深度之眼-人工智能Paper(NLP方向)无课件 - 完结(163.86GB)
SDZY-人工智能Paper（NLP方向）-完结-无课件（163.86GB)├──00直播
├──单课01、直播答疑.mkv141.06M
├──单课02、直播答疑.mkv90.40M
├──单课03、论文复现体验课学习指引.mkv17.81M
├──单课04、直播答疑.mkv125.66M
├──单课06、直播答疑.mkv98.53M
├──单课07、直播答疑.mkv111.04M
├──单课08、直播答疑.mkv90.23M
├──单课09、GAN专题直播答疑.mkv107.04M
├──单课10、NLP Baseline直播答疑.mkv195.03M
├──单课11、NLP Baseline 直播答疑.mkv154.78M
├──单课13、NLP baseline直播答疑.mkv89.47M
├──单课14、NLP直播答疑.mkv69.91M
├──单课15、NLP直播答疑.mkv200.29M
├──单课16、NLP baseline直播答疑.mkv137.70M
├──单课17、NLP baseline直播答疑.mkv161.51M
├──单课18、预训练直播答疑.mkv162.09M
└──单课19、NLP直播答疑.mkv58.67M
├──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.mkv42.48M
├──01、自监督-无监督》03、1.2 MOCO论文精读.mkv204.88M
├──01、自监督-无监督》04、1.3 MOCO-实验结果分析与总结.mkv153.91M
├──01、自监督-无监督》05、1，4 MOCO-代码讲解.mkv189.74M
├──01、自监督-无监督》06、2.1 simclr-论文精读.mkv379.22M
├──01、自监督-无监督》07、2.2 sinclr-论文精讲.mkv224.41M
└──01、自监督-无监督》08、2.3 simclr-代码讲解.mkv211.84M
├──02、15 NLP-推荐系统》
├──02、15 NLP-推荐系统》02、1. CAN泛读.mkv118.79M
├──02、15 NLP-推荐系统》03、2. CAN精读.mkv98.24M
├──02、15 NLP-推荐系统》04、3. CAN代码项目实践.mkv102.35M
├──02、15 NLP-推荐系统》05、4. MIND泛读.mkv106.70M
├──02、15 NLP-推荐系统》06、5. MIND精读.mkv123.17M
├──02、15 NLP-推荐系统》07、6. MIND代码项目实践.mkv142.96M
├──02、15 NLP-推荐系统》08、7. PLE泛读.mkv91.06M
├──02、15 NLP-推荐系统》09、8. PLE精读.mkv66.22M
├──02、15 NLP-推荐系统》10、9. PLE代码项目实践.mkv114.18M
├──02、15 NLP-推荐系统》11、10. DAT泛读.mkv77.14M
├──02、15 NLP-推荐系统》12、11. DAT精读.mkv53.35M
├──02、15 NLP-推荐系统》13、12. DAT代码项目实践.mkv51.96M
├──02、15 NLP-推荐系统》14、13. FIBINET泛读.mkv55.37M
├──02、15 NLP-推荐系统》15、14. FIBINET精读.mkv41.00M
└──02、15 NLP-推荐系统》16、15. FIBINET代码项目实践.mkv75.85M
├──03、学前须知》
└──03、学前须知》01、效率提升3倍的Paper 阅读方法.mkv123.61M
├──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.mkv22.56M
├──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.mkv13.93M
├──04、01 Python · AI&数据科学入门》04、第二章 Python 基本语法元素.mkv55.30M
├──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.mkv30.66M
├──04、01 Python · AI&数据科学入门》06、第三章 基本数据类型.mkv43.05M
├──04、01 Python · AI&数据科学入门》07、【作业讲解】第三章:基本数据类型.mkv23.93M
├──04、01 Python · AI&数据科学入门》08、第四章 组合数据类型.mkv45.20M
├──04、01 Python · AI&数据科学入门》09、【作业讲解】第四章:复杂数据类型.mkv34.82M
├──04、01 Python · AI&数据科学入门》10、第五章 程序控制结构.mkv39.19M
├──04、01 Python · AI&数据科学入门》11、【作业讲解】第五章:程序控制结构.mkv10.90M
├──04、01 Python · AI&数据科学入门》12、第六章 函数-面向过程的编程.mkv60.76M
├──04、01 Python · AI&数据科学入门》13、【作业讲解】第六章:函数.mkv20.11M
├──04、01 Python · AI&数据科学入门》14、第七章 类-面向对象的编程.mkv38.48M
├──04、01 Python · AI&数据科学入门》15、【作业讲解】第七章:类.mkv12.41M
├──04、01 Python · AI&数据科学入门》16、第八章 文件、异常和模块.mkv57.66M
├──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.mkv5.42M
├──04、01 Python · AI&数据科学入门》18、第九章 有益的探索.mkv60.40M
├──04、01 Python · AI&数据科学入门》19、【作业讲解】第九章:有益的探索.mkv13.01M
├──04、01 Python · AI&数据科学入门》20、第十章 Python标准库.mkv43.29M
├──04、01 Python · AI&数据科学入门》21、【作业讲解】第十章:Python标准库.mkv6.85M
├──04、01 Python · AI&数据科学入门》22、第十一章 科学计算库—Numpy应用.mkv39.53M
├──04、01 Python · AI&数据科学入门》23、【作业讲解】第十一章:Numpy库.mkv12.13M
├──04、01 Python · AI&数据科学入门》24、第十二章 Pandas库.mkv72.76M
├──04、01 Python · AI&数据科学入门》25、【作业讲解】第十二章:Pandas库.mkv15.46M
├──04、01 Python · AI&数据科学入门》26、第十三章 Matplotlib.mkv50.74M
├──04、01 Python · AI&数据科学入门》27、【作业讲解】第十三章:Matplotlib.mkv18.32M
├──04、01 Python · AI&数据科学入门》28、第十四章 Sklearn常规用法.mkv28.53M
├──04、01 Python · AI&数据科学入门》29、【作业讲解】第十四章:Sklearn常规用法.mkv25.44M
└──04、01 Python · AI&数据科学入门》30、第十五章 再谈编程.mkv34.04M
├──05、02 PyTorch》
├──05、02 PyTorch》02、【必看】深入浅出PyTorch.mkv103.55M
├──05、02 PyTorch》03、【第一周】PyTorch简介与安装.mkv56.61M
├──05、02 PyTorch》04、【第一周】补充-pytorch开发环境安装.mkv164.59M
├──05、02 PyTorch》05、【第一周】张量简介与创建.mkv54.04M
├──05、02 PyTorch》06、【第一周】张量操作与线性回归.mkv66.20M
├──05、02 PyTorch》07、【第一周】计算图与动态图机制.mkv34.11M
├──05、02 PyTorch》08、【第一周】autograd与逻辑回归.mkv68.38M
├──05、02 PyTorch》09、【第一周】作业讲解1.mkv30.03M
├──05、02 PyTorch》10、【第一周】作业讲解2.mkv22.93M
├──05、02 PyTorch》11、【第一周】作业讲解3.mkv22.80M
├──05、02 PyTorch》12、【第二周】数据读取机制Dataloader与Dataset.mkv63.23M
├──05、02 PyTorch》13、【第二周】数据预处理transforms模块机制.mkv62.89M
├──05、02 PyTorch》14、【第二周】二十二种transforms数据预处理方法.mkv118.45M
├──05、02 PyTorch》15、【第二周】学会自定义transforms方法.mkv136.59M
├──05、02 PyTorch》16、【第二周】作业讲解.mkv94.94M
├──05、02 PyTorch》17、【第三周】模型创建步骤与nn.Module.mkv66.95M
├──05、02 PyTorch》18、【第三周】模型容器与AlexNet构建.mkv71.56M
├──05、02 PyTorch》19、【第三周】nn网络层-卷积层.mkv75.62M
├──05、02 PyTorch》20、【第三周】nn网络层-池化-线性-激活函数层.mkv75.57M
├──05、02 PyTorch》21、【第三周】作业讲解.mkv65.24M
├──05、02 PyTorch》22、【第四周】权值初始化.mkv64.54M
├──05、02 PyTorch》23、【第四周】损失函数（一）.mkv111.99M
├──05、02 PyTorch》24、【第四周】损失函数(二).mkv115.92M
├──05、02 PyTorch》25、【第四周】优化器optimizer的概念.mkv69.74M
├──05、02 PyTorch》26、【第四周】torch.optim.SGD.mkv94.87M
├──05、02 PyTorch》27、【第四周】作业讲解.mkv28.67M
├──05、02 PyTorch》28、【第五周】学习率调整策略.mkv90.84M
├──05、02 PyTorch》29、【第五周】TensorBoard简介与安装.mkv44.92M
├──05、02 PyTorch》30、【第五周】TensorBoard使用（一）.mkv85.95M
├──05、02 PyTorch》31、【第五周】TensorBoard使用（二）.mkv128.18M
├──05、02 PyTorch》32、【第五周】hook函数与CAM可视化.mkv106.22M
├──05、02 PyTorch》33、【第五周】作业讲解.mkv40.37M
├──05、02 PyTorch》34、【第六周】正则化之weight_decay.mkv65.97M
├──05、02 PyTorch》35、【第六周】Batch Normalization.mkv106.68M
├──05、02 PyTorch》36、【第六周】Normalizaiton_layers.mkv69.19M
├──05、02 PyTorch》37、【第六周】正则化之Dropout.mkv73.76M
├──05、02 PyTorch》38、【第六周】作业讲解.mkv38.44M
├──05、02 PyTorch》39、【第七周】模型保存与加载.mkv46.08M
├──05、02 PyTorch》40、【第七周】模型finetune.mkv70.48M
├──05、02 PyTorch》41、【第七周】GPU的使用.mkv77.36M
├──05、02 PyTorch》42、【第七周】PyTorch常见报错.mkv68.49M
