSTM-bias模型详解.（旧版）.mp4 336.21M| | ├──11、07 （2）信息抽取-关系抽取》34、4.3 LSTM-LSTM-bias代码实战（旧版）.mp4 625.33M| | ├──11、07 （2）信息抽取-关系抽取》35、04 novel_tagging_paper_1_背景及相关工作01（新版）.mp4 180.45M| | ├──11、07 （2）信息抽取-关系抽取》36、04 novel_tagging_paper_2_相关工作02（新版）.mp4 161.32M| | ├──11、07 （2）信息抽取-关系抽取》37、04 novel_tagging_paper_3_相关工作03（新版）.mp4 192.26M| | ├──11、07 （2）信息抽取-关系抽取》38、04 novel_tagging_paper_4_模型（新版）.mp4 160.93M| | ├──11、07 （2）信息抽取-关系抽取》39、04 novel_tagging_code_1_准备工作_超参数定义_数据处理（新版）.mp4 238.17M| | ├──11、07 （2）信息抽取-关系抽取》40、04 novel_tagging_code_2_数据读取_模型训练与评价（新版）.mp4 233.56M| | ├──11、07 （2）信息抽取-关系抽取》41、04 novel_tagging_paper_5_实验（新版）.mp4 90.74M| | ├──11、07 （2）信息抽取-关系抽取》42、05 casrel_paper_0（新版）.mp4 289.04M| | ├──11、07 （2）信息抽取-关系抽取》43、05 casrel_paper_1（新版）.mp4 190.16M| | ├──11、07 （2）信息抽取-关系抽取》44、05 casrel_paper_2（新版）.mp4 312.37M| | ├──11、07 （2）信息抽取-关系抽取》45、05 casrel_paper_3（新版）.mp4 273.50M| | ├──11、07 （2）信息抽取-关系抽取》46、05 casrel_paper_4（新版）.mp4 286.48M| | ├──11、07 （2）信息抽取-关系抽取》47、05 casrel_code_5（新版）.mp4 308.60M| | ├──11、07 （2）信息抽取-关系抽取》48、05 casrel_code_6（新版）.mp4 371.09M| | ├──11、07 （2）信息抽取-关系抽取》49、05 casrel_code_7（新版）.mp4 433.95M| | └──11、07 （2）信息抽取-关系抽取》50、05 casrel_code_8（新版）.mp4 471.37M| ├──12、08 NLP-预训练模型》| | ├──12、08 NLP-预训练模型》02、01transformer-01-论文背景&研究成果.mp4 134.08M| | ├──12、08 NLP-预训练模型》03、01transformer-02-attention回顾.mp4 126.21M| | ├──12、08 NLP-预训练模型》04、01transformer-03-模型框架和self_attention.mp4 114.95M| | ├──12、08 NLP-预训练模型》05、01transformer-04-模型小trick..mp4 238.77M| | ├──12、08 NLP-预训练模型》06、01transformer-05-代码框架部分和encoder.mp4 423.84M| | ├──12、08 NLP-预训练模型》07、01transformer-06-代码decoder和self_attention.mp4 433.47M| | ├──12、08 NLP-预训练模型》08、01transformer-07-代码训练部分和预测部分.mp4 537.31M| | ├──12、08 NLP-预训练模型》09、02transformer_xl-01-论文背景..mp4 192.54M| | ├──12、08 NLP-预训练模型》10、02transformer_xl-02-vallini model回顾..mp4 105.80M| | ├──12、08 NLP-预训练模型》11、02transformer_xl-03-片段级递归机制..mp4 104.88M| | ├──12、08 NLP-预训练模型》12、02transformer_xl-04-相对位置编码和小trick..mp4 112.32M| | ├──12、08 NLP-预训练模型》13、02transformer_xl-05-论文总结..mp4 240.62M| | ├──12、08 NLP-预训练模型》14、02transformerxl-06-代码数据准备..mp4 217.27M| | ├──12、08 NLP-预训练模型》15、02transformerxl-07-代码self attention..mp4 501.39M| | ├──12、08 NLP-预训练模型》16、02transformer_xl-08-代码update memory和adaptive.mp4 320.25M| | ├──12、08 NLP-预训练模型》17、02transformer_xl-09-代码adaptive softmax2..mp4 395.13M| | ├──12、08 NLP-预训练模型》18、03elmo-01-elmo的下游任务介绍..mp4 100.59M| | ├──12、08 NLP-预训练模型》19、03elmo-02-feature_based和fine_tuning.mp4 80.35M| | ├──12、08 NLP-预训练模型》20、03elmo-03-word2vec和charcnn回顾.mp4 49.07M| | ├──12、08 NLP-预训练模型》21、03elmo-04-Bidirectional_language_models.mp4 57.71M| | ├──12、08 NLP-预训练模型》22、03elmo-05-how to use emol..mp4 50.77M| | ├──12、08 NLP-预训练模型》23、03elmo-06-论文回顾..mp4 117.24M| | ├──12、08 NLP-预训练模型》24、03elmo-07-代码预处理部分.mp4 242.87M| | ├──12、08 NLP-预训练模型》25、03elmo-08-代码模型结构部分.mp4 214.64M| | ├──12、08 NLP-预训练模型》26、03elmo-09-代码crf流程..mp4 163.52M| | ├──12、08 NLP-预训练模型》27、03elmo-10-代码crf实现..mp4 233.32M| | ├──12、08 NLP-预训练模型》28、04gpt-01-nlp下游任务介绍.mp4 128.39M| | ├──12、08 NLP-预训练模型》29、04gpt-02-transformer回顾.mp4 96.81M| | ├──12、08 NLP-预训练模型》30、04gpt-03-预训练和fine-tuning.mp4 63.52M| | ├──12、08 NLP-预训练模型》31、04gpt-04-输入转换.mp4 48.54M| | ├──12、08 NLP-预训练模型》32、04gpt-05-论文回顾..mp4 105.65M| | ├──12、08 NLP-预训练模型》33、04gpt-06-代码流程和建立vocab.mp4 148.51M| | ├──12、08 NLP-预训练模型》34、04gpt-07-代码与处理部分.mp4 172.10M| | ├──12、08 NLP-预训练模型》35、04gpt-08-代码trasform_roc部分.mp4 80.56M| | ├──12、08 NLP-预训练模型》36、04gpt-09-代码transformer_model部分.mp4 170.18M| | ├──12、08 NLP-预训练模型》37、04gpt-10-代码两种loss的计算.mp4 132.18M| | ├──12、08 NLP-预训练模型》38、04gpt-11-代码训练部分.mp4 118.37M| | ├──12、08 NLP-预训练模型》39、05bert-01-bert的背景和glue benchmark..mp4 105.73M| | ├──12、08 NLP-预训练模型》40、05bert-02-论文导读和bert 衍生模型..mp4 77.78M| | ├──12、08 NLP-预训练模型》41、05bert-03-bert、gtp、elmo的比较.mp4 37.98M| | ├──12、08 NLP-预训练模型》42、05bert-04-bert model和pre-training部分.mp4 74.95M| | ├──12、08 NLP-预训练模型》43、05bert-05-bert的fine-tuning部分.mp4 54.13M| | ├──12、08 NLP-预训练模型》44、05bert-06-代码fine-tuning数据预处理和model 加载.mp4 140.07M| | ├──12、08 NLP-预训练模型》45、05bert-07-代码fine-tuning训练部分.mp4 66.27M| | ├──12、08 NLP-预训练模型》46、05bert-08-代码bert pretrain的NSP.mp4 127.78M| | ├──12、08 NLP-预训练模型》47、05bert-09-代码pertrain预处理.mp4 182.76M| | ├──12、08 NLP-预训练模型》48、05bert-10-代码bert-pretrain的transformer部分..mp4 167.85M| | ├──12、08 NLP-预训练模型》49、05bert-11-代码bert pretrain的loss计算..mp4 159.61M| | ├──12、08 NLP-预训练模型》50、06ulmfit-01-uimfit背景介绍.mp4 128.15M| | ├──12、08 NLP-预训练模型》51、06ulmfit-02-awdLstm回顾..mp4 49.95M| | ├──12、08 NLP-预训练模型》52、06ulmfit-03-下三角学习率.mp4 54.74M| | ├──12、08 NLP-预训练模型》53、06ulmfit-04-classifier fine tuning..mp4 45.75M| | ├──12、08 NLP-预训练模型》54、06ulmfit-05-论文回顾.mp4 112.24M| | ├──12、08 NLP-预训练模型》55、06ulmfit-06-代码fine tuning部分.mp4 168.08M| | ├──12、08 NLP-预训练模型》56、06ulmfit-07-代码逐层解冻和预测.mp4 95.01M| | ├──12、08 NLP-预训练模型》57、06ulmfit-08-代码pycharm lm部分..mp4 166.93M| | ├──12、08 NLP-预训练模型》58、07albert-01-albert背景介绍.mp4 141.82M| | ├──12、08 NLP-预训练模型》59、07albert-02-轻量级bert回顾.mp4 98.09M| | ├──12、08 NLP-预训练模型》60、07albert-03-embedding layer的因式分解.mp4 126.74M| | ├──12、08 NLP-预训练模型》61、07albert-04-albert跨层参数共享.mp4 56.72M| | ├──12、08 NLP-预训练模型》62、07albert-05-NSP任务和论文回顾..mp4 259.24M| | ├──12、08 NLP-预训练模型》63、07albert-06-代码tokenizer部分.mp4 181.64M| | ├──12、08 NLP-预训练模型》64、07albert-07-代码samplemask.mp4 275.33M| | ├──12、08 NLP-预训练模型》65、07albert-08-代码transformer结构.mp4 320.96M| | ├──12、08 NLP-预训练模型》66、07albert-09-代码pretrain 训练部分.mp4 137.96M| | ├──12、08 NLP-预训练模型》67、07albert-10-代码albert fine-tuning.mp4 528.14M| | ├──12、08 NLP-预训练模型》68、08mass-01-mass背景介绍..mp4 191.24M| | ├──12、08 NLP-预训练模型》69、08mass-02-bert和gpt回顾..mp4 130.23M| | ├──12、08 NLP-预训练模型》70、08mass-03-mass 的seq2seq pretraining..mp4 138.55M| | ├──12、08 NLP-预训练模型》71、08mass-04-mass的discussions..mp4 346.46M| | ├──12、08 NLP-预训练模型》72、08mass-05-代码fairseq的训练流程..mp4 379.10M| | ├──12、08 NLP-预训练模型》73、08mass-06-代码mass的xseq2seq部分.mp4 660.83M| | ├──12、08 NLP-预训练模型》74、08mass-07-代码mass的xtransformer部分..mp4 277.60M| | ├──12、08 NLP-预训练模型》75、08mass-08-代码mass的dataset准备..mp4 379.06M| | ├──12、08 