人工智能之深度学习应用实践60讲

  • 正文概述
  • 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.mp45 B+ H2 d4 L* ^1 x2 l” f
    第14讲. 典型网络融合结构之二:串行结构.mp4″ k( c9 G6 Z6 \
    第15讲. 模型训练与优化.mp46 U- {& y8 v/ F
    第16讲. 互联网公司深度学习CTR案例:Google(1).mp4. F5 d1 {! 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! w4 S6 l( A) X$ U: }
    第19讲. 互联网公司深度学习CTR案例:京东商城.mp4& {” p2 N2 X* 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% l2 y) n2 @7 k- 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$ f7 u/ s* D’ n- W! @” z: |1 C
    第29讲. 深度学习的基础模块.mp4( c; d% J/ l/ q9 J” 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& Q0 i3 ?; T  ~# T
    第31讲. 深度学习的训练技巧.mp4/ M; _3 n+ C: I
    第32讲. 深度学习图像理解技术:图像分类框架.mp4- }” K- {- [! H5 i5 K: 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:线性模型.mp4
    第40讲. 知识图谱的生命周期与技术难点.mp4′ l& k/ S6 q2 w” H. T$ r; m8 s
    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  ^0 x” q4 P  ^5 Q( B# J0 B- 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% ?  ]3 V% ^’ k) ^
    第4讲. 传统主流CTR预估方法:FM模型.mp42 t7 |. x2 W. J/ @4 t
    第50讲. 知识计算推理.mp4$ W: H. }3 n; 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:Semantic Net.mp4
    第53讲. 基于符号的知识表示与推理:Frame.mp48 A( s% q( G1 p1 g8 S2 k
    第54讲. 基于符号的知识表示与推理:Script.mp4- ~3 N( c4 o# 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.mp48 h  a* q) Y6 |; L8 w
    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, m6 e: 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# D8 M( e0 p” x! O$ g7 J
    第9讲. 深度学习基础模型:LSTM.mp4

    本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 330879038@qq.com 举报,一经查实,本站将立刻删除。
    优品资源 » 人工智能之深度学习应用实践60讲
    赞助VIP 享更多特权,建议使用 QQ 登录
    喜欢我嘛?喜欢就按“ctrl+D”收藏我吧!♡