├──05、02 PyTorch》43、【第七周】作业讲解.mkv19.67M
├──05、02 PyTorch》44、【第八周】图像分类一瞥.mkv106.50M
├──05、02 PyTorch》45、【第八周】图像分割一瞥.mkv128.41M
├──05、02 PyTorch》46、【第八周】图像目标检测一瞥（上）.mkv95.48M
├──05、02 PyTorch》47、【第八周】图像目标检测一瞥（下）.mkv157.19M
├──05、02 PyTorch》48、【第九周】生成对抗网络一瞥.mkv110.64M
└──05、02 PyTorch》49、【第九周】循环神经网络一瞥.mkv71.28M
├──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.mkv10.81M
├──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.mkv35.78M
├──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.mkv74.63M
├──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.mkv44.57M
├──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.mkv45.23M
├──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.mkv34.37M
├──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.mkv13.00M
├──06、人工智能数学基础》12、【第一章 线性代数(上)】-7 矩阵的逆①.mkv38.37M
├──06、人工智能数学基础》13、【第一章 线性代数(上)】-8 矩阵的逆②.mkv25.38M
├──06、人工智能数学基础》14、【第一章 线性代数(上)】-9 矩阵的逆③.mkv29.03M
├──06、人工智能数学基础》15、【第二章 线性代数(下)】章节导读.mkv7.14M
├──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.mkv48.46M
├──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.mkv20.47M
├──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.mkv85.05M
├──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.mkv22.47M
├──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.mkv74.11M
├──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.mkv52.55M
├──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.mkv35.99M
├──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.mkv59.40M
├──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.mkv31.44M
├──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.mkv29.83M
├──06、人工智能数学基础》26、【第二章 线性代数(下)】-11svd分解的应用.mkv53.11M
├──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.mkv46.64M
├──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.mkv47.60M
├──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.mkv47.14M
├──06、人工智能数学基础》30、【第三章 微积分】-04 不定积分.mkv29.56M
├──06、人工智能数学基础》31、【第三章 微积分】-05 定积分.mkv29.44M
├──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.mkv45.28M
├──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.mkv54.86M
├──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.mkv43.06M
├──06、人工智能数学基础》35、【第三章 微积分】-09 矩阵的求导.mkv52.45M
├──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.mkv48.63M
├──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.mkv50.22M
├──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.mkv39.09M
├──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.mkv43.46M
├──06、人工智能数学基础》40、【第四章 概率论】-04期望与方差part1.mkv47.91M
├──06、人工智能数学基础》41、【第四章 概率论】-05期望与方差part2.mkv19.72M
├──06、人工智能数学基础》42、【第四章 概率论】-06参数的估计.mkv48.33M
├──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.mkv45.64M
├──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.mkv42.04M
└──06、人工智能数学基础》45、【第五章 最优化】-3 约束最优化.mkv46.79M
├──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.mkv38.15M
├──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.mkv26.37M
├──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.mkv28.86M
├──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.mkv15.57M
├──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.mkv39.66M
├──07、04 神经网络基础知识》07、02-卷积神经网络-0.mkv28.88M
├──07、04 神经网络基础知识》08、02-卷积神经网络-1.mkv51.75M
├──07、04 神经网络基础知识》09、02-卷积神经网络-2.mkv22.11M
├──07、04 神经网络基础知识》10、03-循环神经网络-0.mkv20.50M
├──07、04 神经网络基础知识》11、03-循环神经网络-1.mkv37.91M
└──07、04 神经网络基础知识》12、03-循环神经网络-2.mkv26.61M
├──08、05 NLP基础知识》
├──08、05 NLP基础知识》02、1-1 前言..mkv152.17M
├──08、05 NLP基础知识》03、1-2 研究方向概述..mkv112.22M
├──08、05 NLP基础知识》04、2-1 预备知识..mkv60.53M
├──08、05 NLP基础知识》05、2-2 NLP问题中的特征..mkv61.23M
├──08、05 NLP基础知识》06、2-3 特征输入..mkv108.19M
├──08、05 NLP基础知识》07、2-4 文本的向量化表示与案例实现..mkv80.70M
├──08、05 NLP基础知识》08、3-1 统计语言模型简介与案例实现..mkv185.40M
├──08、05 NLP基础知识》09、3-2 语言模型任务评估..mkv104.25M
├──08、05 NLP基础知识》10、3-3 神经语言模型简介与代码实现..mkv191.58M
├──08、05 NLP基础知识》11、3-4 预训练的词表示及其使用实例..mkv66.70M
├──08、05 NLP基础知识》12、4-1 word2vec原理..mkv129.80M
├──08、05 NLP基础知识》13、4-2 word2vec代码复现..mkv207.33M
├──08、05 NLP基础知识》14、4-3 word2vec项目实战展示..mkv96.70M
├──08、05 NLP基础知识》15、4-4 BERT使用实战讲解..mkv131.83M
├──08、05 NLP基础知识》16、4-5 MLP模型与实战..mkv122.72M
├──08、05 NLP基础知识》17、4-6 RNN模型原理、代码复现与实战..mkv186.45M
├──08、05 NLP基础知识》18、5-1 HMM序列标注..mkv47.47M
├──08、05 NLP基础知识》19、5-2 HMM模型简介..mkv121.17M
├──08、05 NLP基础知识》20、5-3 HMM样本生成..mkv112.77M
├──08、05 NLP基础知识》21、5-4 HMM训练..mkv71.39M
├──08、05 NLP基础知识》22、5-5 HMM预测..mkv107.47M
└──08、05 NLP基础知识》23、5-6 HMM代码实现..mkv142.76M
├──09、06 NLP-baseline》
├──09、06 NLP-baseline》02、NLP baseline 开营仪式.mkv79.36M
├──09、06 NLP-baseline》03、1.1 word2vec1-1背景知识.mkv79.62M
├──09、06 NLP-baseline》04、1.2 word2vec1-2论文泛读.mkv66.15M
├──09、06 NLP-baseline》05、1.3 word2vec2-1对比模型.mkv64.54M
├──09、06 NLP-baseline》06、1.4 word2vec2-2原理.mkv39.67M
├──09、06 NLP-baseline》07、1.5 word2vec2-3word2vec关键技术.mkv51.67M
├──09、06 NLP-baseline》08、1.6 word2vec2-4模型复杂度.mkv24.93M
├──09、06 NLP-baseline》09、1.7 word2vec2-5实验结果.mkv62.59M
├──09、06 NLP-baseline》10、1.8 word2vec3-1代码部分上.mkv103.47M
├──09、06 NLP-baseline》11、1.9 word2vec3-2代码部分下.mkv129.38M
├──09、06 NLP-baseline》12、02glove-01-_背景介绍..mkv28.89M
├──09、06 NLP-baseline》13、02 glove-02-_研究成果及意义.mkv12.22M
├──09、06 NLP-baseline》14、02glove-03-论文概述.mkv87.03M
├──09、06 NLP-baseline》15、02glove-04-模型精讲.mkv46.79M