NLP-预训练模型》76、09xlnet-01-xlnet背景介绍..mp4 88.94M| | ├──12、08 NLP-预训练模型》77、09xlnet-02-AR和AE的比较..mp4 129.73M| | ├──12、08 NLP-预训练模型》78、09xlnet-03-排列lm部分..mp4 96.74M| | ├──12、08 NLP-预训练模型》79、09xlnet-04-排列lm的mask实现.mp4 83.73M| | ├──12、08 NLP-预训练模型》80、09xlnet-05-传统lm存在的问题..mp4 67.85M| | ├──12、08 NLP-预训练模型》81、09xlnet-06-Two Stream Self-attention..mp4 119.05M| | ├──12、08 NLP-预训练模型》82、09xlnet-07-xlnet论文回顾.mp4 207.38M| | ├──12、08 NLP-预训练模型》83、09xlnet-08-代码xlnet的fine-tuning..mp4 236.32M| | ├──12、08 NLP-预训练模型》84、09xlnet-09-代码xlnet的mask..mp4 685.22M| | ├──12、08 NLP-预训练模型》85、09xlnet-10-代码xlnet的self attention..mp4 519.13M| | ├──12、08 NLP-预训练模型》86、10electra-01-electra背景介绍..mp4 110.43M| | ├──12、08 NLP-预训练模型》87、10electra-02-gan的回顾..mp4 99.66M| | ├──12、08 NLP-预训练模型》88、10electra-03-electra的生成器和判别器详解..mp4 73.61M| | ├──12、08 NLP-预训练模型》89、10electra-04-论文回顾..mp4 177.64M| | ├──12、08 NLP-预训练模型》90、10electra-05-代码electra训练流程..mp4 361.51M| | ├──12、08 NLP-预训练模型》91、10electra-06-代码预处理部分..mp4 445.47M| | ├──12、08 NLP-预训练模型》92、10electra-07-代码生成器和判别器..mp4 459.15M| | └──12、08 NLP-预训练模型》93、10electra-08-代码start training部分..mp4 333.44M| ├──13、09 NLP-图神经网络》| | ├──13、09 NLP-图神经网络》02、00图神经网络专题-01-开班课..mp4 192.74M| | ├──13、09 NLP-图神经网络》03、00图神经网络专题-02-开班课.mp4 104.91M| | ├──13、09 NLP-图神经网络》04、02第二次直播答疑..mp4 231.61M| | ├──13、09 NLP-图神经网络》05、03第三次直播答疑..mp4 158.83M| | ├──13、09 NLP-图神经网络》06、05第五次直播答疑..mp4 264.56M| | ├──13、09 NLP-图神经网络》07、01nodevec-01-研究背景.mp4 70.40M| | ├──13、09 NLP-图神经网络》08、01nodevec-02-研究成果.mp4 177.29M| | ├──13、09 NLP-图神经网络》09、01nodevec-03-图的应用.mp4 98.82M| | ├──13、09 NLP-图神经网络》100、08gcn-09-gcn频域公式推导..mp4 281.16M| | ├──13、09 NLP-图神经网络》101、08gcn-10-实验分析..mp4 253.01M| | ├──13、09 NLP-图神经网络》102、08gcn-11-论文总结..mp4 161.67M| | ├──13、09 NLP-图神经网络》103、08gcn-12-代码介绍..mp4 187.52M| | ├──13、09 NLP-图神经网络》104、08gcn-13-读图预处理..mp4 227.61M| | ├──13、09 NLP-图神经网络》105、08gcn-14-gcn模型实现及代码总结.mp4.mp4 196.46M| | ├──13、09 NLP-图神经网络》106、09ggnn-01-研究背景..mp4 144.85M| | ├──13、09 NLP-图神经网络》107、09ggnn-02-ggnn模型简介..mp4 87.69M| | ├──13、09 NLP-图神经网络》108、09ggnn-03-研究成果研究意义..mp4 116.31M| | ├──13、09 NLP-图神经网络》109、09ggnn-04-模型总览..mp4 251.36M| | ├──13、09 NLP-图神经网络》10、01nodevec-04-模型结构&BFS&DFS.mp4 401.92M| | ├──13、09 NLP-图神经网络》110、09ggnn-05-GRU模型简单回顾..mp4 77.41M| | ├──13、09 NLP-图神经网络》111、09ggnn-06-GGNN模型细节..mp4 309.85M| | ├──13、09 NLP-图神经网络》112、09ggnn-07-GGSNNs模型细节..mp4 201.34M| | ├──13、09 NLP-图神经网络》113、09ggnn-08-bAbI任务..mp4 376.28M| | ├──13、09 NLP-图神经网络》114、09ggnn-09-RNN图数据分析..mp4 120.99M| | ├──13、09 NLP-图神经网络》115、09ggnn-10-实验分析&论文总结..mp4 214.28M| | ├──13、09 NLP-图神经网络》116、09ggnn-11-代码介绍..mp4 193.15M| | ├──13、09 NLP-图神经网络》117、09ggnn-12-读图..mp4 489.12M| | ├──13、09 NLP-图神经网络》118、09ggnn-13-ggnn模型代码..mp4 721.68M| | ├──13、09 NLP-图神经网络》119、09ggnn-14-模型训练和测试..mp4 169.30M| | ├──13、09 NLP-图神经网络》11、01nodevec-05-模型算法&alias算法.mp4 593.86M| | ├──13、09 NLP-图神经网络》120、10mpnn-01-研究背景..mp4 250.75M| | ├──13、09 NLP-图神经网络》121、10mpnn-02-mpnn框架简介..mp4 153.79M| | ├──13、09 NLP-图神经网络》122、10mpnn-03-研究成果研究意义..mp4 189.31M| | ├──13、09 NLP-图神经网络》123、10mpnn-04-模型总览..mp4 312.69M| | ├──13、09 NLP-图神经网络》124、10mpnn-05-mpnn框架..mp4 143.19M| | ├──13、09 NLP-图神经网络》125、10mpnn-06-mpnn代表模型..mp4 533.38M| | ├──13、09 NLP-图神经网络》126、10mpnn-07-化学分子预测模型..mp4 424.61M| | ├──13、09 NLP-图神经网络》127、10mpnn-08-set2set模型..mp4 400.14M| | ├──13、09 NLP-图神经网络》128、10mpnn-09-专题总结..mp4 218.25M| | ├──13、09 NLP-图神经网络》129、10mpnn-10-实验分析..mp4 227.78M| | ├──13、09 NLP-图神经网络》12、01nodevec-06-实验分析.mp4 515.00M| | ├──13、09 NLP-图神经网络》130、10mpnn-11-论文总结..mp4 229.01M| | ├──13、09 NLP-图神经网络》131、10mpnn-12-代码介绍..mp4 343.11M| | ├──13、09 NLP-图神经网络》132、10mpnn-13-构造图..mp4 658.98M| | ├──13、09 NLP-图神经网络》133、10mpnn-14-DataLoader封装..mp4 338.92M| | ├──13、09 NLP-图神经网络》134、10mpnn-15-mpnn框架代码..mp4 607.11M| | ├──13、09 NLP-图神经网络》135、10mpnn-16-模型训练和测试..mp4 194.30M| | ├──13、09 NLP-图神经网络》13、01nodevec-07-论文总结.mp4 236.53M| | ├──13、09 NLP-图神经网络》14、01nodevec-08-代码整体介绍.mp4 414.96M| | ├──13、09 NLP-图神经网络》15、01nodevec-09-代码节点和边的alias实现.mp4 457.58M| | ├──13、09 NLP-图神经网络》16、01nodevec-10-代码有偏随机游走和模型训练.mp4 183.10M| | ├──13、09 NLP-图神经网络》17、01nodevec-11-代码结果展示和总结.mp4 83.95M| | ├──13、09 NLP-图神经网络》18、02-line-01-论文背景..mp4 152.33M| | ├──13、09 NLP-图神经网络》19、02-line-02-研究成果研究意义..mp4 214.34M| | ├──13、09 NLP-图神经网络》20、02-line-03-前期知识..mp4 103.25M| | ├──13、09 NLP-图神经网络》21、02-line-04-一二阶相似度..mp4 507.94M| | ├──13、09 NLP-图神经网络》22、02-line-05-模型优化时间复杂度..mp4 344.09M| | ├──13、09 NLP-图神经网络》23、02-line-06-实验分析一..mp4 481.52M| | ├──13、09 NLP-图神经网络》24、02-line-07-实验分析二..mp4 196.73M| | ├──13、09 NLP-图神经网络》25、02-line-08-论文总结..mp4 225.61M| | ├──13、09 NLP-图神经网络》26、02-line-09-代码读图..mp4 191.59M| | ├──13、09 NLP-图神经网络》27、02-line-10-代码aliasSampling..mp4 226.06M| | ├──13、09 NLP-图神经网络》28、02-line-11-代码line模型实现..mp4 505.97M| | ├──13、09 NLP-图神经网络》29、03-sdne-01-论文背景..mp4 105.81M| | ├──13、09 NLP-图神经网络》30、03-sdne-02-前期知识..mp4 114.45M| | ├──13、09 NLP-图神经网络》31、03-sdne-03-研究成果..mp4 107.48M| | ├──13、09 NLP-图神经网络》32、03sdne-04-模型结构..mp4 240.24M| | ├──13、09 NLP-图神经网络》33、03sdne-05-一二阶相似度..mp4 293.22M| | ├──13、09 NLP-图神经网络》34、03sdne-06-自编码器&稀疏性问题..mp4 334.29M| | ├──13、09 NLP-图神经网络》35、03sdne-07-优化方法&时间复杂度..mp4 412.15M| | ├──13、09 NLP-图神经网络》36、03sdne-08-实验设置介绍..mp4 436.23M| | ├──13、09 NLP-图神经网络》37、03sdne-09-实验分析..mp4 373.74M| | ├──13、09 NLP-图神经网络》38、03sdne-10-代码模型训练..mp4 308.48M| | ├──13、09 NLP-图神经网络》39、03sdne-11-代码sdne模型实现..mp4 270.33M| | ├──13、09 NLP-图神经网络》40、03sdne-12-代码模型训练..mp4 270.61M| | ├──13、09 NLP-图神经网络》41、04metapath2vec-01-研究背景..mp4 140.80M| | ├──13、09 NLP-图神经网络》42、04metapath2vec-02-研究成果..mp4 179.95M| | ├──13、09 NLP-图神经网络》43、04metapath2vec-03-异质网络skip2gram..mp4 270.85M| | ├──13、09 NLP-图神经网络》44、04metapath2vec-04-算法细节..mp4 385.66M| | ├──13、09 NLP-图神经网络》45、04metapath2vec-05-实验分析..mp4 207.66M| | ├──13、09 NLP-图神经网络》46、04metapath2vec-06-论文总结..mp4 168.81M| | ├──13、09 NLP-图神经网络》47、04metapath2vec-07-代码dgl平台介绍..mp4 155.82M| | ├──13、09 NLP-图神经网络》48、04metapath2vec-08-代码生成meta-path训练集..mp4 433.50M| | ├──13、09 NLP-图神经网络》49、04metapath2vec-09-代码模型实现..mp4 398.72M| | ├──13、09 NLP-图神经网络》50、04metapath2vec-10-代码模型训练..mp4 