人工智能之深度学习应用实践60讲,全套视频教程学习资料通过百度云网盘下载

admin

资源详情


第10讲.深度学习CTR预估模型：要解决的几个关键问题.mp4
第11讲.离散特征如何让DNN可以处理？（1）.mp4
第12讲.离散特征如何让DNN可以处理？（2）.mp4
第13讲.典型网络融合结构之一：并行结构.mp45B+H2d4L*^1x2l"f
第14讲.典型网络融合结构之二：串行结构.mp4"k(c9G6Z6\
第15讲.模型训练与优化.mp46U-{&y8v/F
第16讲.互联网公司深度学习CTR案例：Google（1）.mp4.F5d1{!L  j3[  J(T
第17讲.互联网公司深度学习CTR案例：Google（2）.mp4
第18讲.互联网公司深度学习CTR案例：阿里巴巴.mp4!w4S6l(A)X$U:}
第19讲.互联网公司深度学习CTR案例：京东商城.mp4&{"p2N2X*U.l$I
第1讲.深度学习在各个领域的成功.mp4
第20讲.如何定义图像理解？.mp4&C%l2y)n2@7k-J!Q
第21讲.图像理解有哪些研究内容？.mp4
第22讲.传统图像理解技术：图像分类的问题描述.mp4
第23讲.传统图像理解技术：图像分类的基本方法（1）.mp4
第24讲.传统图像理解技术：图像分类的基本方法（2）.mp4
第25讲.传统图像理解技术：图像分类的基本方法（3）.mp4
第26讲.传统图像理解技术：图像搜索系统（1）.mp4
第27讲.传统图像理解技术：图像搜索系统（2）.mp4
第28讲.传统图像理解技术：图像搜索系统（3）.mp4$f7u/s*D'n-W!@"z:|1C
第29讲.深度学习的基础模块.mp4(c;d%J/l/q9J"i6^
第2讲.当深度学习遇到CTR预估.mp4
第30讲.深度学习的模型设计.mp4$e&Q0i3?;T  ~#T
第31讲.深度学习的训练技巧.mp4/M;_3n+C:I
第32讲.深度学习图像理解技术：图像分类框架.mp4-}"K-{-[!H5i5K:P
第33讲.深度学习图像理解技术：模型加速与优化.mp4
第34讲.深度学习图像理解技术：物体检测分割与图像分类应用场景.mp4
第35讲.图像理解进阶.mp4
第36讲.知识图谱是什么？对我们有何帮助？.mp4
第37讲.知识图谱的发展回顾.mp4
第38讲.知识图谱为什么火了？.mp4
第39讲.知识图谱小结.mp4
第3讲.传统主流CTR预估方法：线忄生模型.mp4
第40讲.知识图谱的生命周期与技术难点.mp4'l&k/S6q2w"H.T$r;m8s
第41讲.构建领域知识图谱的挑战与解决方案.mp4
第42讲.基于非结构化数据的知识抽取.mp4
第43讲.基于非结构化数据的知识抽取：实体识别.mp4
第45讲.基于非结构化数据的知识抽取：事件抽取.mp4
第46讲.基于结构化数据的知识抽取.mp4
第47讲.知识融合与质量评估.mp4  ^0x"q4P  ^5Q(B#J0B-f
第48讲.知识图谱管理之数据模型介绍.mp4
第49讲.知识图谱管理：图谱存储.mp4&s-Y%?  ]3V%^'k)^
第4讲.传统主流CTR预估方法：FM模型.mp42t7|.x2W.J/@4t
第50讲.知识计算推理.mp4$W:H.}3n;v:P&]  r
第51讲.基于符号的知识表示与推理：谓词逻辑.mp4
第52讲.基于符号的知识表示与推理：SemanticNet.mp4
第53讲.基于符号的知识表示与推理：Frame.mp48A(s%q(G1p1g8S2k
第54讲.基于符号的知识表示与推理：Script.mp4-~3N(c4o#C
第55讲.基于符号的知识表示与推理：语义网络.mp4
第56讲.基于分布式语义的知识表示与推理张量分解模型.mp48h  a*q)Y6|;L8w
第57讲.基于分布式语义的知识表示与推理基于翻译的模型TransE.mp4
第58讲.基于分布式语义的知识表示与推理神经网络模型.mp4
第59讲.基于图计算的挖掘分析.mp4,m6e:Z#]$s1]
第5讲.传统主流CTR预估方法：GBDT模型.mp4
第60讲.知识图谱的行业应用.mp4
第6讲.深度学习基础模型：前向神经网络（MLP）.mp4
第7讲.深度学习基础模型：CNN.mp4  u,_(`#A6{!g.t/Y:t
第8讲.深度学习基础模型：RNN.mp4#D8M(e0p"x!O$g7J
第9讲.深度学习基础模型：LSTM.mp4

游客，如果您要查看本帖隐藏内容请回复