├──09、06 NLP-baseline》16、02 glove-05-实验分析..mkv21.96M
├──09、06 NLP-baseline》17、02glove-06-数据处理.mkv23.36M
├──09、06 NLP-baseline》18、02 glove-07-型及训练测试.mkv24.23M
├──09、06 NLP-baseline》19、03char_embedding-01-背景介绍..mkv34.58M
├──09、06 NLP-baseline》20、03 char_embedding-02-研究成果及意义.mkv27.43M
├──09、06 NLP-baseline》21、03char_embedding-03-论文概述.mkv34.23M
├──09、06 NLP-baseline》22、03 char_embedding-04-模型详解.mkv48.84M
├──09、06 NLP-baseline》23、03 char_embedding-05-语言模型实验分析.mkv48.84M
├──09、06 NLP-baseline》24、03 char_embedding-06-词性标注实验分析及论文总结.mkv45.54M
├──09、06 NLP-baseline》25、03 char_embedding-07-环境配置.mkv30.18M
├──09、06 NLP-baseline》26、03 char_embedding-08-数据处理.mkv49.92M
├──09、06 NLP-baseline》27、03 char_embedding-09-模型构建及训练和测试.mkv34.67M
├──09、06 NLP-baseline》28、04textcnn-01-textcnn背景介绍.mkv23.05M
├──09、06 NLP-baseline》29、04textcnn-02-textcnn研究成果及意义.mkv13.99M
├──09、06 NLP-baseline》30、04 textcnn-03-textcnn模型简介.mkv43.38M
├──09、06 NLP-baseline》31、04 textcnn-04-textcnn模型详解.mkv38.33M
├──09、06 NLP-baseline》32、04textcnn-05-textcnn实验介绍.mkv62.29M
├──09、06 NLP-baseline》33、04 textcnn-06-textcnn超参选择.mkv87.93M
├──09、06 NLP-baseline》34、04 textcnn-07-textcnn数据处理以及模型构建..mkv48.71M
├──09、06 NLP-baseline》35、04 textcnn-08-textcnn训练及测试.mkv41.36M
├──09、06 NLP-baseline》36、05-chartextcnn_1_论文导读..mkv41.21M
├──09、06 NLP-baseline》37、05-chartextcnn_2_1_模型总览及简介.mkv50.58M
├──09、06 NLP-baseline》38、05-chartextcnn_2_2_模型详解.mkv43.43M
├──09、06 NLP-baseline》39、05-chartextcnn_2_3_实验分析及讨论.mkv48.78M
├──09、06 NLP-baseline》40、05-chartextcnn_3_1_数据处理.mkv36.76M
├──09、06 NLP-baseline》41、05-chartextcnn_3_2_模型定义及训练和测试.mkv39.50M
├──09、06 NLP-baseline》42、06-fasttext_1_研究背景及意义.mkv36.39M
├──09、06 NLP-baseline》43、06-fasttext_2_1_fasttext模型上.mkv40.99M
├──09、06 NLP-baseline》44、06-fasttext_2_2_fasttext模型下.mkv38.25M
├──09、06 NLP-baseline》45、06-fasttext_2_3_fasttext实验.mkv23.84M
├──09、06 NLP-baseline》46、06-fasttext_3_1_fasttext数据读取.mkv37.59M
├──09、06 NLP-baseline》47、06-fasttext_3_2_fasttext模型及训练测试.mkv21.07M
├──09、06 NLP-baseline》48、07 deep_nmt_1_1_论文简介以及BLEU介绍.mkv24.49M
├──09、06 NLP-baseline》49、07 deep_nmt_1_2_背景介绍和研究成果及意义.mkv40.04M
├──09、06 NLP-baseline》50、07 deep_nmt_2_1_deep_nmt模型详解1.mkv46.86M
├──09、06 NLP-baseline》51、07 deep_nmt_2_2_deep_nmtm模型详解2.mkv37.83M
├──09、06 NLP-baseline》52、07 deep_nmt_2_3_实验结果及总结.mkv39.07M
├──09、06 NLP-baseline》53、07 deep_nmt_3_1_机器翻译数据处理和代码简介.mkv48.23M
├──09、06 NLP-baseline》54、07 deep_nmt_3_2_模型和训练及测试.mkv45.52M
├──09、06 NLP-baseline》55、08 attention_nmt_1_1_储备知识_对齐翻译_seq2seq_注意力机制..mkv32.98M
├──09、06 NLP-baseline》56、08 attention_nmt_1_2_背景介绍_研究成果及意义.mkv39.68M
├──09、06 NLP-baseline》57、08 attention_nmt_2_1_论文总览..mkv48.38M
├──09、06 NLP-baseline》58、08 attention_nmt_2_2模型详解..mkv49.56M
├──09、06 NLP-baseline》59、08 attention_nmt_2_3_实验结果及分析.mkv48.68M
├──09、06 NLP-baseline》60、08 attention_nmt_3_1_deep_nmt实现.mkv89.75M
├──09、06 NLP-baseline》61、08 attention_nmt_3_2_fairseq.mkv84.72M
├──09、06 NLP-baseline》62、09 han_attention_1_1_前期储备知识介绍.mkv25.41M
├──09、06 NLP-baseline》63、09 han_attention_1_2_研究背景成果及意义..mkv38.71M
├──09、06 NLP-baseline》64、09 han_attention_2_1_论文总览.mkv56.09M
├──09、06 NLP-baseline》65、09 han_attention_2_2_模型详解.mkv36.92M
├──09、06 NLP-baseline》66、09 han_attention_2_3_实验结果及论文总结.mkv120.25M
├──09、06 NLP-baseline》67、09 han_attention_3_1_数据读取.mkv52.83M
├──09、06 NLP-baseline》68、09 han_attention_3_2_模型实现及训练和测试.mkv51.71M
├──09、06 NLP-baseline》69、10 sgm_1_1_多标签分类介绍..mkv19.69M
├──09、06 NLP-baseline》70、10 sgm_1_2_背景知识和研究成果及意义.mkv58.03M
├──09、06 NLP-baseline》71、10 sgm_2_1_论文简介.mkv50.81M
├──09、06 NLP-baseline》72、10 sgm_2_2_模型详解..mkv27.89M
├──09、06 NLP-baseline》73、10 sgm_2_3_实验结果及分析.mkv52.15M
├──09、06 NLP-baseline》74、10 sgm_3_1_数据处理.mkv45.40M
└──09、06 NLP-baseline》75、10 sgm_3_2_模型实现..mkv74.06M
├──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.mkv66.78M
├──10、07 信息抽取-命名实体识别》03、1.2- BiLSTM-CRF-论文算法总览.mkv36.74M
├──10、07 信息抽取-命名实体识别》04、1.3-BiLSTM-CRF模型结构.mkv27.55M
├──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.mkv22.59M
├──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.mkv14.80M
├──10、07 信息抽取-命名实体识别》07、1.6- BiLSTM-CRF代码讲解.mkv44.44M
├──10、07 信息抽取-命名实体识别》08、1.7- BiLSTM-CRF-NCR-Fpp代码详解.mkv49.23M
├──10、07 信息抽取-命名实体识别》09、2.1_LatticeLSTM论文研究背景.mkv74.91M
├──10、07 信息抽取-命名实体识别》10、2.2_LatticeLSTM模型总览..mkv27.34M
├──10、07 信息抽取-命名实体识别》11、2.3_LatticeLSTM模型细节.mkv25.24M
├──10、07 信息抽取-命名实体识别》12、2.4_LatticeLSTM论文实验与总结.mkv11.05M
├──10、07 信息抽取-命名实体识别》13、2.5_LatticeLSTM代码讲解..mkv88.61M
├──10、07 信息抽取-命名实体识别》14、3.1_LR-CNN论文研究背景.mkv78.05M
├──10、07 信息抽取-命名实体识别》15、3.2_LR-CNN模型总览.mkv23.62M
├──10、07 信息抽取-命名实体识别》16、3.3_LR-CNN模型细节.mkv19.87M
├──10、07 信息抽取-命名实体识别》17、3.4_LR-CNN模型细节2..mkv13.75M
├──10、07 信息抽取-命名实体识别》18、3.5_LR-CNN论文代码讲解..mkv44.43M
├──10、07 信息抽取-命名实体识别》19、4.1_LGN论文研究背景..mkv81.93M
├──10、07 信息抽取-命名实体识别》20、4.2_LGN模型总览..mkv12.85M
├──10、07 信息抽取-命名实体识别》21、4.3_LGN模型详解.mkv17.23M
├──10、07 信息抽取-命名实体识别》22、4.4_LGN代码讲解.mkv26.42M
├──10、07 信息抽取-命名实体识别》23、5.1_TENER论文研究背景.mkv137.09M
├──10、07 信息抽取-命名实体识别》24、5.2_TENER模型总览.mkv49.63M
├──10、07 信息抽取-命名实体识别》25、5.3_TENER模型详解.mkv72.78M
├──10、07 信息抽取-命名实体识别》26、5.4_TENER模型总结.mkv30.15M
├──10、07 信息抽取-命名实体识别》27、5.5_TENER模型代码.mkv73.36M
├──10、07 信息抽取-命名实体识别》28、6-1_Soft_Lexicon论文研究背景..mkv130.51M
├──10、07 信息抽取-命名实体识别》29、6-2_Soft_Lexicon模型总览.mp4.mkv27.98M
├──10、07 信息抽取-命名实体识别》30、6-3_Soft_Lexicon模型详解..mkv24.14M