366.56M| | ├──13、09 NLP-图神经网络》51、05transe-01-研究背景..mp4 115.13M| | ├──13、09 NLP-图神经网络》52、05transe-02-研究成果研究意义..mp4 183.59M| | ├──13、09 NLP-图神经网络》53、05transe-03-transE算法..mp4 263.96M| | ├──13、09 NLP-图神经网络》54、05transe-04-transH算法..mp4 271.81M| | ├──13、09 NLP-图神经网络》55、05transe-05-transR算法..mp4 229.26M| | ├──13、09 NLP-图神经网络》56、05transe-06-transH算法..mp4 336.56M| | ├──13、09 NLP-图神经网络》57、05transe-07-模型对比和总结..mp4 78.34M| | ├──13、09 NLP-图神经网络》58、05transe-08-实验设置和分析..mp4 281.38M| | ├──13、09 NLP-图神经网络》59、05transe-09-实验分析.mp4.mp4 212.42M| | ├──13、09 NLP-图神经网络》60、05transe-10-论文总结..mp4 63.46M| | ├──13、09 NLP-图神经网络》61、05transe-11-代码介绍..mp4 33.03M| | ├──13、09 NLP-图神经网络》62、05transe-12-代码详解一..mp4 295.15M| | ├──13、09 NLP-图神经网络》63、05transe-13-代码详解二..mp4 294.93M| | ├──13、09 NLP-图神经网络》64、05transe-14-TransR等实现及代码总结..mp4 320.68M| | ├──13、09 NLP-图神经网络》65、06gat-01-研究背景..mp4 109.55M| | ├──13、09 NLP-图神经网络》66、06gat-02-图卷积消息传递..mp4 95.69M| | ├──13、09 NLP-图神经网络》67、06gat-03-研究成果研究意义..mp4 124.05M| | ├──13、09 NLP-图神经网络》68、06gat-04-gnn核心框架..mp4 316.20M| | ├──13、09 NLP-图神经网络》69、06gat-05-gat算法讲解..mp4 230.36M| | ├──13、09 NLP-图神经网络》70、06gat-06-各种attention总结..mp4 155.38M| | ├──13、09 NLP-图神经网络》71、06gat-07-multi-head起源简介..mp4 80.29M| | ├──13、09 NLP-图神经网络》72、06gat-08-GAT算法总结和实验设置..mp4 525.18M| | ├──13、09 NLP-图神经网络》73、06gat-09-论文总结..mp4 220.09M| | ├──13、09 NLP-图神经网络》74、06gat-10-代码介绍..mp4 322.93M| | ├──13、09 NLP-图神经网络》75、06gat-11-代码设置参数&读图..mp4 310.49M| | ├──13、09 NLP-图神经网络》76、06gat-12-邻接矩阵归一化..mp4 203.69M| | ├──13、09 NLP-图神经网络》77、06gat-13-gat模型实现..mp4 390.52M| | ├──13、09 NLP-图神经网络》78、06gat-14-gat模型训练及代码总结..mp4 242.22M| | ├──13、09 NLP-图神经网络》79、07graphsage-01-研究背景..mp4 125.88M| | ├──13、09 NLP-图神经网络》80、07graphsage-02-graphSAGE模型简介..mp4 75.28M| | ├──13、09 NLP-图神经网络》81、07graphsage-03-研究成果研究意义..mp4 149.25M| | ├──13、09 NLP-图神经网络》82、07graphsage-04-模型总览..mp4 87.92M| | ├──13、09 NLP-图神经网络》83、07graphsage-05-算法详解..mp4 439.42M| | ├──13、09 NLP-图神经网络》84、07graphsage-06-监督训练及aggregators..mp4 201.18M| | ├──13、09 NLP-图神经网络》85、07graphsage-07-batch训练及WLtest..mp4 320.32M| | ├──13、09 NLP-图神经网络》86、07graphsage-08-实验分析..mp4 326.74M| | ├──13、09 NLP-图神经网络》87、07graphsage-09-代码介绍.mp4 183.13M| | ├──13、09 NLP-图神经网络》88、07graphsage-10-读图读特征..mp4 199.61M| | ├──13、09 NLP-图神经网络》89、07graphsage-11-mean-aggregator讲解..mp4 328.05M| | ├──13、09 NLP-图神经网络》90、07graphsage-12-encoder讲解..mp4 184.49M| | ├──13、09 NLP-图神经网络》91、07graphsage-13-模型训练及代码总结..mp4 142.98M| | ├──13、09 NLP-图神经网络》92、08gcn-01-研究背景.cmproj..mp4 112.51M| | ├──13、09 NLP-图神经网络》93、08gcn-02-gcn模型简介..mp4 99.52M| | ├──13、09 NLP-图神经网络》94、08gcn-03-研究成果研究意义..mp4 121.66M| | ├──13、09 NLP-图神经网络》95、08gcn-04-模型总览..mp4 105.48M| | ├──13、09 NLP-图神经网络》96、08gcn-05-RGCN模型简介..mp4 324.77M| | ├──13、09 NLP-图神经网络》97、08gcn-06-拉普拉斯矩阵..mp4 90.93M| | ├──13、09 NLP-图神经网络》98、08gcn-07-图的频域变换..mp4 95.39M| | └──13、09 NLP-图神经网络》99、08gcn-08-Chebyshev卷积核.mp4.mp4 94.97M| ├──14、10 NLP-文本匹配》| | ├──14、10 NLP-文本匹配》02、01DSSM-00专题引言.mp4 34.45M| | ├──14、10 NLP-文本匹配》03、01DSSM-01-学习目标..mp4 9.80M| | ├──14、10 NLP-文本匹配》04、01DSSM-02-论文背景、贡献及意义.mp4 21.73M| | ├──14、10 NLP-文本匹配》05、01DSSM-03摘要精读、总结.mp4 15.85M| | ├──14、10 NLP-文本匹配》06、01DSSM-04-上节回顾.mp4 12.39M| | ├──14、10 NLP-文本匹配》07、01DSSM-05-词哈希.mp4 27.39M| | ├──14、10 NLP-文本匹配》08、01DSSM-06-DSSM整体结构.mp4 13.01M| | ├──14、10 NLP-文本匹配》09、01DSSM-07-优化函数、实验与总结.mp4 20.27M| | ├──14、10 NLP-文本匹配》100、10-代码讲解-11.mp4 357.31M| | ├──14、10 NLP-文本匹配》10、01DSSM-08-代码总览.mp4 22.27M| | ├──14、10 NLP-文本匹配》11、01DSSM-09-词哈希表的建立与数据载入.mp4 47.05M| | ├──14、10 NLP-文本匹配》12、01DSSM-10-模型的搭建与训练、测试.mp4 36.95M| | ├──14、10 NLP-文本匹配》13、02SiameseNet-01-孪生网络定义.mp4 10.70M| | ├──14、10 NLP-文本匹配》14、02SiameseNet-02-论文背景、成果、意义.mp4 13.80M| | ├──14、10 NLP-文本匹配》15、02SiameseNet-03-摘要带读、课程小节.mp4 9.19M| | ├──14、10 NLP-文本匹配》16、02SiameseNet-04-SiameseNet整体结构..mp4 20.14M| | ├──14、10 NLP-文本匹配》17、02SiameseNet-05-对比损失函数.mp4 9.57M| | ├──14、10 NLP-文本匹配》18、02SiameseNet-06-实验设置与分析.mp4 12.85M| | ├──14、10 NLP-文本匹配》19、02SiameseNet-07-复习、代码总览.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-模型搭建与训练.mp4 23.12M| | ├──14、10 NLP-文本匹配》22、03比较-聚合模型-01序列到序列模型..mp4 35.37M| | ├──14、10 NLP-文本匹配》23、03比较-聚合模型-02注意力改进的编码器解码器结构..mp4 33.94M| | ├──14、10 NLP-文本匹配》24、03比较-聚合模型-03文本间的注意力机制..mp4 22.11M| | ├──14、10 NLP-文本匹配》25、03比较-聚合模型-04论文背景及相关工作..mp4 35.58M| | ├──14、10 NLP-文本匹配》26、03比较-聚合模型-05论文泛读..mp4 17.11M| | ├──14、10 NLP-文本匹配》27、03比较-聚合模型-06整体结构..mp4 66.45M| | ├──14、10 NLP-文本匹配》28、03比较-聚合模型-07与处理与注意力层..mp4 37.79M| | ├──14、10 NLP-文本匹配》29、03比较-聚合模型-08比较聚合层..mp4 44.73M| | ├──14、10 NLP-文本匹配》30、03比较-聚合模型-09实验分析与总结..mp4 94.22M| | ├──14、10 NLP-文本匹配》31、03比较-聚合模型-10SNLI数据集处理..mp4 98.48M| | ├──14、10 NLP-文本匹配》32、03比较-聚合模型-11SNLI数据集处理..mp4 41.45M| | ├──14、10 NLP-文本匹配》33、03比较-聚合模型-12数据载入模块..mp4 66.78M| | ├──14、10 NLP-文本匹配》34、03比较-聚合模型-13比较-聚合模型搭建与训练..mp4 73.02M| | ├──14、10 NLP-文本匹配》35、03比较-聚合模型-14复习、代码总览..mp4 24.52M| | ├──14、10 NLP-文本匹配》36、04ESIM-01学习目标与论文背景..mp4 28.54M| | ├──14、10 NLP-文本匹配》37、04ESIM-02论文总览与摘要带读..mp4 26.77M| | ├──14、10 NLP-文本匹配》38、04ESIM-03ESIM整体结构..mp4 20.80M| | ├──14、10 NLP-文本匹配》39、04ESIM-04输入编码层..mp4 20.11M| | ├──14、10 NLP-文本匹配》40、04ESIM-05局部推理建模层、推理组合层和输出预测层..mp4 32.33M| | ├──14、10 NLP-文本匹配》41、04ESIM-06实验设置与结果分析..mp4 24.05M| | ├──14、10 NLP-文本匹配》42、04ESIM-07论文总结与课程回顾..mp4 14.33M| | ├──14、10 NLP-文本匹配》43、04ESIM-08复习、代码总览..mp4 23.28M| | ├──14、10 NLP-文本匹配》44、04ESIM-09torchtext构建数据集..mp4 50.73M| | ├──14、10 NLP-文本匹配》45、04ESIM-10ESIM搭建与训练..mp4 43.49M| | ├──14、10 NLP-文本匹配》46、05BiMPM-01学习目标与研究背景..mp4 18.07M| | ├──14、10 NLP-文本匹配》47、05BiMPM-02相关工作..mp4 15.07M| | ├──14、10 NLP-文本匹配》48、05BiMPM-03研究成果、意义与论文结构..mp4 10.33M| | ├──14、10 NLP-文本匹配》49、05BiMPM-04摘要导读..mp4 19.70M| | ├──14、10 NLP-文本匹配》50、05BiMPM-05上节回顾与模型结构揣测..mp4 36.96M| | ├──14、10 NLP-文本匹配》51、05BiMPM-06模型整体结构..mp4 10.91M| | ├──14、10 NLP-文本匹配》52、05BiMPM-07多视角匹配..mp4 24.31M| | ├──14、10 NLP-文本匹配》53、05BiMPM-08实验分析与总结..mp4 21.80M| | ├──14、10 NLP-文本匹配》54、06RE2-01-论文研究背景.mp4.mp4 193.08M| | ├──14、10 NLP-文本匹配》55、06RE2-02-研究意义、摘要重点讲解.mp4.mp4 94.68M| | ├──14、10 NLP-文本匹配》56、06RE2-03-RE2结构讲解.mp4.mp4 172.16M| | ├──14、10 NLP-文本匹配》57、06RE2-04-RE2结构细节、训练技巧.mp4.mp4 205.08M| | ├──14、10 NLP-文本匹配》58、06RE2-05-实验设置、结果分析.