├──10、07 信息抽取-命名实体识别》31、6-4_Soft_Lexicon模型总结..mkv61.13M
└──10、07 信息抽取-命名实体识别》32、6-5_Soft_Lexicon模型代码..mkv46.15M
├──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.mkv222.57M
├──11、07 （2）信息抽取-关系抽取》03、01 cnn_for-re-01.mp4（新版）.mkv41.20M
├──11、07 （2）信息抽取-关系抽取》04、01 cnn_for-re-02.mp4（新版）.mkv53.55M
├──11、07 （2）信息抽取-关系抽取》05、01 cnn_for-re-03.mp4（新版）.mkv56.90M
├──11、07 （2）信息抽取-关系抽取》06、01 cnn_for-re-04.mp4（新版）.mkv67.45M
├──11、07 （2）信息抽取-关系抽取》07、01 cnn_for-re-05.mp4（新版）.mkv53.36M
├──11、07 （2）信息抽取-关系抽取》08、01 code_cnn_for_re-06（新版）.mkv77.94M
├──11、07 （2）信息抽取-关系抽取》09、01 code_cnn_for_re-07（新版）.mkv76.29M
├──11、07 （2）信息抽取-关系抽取》10、01 code_cnn_for_re-08（新版）.mkv88.95M
├──11、07 （2）信息抽取-关系抽取》11、01 code_cnn_for_re-09（新版）.mkv103.43M
├──11、07 （2）信息抽取-关系抽取》12、01 code_cnn_for_re-10（新版）.mkv59.76M
├──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）.mkv63.74M
├──11、07 （2）信息抽取-关系抽取》14、02 pcnn_crcnn_2_PCNN的相关工作（新版）.mkv52.01M
├──11、07 （2）信息抽取-关系抽取》15、02 pcnn_crcnn_3_PCNN的模型部分（新版）.mkv62.61M
├──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）.mkv38.75M
├──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）.mkv83.55M
├──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）.mkv39.43M
├──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）.mkv64.57M
├──11、07 （2）信息抽取-关系抽取》20、02 pcnn_code-8-数据处理2（新版）.mkv48.79M
├──11、07 （2）信息抽取-关系抽取》21、02 pcnn_code-9-模型定义（新版）.mkv64.54M
├──11、07 （2）信息抽取-关系抽取》22、02 pcnn_code-10-模型训练1（新版）.mkv46.77M
├──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）.mkv96.84M
├──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）.mkv56.28M
├──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）.mkv85.90M
├──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）.mkv121.00M
├──11、07 （2）信息抽取-关系抽取》27、03lstmatt_1_背景及相关工作（新版）.mkv87.87M
├──11、07 （2）信息抽取-关系抽取》28、03lstmatt_2_模型及实验（新版）.mkv84.46M
├──11、07 （2）信息抽取-关系抽取》29、03att_lstm_code_3_课程回顾及超参数设置（新版）.mkv91.06M
├──11、07 （2）信息抽取-关系抽取》30、03att_lstm_code_4_数据处理及模型定义（新版）.mkv105.53M
├──11、07 （2）信息抽取-关系抽取》31、03att_lstm_code_5_模型训练及模型评价（新版）.mkv93.61M
├──11、07 （2）信息抽取-关系抽取》32、4.1 LSTM-LSTM-bias 背景介绍.（旧版）.mkv71.00M
├──11、07 （2）信息抽取-关系抽取》33、4.2 LSTM-LSTM-bias模型详解.（旧版）.mkv91.63M
├──11、07 （2）信息抽取-关系抽取》34、4.3 LSTM-LSTM-bias代码实战（旧版）.mkv151.05M
├──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）.mkv77.73M
├──11、07 （2）信息抽取-关系抽取》36、04 novel_tagging_paper_2_相关工作02（新版）.mkv61.51M
├──11、07 （2）信息抽取-关系抽取》37、04 novel_tagging_paper_3_相关工作03（新版）.mkv83.44M
├──11、07 （2）信息抽取-关系抽取》38、04 novel_tagging_paper_4_模型（新版）.mkv64.79M
├──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）.mkv120.29M
├──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）.mkv107.74M
├──11、07 （2）信息抽取-关系抽取》41、04 novel_tagging_paper_5_实验（新版）.mkv36.17M
├──11、07 （2）信息抽取-关系抽取》42、05 casrel_paper_0（新版）.mkv55.00M
├──11、07 （2）信息抽取-关系抽取》43、05 casrel_paper_1（新版）.mkv34.01M
├──11、07 （2）信息抽取-关系抽取》44、05 casrel_paper_2（新版）.mkv57.32M
├──11、07 （2）信息抽取-关系抽取》45、05 casrel_paper_3（新版）.mkv53.37M
├──11、07 （2）信息抽取-关系抽取》46、05 casrel_paper_4（新版）.mkv53.62M
├──11、07 （2）信息抽取-关系抽取》47、05 casrel_code_5（新版）.mkv71.51M
├──11、07 （2）信息抽取-关系抽取》48、05 casrel_code_6（新版）.mkv93.40M
├──11、07 （2）信息抽取-关系抽取》49、05 casrel_code_7（新版）.mkv93.61M
└──11、07 （2）信息抽取-关系抽取》50、05 casrel_code_8（新版）.mkv119.63M
├──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.mkv53.26M
├──12、08 NLP-预训练模型》03、01transformer-02-attention回顾.mkv54.19M
├──12、08 NLP-预训练模型》04、01transformer-03-模型框架和self_attention.mkv55.85M
├──12、08 NLP-预训练模型》05、01transformer-04-模型小trick..mkv96.70M
├──12、08 NLP-预训练模型》06、01transformer-05-代码框架部分和encoder.mkv105.28M
├──12、08 NLP-预训练模型》07、01transformer-06-代码decoder和self_attention.mkv98.23M
├──12、08 NLP-预训练模型》08、01transformer-07-代码训练部分和预测部分.mkv156.37M
├──12、08 NLP-预训练模型》09、02transformer_xl-01-论文背景..mkv65.83M
├──12、08 NLP-预训练模型》10、02transformer_xl-02-vallini model回顾..mkv52.17M
├──12、08 NLP-预训练模型》11、02transformer_xl-03-片段级递归机制..mkv47.51M
├──12、08 NLP-预训练模型》12、02transformer_xl-04-相对位置编码和小trick..mkv53.59M
├──12、08 NLP-预训练模型》13、02transformer_xl-05-论文总结..mkv94.00M
├──12、08 NLP-预训练模型》14、02transformerxl-06-代码数据准备..mkv58.82M
├──12、08 NLP-预训练模型》15、02transformerxl-07-代码self attention..mkv132.05M
├──12、08 NLP-预训练模型》16、02transformer_xl-08-代码update memory和adaptive.mkv101.14M
├──12、08 NLP-预训练模型》17、02transformer_xl-09-代码adaptive softmax2..mkv151.16M
├──12、08 NLP-预训练模型》18、03elmo-01-elmo的下游任务介绍..mkv29.04M
├──12、08 NLP-预训练模型》19、03elmo-02-feature_based和fine_tuning.mkv24.26M
├──12、08 NLP-预训练模型》20、03elmo-03-word2vec和charcnn回顾.mkv19.15M
├──12、08 NLP-预训练模型》21、03elmo-04-Bidirectional_language_models.mkv22.20M
├──12、08 NLP-预训练模型》22、03elmo-05-how to use emol..mkv18.26M
├──12、08 NLP-预训练模型》23、03elmo-06-论文回顾..mkv67.67M
├──12、08 NLP-预训练模型》24、03elmo-07-代码预处理部分.mkv78.29M
├──12、08 NLP-预训练模型》25、03elmo-08-代码模型结构部分.mkv102.25M
├──12、08 NLP-预训练模型》26、03elmo-09-代码crf流程..mkv42.40M
├──12、08 NLP-预训练模型》27、03elmo-10-代码crf实现..mkv143.87M
├──12、08 NLP-预训练模型》28、04gpt-01-nlp下游任务介绍.mkv40.46M
├──12、08 NLP-预训练模型》29、04gpt-02-transformer回顾.mkv32.37M
├──12、08 NLP-预训练模型》30、04gpt-03-预训练和fine-tuning.mkv23.39M
├──12、08 NLP-预训练模型》31、04gpt-04-输入转换.mkv17.50M
├──12、08 NLP-预训练模型》32、04gpt-05-论文回顾..mkv50.40M
├──12、08 NLP-预训练模型》33、04gpt-06-代码流程和建立vocab.mkv70.76M
├──12、08 NLP-预训练模型》34、04gpt-07-代码与处理部分.mkv52.48M
├──12、08 NLP-预训练模型》35、04gpt-08-代码trasform_roc部分.mkv21.58M