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-泛读_研究背景、意义讲解.mp4.mp4 209.31M| | ├──14、10 NLP-文本匹配》63、07MGCN-02-泛读_成果、大纲介绍.mp4.mp4 115.44M| | ├──14、10 NLP-文本匹配》64、07MGCN-03-精读_BERT出现.mp4.mp4 192.93M| | ├──14、10 NLP-文本匹配》65、07MGCN-04-精读_poly-encoder.mp4.mp4 235.81M| | ├──14、10 NLP-文本匹配》66、07MGCN-05-精读_Bert细节.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-论文泛读.mp4.mp4 91.97M| | ├──14、10 NLP-文本匹配》72、08MatchPyramid-03-算法模型总览、结构、matching matrix.m.mp4 189.15M| | ├──14、10 NLP-文本匹配》73、08MatchPyramid-04-卷积层讲解.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-训练技巧、实验及总结.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论文泛读-01.mp4.mp4 214.04M| | ├──14、10 NLP-文本匹配》80、09-MGCN论文泛读-02.mp4.mp4 122.75M| | ├──14、10 NLP-文本匹配》81、09-MGCN论文精读-03.mp4.mp4 258.75M| | ├──14、10 NLP-文本匹配》82、09-MGCN论文精读-04.mp4.mp4 154.22M| | ├──14、10 NLP-文本匹配》83、09-MGCN论文精读-05.mp4.mp4 175.14M| | ├──14、10 NLP-文本匹配》84、09-MGCN论文精读-06.mp4.mp4 177.76M| | ├──14、10 NLP-文本匹配》85、09-MGCN论文精读-07.mp4.mp4 152.48M| | ├──14、10 NLP-文本匹配》86、09-MGCN代码讲解-08.mp4.mp4 200.38M| | ├──14、10 NLP-文本匹配》87、09-MGCN代码讲解-09.mp4.mp4 275.05M| | ├──14、10 NLP-文本匹配》88、09-MGCN代码讲解-10.mp4.mp4 460.00M| | ├──14、10 NLP-文本匹配》89、09-MGCN代码讲解-11.mp4.mp4 205.30M| | ├──14、10 NLP-文本匹配》90、10-论文泛读-01.mp4 224.67M| | ├──14、10 NLP-文本匹配》91、10-论文泛读-02.mp4 171.96M| | ├──14、10 NLP-文本匹配》92、10-论文精读-03.mp4 213.22M| | ├──14、10 NLP-文本匹配》93、10-论文精读-04.mp4 169.79M| | ├──14、10 NLP-文本匹配》94、10-论文精读-05.mp4 171.03M| | ├──14、10 NLP-文本匹配》95、10-论文精读-06.mp4 94.00M| | ├──14、10 NLP-文本匹配》96、10-代码讲解-07.mp4 167.06M| | ├──14、10 NLP-文本匹配》97、10-代码讲解-08.mp4 327.49M| | ├──14、10 NLP-文本匹配》98、10-代码讲解-09.mp4 387.28M| | └──14、10 NLP-文本匹配》99、10-代码讲解-10.mp4 423.30M| ├──15、11 NLP-机器翻译》| | ├──15、11 NLP-机器翻译》01、ConvSeq2Seq-代码讲解.mp4 302.49M| | ├──15、11 NLP-机器翻译》02、ConvSeq2Seq-论文精读.mp4 204.33M| | ├──15、11 NLP-机器翻译》03、ConvSeq2Seq-论文泛读.mp4 61.89M| | ├──15、11 NLP-机器翻译》05、1.1-loung_nmt-储备知识..mp4 138.04M| | ├──15、11 NLP-机器翻译》06、1.2-loung_nmt-研究背景..mp4 528.45M| | ├──15、11 NLP-机器翻译》07、1.3-loung_nmt-研究成果及意义.mp4.mp4 101.56M| | ├──15、11 NLP-机器翻译》08、1.4-luong_nmt-论文简介.mp4.mp4 255.81M| | ├──15、11 NLP-机器翻译》09、1.5-luong_nmt-global_attention..mp4 422.35M| | ├──15、11 NLP-机器翻译》10、1.6-luong_nmt-local_attention..mp4 405.21M| | ├──15、11 NLP-机器翻译》11、1.7-luong_nmt_2_4_实验.mp4.mp4 378.70M| | ├──15、11 NLP-机器翻译》12、1.8-loung_nmt_数据读取..mp4 310.95M| | ├──15、11 NLP-机器翻译》13、1.9-loung_nmt_模型实现..mp4 645.32M| | ├──15、11 NLP-机器翻译》14、1.10-loung_nmt_训练和测试.mp4.mp4 350.78M| | ├──15、11 NLP-机器翻译》15、2.1-coverage_储备知识.mp4.mp4 105.65M| | ├──15、11 NLP-机器翻译》16、2.2-coverage_研究背景及意义.mp4 262.16M| | ├──15、11 NLP-机器翻译》17、2.3-coverage_相关知识.mp4.mp4 292.65M| | ├──15、11 NLP-机器翻译》18、2.4-coverage_基于语言学的覆盖模型..mp4 297.42M| | ├──15、11 NLP-机器翻译》19、2.5-coverage_基于神经网络的覆盖模型..mp4 289.83M| | ├──15、11 NLP-机器翻译》20、2.6-coverage 代码实践.mp4.mp4 632.24M| | ├──15、11 NLP-机器翻译》21、3.1-subword_nmt_1_1.mp4 170.16M| | ├──15、11 NLP-机器翻译》22、3.2-subword_nmt.mp4 206.10M| | ├──15、11 NLP-机器翻译》23、3.3-subword_nmt_.mp4 334.79M| | ├──15、11 NLP-机器翻译》24、3.4-subword_nmt_.mp4 454.10M| | ├──15、11 NLP-机器翻译》25、3.5-subword_nmt_.mp4 444.50M| | ├──15、11 NLP-机器翻译》26、3.6-subword_nmt.mp4 636.50M| | ├──15、11 NLP-机器翻译》27、4.1-Google-nmt.mp4 427.73M| | ├──15、11 NLP-机器翻译》28、【4月9日】Mass-论文泛读.mp4 171.66M| | └──15、11 NLP-机器翻译》29、【4月16日】Mass-论文精读.mp4 244.05M| ├──16、12 NLP-情感分析》| | ├──16、12 NLP-情感分析》02、01 TextRNN & FastText & TextCNN-01-研究背景&摘要、框架.mp4 323.82M| | ├──16、12 NLP-情感分析》03、01 TextRNN & FastText & TextCNN-02-模型总览&细节1.mp4 517.39M| | ├──16、12 NLP-情感分析》04、01 TextRNN & FastText & TextCNN-03-训练、损失函数、实验.mp4 348.52M| | ├──16、12 NLP-情感分析》05、01 TextRNN & FastText & TextCNN-04-实验结果及分析讲解.mp4 411.78M| | ├──16、12 NLP-情感分析》06、01 TextRNN & FastText & TextCNN-05-代码讲解.mp4 1.09G| | ├──16、12 NLP-情感分析》07、02 TreeLSTM-01-论文导读.mp4 96.27M| | ├──16、12 NLP-情感分析》08、02 TreeLSTM-02-研究背景解读.mp4 182.04M| | ├──16、12 NLP-情感分析》09、02 TreeLSTM-03-论文摘要、框架讲解.mp4 129.69M| | ├──16、12 NLP-情感分析》10、02 TreeLSTM-04-上节课回顾.mp4 15.57M| | ├──16、12 NLP-情感分析》11、02 TreeLSTM-05-精读_模型结构总览.mp4 203.98M| | ├──16、12 NLP-情感分析》12、02 TreeLSTM-06-Tree-LSTM模型讲解.mp4 163.67M| | ├──16、12 NLP-情感分析》13、02 TreeLSTM-07-模型结构细节.mp4 159.95M| | ├──16、12 NLP-情感分析》14、02 TreeLSTM-08-实验设置与分析.mp4 443.33M| | ├──16、12 NLP-情感分析》15、02 TreeLSTM-09-论文总结.mp4 59.30M| | ├──16、12 NLP-情感分析》16、02 TreeLSTM-10-本课回顾及下节预告.mp4 22.43M| | ├──16、12 NLP-情感分析》17、02 TreeLSTM-11-代码介绍.mp4 123.98M| | ├──16、12 NLP-情感分析》18、02 TreeLSTM-12-代码讲解一.mp4 401.54M| | ├──16、12 NLP-情感分析》19、02 TreeLSTM-13-代码讲解二.mp4 392.11M| | ├──16、12 NLP-情感分析》20、02 TreeLSTM-14-代码讲解三..mp4 192.39M| | ├──16、12 NLP-情感分析》21、03 TD-LSTM & AT-LSTM -01-论文导读.mp4 17.68M| | ├──16、12 NLP-情感分析》22、03 TD-LSTM & AT-LSTM -02-所需知识储备.mp4 23.42M| | ├──16、12 NLP-情感分析》23、03 TD-LSTM & AT-LSTM -03-学习目标.mp4 14.28M| | ├──16、12 NLP-情感分析》24、03 TD-LSTM & AT-LSTM -04-课程安排.mp4 8.77M| | ├──16、12 NLP-情感分析》25、03 TD-LSTM & AT-LSTM -05-研究背景.mp4 133.49M| | ├──16、12 NLP-情感分析》26、03 TD-LSTM & AT-LSTM -06-论文泛读.mp4 74.32M| | ├──16、12 NLP-情感分析》27、03 TD-LSTM & AT-LSTM -07-下节预告.mp4 12.51M| | ├──16、12 NLP-情感分析》28、03 TD-LSTM & AT-LSTM -08-上节回顾.mp4 13.63M| | ├──16、12 NLP-情感分析》29、03 TD-LSTM & AT-LSTM -09-论文综述.mp4 69.88M| | ├──16、12 NLP-情感分析》30、03 TD-LSTM & AT-LSTM -10- TD-LSTM精读.mp4 153.08M| | ├──16、12 NLP-情感分析》31、03 TD-LSTM & AT-LSTM -11- ATAE-LSTM精读.mp4 238.28M| | ├──16、12 NLP-情感分析》32、03 TD-LSTM & AT-LSTM -12-实验结果及分析part1.mp4 188.88M| | ├──16、12 NLP-情感分析》33、03 TD-LSTM & AT-LSTM -13-实验结果及分析part2.mp4 73.39M| | ├──16、12 NLP-情感分析》34、03 TD-LSTM & AT-LSTM -14-论文总结及下节回顾..mp4 59.14M| | ├──16、12 NLP-情感分析》35、03 TD-LSTM & AT-LSTM -15-代码介绍.mp4 459.81M| | ├──16、12 NLP-情感分析》36、03 TD-LSTM & AT-LSTM -16-代码讲解二.mp4 421.77M| | ├──16、12 NLP-情感分析》37、03 TD-LSTM & AT-LSTM -17-代码讲解三.mp4 256.51M| | ├──16、12 NLP-情感分析》38、03 TD-LSTM & AT-LSTM -18-代码讲解回顾.mp4 31.84M| | ├──16、12 NLP-情感分析》41、04 MemNet&IAN-03-论文泛读.mp4 31.25M| | ├──16、12 NLP-情感分析》42、04 MemNet&IAN-04-本课回顾与下节预告.mp4 17.72M| | ├──16、12 NLP-情感分析》44、04 MemNet&IAN-06-向量转换、注意力讲解.mp4 172.18M| | ├──16、12 NLP-情感分析》45、04 MemNet&IAN-07-实验设置及分析.mp4 135.93M| | ├──16、12 NLP-情感分析》46、04 MemNet&IAN-08-论文总结及回顾.mp4 37.85M| | ├──16、12 NLP-情感分析》47、04 MemNet&IAN-09-代码环境讲解.mp4 183.62M| | ├──16、12 NLP-情感分析》48、04 MemNet&IAN-10-代码结构讲解.mp4 595.61M| | ├──16、12 NLP-情感分析》49、04 MemNet&IAN-11-论文代码细节讲解.mp4 565.58M| | ├──16、12 NLP-情感分析》50、04 MemNet&IAN-12-代码实践课回顾..mp4 85.49M| | ├──16、12 NLP-情感分析》51、05 BERT&ERNIE 2.0-01-论文介绍.mp4 70.49M| | ├──16、12 NLP-情感分析》52、05 BERT&ERNIE 2.0-02-背景介绍1..mp4 90.12M| | ├──16、12 NLP-情感分析》53、05 BERT&ERNIE 2.0-03-背景介绍2.mp4 74.04M| | ├──16、12 NLP-情感分析》54、05 BERT&ERNIE 2.0-04-论文摘要、结构讲解.mp4 22.50M| | ├──16、12 NLP-情感分析》55、05 BERT&ERNIE 2.0-05-上节回顾.mp4 13.20M| | ├──16、12 NLP-情感分析》56、05 BERT&ERNIE 2.0-06-论文算法总览.mp4 194.85M| | ├──16、12 NLP-情感分析》57、05 BERT&ERNIE 2.0-07-输入表征、task精讲.mp4 42.46M| | ├──16、12 NLP-情感分析》58、05 BERT&ERNIE 2.0-08-模型Fine-tuning解读.mp4 173.71M| | ├──16、12 NLP-情感分析》59、05 BERT&ERNIE 2.0-09-实验设置及分析.mp4 68.73M| | ├──16、12 NLP-情感分析》60、05 BERT&ERNIE 2.0-10-论文总结.mp4 38.79M| | ├──16、12 NLP-情感分析》61、05 BERT&ERNIE 2.0-11-论文回顾.mp4 26.39M| | ├──16、12 NLP-情感分析》62、05 BERT&ERNIE 2.0-12-实践代码介绍.mp4 238.04M| | ├──16、12 NLP-情感分析》63、05 BERT&ERNIE 2.0-13-实践代码精讲1.mp4 626.47M| | └──16、12 NLP-情感分析》64、05 BERT&ERNIE 2.0-14-实践代码精讲2..mp4 112.77M| ├──17、13 NLP-阅读理解》| | ├──17、13 NLP-阅读理解》02、01-开山之作_1_1_背景意义..mp4 489.30M| | ├──17、13 NLP-阅读理解》03、01-开山之作_1_2_研究成果_论文提纲..mp4 176.25M| | ├──17、13 NLP-阅读理解》04、01-开山之作_2_1_模型结构..mp4 439.04M| | ├──17、13 NLP-阅读理解》05、01-开山之作_2_2_实验结果及分析..mp4 404.05M| | ├──17、13 NLP-阅读理解》06、01-开山之作_3_数据处理jupyter..mp4 784.03M| | ├──17、13 NLP-阅读理解》07、01-开山之作_4_1_训练代码jupyter..mp4 741.41M| | ├──17、13 NLP-阅读理解》08、01-开山之作_4_2训练代码pycharm..mp4 832.78M| | ├──17、13 NLP-阅读理解》09、01-开山之作_5_反馈问题..mp4 314.24M| | ├──17、13 NLP-阅读理解》10、feedback.mp4 166.59M| | ├──17、13 NLP-阅读理解》11、02-bidaf_1_1_背景意义..mp4 251.74M| | ├──17、13 NLP-阅读理解》12、02-bidaf_1_2_相关工作+小结..mp4 178.35M| | ├──17、13 NLP-阅读理解》13、02-bidaf_2_1_模型结构..mp4 145.38M| | ├──17、13 NLP-阅读理解》14、02-bidaf_2_2_实验分析..mp4 137.88M| | ├──17、13 NLP-阅读理解》15、02-bidaf_3_1_数据读取-jupyter..mp4 387.76M| | ├──17、13 NLP-阅读理解》16、02-bidaf_3_2数据读取-pycharm..mp4 533.25M| | ├──17、13 NLP-阅读理解》17、02-bidaf_4_训练加预测..mp4 710.81M| | ├──17、13 NLP-阅读理解》18、02-bidaf_5_评测指标..mp4 290.29M| | ├──17、13 NLP-阅读理解》19、02-bidaf_6_反馈..mp4 166.59M| | ├──17、13 NLP-阅读理解》20、03-pgnet_1_1_研究背景..mp4 172.49M| | ├──17、13 NLP-阅读理解》21、03-pgnet_1_2_研究背景意义第二部分..mp4 73.89M| | ├──17、13 NLP-阅读理解》22、03-pgnet_2_1_模型部分..mp4 199.96M| | ├──17、13 NLP-阅读理解》23、03-pgnet_2_2_实验+前沿论文（上）..mp4 258.45M| | ├──17、13 NLP-阅读理解》24、03-pgnet_2_3_前沿论文(下)..mp4 312.54M| | ├──17、13 NLP-阅读理解》25、03-pgnet_2_4_模型总结..mp4 36.81M| | ├──17、13 NLP-阅读理解》26、03-pgnet_3_code-review..mp4 139.62M| | ├──17、13 NLP-阅读理解》27、03-pgnet_4_1_数据处理第一部分..mp4 636.71M| | ├──17、13 NLP-阅读理解》28、03-pgnet_4_2_数据处理第二部分..mp4 168.04M| | ├──17、13 NLP-阅读理解》29、03-pgnet_5_1_train第一部分..mp4 118.16M| | ├──17、13 NLP-阅读理解》30、03-pgnet_5_2_train第二部分..mp4 667.64M| | ├──17、13 NLP-阅读理解》31、03-pgnet_6_1_预测第一部分..mp4 490.91M| | ├──17、13 NLP-阅读理解》32、03-pgnet_6_2_预测第二部分..mp4 206.49M| | ├──17、13 NLP-阅读理解》33、04-adv_1_1_研究背景..mp4 126.05M| | ├──17、13 NLP-阅读理解》34、04-adv_1_2_研究成果和小节..mp4 71.70M| | ├──17、13 NLP-阅读理解》35、04-adv_2_1_模型和实验..mp4 228.50M| | ├──17、13 NLP-阅读理解》36、04-adv_2_2_2020智能技术竞赛介绍..mp4 202.98M| | ├──17、13 NLP-阅读理解》37、04-adv_3_1_code-overview第一部分..mp4 215.15M| | ├──17、13 NLP-阅读理解》38、04-adv_3_2_code-overview第二部分..mp4 201.97M| | ├──17、13 NLP-阅读理解》39、04-adv_4_数据处理..mp4 350.55M| | ├──17、13 NLP-阅读理解》40、04-adv_5_1_train-第一部分..mp4 311.94M| | ├──17、13 NLP-阅读理解》41、04-adv_5_2_train第二部分..mp4 461.29M| | ├──17、13 NLP-阅读理解》42、04-adv_6_预测部分..mp4 308.94M| | ├──17、13 NLP-阅读理解》43、05-xlnet_1_1_研究背景第一部分..mp4 96.81M| | ├──17、13 NLP-阅读理解》44、05-xlnet_1_2_研究背景第二部分..mp4 146.70M| | ├──17、13 NLP-阅读理解》45、05-xlnet_2_1_论文模型第一部分..mp4 240.63M| | ├──17、13 NLP-阅读理解》46、05-xlnet_2_2_论文模型第二部分..mp4 152.56M| | ├──17、13 NLP-阅读理解》47、05-xlnet_3_代码overview..mp4 145.09M| | ├──17、13 NLP-阅读理解》48、05-xlnet_4_数据处理overview..mp4 56.30M| | ├──17、13 NLP-阅读理解》49、05-xlnet_5_1_数据处理第一部分..mp4 357.79M| | ├──17、13 NLP-阅读理解》50、05-xlnet_5_2_数据处理第二部分..mp4 557.15M| | ├──17、13 NLP-阅读理解》51、05-xlnet_6_1_训练代码第一部分..mp4 387.22M| | ├──17、13 NLP-阅读理解》52、05-xlnet_6_2_训练代码第二部分..mp4 289.72M| | ├──17、13 NLP-阅读理解》53、05-xlnet_7_1_预测第一部分..mp4 311.54M| | ├──17、13 NLP-阅读理解》54、05-xlnet_7_2_预测第二部分..mp4 211.87M| | └──17、13 NLP-阅读理解》55、专题总结..mp4 18.02M| ├──18、14 NLP-对话系统》| | ├──18、14 NLP-对话系统》01、【11月6日】对话系统前沿直播.mp4 395.47M| | ├──18、14 NLP-对话系统》03、【8月10日】对话系统体验课直播第一讲.mp4 580.26M| | ├──18、14 NLP-对话系统》04、【8月11日】对话系统体验课直播第二讲.mp4 657.43M| | ├──18、14 NLP-对话系统》05、【8月19日】JointBERT-论文讲解（开营直播）.mp4 417.21M| | ├──18、14 NLP-对话系统》06、【8月21日】JointBERT-代码详解.mp4 881.85M| | ├──18、14 NLP-对话系统》07、【8月25日】AGIF-论文讲解.mp4 500.82M| | ├──18、14 NLP-对话系统》08、【8月28日】AGIF-论文精读.mp4 892.97M| | ├──18、14 NLP-对话系统》09、【9月11日】AGIF-代码复现.mp4 823.48M| | ├──18、14 NLP-对话系统》10、【9月16日】Fewshot MultiLABEL-论文泛读.mp4 496.04M| | ├──18、14 NLP-对话系统》11、【9月19日】Fewshot MultiLABEL-论文精读（第一部分）.mp4 411.20M| | ├──18、14 NLP-对话系统》12、【10月13日】Fewshot MultiLABEL-论文精读（第二部分）.mp4 332.80M| | ├──18、14 NLP-对话系统》13、【10月23日】Fewshot MultiLABEL-论文精读+代码讲解.mp4 681.73M| | ├──18、14 NLP-对话系统》14、【10月27日】Fewshot MultiLABEL-代码复现.mp4 282.33M| | ├──18、14 NLP-对话系统》15、【3月29日】trade-dst-论文泛读.mp4 593.82M| | ├──18、14 NLP-对话系统》16、【4月1日】trade-dst-论文精读.mp4 764.38M| | ├──18、14 NLP-对话系统》17、【4月8日】trade-dst-代码复现.mp4 894.15M| | ├──18、14 NLP-对话系统》18、【4月12日】trade-dst-代码讲解（下）.mp4 359.89M| | ├──18、14 NLP-对话系统》19、【4月24日】dst-as-prompting-论文精读.mp4 713.15M| | ├──18、14 NLP-对话系统》20、【4月20日】dst-as-prompting-论文泛读.mp4 452.10M| | ├──18、14 NLP-对话系统》21、【4月27日】dst-as-prompting-代码复现.mp4 1.01G| | ├──18、14 NLP-对话系统》22、1.1 joint-bert.mp4 272.68M| | ├──18、14 NLP-对话系统》23、1.2 joint-bert.mp4 62.60M| | ├──18、14 NLP-对话系统》24、1.3 joint-bert.mp4 40.40M| | ├──18、14 NLP-对话系统》25、1.4 joint-bert.mp4 719.18M| | ├──18、14 NLP-对话系统》26、1.5 joint-bert.mp4 54.18M| | ├──18、14 NLP-对话系统》27、1.6 joint-bert.mp4 8.79M| | ├──18、14 NLP-对话系统》28、1.7 joint-bert.mp4 