├──12、08 NLP-预训练模型》36、04gpt-09-代码transformer_model部分.mkv57.92M
├──12、08 NLP-预训练模型》37、04gpt-10-代码两种loss的计算.mkv43.94M
├──12、08 NLP-预训练模型》38、04gpt-11-代码训练部分.mkv51.88M
├──12、08 NLP-预训练模型》39、05bert-01-bert的背景和glue benchmark..mkv27.87M
├──12、08 NLP-预训练模型》40、05bert-02-论文导读和bert 衍生模型..mkv26.39M
├──12、08 NLP-预训练模型》41、05bert-03-bert、gtp、elmo的比较.mkv14.58M
├──12、08 NLP-预训练模型》42、05bert-04-bert model和pre-training部分.mkv28.48M
├──12、08 NLP-预训练模型》43、05bert-05-bert的fine-tuning部分.mkv20.46M
├──12、08 NLP-预训练模型》44、05bert-06-代码fine-tuning数据预处理和model 加载.mkv37.48M
├──12、08 NLP-预训练模型》45、05bert-07-代码fine-tuning训练部分.mkv24.08M
├──12、08 NLP-预训练模型》46、05bert-08-代码bert pretrain的NSP.mkv43.80M
├──12、08 NLP-预训练模型》47、05bert-09-代码pertrain预处理.mkv60.81M
├──12、08 NLP-预训练模型》48、05bert-10-代码bert-pretrain的transformer部分..mkv47.08M
├──12、08 NLP-预训练模型》49、05bert-11-代码bert pretrain的loss计算..mkv59.92M
├──12、08 NLP-预训练模型》50、06ulmfit-01-uimfit背景介绍.mkv37.51M
├──12、08 NLP-预训练模型》51、06ulmfit-02-awdLstm回顾..mkv20.91M
├──12、08 NLP-预训练模型》52、06ulmfit-03-下三角学习率.mkv20.58M
├──12、08 NLP-预训练模型》53、06ulmfit-04-classifier fine tuning..mkv18.11M
├──12、08 NLP-预训练模型》54、06ulmfit-05-论文回顾.mkv80.46M
├──12、08 NLP-预训练模型》55、06ulmfit-06-代码fine tuning部分.mkv50.31M
├──12、08 NLP-预训练模型》56、06ulmfit-07-代码逐层解冻和预测.mkv36.63M
├──12、08 NLP-预训练模型》57、06ulmfit-08-代码pycharm lm部分..mkv42.29M
├──12、08 NLP-预训练模型》58、07albert-01-albert背景介绍.mkv46.97M
├──12、08 NLP-预训练模型》59、07albert-02-轻量级bert回顾.mkv42.60M
├──12、08 NLP-预训练模型》60、07albert-03-embedding layer的因式分解.mkv55.15M
├──12、08 NLP-预训练模型》61、07albert-04-albert跨层参数共享.mkv28.91M
├──12、08 NLP-预训练模型》62、07albert-05-NSP任务和论文回顾..mkv108.88M
├──12、08 NLP-预训练模型》63、07albert-06-代码tokenizer部分.mkv50.71M
├──12、08 NLP-预训练模型》64、07albert-07-代码samplemask.mkv87.56M
├──12、08 NLP-预训练模型》65、07albert-08-代码transformer结构.mkv81.61M
├──12、08 NLP-预训练模型》66、07albert-09-代码pretrain 训练部分.mkv46.71M
├──12、08 NLP-预训练模型》67、07albert-10-代码albert fine-tuning.mkv170.72M
├──12、08 NLP-预训练模型》68、08mass-01-mass背景介绍..mkv73.51M
├──12、08 NLP-预训练模型》69、08mass-02-bert和gpt回顾..mkv50.11M
├──12、08 NLP-预训练模型》70、08mass-03-mass 的seq2seq pretraining..mkv64.88M
├──12、08 NLP-预训练模型》71、08mass-04-mass的discussions..mkv118.93M
├──12、08 NLP-预训练模型》72、08mass-05-代码fairseq的训练流程..mkv79.12M
├──12、08 NLP-预训练模型》73、08mass-06-代码mass的xseq2seq部分.mkv161.22M
├──12、08 NLP-预训练模型》74、08mass-07-代码mass的xtransformer部分..mkv73.21M
├──12、08 NLP-预训练模型》75、08mass-08-代码mass的dataset准备..mkv99.92M
├──12、08 NLP-预训练模型》76、09xlnet-01-xlnet背景介绍..mkv47.34M
├──12、08 NLP-预训练模型》77、09xlnet-02-AR和AE的比较..mkv59.35M
├──12、08 NLP-预训练模型》78、09xlnet-03-排列lm部分..mkv48.28M
├──12、08 NLP-预训练模型》79、09xlnet-04-排列lm的mask实现.mkv40.57M
├──12、08 NLP-预训练模型》80、09xlnet-05-传统lm存在的问题..mkv32.56M
├──12、08 NLP-预训练模型》81、09xlnet-06-Two Stream Self-attention..mkv56.33M
├──12、08 NLP-预训练模型》82、09xlnet-07-xlnet论文回顾.mkv69.35M
├──12、08 NLP-预训练模型》83、09xlnet-08-代码xlnet的fine-tuning..mkv61.78M
├──12、08 NLP-预训练模型》84、09xlnet-09-代码xlnet的mask..mkv180.55M
├──12、08 NLP-预训练模型》85、09xlnet-10-代码xlnet的self attention..mkv126.95M
├──12、08 NLP-预训练模型》86、10electra-01-electra背景介绍..mkv56.59M
├──12、08 NLP-预训练模型》87、10electra-02-gan的回顾..mkv43.00M
├──12、08 NLP-预训练模型》88、10electra-03-electra的生成器和判别器详解..mkv38.97M
├──12、08 NLP-预训练模型》89、10electra-04-论文回顾..mkv84.85M
├──12、08 NLP-预训练模型》90、10electra-05-代码electra训练流程..mkv106.36M
├──12、08 NLP-预训练模型》91、10electra-06-代码预处理部分..mkv123.43M
├──12、08 NLP-预训练模型》92、10electra-07-代码生成器和判别器..mkv126.26M
└──12、08 NLP-预训练模型》93、10electra-08-代码start training部分..mkv120.19M
├──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..mkv59.92M
├──13、09 NLP-图神经网络》03、00图神经网络专题-02-开班课.mkv34.39M
├──13、09 NLP-图神经网络》04、02第二次直播答疑..mkv72.01M
├──13、09 NLP-图神经网络》05、03第三次直播答疑..mkv50.57M
├──13、09 NLP-图神经网络》06、05第五次直播答疑..mkv44.09M
├──13、09 NLP-图神经网络》07、01nodevec-01-研究背景.mkv24.53M
├──13、09 NLP-图神经网络》08、01nodevec-02-研究成果.mkv43.82M
├──13、09 NLP-图神经网络》09、01nodevec-03-图的应用.mkv33.36M
├──13、09 NLP-图神经网络》100、08gcn-09-gcn频域公式推导..mkv73.58M
├──13、09 NLP-图神经网络》101、08gcn-10-实验分析..mkv80.77M
├──13、09 NLP-图神经网络》102、08gcn-11-论文总结..mkv41.25M
├──13、09 NLP-图神经网络》103、08gcn-12-代码介绍..mkv43.63M
├──13、09 NLP-图神经网络》104、08gcn-13-读图预处理..mkv51.03M
├──13、09 NLP-图神经网络》105、08gcn-14-gcn模型实现及代码总结.mp4.mkv49.05M
├──13、09 NLP-图神经网络》106、09ggnn-01-研究背景..mkv47.90M
├──13、09 NLP-图神经网络》107、09ggnn-02-ggnn模型简介..mkv33.75M
├──13、09 NLP-图神经网络》108、09ggnn-03-研究成果研究意义..mkv36.32M
├──13、09 NLP-图神经网络》109、09ggnn-04-模型总览..mkv63.70M
├──13、09 NLP-图神经网络》10、01nodevec-04-模型结构&BFS&DFS.mkv107.53M
├──13、09 NLP-图神经网络》110、09ggnn-05-GRU模型简单回顾..mkv27.46M
├──13、09 NLP-图神经网络》111、09ggnn-06-GGNN模型细节..mkv79.20M
├──13、09 NLP-图神经网络》112、09ggnn-07-GGSNNs模型细节..mkv55.17M
├──13、09 NLP-图神经网络》113、09ggnn-08-bAbI任务..mkv88.46M
├──13、09 NLP-图神经网络》114、09ggnn-09-RNN图数据分析..mkv30.46M
├──13、09 NLP-图神经网络》115、09ggnn-10-实验分析&论文总结..mkv60.07M
├──13、09 NLP-图神经网络》116、09ggnn-11-代码介绍..mkv44.74M
├──13、09 NLP-图神经网络》117、09ggnn-12-读图..mkv112.01M
├──13、09 NLP-图神经网络》118、09ggnn-13-ggnn模型代码..mkv154.17M
├──13、09 NLP-图神经网络》119、09ggnn-14-模型训练和测试..mkv39.97M
├──13、09 NLP-图神经网络》11、01nodevec-05-模型算法&alias算法.mkv191.90M
├──13、09 NLP-图神经网络》120、10mpnn-01-研究背景..mkv41.16M
├──13、09 NLP-图神经网络》121、10mpnn-02-mpnn框架简介..mkv26.50M
├──13、09 NLP-图神经网络》122、10mpnn-03-研究成果研究意义..mkv37.56M
├──13、09 NLP-图神经网络》123、10mpnn-04-模型总览..mkv85.54M
├──13、09 NLP-图神经网络》124、10mpnn-05-mpnn框架..mkv27.55M