231.56M| | ├──18、14 NLP-对话系统》29、1.8 joint-bert-代码.mp4 150.78M| | └──18、14 NLP-对话系统》30、1.9 joint-bert-代码.mp4 725.87M| ├──19、强化学习》| | ├──19、强化学习》01、强化学习1期第1次答疑直播.mp4 275.14M| | ├──19、强化学习》03、强化学习开营直播.mp4 1.71G| | ├──19、强化学习》04、01DQN-01-论文泛读开场白.mp4 29.07M| | ├──19、强化学习》05、01DQN-02-研究背景及意义.mp4 32.09M| | ├──19、强化学习》06、01DQN-03-背景知识补充.mp4 16.70M| | ├──19、强化学习》07、01DQN-04-论文泛读.mp4 85.97M| | ├──19、强化学习》08、01DQN-05-泛读总结及下节预告.mp4 10.35M| | ├──19、强化学习》09、01DQN-06-论文精读开场白.mp4 19.63M| | ├──19、强化学习》100、07DDPG-01-开场白.mp4 21.41M| | ├──19、强化学习》101、07DDPG-02-研究背景成果和意义.mp4 8.72M| | ├──19、强化学习》102、07DDPG-03-背景知识补充.mp4 7.47M| | ├──19、强化学习》103、07DDPG-04-论文泛读.mp4 170.87M| | ├──19、强化学习》104、07DDPG-05-本节回顾下节预告.mp4 7.94M| | ├──19、强化学习》105、07DDPG-06-论文精读结构.mp4 12.53M| | ├──19、强化学习》106、07DDPG-07-从DQN到DDPG.mp4 68.79M| | ├──19、强化学习》107、07DDPG-08-网络结构.mp4 148.33M| | ├──19、强化学习》108、07DDPG-09-DDPG核心思想.mp4 40.37M| | ├──19、强化学习》109、07DDPG-10-算法的其他细节.mp4 63.88M| | ├──19、强化学习》10、01DQN-07-论文模型.mp4 38.57M| | ├──19、强化学习》110、07DDPG-11-算法总结.mp4 13.06M| | ├──19、强化学习》111、07DDPG-12-代码部分结构.mp4 10.70M| | ├──19、强化学习》112、07DDPG-13-网络结构及初始化.mp4 147.33M| | ├──19、强化学习》113、07DDPG-14-BatchNorm的使用.mp4 157.29M| | ├──19、强化学习》114、07DDPG-15-参数更新.mp4 181.15M| | ├──19、强化学习》115、07DDPG-16-代码结构.mp4 181.93M| | ├──19、强化学习》116、07DDPG-17-运行结果.mp4 55.10M| | ├──19、强化学习》117、08TD3-01-论文泛读开场白.mp4 12.61M| | ├──19、强化学习》118、08TD3-02-研究背景.mp4 18.34M| | ├──19、强化学习》119、08TD3-03-背景知识.mp4 15.97M| | ├──19、强化学习》11、01DQN-08-论文细节一 图像预处理.mp4 73.18M| | ├──19、强化学习》120、08TD3-04-论文泛读.mp4 138.38M| | ├──19、强化学习》121、08TD3-05-论文泛读总结.mp4 6.35M| | ├──19、强化学习》122、08TD3-06-论文精读开场白.mp4 7.95M| | ├──19、强化学习》123、08TD3-07-overestimation.mp4 459.23M| | ├──19、强化学习》124、08TD3-08-variance.mp4 301.17M| | ├──19、强化学习》125、08TD3-09-实验结果.mp4 114.08M| | ├──19、强化学习》126、08TD3-10-论文总结.mp4 11.24M| | ├──19、强化学习》127、08TD3-11-代码部分结构.mp4 41.59M| | ├──19、强化学习》128、08TD3-12-更新Critic.mp4 58.46M| | ├──19、强化学习》129、08TD3-13-更新Actor和代码结构.mp4 105.43M| | ├──19、强化学习》12、01DQN-09-论文细节二 ReplayBuffer.mp4 80.27M| | ├──19、强化学习》130、08TD3-14-实验结果.mp4 92.58M| | ├──19、强化学习》131、09SQL-01-论文泛读开场白.mp4 27.32M| | ├──19、强化学习》132、09SQL-02-研究背景及成果.mp4 124.09M| | ├──19、强化学习》133、09SQL-03-背景知识补充.mp4 207.33M| | ├──19、强化学习》134、09SQL-04-论文泛读总结.mp4 8.21M| | ├──19、强化学习》135、09SQL-05-论文精读开场白.mp4 13.56M| | ├──19、强化学习》136、09SQL-06-核心思想.mp4 39.71M| | ├──19、强化学习》137、09SQL-07-理论基础.mp4 73.68M| | ├──19、强化学习》138、09SQL-08-算法细节.mp4 222.54M| | ├──19、强化学习》139、09SQL-09-实验结果分析.mp4 158.32M| | ├──19、强化学习》13、01DQN-10-论文细节三 SemiGradientMethod.mp4 77.01M| | ├──19、强化学习》140、09SQL-10-理论证明.mp4 198.40M| | ├──19、强化学习》141、09SQL-11-论文精读总结.mp4 8.73M| | ├──19、强化学习》142、09SQL-12-代码部分结构.mp4 6.95M| | ├──19、强化学习》143、09SQL-13-Pytorch的手动链式法则求导.mp4 78.70M| | ├──19、强化学习》144、09SQL-14-离散情况细节.mp4 64.84M| | ├──19、强化学习》145、09SQL-15-连续情况细节.mp4 97.85M| | ├──19、强化学习》146、09SQL-16-代码结构.mp4 53.39M| | ├──19、强化学习》147、09SQL-17-调参结果.mp4 57.12M| | ├──19、强化学习》148、10SAC-01-论文泛读开场白.mp4 15.99M| | ├──19、强化学习》149、10SAC-02-研究背景.mp4 12.61M| | ├──19、强化学习》14、01DQN-11-实验结果分析.mp4 67.91M| | ├──19、强化学习》150、10SAC-03-论文泛读.mp4 131.43M| | ├──19、强化学习》151、10SAC-04-论文泛读总结.mp4 5.29M| | ├──19、强化学习》152、10SAC-05-论文精读开场白.mp4 17.37M| | ├──19、强化学习》153、10SAC-06-核心思想.mp4 67.78M| | ├──19、强化学习》154、10SAC-07-主要算法.mp4 113.82M| | ├──19、强化学习》155、10SAC-08实验结果.mp4 34.31M| | ├──19、强化学习》156、10SAC-09-理论证明.mp4 36.22M| | ├──19、强化学习》157、10SAC-10-论文精读总结.mp4 16.97M| | ├──19、强化学习》158、10SAC-11-算法细节.mp4 34.70M| | ├──19、强化学习》159、10SAC-12-代码结构及调参结果.mp4 75.41M| | ├──19、强化学习》15、01DQN-12-论文精读总结.mp4 19.06M| | ├──19、强化学习》160、11AdvancedValueMethods-01-论文泛读开场白.mp4 28.56M| | ├──19、强化学习》161、11AdvancedValueMethods-02-背景知识补充.mp4 36.48M| | ├──19、强化学习》162、11AdvancedValueMethods-03-Rainbow泛读.mp4 86.49M| | ├──19、强化学习》163、11AdvancedValueMethods-04-D4PG泛读.mp4 145.92M| | ├──19、强化学习》164、11AdvancedValueMethods-05-A3C泛读.mp4 144.49M| | ├──19、强化学习》165、11AdvancedValueMethods-06-IMPALA泛读.mp4 135.67M| | ├──19、强化学习》166、11AdvancedValueMethods-07-论文泛读总结.mp4 5.49M| | ├──19、强化学习》167、11AdvancedValueMethods-08-论文精读开场白.mp4 12.10M| | ├──19、强化学习》168、11AdvancedValueMethods-09-Rainbow.mp4 449.66M| | ├──19、强化学习》169、11AdvancedValueMethods-10-D4PG.mp4 375.80M| | ├──19、强化学习》16、01DQN-13-代码课整体介绍.mp4 49.53M| | ├──19、强化学习》170、11AdvancedValueMethods-11-A3C.mp4 522.58M| | ├──19、强化学习》171、11AdvancedValueMethods-12-IMPALA.mp4 576.38M| | ├──19、强化学习》172、11AdvancedValueMethods-13-总结.mp4 6.59M| | ├──19、强化学习》173、12IntrinsicMotivation-01-论文泛读开场白.mp4 18.65M| | ├──19、强化学习》174、12IntrinsicMotivation-02-ICM泛读.mp4 140.37M| | ├──19、强化学习》175、12IntrinsicMotivation-03-CuriosityStudy泛读.mp4 122.60M| | ├──19、强化学习》176、12IntrinsicMotivation-04-VIME泛读.mp4 103.35M| | ├──19、强化学习》177、12IntrinsicMotivation-05-VIC泛读.mp4 76.41M| | ├──19、强化学习》178、12IntrinsicMotivation-06-DIAYN泛读.mp4 131.89M| | ├──19、强化学习》179、12IntrinsicMotivation-07-SMM泛读.mp4 90.10M| | ├──19、强化学习》17、01DQN-14-gym介绍.mp4 266.18M| | ├──19、强化学习》180、12IntrinsicMotivation-08-EDL泛读.mp4 153.91M| | ├──19、强化学习》181、12IntrinsicMotivation-09-泛读总结及下节预告.mp4 4.65M| | ├──19、强化学习》182、12IntrinsicMotivation-10-论文精读开场白.mp4 9.23M| | ├──19、强化学习》183、12IntrinsicMotivation-11-ICM精读.mp4 440.89M| | ├──19、强化学习》184、12-IntrinsicMotivation-12-CuriosityStudy精读.mp4 387.90M| | ├──19、强化学习》185、12IntrinsicMotivation-13-VIME精读.mp4 266.27M| | ├──19、强化学习》186、12IntrinsicMotivation-14-VIC精读.mp4 378.15M| | ├──19、强化学习》187、12IntrinsicMotivation-15-DIAYN精读.mp4 486.51M| | ├──19、强化学习》188、12IntrinsicMotivation-16-SMM精读.mp4 639.62M| | ├──19、强化学习》189、12IntrinsicMotivation-17-EDL精读.mp4 373.17M| | ├──19、强化学习》18、01DQN-15-图像预处理代码.mp4 130.11M| | ├──19、强化学习》190、12IntrinsicMotivation-18-论文总结.mp4 19.87M| | ├──19、强化学习》191、12IntrinsicMotivation-19-结尾语.mp4 9.86M| | ├──19、强化学习》19、01DQN-16-DQN核心功能实现.mp4 285.70M| | ├──19、强化学习》20、01DQN-17-代码结构及实验结果分析.mp4 156.49M| | ├──19、强化学习》21、02DQN改进-01-论文泛读开场白.mp4 83.88M| | ├──19、强化学习》22、02DQN改进-02-研究背景及意义.mp4 16.23M| | ├──19、强化学习》23、02DQN改进-03-论文泛读.mp4 249.31M| | ├──19、强化学习》24、02DQN改进-04-论文泛读总结及下节预告.mp4 12.12M| | ├──19、强化学习》25、02DQN改进-05-论文网络结构.mp4 