├──13、09 NLP-图神经网络》125、10mpnn-06-mpnn代表模型..mkv130.75M
├──13、09 NLP-图神经网络》126、10mpnn-07-化学分子预测模型..mkv111.05M
├──13、09 NLP-图神经网络》127、10mpnn-08-set2set模型..mkv75.16M
├──13、09 NLP-图神经网络》128、10mpnn-09-专题总结..mkv41.94M
├──13、09 NLP-图神经网络》129、10mpnn-10-实验分析..mkv72.38M
├──13、09 NLP-图神经网络》12、01nodevec-06-实验分析.mkv140.14M
├──13、09 NLP-图神经网络》130、10mpnn-11-论文总结..mkv51.85M
├──13、09 NLP-图神经网络》131、10mpnn-12-代码介绍..mkv68.93M
├──13、09 NLP-图神经网络》132、10mpnn-13-构造图..mkv118.56M
├──13、09 NLP-图神经网络》133、10mpnn-14-DataLoader封装..mkv50.74M
├──13、09 NLP-图神经网络》134、10mpnn-15-mpnn框架代码..mkv109.56M
├──13、09 NLP-图神经网络》135、10mpnn-16-模型训练和测试..mkv37.55M
├──13、09 NLP-图神经网络》13、01nodevec-07-论文总结.mkv64.72M
├──13、09 NLP-图神经网络》14、01nodevec-08-代码整体介绍.mkv98.25M
├──13、09 NLP-图神经网络》15、01nodevec-09-代码节点和边的alias实现.mkv107.56M
├──13、09 NLP-图神经网络》16、01nodevec-10-代码有偏随机游走和模型训练.mkv45.73M
├──13、09 NLP-图神经网络》17、01nodevec-11-代码结果展示和总结.mkv20.72M
├──13、09 NLP-图神经网络》18、02-line-01-论文背景..mkv54.02M
├──13、09 NLP-图神经网络》19、02-line-02-研究成果研究意义..mkv64.65M
├──13、09 NLP-图神经网络》20、02-line-03-前期知识..mkv40.10M
├──13、09 NLP-图神经网络》21、02-line-04-一二阶相似度..mkv129.42M
├──13、09 NLP-图神经网络》22、02-line-05-模型优化时间复杂度..mkv102.21M
├──13、09 NLP-图神经网络》23、02-line-06-实验分析一..mkv129.07M
├──13、09 NLP-图神经网络》24、02-line-07-实验分析二..mkv52.30M
├──13、09 NLP-图神经网络》25、02-line-08-论文总结..mkv90.22M
├──13、09 NLP-图神经网络》26、02-line-09-代码读图..mkv44.00M
├──13、09 NLP-图神经网络》27、02-line-10-代码aliasSampling..mkv64.10M
├──13、09 NLP-图神经网络》28、02-line-11-代码line模型实现..mkv115.73M
├──13、09 NLP-图神经网络》29、03-sdne-01-论文背景..mkv34.54M
├──13、09 NLP-图神经网络》30、03-sdne-02-前期知识..mkv40.70M
├──13、09 NLP-图神经网络》31、03-sdne-03-研究成果..mkv38.41M
├──13、09 NLP-图神经网络》32、03sdne-04-模型结构..mkv81.64M
├──13、09 NLP-图神经网络》33、03sdne-05-一二阶相似度..mkv92.35M
├──13、09 NLP-图神经网络》34、03sdne-06-自编码器&稀疏性问题..mkv105.94M
├──13、09 NLP-图神经网络》35、03sdne-07-优化方法&时间复杂度..mkv115.29M
├──13、09 NLP-图神经网络》36、03sdne-08-实验设置介绍..mkv136.86M
├──13、09 NLP-图神经网络》37、03sdne-09-实验分析..mkv101.44M
├──13、09 NLP-图神经网络》38、03sdne-10-代码模型训练..mkv69.25M
├──13、09 NLP-图神经网络》39、03sdne-11-代码sdne模型实现..mkv64.56M
├──13、09 NLP-图神经网络》40、03sdne-12-代码模型训练..mkv60.57M
├──13、09 NLP-图神经网络》41、04metapath2vec-01-研究背景..mkv47.88M
├──13、09 NLP-图神经网络》42、04metapath2vec-02-研究成果..mkv62.24M
├──13、09 NLP-图神经网络》43、04metapath2vec-03-异质网络skip2gram..mkv83.85M
├──13、09 NLP-图神经网络》44、04metapath2vec-04-算法细节..mkv131.35M
├──13、09 NLP-图神经网络》45、04metapath2vec-05-实验分析..mkv137.72M
├──13、09 NLP-图神经网络》46、04metapath2vec-06-论文总结..mkv53.27M
├──13、09 NLP-图神经网络》47、04metapath2vec-07-代码dgl平台介绍..mkv45.22M
├──13、09 NLP-图神经网络》48、04metapath2vec-08-代码生成meta-path训练集..mkv113.10M
├──13、09 NLP-图神经网络》49、04metapath2vec-09-代码模型实现..mkv94.38M
├──13、09 NLP-图神经网络》50、04metapath2vec-10-代码模型训练..mkv98.04M
├──13、09 NLP-图神经网络》51、05transe-01-研究背景..mkv43.03M
├──13、09 NLP-图神经网络》52、05transe-02-研究成果研究意义..mkv58.07M
├──13、09 NLP-图神经网络》53、05transe-03-transE算法..mkv68.75M
├──13、09 NLP-图神经网络》54、05transe-04-transH算法..mkv71.65M
├──13、09 NLP-图神经网络》55、05transe-05-transR算法..mkv81.53M
├──13、09 NLP-图神经网络》56、05transe-06-transH算法..mkv99.51M
├──13、09 NLP-图神经网络》57、05transe-07-模型对比和总结..mkv27.27M
├──13、09 NLP-图神经网络》58、05transe-08-实验设置和分析..mkv66.85M
├──13、09 NLP-图神经网络》59、05transe-09-实验分析.mp4.mkv48.97M
├──13、09 NLP-图神经网络》60、05transe-10-论文总结..mkv20.80M
├──13、09 NLP-图神经网络》61、05transe-11-代码介绍..mkv9.70M
├──13、09 NLP-图神经网络》62、05transe-12-代码详解一..mkv68.89M
├──13、09 NLP-图神经网络》63、05transe-13-代码详解二..mkv67.54M
├──13、09 NLP-图神经网络》64、05transe-14-TransR等实现及代码总结..mkv75.84M
├──13、09 NLP-图神经网络》65、06gat-01-研究背景..mkv38.59M
├──13、09 NLP-图神经网络》66、06gat-02-图卷积消息传递..mkv34.06M
├──13、09 NLP-图神经网络》67、06gat-03-研究成果研究意义..mkv37.53M
├──13、09 NLP-图神经网络》68、06gat-04-gnn核心框架..mkv97.46M
├──13、09 NLP-图神经网络》69、06gat-05-gat算法讲解..mkv56.07M
├──13、09 NLP-图神经网络》70、06gat-06-各种attention总结..mkv54.61M
├──13、09 NLP-图神经网络》71、06gat-07-multi-head起源简介..mkv29.76M
├──13、09 NLP-图神经网络》72、06gat-08-GAT算法总结和实验设置..mkv136.73M
├──13、09 NLP-图神经网络》73、06gat-09-论文总结..mkv52.47M
├──13、09 NLP-图神经网络》74、06gat-10-代码介绍..mkv78.10M
├──13、09 NLP-图神经网络》75、06gat-11-代码设置参数&读图..mkv66.59M
├──13、09 NLP-图神经网络》76、06gat-12-邻接矩阵归一化..mkv50.56M
├──13、09 NLP-图神经网络》77、06gat-13-gat模型实现..mkv95.60M
├──13、09 NLP-图神经网络》78、06gat-14-gat模型训练及代码总结..mkv57.53M
├──13、09 NLP-图神经网络》79、07graphsage-01-研究背景..mkv46.11M
├──13、09 NLP-图神经网络》80、07graphsage-02-graphSAGE模型简介..mkv27.28M
├──13、09 NLP-图神经网络》81、07graphsage-03-研究成果研究意义..mkv43.82M
├──13、09 NLP-图神经网络》82、07graphsage-04-模型总览..mkv33.28M
├──13、09 NLP-图神经网络》83、07graphsage-05-算法详解..mkv97.91M
├──13、09 NLP-图神经网络》84、07graphsage-06-监督训练及aggregators..mkv52.98M
├──13、09 NLP-图神经网络》85、07graphsage-07-batch训练及WLtest..mkv106.60M
├──13、09 NLP-图神经网络》86、07graphsage-08-实验分析..mkv92.23M
├──13、09 NLP-图神经网络》87、07graphsage-09-代码介绍.mkv52.40M
├──13、09 NLP-图神经网络》88、07graphsage-10-读图读特征..mkv50.08M
├──13、09 NLP-图神经网络》89、07graphsage-11-mean-aggregator讲解..mkv69.78M
├──13、09 NLP-图神经网络》90、07graphsage-12-encoder讲解..mkv43.68M
├──13、09 NLP-图神经网络》91、07graphsage-13-模型训练及代码总结..mkv37.27M
├──13、09 NLP-图神经网络》92、08gcn-01-研究背景.cmproj..mkv38.96M
├──13、09 NLP-图神经网络》93、08gcn-02-gcn模型简介..mkv33.43M
├──13、09 NLP-图神经网络》94、08gcn-03-研究成果研究意义..mkv38.91M
├──13、09 NLP-图神经网络》95、08gcn-04-模型总览..mkv41.49M
├──13、09 NLP-图神经网络》96、08gcn-05-RGCN模型简介..mkv101.38M
├──13、09 NLP-图神经网络》97、08gcn-06-拉普拉斯矩阵..mkv31.68M
├──13、09 NLP-图神经网络》98、08gcn-07-图的频域变换..mkv35.21M
└──13、09 NLP-图神经网络》99、08gcn-08-Chebyshev卷积核.mp4.mkv33.36M