29.72M| | ├──19、强化学习》26、02DQN改进-06-DDQN图表分析.mp4 189.58M| | ├──19、强化学习》27、02DQN改进-07-DDQN总结.mp4 123.67M| | ├──19、强化学习》28、02DQN改进-08-PER01.mp4 118.47M| | ├──19、强化学习》29、02DQN改进-09-PER02.mp4 331.41M| | ├──19、强化学习》30、02DQN改进-10-PER实验结果及DuelDQN.mp4 169.14M| | ├──19、强化学习》31、02DQN改进-11-下节预告.mp4 15.13M| | ├──19、强化学习》32、02DQN改进-12-代码课整体介绍.mp4 126.24M| | ├──19、强化学习》33、02DQN改进-13-bisect包.mp4 35.27M| | ├──19、强化学习》34、02DQN改进-14-SumTree.mp4 171.02M| | ├──19、强化学习》35、02DQN改进-15-SumTree后续及DuelStructure.mp4 40.27M| | ├──19、强化学习》36、02DQN改进-16-ReplayBuffer01.mp4 155.25M| | ├──19、强化学习》37、02DQN改进-17-ReplayBuffer02.mp4 242.17M| | ├──19、强化学习》38、02DQN改进-18-ReplayBuffer03.mp4 193.00M| | ├──19、强化学习》39、02DQN改进-19-代码总览及实验结果.mp4 241.10M| | ├──19、强化学习》40、03C51-01-研究成果及意义.mp4 36.42M| | ├──19、强化学习》41、03C51-02-背景知识补充01.mp4 112.68M| | ├──19、强化学习》42、03C51-03-背景知识补充02.mp4 32.62M| | ├──19、强化学习》43、03C51-04-论文泛读.mp4 167.03M| | ├──19、强化学习》44、03C51-05-分布更新 BellmanEquation BellmanOperator.mp4 82.82M| | ├──19、强化学习》45、03C51-06-BellmanOptimalOperator.mp4 228.04M| | ├──19、强化学习》46、03C51-07-算法分析.mp4 83.91M| | ├──19、强化学习》47、03C51-08-实验结果及分析.mp4 221.13M| | ├──19、强化学习》48、03C51-09-引理2引理3证明.mp4 26.92M| | ├──19、强化学习》49、03C51-10-引理1证明.mp4 350.92M| | ├──19、强化学习》50、03C51-11-定理1证明.mp4 523.73M| | ├──19、强化学习》51、03C51-12-其余理论部分及总结.mp4 120.67M| | ├──19、强化学习》52、03C51-13-代码部分介绍.mp4 67.27M| | ├──19、强化学习》53、03C51-14-算法部分结构一览.mp4 92.70M| | ├──19、强化学习》54、03C51-15-分布更新单个样本.mp4 245.21M| | ├──19、强化学习》55、03C51-16-MiniBatch分布更新.mp4 219.39M| | ├──19、强化学习》56、03C51-17-Pytorch MiniBatch分布更新..mp4 123.19M| | ├──19、强化学习》57、03C51-18-实验结果.mp4 73.97M| | ├──19、强化学习》58、04QRDQN-01-研究背景、意义及补充知识介绍.mp4 33.82M| | ├──19、强化学习》59、04QRDQN-02-论文泛读、摘要、框架讲解.mp4 77.42M| | ├──19、强化学习》60、04QRDQN-03-回顾C51.mp4 78.23M| | ├──19、强化学习》61、04QRDQN-04-新的分布更新思路、估计分位数.mp4 132.15M| | ├──19、强化学习》62、04QRDQN-05-QRDQN算法讲解、实验结果与分析.mp4 162.84M| | ├──19、强化学习》63、04QRDQN-06-理论证明1.mp4 58.20M| | ├──19、强化学习》64、04QRDQN-07-理论证明2.mp4 442.58M| | ├──19、强化学习》65、04QRDQN-08-上节回顾和下节预告.mp4 7.33M| | ├──19、强化学习》66、04QRDQN-09-code1.mp4 17.25M| | ├──19、强化学习》67、04QRDQN-10-code2.mp4 372.43M| | ├──19、强化学习》68、04QRDQN-11-code3.mp4 173.37M| | ├──19、强化学习》69、05REINFORCE-01-开场白及研究背景介绍.mp4 34.21M| | ├──19、强化学习》70、05REINFORCE-02-论文泛读.mp4 54.26M| | ├──19、强化学习》71、05REINFORCE-03-背景知识补充.mp4 34.81M| | ├──19、强化学习》72、05REINFORCE-04-下节预告.mp4 6.74M| | ├──19、强化学习》73、05REINFORCE-05-论文定理理解.mp4 380.68M| | ├──19、强化学习》74、05REINFORCE-06-算法核心思想.mp4 143.30M| | ├──19、强化学习》75、05REINFORCE-07-核心定理证明.mp4 367.44M| | ├──19、强化学习》76、05REINFORCE-08-下节预告.mp4 7.69M| | ├──19、强化学习》77、05REINFORCE-09-代码部分结构.mp4 26.77M| | ├──19、强化学习》78、05REINFORCE-10-网络结构设计.mp4 138.95M| | ├──19、强化学习》79、05REINFORCE-11-数据处理.mp4 40.85M| | ├──19、强化学习》80、05REINFORCE-12-主体循环.mp4 89.33M| | ├──19、强化学习》81、05REINFORCE-13-代码结构.mp4 221.20M| | ├──19、强化学习》82、05REINFORCE-14-运行结果分析.mp4 209.04M| | ├──19、强化学习》83、06PPO-01-开场白.mp4 27.79M| | ├──19、强化学习》84、06PPO-02-研究背景.mp4 26.05M| | ├──19、强化学习》85、06PPO-03-论文泛读.mp4 108.00M| | ├──19、强化学习》86、06PPO-04-本节回顾下节预告.mp4 7.69M| | ├──19、强化学习》87、06PPO-05-论文精读结构介绍.mp4 13.27M| | ├──19、强化学习》88、06PPO-06-Clipped Surrogate Loss.mp4 89.68M| | ├──19、强化学习》89、06PPO-07-Adaptive KL.mp4 80.47M| | ├──19、强化学习》90、06PPO-08-Advantage Function.mp4 86.01M| | ├──19、强化学习》91、06PPO-09-算法分析.mp4 106.46M| | ├──19、强化学习》92、06PPO-10-实验结果分析.mp4 103.56M| | ├──19、强化学习》93、06PPO-11-本届回顾下节预告.mp4 11.90M| | ├──19、强化学习》94、06PPO-12-代码部分结构.mp4 34.52M| | ├──19、强化学习》95、06PPO-13-计算Loss Function.mp4 160.97M| | ├──19、强化学习》96、06PPO-14-拓展到连续型action空间.mp4 79.32M| | ├──19、强化学习》97、06PPO-15-代码结构.mp4 156.03M| | ├──19、强化学习》98、06PPO-16-代码运行结果.mp4 143.56M| | └──19、强化学习》99、06PPO-17-算法之外的技巧.mp4 136.82M| ├──21、NLP-paper 前沿论文直播讲解》| | ├──21、NLP-paper 前沿论文直播讲解》02、第一场直播——基于图神经网络的应用和开发（关系抽取）.mp4 167.47M| | ├──21、NLP-paper 前沿论文直播讲解》03、第二场直播——预训练模型RoBERTa.mp4 245.97M| | ├──21、NLP-paper 前沿论文直播讲解》04、第三场直播——选择，回答和解释：基于多文档的可解释多跳阅读理解.mp4 737.51M| | ├──21、NLP-paper 前沿论文直播讲解》05、第四场直播——DSSMs：结构化语义模型.mp4 196.22M| | ├──21、NLP-paper 前沿论文直播讲解》06、第五场直播——COMET.mp4 238.12M| | ├──21、NLP-paper 前沿论文直播讲解》07、第六场直播——向语言模型中注入数值推理能力.mp4 467.33M| | ├──21、NLP-paper 前沿论文直播讲解》08、第七次直播——清华本硕学长论文分享.mp4 319.49M| | ├──21、NLP-paper 前沿论文直播讲解》09、第八场直播——全感知注意力融合在机器阅读理解中的应用.mp4 860.94M| | ├──21、NLP-paper 前沿论文直播讲解》10、第九场直播——基于多跳问答的图神经网络.mp4 971.51M| | ├──21、NLP-paper 前沿论文直播讲解》11、第十场直播——中科院博士详解对话系统前沿论文.mp4.mp4 929.28M| | ├──21、NLP-paper 前沿论文直播讲解》12、第十一场直播——顶刊审稿人教你发论文小tips.mp4.mp4 2.45G| | └──21、NLP-paper 前沿论文直播讲解》13、第十二场直播——如何快速发论文.mp4.mp4 564.29M| ├──22、NLP-直播答疑》| | ├──22、NLP-直播答疑》01、NLP直播答疑.mp4 143.43M| | ├──22、NLP-直播答疑》02、NLP-baseline 4-1.mp4 316.22M| | ├──22、NLP-直播答疑》03、图神经网络直播答疑—第六次.mp4 91.00kb| | ├──22、NLP-直播答疑》04、图神经网络第6次直播答疑.mp4 145.00M| | ├──22、NLP-直播答疑》05、baseline-第四场直播.mp4 212.85M| | ├──22、NLP-直播答疑》06、第二次直播答疑.mp4 94.81M| | ├──22、NLP-直播答疑》07、图神经网络第5次答疑.mp4 60.56M| | ├──22、NLP-直播答疑》08、NLP baseline 第三次直播答疑.mp4 168.16M| | ├──22、NLP-直播答疑》09、1011答疑..mp4 204.74M| | ├──22、NLP-直播答疑》10、0920答疑..mp4 154.20M| | ├──22、NLP-直播答疑》11、答疑20200830..mp4 257.74M| | ├──22、NLP-直播答疑》12、NLP答疑-8.9.mp4 310.77M| | ├──22、NLP-直播答疑》13、NLP答疑-7.26.mp4 235.11M| | └──22、NLP-直播答疑》14、NLP答疑 7.12.mp4 362.56M| ├──24、精读论文专栏（NLP方向）》| | ├──24、精读论文专栏（NLP方向）》03、【老版本】【第1篇】01综述《Deep Learning》.mp4 57.58M| | ├──24、精读论文专栏（NLP方向）》04、【老版本】【第1篇】02综述《Deep Learning》.mp4 104.22M| | ├──24、精读论文专栏（NLP方向）》05、【老版本】【第1篇】03综述 《Deep Learning》.mp4 91.91M| | ├──24、精读论文专栏（NLP方向）》06、【老版本】【第1篇】04综述 《Deep Learning》.mp4 58.33M| | ├──24、精读论文专栏（NLP方向）》07、【老版本】【第1篇】05综述 《Deep Learning》.mp4 71.05M| | ├──24、精读论文专栏（NLP方向）》08、【老版本】【第1篇】06综述 《Deep Learning》.mp4 83.58M| | ├──24、精读论文专栏（NLP方向）》09、【老版本】【第1篇】07综述 《Deep Learning》.mp4 61.93M| | ├──24、精读论文专栏（NLP方向）》10、【老版本】【第2篇】词向量第一课时：论文导读.mp4 60.75M| | ├──24、精读论文专栏（NLP方向）》11、【老版本】【第2篇】词向量第二课时上：论文精读.mp4 77.20M| | ├──24、精读论文专栏（NLP方向）》12、【老版本】【第2篇】词向量第二课时下：论文精读.mp4 66.30M| | ├──24、精读论文专栏（NLP方向）》13、【老版本】【第2篇】词向量第三课时：代码精读.mp4 80.45M| | ├──24、精读论文专栏（NLP方向）》14、【老版本】【第3篇】句和文档的embedding第一课时：论文导读.mp4 66.75M| | ├──24、精读论文专栏（NLP方向）》15、【老版本】【第3篇】句和文档的embedding第二课时：论文精读.mp4 