├──14、10 NLP-文本匹配》
├──14、10 NLP-文本匹配》02、01DSSM-00专题引言.mkv29.04M
├──14、10 NLP-文本匹配》03、01DSSM-01-学习目标..mkv9.79M
├──14、10 NLP-文本匹配》04、01DSSM-02-论文背景、贡献及意义.mkv14.11M
├──14、10 NLP-文本匹配》05、01DSSM-03摘要精读、总结.mkv10.44M
├──14、10 NLP-文本匹配》06、01DSSM-04-上节回顾.mkv10.67M
├──14、10 NLP-文本匹配》07、01DSSM-05-词哈希.mkv17.54M
├──14、10 NLP-文本匹配》08、01DSSM-06-DSSM整体结构.mkv11.30M
├──14、10 NLP-文本匹配》09、01DSSM-07-优化函数、实验与总结.mkv13.91M
├──14、10 NLP-文本匹配》100、10-代码讲解-11.mkv102.90M
├──14、10 NLP-文本匹配》10、01DSSM-08-代码总览.mkv14.93M
├──14、10 NLP-文本匹配》11、01DSSM-09-词哈希表的建立与数据载入.mkv18.36M
├──14、10 NLP-文本匹配》12、01DSSM-10-模型的搭建与训练、测试.mkv19.42M
├──14、10 NLP-文本匹配》13、02SiameseNet-01-孪生网络定义.mkv11.92M
├──14、10 NLP-文本匹配》14、02SiameseNet-02-论文背景、成果、意义.mkv15.55M
├──14、10 NLP-文本匹配》15、02SiameseNet-03-摘要带读、课程小节.mkv7.32M
├──14、10 NLP-文本匹配》16、02SiameseNet-04-SiameseNet整体结构..mkv19.27M
├──14、10 NLP-文本匹配》17、02SiameseNet-05-对比损失函数.mkv9.05M
├──14、10 NLP-文本匹配》18、02SiameseNet-06-实验设置与分析.mkv11.62M
├──14、10 NLP-文本匹配》19、02SiameseNet-07-复习、代码总览.mkv18.67M
├──14、10 NLP-文本匹配》20、02SiameseNet-08-data_load..mkv14.12M
├──14、10 NLP-文本匹配》21、02SiameseNet-09-模型搭建与训练.mkv14.16M
├──14、10 NLP-文本匹配》22、03比较-聚合模型-01序列到序列模型..mkv29.83M
├──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..mkv27.15M
├──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..mkv15.72M
├──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..mkv27.99M
├──14、10 NLP-文本匹配》26、03比较-聚合模型-05论文泛读..mkv10.33M
├──14、10 NLP-文本匹配》27、03比较-聚合模型-06整体结构..mkv20.46M
├──14、10 NLP-文本匹配》28、03比较-聚合模型-07与处理与注意力层..mkv10.40M
├──14、10 NLP-文本匹配》29、03比较-聚合模型-08比较聚合层..mkv15.01M
├──14、10 NLP-文本匹配》30、03比较-聚合模型-09实验分析与总结..mkv26.55M
├──14、10 NLP-文本匹配》31、03比较-聚合模型-10SNLI数据集处理..mkv27.03M
├──14、10 NLP-文本匹配》32、03比较-聚合模型-11SNLI数据集处理..mkv26.99M
├──14、10 NLP-文本匹配》33、03比较-聚合模型-12数据载入模块..mkv30.58M
├──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..mkv39.16M
├──14、10 NLP-文本匹配》35、03比较-聚合模型-14复习、代码总览..mkv17.21M
├──14、10 NLP-文本匹配》36、04ESIM-01学习目标与论文背景..mkv25.51M
├──14、10 NLP-文本匹配》37、04ESIM-02论文总览与摘要带读..mkv18.99M
├──14、10 NLP-文本匹配》38、04ESIM-03ESIM整体结构..mkv18.43M
├──14、10 NLP-文本匹配》39、04ESIM-04输入编码层..mkv16.91M
├──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..mkv24.68M
├──14、10 NLP-文本匹配》41、04ESIM-06实验设置与结果分析..mkv17.00M
├──14、10 NLP-文本匹配》42、04ESIM-07论文总结与课程回顾..mkv10.60M
├──14、10 NLP-文本匹配》43、04ESIM-08复习、代码总览..mkv19.32M
├──14、10 NLP-文本匹配》44、04ESIM-09torchtext构建数据集..mkv35.75M
├──14、10 NLP-文本匹配》45、04ESIM-10ESIM搭建与训练..mkv31.17M
├──14、10 NLP-文本匹配》46、05BiMPM-01学习目标与研究背景..mkv16.43M
├──14、10 NLP-文本匹配》47、05BiMPM-02相关工作..mkv12.44M
├──14、10 NLP-文本匹配》48、05BiMPM-03研究成果、意义与论文结构..mkv8.36M
├──14、10 NLP-文本匹配》49、05BiMPM-04摘要导读..mkv14.90M
├──14、10 NLP-文本匹配》50、05BiMPM-05上节回顾与模型结构揣测..mkv31.14M
├──14、10 NLP-文本匹配》51、05BiMPM-06模型整体结构..mkv8.62M
├──14、10 NLP-文本匹配》52、05BiMPM-07多视角匹配..mkv22.05M
├──14、10 NLP-文本匹配》53、05BiMPM-08实验分析与总结..mkv16.99M
├──14、10 NLP-文本匹配》54、06RE2-01-论文研究背景.mp4.mkv71.62M
├──14、10 NLP-文本匹配》55、06RE2-02-研究意义、摘要重点讲解.mp4.mkv30.20M
├──14、10 NLP-文本匹配》56、06RE2-03-RE2结构讲解.mp4.mkv61.55M
├──14、10 NLP-文本匹配》57、06RE2-04-RE2结构细节、训练技巧.mp4.mkv71.07M
├──14、10 NLP-文本匹配》58、06RE2-05-实验设置、结果分析.mp4.mkv93.22M
├──14、10 NLP-文本匹配》59、06RE2-06-code1.mp4.mkv85.61M
├──14、10 NLP-文本匹配》60、06RE2-07-code2.mp4.mkv88.37M
├──14、10 NLP-文本匹配》61、06RE2-08-code3.mp4.mkv45.20M
├──14、10 NLP-文本匹配》62、07MGCN-01-泛读_研究背景、意义讲解.mp4.mkv77.11M
├──14、10 NLP-文本匹配》63、07MGCN-02-泛读_成果、大纲介绍.mp4.mkv34.19M
├──14、10 NLP-文本匹配》64、07MGCN-03-精读_BERT出现.mp4.mkv67.31M
├──14、10 NLP-文本匹配》65、07MGCN-04-精读_poly-encoder.mp4(1).mkv70.19M
├──14、10 NLP-文本匹配》65、07MGCN-04-精读_poly-encoder.mp4.mkv70.19M
├──14、10 NLP-文本匹配》66、07MGCN-05-精读_Bert细节.mp4.mkv96.84M
├──14、10 NLP-文本匹配》67、07MGCN-06-code1.mp4.mkv97.85M
├──14、10 NLP-文本匹配》68、07MGCN-07-code2.mp4.mkv102.49M
├──14、10 NLP-文本匹配》69、07MGCN-08-code3.mp4.mkv70.14M
├──14、10 NLP-文本匹配》70、08MatchPyramid-01-研究背景.mp4.mkv68.79M
├──14、10 NLP-文本匹配》71、08MatchPyramid-02-论文泛读.mp4.mkv32.42M
├──14、10 NLP-文本匹配》72、08MatchPyramid-03-算法模型总览、结构、matching matrix.m.mkv72.22M
├──14、10 NLP-文本匹配》73、08MatchPyramid-04-卷积层讲解.mp4.mkv61.54M
├──14、10 NLP-文本匹配》74、08MatchPyramid-05-matching score.mp4.mkv62.96M
├──14、10 NLP-文本匹配》75、08MatchPyramid-06-训练技巧、实验及总结.mp4.mkv68.29M
├──14、10 NLP-文本匹配》76、08MatchPyramid-07-code 1.mp4.mkv65.07M
├──14、10 NLP-文本匹配》77、08MatchPyramid-08-code 2.mp4.mkv99.74M
├──14、10 NLP-文本匹配》78、08MatchPyramid-09-code 3.mp4.mkv81.15M
├──14、10 NLP-文本匹配》79、09-MGCN论文泛读-01.mp4.mkv67.25M
├──14、10 NLP-文本匹配》80、09-MGCN论文泛读-02.mp4.mkv33.90M
├──14、10 NLP-文本匹配》81、09-MGCN论文精读-03.mp4.mkv72.37M
├──14、10 NLP-文本匹配》82、09-MGCN论文精读-04.mp4.mkv52.64M
├──14、10 NLP-文本匹配》83、09-MGCN论文精读-05.mp4.mkv64.61M
├──14、10 NLP-文本匹配》84、09-MGCN论文精读-06.mp4.mkv59.53M
├──14、10 NLP-文本匹配》85、09-MGCN论文精读-07.mp4.mkv44.18M
├──14、10 NLP-文本匹配》86、09-MGCN代码讲解-08.mp4.mkv74.45M
├──14、10 NLP-文本匹配》87、09-MGCN代码讲解-09.mp4.mkv83.08M
├──14、10 NLP-文本匹配》88、09-MGCN代码讲解-10.mp4.mkv129.69M
├──14、10 NLP-文本匹配》89、09-MGCN代码讲解-11.mp4.mkv59.82M
├──14、10 NLP-文本匹配》90、10-论文泛读-01.mkv81.12M
├──14、10 NLP-文本匹配》91、10-论文泛读-02.mkv55.24M
├──14、10 NLP-文本匹配》92、10-论文精读-03.mkv70.00M
├──14、10 NLP-文本匹配》93、10-论文精读-04.mkv55.95M
├──14、10 NLP-文本匹配》94、10-论文精读-05.mkv55.53M
├──14、10 NLP-文本匹配》95、10-论文精读-06.mkv29.80M
├──14、10 NLP-文本匹配》96、10-代码讲解-07.mkv63.43M
├──14、10 NLP-文本匹配》97、10-代码讲解-08.mkv92.57M
├──14、10 NLP-文本匹配》98、10-代码讲解-09.mkv98.91M
└──14、10 NLP-文本匹配》99、10-代码讲解-10.mkv108.90M
├──15、11 NLP-机器翻译》
├──15、11 NLP-机器翻译》01、ConvSeq2Seq-代码讲解.mkv161.82M
├──15、11 NLP-机器翻译》02、ConvSeq2Seq-论文精读.mkv99.36M
├──15、11 NLP-机器翻译》03、ConvSeq2Seq-论文泛读.mkv33.46M
├──15、11 NLP-机器翻译》05、1.1-loung_nmt-储备知识..mkv28.46M
├──15、11 NLP-机器翻译》06、1.2-loung_nmt-研究背景..mkv104.83M
├──15、11 NLP-机器翻译》07、1.3-loung_nmt-研究成果及意义.mp4.mkv19.60M
├──15、11 NLP-机器翻译》08、1.4-luong_nmt-论文简介.mp4.mkv94.12M
├──15、11 NLP-机器翻译》09、1.5-luong_nmt-global_attention..mkv127.19M
├──15、11 NLP-机器翻译》10、1.6-luong_nmt-local_attention..mkv95.44M
├──15、11 NLP-机器翻译》11、1.7-luong_nmt_2_4_实验.mp4.mkv139.96M
├──15、11 NLP-机器翻译》12、1.8-loung_nmt_数据读取..mkv75.47M
├──15、11 NLP-机器翻译》13、1.9-loung_nmt_模型实现..mkv164.08M
├──15、11 NLP-机器翻译》14、1.10-loung_nmt_训练和测试.mp4.mkv90.11M
├──15、11 NLP-机器翻译》15、2.1-coverage_储备知识.mp4.mkv22.37M
├──15、11 NLP-机器翻译》16、2.2-coverage_研究背景及意义.mkv53.80M
├──15、11 NLP-机器翻译》17、2.3-coverage_相关知识.mp4.mkv78.76M
├──15、11 NLP-机器翻译》18、2.4-coverage_基于语言学的覆盖模型..mkv82.07M
├──15、11 NLP-机器翻译》19、2.5-coverage_基于神经网络的覆盖模型..mkv75.63M
├──15、11 NLP-机器翻译》20、2.6-coverage 代码实践.mp4.mkv171.36M
├──15、11 NLP-机器翻译》21、3.1-subword_nmt_1_1.mkv33.81M
├──15、11 NLP-机器翻译》22、3.2-subword_nmt.mkv51.64M
├──15、11 NLP-机器翻译》23、3.3-subword_nmt_.mkv112.97M
├──15、11 NLP-机器翻译》24、3.4-subword_nmt_.mkv96.55M
├──15、11 NLP-机器翻译》25、3.5-subword_nmt_.mkv157.55M
├──15、11 NLP-机器翻译》26、3.6-subword_nmt.mkv171.31M
├──15、11 NLP-机器翻译》27、4.1-Google-nmt.mkv89.71M
├──15、11 NLP-机器翻译》28、【4月9日】Mass-论文泛读.mkv36.09M
└──15、11 NLP-机器翻译》29、【4月16日】Mass-论文精读.mkv46.75M
├──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.mkv62.44M
├──16、12 NLP-情感分析》03、01 TextRNN & FastText & TextCNN-02-模型总览&细节1.mkv71.35M
├──16、12 NLP-情感分析》04、01 TextRNN & FastText & TextCNN-03-训练、损失函数、实验.mkv45.19M
├──16、12 NLP-情感分析》05、01 TextRNN & FastText & TextCNN-04-实验结果及分析讲解.mkv53.58M
├──16、12 NLP-情感分析》06、01 TextRNN & FastText & TextCNN-05-代码讲解.mkv192.46M
├──16、12 NLP-情感分析》07、02 TreeLSTM-01-论文导读.mkv20.95M
├──16、12 NLP-情感分析》08、02 TreeLSTM-02-研究背景解读.mkv40.40M
├──16、12 NLP-情感分析》09、02 TreeLSTM-03-论文摘要、框架讲解.mkv26.34M
├──16、12 NLP-情感分析》10、02 TreeLSTM-04-上节课回顾.mkv5.17M
├──16、12 NLP-情感分析》11、02 TreeLSTM-05-精读_模型结构总览.mkv39.97M
├──16、12 NLP-情感分析》12、02 TreeLSTM-06-Tree-LSTM模型讲解.mkv39.06M
├──16、12 NLP-情感分析》13、02 TreeLSTM-07-模型结构细节.mkv30.57M
├──16、12 NLP-情感分析》14、02 TreeLSTM-08-实验设置与分析.mkv54.62M
├──16、12 NLP-情感分析》15、02 TreeLSTM-09-论文总结.mkv12.47M
├──16、12 NLP-情感分析》16、02 TreeLSTM-10-本课回顾及下节预告.mkv8.13M
├──16、12 NLP-情感分析》17、02 TreeLSTM-11-代码介绍.mkv24.86M
├──16、12 NLP-情感分析》18、02 TreeLSTM-12-代码讲解一.mkv85.06M
├──16、12 NLP-情感分析》19、02 TreeLSTM-13-代码讲解二.mkv85.29M
├──16、12 NLP-情感分析》20、02 TreeLSTM-14-代码讲解三..mkv61.87M
├──16、12 NLP-情感分析》21、03 TD-LSTM & AT-LSTM -01-论文导读.mkv4.73M
├──16、12 NLP-情感分析》22、03 TD-LSTM & AT-LSTM -02-所需知识储备.mkv5.13M
├──16、12 NLP-情感分析》23、03 TD-LSTM & AT-LSTM -03-学习目标.mkv5.30M
├──16、12 NLP-情感分析》24、03 TD-LSTM & AT-LSTM -04-课程安排.mkv2.79M
├──16、12 NLP-情感分析》25、03 TD-LSTM & AT-LSTM -05-研究背景.mkv30.21M
├──16、12 NLP-情感分析》26、03 TD-LSTM & AT-LSTM -06-论文泛读.mkv16.34M
├──16、12 NLP-情感分析》27、03 TD-LSTM & AT-LSTM -07-下节预告.mkv5.07M
├──16、12 NLP-情感分析》28、03 TD-LSTM & AT-LSTM -08-上节回顾.mkv4.25M
├──16、12 NLP-情感分析》29、03 TD-LSTM & AT-LSTM -09-论文综述.mkv10.99M
├──16、12 NLP-情感分析》30、03 TD-LSTM & AT-LSTM -10- TD-LSTM精读.mkv28.37M
├──16、12 NLP-情感分析》31、03 TD-LSTM & AT-LSTM -11- ATAE-LSTM精读.mkv38.00M
├──16、12 NLP-情感分析》32、03 TD-LSTM & AT-LSTM -12-实验结果及分析part1.mkv29.61M
├──16、12 NLP-情感分析》33、03 TD-LSTM & AT-LSTM -13-实验结果及分析part2.mkv11.16M
├──16、12 NLP-情感分析》34、03 TD-LSTM & AT-LSTM -14-论文总结及下节回顾..mkv15.30M
├──16、12 NLP-情感分析》35、03 TD-LSTM & AT-LSTM -15-代码介绍.mkv96.90M
├──16、12 NLP-情感分析》36、03 TD-LSTM & AT-LSTM -16-代码讲解二.mkv87.26M
├──16、12 NLP-情感分析》37、03 TD-LSTM & AT-LSTM -17-代码讲解三.mkv59.46M
├──16、12 NLP-情感分析》38、03 TD-LSTM & AT-LSTM -18-代码讲解回顾.mkv7.58M
├──16、12 NLP-情感分析》41、04 MemNet&IAN-03-论文泛读.mkv16.27M
├──16、12 NLP-情感分析》42、04 MemNet&IAN-04-本课回顾与下节预告.mkv9.23M
├──16、12 NLP-情感分析》44、04 MemNet&IAN-06-向量转换、注意力讲解.mkv86.79M
├──16、12 NLP-情感分析》45、04 MemNet&IAN-07-实验设置及分析.mkv67.00M
├──16、12 NLP-情感分析》46、04 MemNet&IAN-08-论文总结及回顾.mkv21.51M
├──16、12 NLP-情感分析》47、04 MemNet&IAN-09-代码环境讲解.mkv38.82M
├──16、12 NLP-情感分析》48、04 MemNet&IAN-10-代码结构讲解.mkv149.12M
├──16、12 NLP-情感分析》49、04 MemNet&IAN-11-论文代码细节讲解.mkv142.82M
├──16、12 NLP-情感分析》50、04 MemNet&IAN-12-代码实践课回顾..mkv16.88M
├──16、12 NLP-情感分析》51、05 BERT&ERNIE 2.0-01-论文介绍.mkv31.02M
├──16、12 NLP-情感分析》52、05 BERT&ERNIE 2.0-02-背景介绍1..mkv49.09M
├──16、12 NLP-情感分析》53、05 BERT&ERNIE 2.0-03-背景介绍2.mkv28.20M
├──16、12 NLP-情感分析》54、05 BERT&ERNIE 2.0-04-论文摘要、结构讲解.mkv11.03M
├──16、12 NLP-情感分析》55、05 BERT&ERNIE 2.0-05-上节回顾.mkv5.87M
├──16、12 NLP-情感分析》56、05 BERT&ERNIE 2.0-06-论文算法总览.mkv60.46M
├──16、12 NLP-情感分析》57、05 BERT&ERNIE 2.0-07-输入表征、task精讲.mkv22.11M
├──16、12 NLP-情感分析》58、05 BERT&ERNIE 2.0-08-模型Fine-tuning解读.mkv39.26M
├──16、12 NLP-情感分析》59、05 BERT&ERNIE 2.0-09-实验设置及分析.mkv35.27M
├──16、12 NLP-情感分析》60、05 BERT&ERNIE 2.0-10-论文总结.mkv18.31M
├──16、12 NLP-情感分析》61、05 BERT&ERNIE 2.0-11-论文回顾.mkv10.54M
├──16、12 NLP-情感分析》62、05 BERT&ERNIE 2.0-12-实践代码介绍.mkv59.51M
├──16、12 NLP-情感分析》63、05 BERT&ERNIE 2.0-13-实践代码精讲1.mkv185.55M
└──16、12 NLP-情感分析》64、05 BERT&ERNIE 2.0-14-实践代码精讲2..mkv32.52M
...........................
下载地址:
**** Hidden Message ***** 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 正需要，支持楼主大人了！ 啥也不说了，感谢楼主分享哇！