83.97M| | ├──24、精读论文专栏（NLP方向）》16、【老版本】【第3篇】句和文档的embedding第三课时：代码精读.mp4 92.03M| | ├──24、精读论文专栏（NLP方向）》17、【老版本】【第4篇】机器翻译第一课时：论文导读.mp4 50.78M| | ├──24、精读论文专栏（NLP方向）》18、【老版本】【第4篇】机器翻译第二课时上：论文精读.mp4 60.56M| | ├──24、精读论文专栏（NLP方向）》19、【老版本】【第4篇】机器翻译第二课时下：论文精读.mp4 61.63M| | ├──24、精读论文专栏（NLP方向）》20、【老版本】【第4篇】机器翻译第三课时上：代码精读.mp4 68.11M| | ├──24、精读论文专栏（NLP方向）》21、【老版本】【第4篇】机器翻译第三课时下：代码精读.mp4 64.05M| | ├──24、精读论文专栏（NLP方向）》22、【老版本】【第5篇】transformer第一课时：论文导读.mp4 56.30M| | ├──24、精读论文专栏（NLP方向）》23、【老版本】【第5篇】transformer第二课时上：论文精读.mp4 77.52M| | ├──24、精读论文专栏（NLP方向）》24、【老版本】【第5篇】transformer第二课时下：论文精读.mp4 74.86M| | ├──24、精读论文专栏（NLP方向）》25、【老版本】【第5篇】transformer第三课时：代码实践.mp4 143.55M| | ├──24、精读论文专栏（NLP方向）》26、【老版本】【第6篇】GloVe第一课时：论文导读.mp4 45.94M| | ├──24、精读论文专栏（NLP方向）》27、【老版本】【第6篇】GloVe第二课时：论文精读.mp4 48.04M| | ├──24、精读论文专栏（NLP方向）》28、【老版本】【第7篇】Skip Thought第一课时：论文导读.mp4 45.43M| | ├──24、精读论文专栏（NLP方向）》29、【老版本】【第7篇】Skip Thought第二课时：论文精读.mp4 40.25M| | ├──24、精读论文专栏（NLP方向）》30、【老版本】【第7篇】Skip Thought第三课时：代码精读.mp4 55.09M| | ├──24、精读论文专栏（NLP方向）》31、【老版本】【第8篇】TextCNN第一课时：论文导读.mp4 30.13M| | ├──24、精读论文专栏（NLP方向）》32、【老版本】【第8篇】TextCNN第二课时：论文精读.mp4 38.46M| | ├──24、精读论文专栏（NLP方向）》33、【老版本】【第8篇】TextCNN第三课时：代码详解.mp4 37.24M| | ├──24、精读论文专栏（NLP方向）》34、【老版本】【第9篇】基于字符“从0开始学习”的文本分类第一课时：论文导读.mp4 60.50M| | ├──24、精读论文专栏（NLP方向）》35、【老版本】【第9篇】基于字符“从0开始学习”的文本分类第二课时：论文精读.mp4 73.47M| | ├──24、精读论文专栏（NLP方向）》36、【老版本】【第9篇】基于字符“从0开始学习”的文本分类第三课时：代码讲解.mp4 67.12M| | ├──24、精读论文专栏（NLP方向）》37、【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：论文导读.mp4 76.17M| | ├──24、精读论文专栏（NLP方向）》38、【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：论文精读上.mp4 88.50M| | ├──24、精读论文专栏（NLP方向）》39、【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：论文精读下.mp4 96.13M| | ├──24、精读论文专栏（NLP方向）》40、【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：代码精读上.mp4 78.01M| | ├──24、精读论文专栏（NLP方向）》41、【老版本】【第10篇】动态卷积网络和n-gram思想用于句分类：代码精读下.mp4 65.96M| | ├──24、精读论文专栏（NLP方向）》42、【老版本】【第11篇】fasttext第一课时.mp4 60.40M| | ├──24、精读论文专栏（NLP方向）》43、【老版本】【第11篇】fasttext第二课时上.mp4 69.28M| | ├──24、精读论文专栏（NLP方向）》44、【老版本】【第11篇】fasttext第二课时下.mp4 63.08M| | ├──24、精读论文专栏（NLP方向）》45、【老版本】【第11篇】fasttext第三课时上.mp4 66.56M| | ├──24、精读论文专栏（NLP方向）》46、【老版本】【第11篇】fasttext第三课时下.mp4 59.51M| | ├──24、精读论文专栏（NLP方向）》47、【老版本】【第12篇】层次化attention机制用于文档分类第一课时.mp4 50.94M| | ├──24、精读论文专栏（NLP方向）》48、【老版本】【第12篇】层次化attention机制用于文档分类第二课时.mp4 63.29M| | ├──24、精读论文专栏（NLP方向）》49、【老版本】【第12篇】层次化attention机制用于文档分类第三课时.mp4 69.16M| | ├──24、精读论文专栏（NLP方向）》50、【老版本】【第13篇】PCNNATT-论文导读.mp4 41.52M| | ├──24、精读论文专栏（NLP方向）》51、【老版本】【第13篇】PCNNATT-论文精读.mp4 51.91M| | ├──24、精读论文专栏（NLP方向）》52、【老版本】【第13篇】PCNNATT-代码详解.mp4 49.65M| | ├──24、精读论文专栏（NLP方向）》53、【老版本】【第14篇】E2ECRF第一课时：论文导读.mp4 49.80M| | ├──24、精读论文专栏（NLP方向）》54、【老版本】【第14篇】E2ECRF第二课时：论文精读.mp4 49.24M| | ├──24、精读论文专栏（NLP方向）》55、【老版本】【第14篇】E2ECRF第三课时：代码精读.mp4 48.53M| | ├──24、精读论文专栏（NLP方向）》56、【老版本】【第15篇】多层LSTM第一课时.mp4 17.34M| | ├──24、精读论文专栏（NLP方向）》57、【老版本】【第15篇】多层LSTM第二课时.mp4 31.71M| | ├──24、精读论文专栏（NLP方向）》58、【老版本】【第15篇】多层LSTM第三课时.mp4 65.48M| | ├──24、精读论文专栏（NLP方向）》59、【老版本】【第16篇】基于卷积网络的seq2seq第一课时：论文导读.mp4 40.54M| | ├──24、精读论文专栏（NLP方向）》60、【老版本】【第16篇】基于卷积网络的seq2seq第二课时：论文精读.mp4 75.97M| | ├──24、精读论文专栏（NLP方向）》61、【老版本】【第17篇】谷歌的神经网络机器翻译系统第一课时.mp4 11.55M| | ├──24、精读论文专栏（NLP方向）》62、【老版本】【第17篇】谷歌的神经网络机器翻译系统第二课时.mp4 43.44M| | ├──24、精读论文专栏（NLP方向）》63、【老版本】【第18篇】UMT论文导读.mp4 50.98M| | ├──24、精读论文专栏（NLP方向）》64、【老版本】【第18篇】UMT论文精读.mp4 57.55M| | ├──24、精读论文专栏（NLP方向）》65、【老版本】【第19篇】seq2seq导读.mp4 47.61M| | ├──24、精读论文专栏（NLP方向）》66、【老版本】【第19篇】seq2seq精读.mp4 39.23M| | ├──24、精读论文专栏（NLP方向）》67、【老版本】【第20篇】End-to-End Memory Networks论文导读.mp4 17.29M| | ├──24、精读论文专栏（NLP方向）》68、【老版本】【第20篇】End-to-End Memory Networks论文精读.mp4 35.07M| | ├──24、精读论文专栏（NLP方向）》69、【老版本】【第20篇】End-to-End Memory Networks代码精读.mp4 24.55M| | ├──24、精读论文专栏（NLP方向）》70、【老版本】【第21篇】QANet论文导读.mp4 47.77M| | ├──24、精读论文专栏（NLP方向）》71、【老版本】【第21篇】QANet论文精读.mp4 54.23M| | ├──24、精读论文专栏（NLP方向）》72、【老版本】【第21篇】QANet代码精读.mp4 51.53M| | ├──24、精读论文专栏（NLP方向）》73、【老版本】【第22篇】双向Attention第一课时：论文导读.mp4 25.53M| | ├──24、精读论文专栏（NLP方向）》74、【老版本】【第22篇】双向Attention第二课时：论文精读.mp4 79.34M| | ├──24、精读论文专栏（NLP方向）》75、【老版本】【第23篇】Dialogue第一课时.mp4 53.80M| | ├──24、精读论文专栏（NLP方向）》76、【老版本】【第23篇】Dialogue第二课时.mp4 43.07M| | ├──24、精读论文专栏（NLP方向）》77、【老版本】【第24篇】SeqGAN第一课时.mp4 39.45M| | ├──24、精读论文专栏（NLP方向）》78、【老版本】【第24篇】SeqGAN第二课时.mp4 54.34M| | ├──24、精读论文专栏（NLP方向）》79、【老版本】【第25篇】R-GCNs第一课时.mp4 43.80M| | ├──24、精读论文专栏（NLP方向）》80、【老版本】【第25篇】R-GCNs第二课时.mp4 46.58M| | ├──24、精读论文专栏（NLP方向）》81、【老版本】【第26篇】大规模语料模型第一课时.mp4 67.87M| | ├──24、精读论文专栏（NLP方向）》82、【老版本】【第26篇】大规模语料模型第二课时.mp4 59.48M| | ├──24、精读论文专栏（NLP方向）》83、【老版本】【第27篇】Transformer-XL第一课时.mp4 35.97M| | ├──24、精读论文专栏（NLP方向）》84、【老版本】【第27篇】Transformer-XL第二课时.mp4 43.34M| | ├──24、精读论文专栏（NLP方向）》85、【老版本】【第28篇】TCN 第一课时.mp4 49.63M| | ├──24、精读论文专栏（NLP方向）》86、【老版本】【第28篇】TCN 第二课时.mp4 63.82M| | ├──24、精读论文专栏（NLP方向）》87、【老版本】【第29篇】第一课时：论文导读.mp4 32.35M| | ├──24、精读论文专栏（NLP方向）》88、【老版本】【第29篇】第二课时：论文精读.mp4 110.14M| | ├──24、精读论文专栏（NLP方向）》89、【老版本】【第30篇】BERT–NAACL 2019最佳论文第一课时.mp4 55.69M| | └──24、精读论文专栏（NLP方向）》90、【老版本】【第30篇】BERT–NAACL 2019最佳论文第二课时.mp4 60.28M| └──25、重点讲解专栏（NLP方向）》| | ├──25、重点讲解专栏（NLP方向）》01、【老版本】【第14篇】SANIL第二课时.mp4 80.58M| | ├──25、重点讲解专栏（NLP方向）》02、【老版本】【第14篇】SANIL第一课时.mp4 75.45M| | ├──25、重点讲解专栏（NLP方向）》05、【老版本】【重难点第1篇】ARNOR论文第一课.mp4 48.97M| | ├──25、重点讲解专栏（NLP方向）》06、【老版本】【重难点第1篇】ARNOR论文第二课.mp4 76.44M| | ├──25、重点讲解专栏（NLP方向）》07、【老版本】【重难点第2篇】ERNIE论文第一课：论文导读.mp4 52.08M| | ├──25、重点讲解专栏（NLP方向）》08、【老版本】【重难点第2篇】ERNIE论文第二课：论文精读.mp4 69.07M| | ├──25、重点讲解专栏（NLP方向）》09、【老版本】【重难点第3篇】Meta-learning论文第一课：论文导读.mp4 78.55M| | ├──25、重点讲解专栏（NLP方向）》10、【老版本】【重难点第3篇】Meta-learning论文第二课时：论文讲解.mp4 55.03M| | ├──25、重点讲解专栏（NLP方向）》11、【老版本】【重难点第3篇】Meta-learning论文第二课时：手推公式.mp4 153.43M| | ├──25、重点讲解专栏（NLP方向）》12、【老版本】【重难点第3篇】Meta-learning论文第三课时.mp4 84.23M| | ├──25、重点讲解专栏（NLP方向）》13、【老版本】【重难点第4篇】SER第一课时课程导读.mp4 53.18M| | ├──25、重点讲解专栏（NLP方向）》14、【老版本】【重难点第4篇】SER第二课时：论文讲解.mp4 193.84M| | ├──25、重点讲解专栏（NLP方向）》15、【老版本】【重难点第4篇】SER第三课时.mp4 264.40M| | ├──25、重点讲解专栏（NLP方向）》16、【老版本】【重难点第4篇】SER第四课时.mp4 101.81M| | └──25、重点讲解专栏（NLP方向）》17、【老版本】【第13篇】Reptile.mp4 44.58M└──资料| └──ERROR-pz.txt 359.96kb
