成为VIP
课程介绍
深度学习应用实践60讲
机器深度学习能有多深，取决于GPU、TPU、量子计算等的计算加速能力有多强、多快。另外，深度学习系统需要与神经网络芯片级载体进行软硬结合，硬件单元是深度学习应用落地的关键技术，特别是产品级、设备级上的应用，深度学习软件、各种NN网络芯片、各种XPU计算单元的集成支持，智能化、一体化的软硬件融合是必须的，这也是实现真正意义上智能机器的必经之路。
课程大纲
| ├──第10讲. 深度学习CTR预估模型：要解决的几个关键问题.mp4 26.34M
| ├──第11讲. 离散特征如何让DNN可以处理？（1）.mp4 36.04M
| ├──第12讲. 离散特征如何让DNN可以处理？（2）.mp4 41.40M
| ├──第13讲. 典型网络融合结构之一：并行结构.mp4 33.38M
| ├──第14讲. 典型网络融合结构之二：串行结构.mp4 37.05M
| ├──第15讲. 模型训练与优化.mp4 42.66M
| ├──第16讲. 互联网公司深度学习CTR案例：Google（1）.mp4 70.01M
| ├──第17讲. 互联网公司深度学习CTR案例：Google（2）.mp4 64.78M
| ├──第18讲. 互联网公司深度学习CTR案例：阿里巴巴.mp4 75.79M
| ├──第19讲. 互联网公司深度学习CTR案例：京东商城.mp4 52.42M
| ├──第1讲. 深度学习在各个领域的成功.mp4 61.98M
| ├──第20讲. 如何定义图像理解？.mp4 39.01M
| ├──第21讲. 图像理解有哪些研究内容？.mp4 76.10M
| ├──第22讲. 传统图像理解技术：图像分类的问题描述.mp4 41.96M
| ├──第23讲. 传统图像理解技术：图像分类的基本方法（1）.mp4 62.69M
| ├──第24讲. 传统图像理解技术：图像分类的基本方法（2）.mp4 62.92M
| ├──第25讲. 传统图像理解技术：图像分类的基本方法（3）.mp4 32.88M
| ├──第26讲. 传统图像理解技术：图像搜索系统（1）.mp4 44.88M
| ├──第27讲. 传统图像理解技术：图像搜索系统（2）.mp4 30.09M
| ├──第28讲. 传统图像理解技术：图像搜索系统（3）.mp4 28.20M
| ├──第29讲. 深度学习的基础模块.mp4 89.59M
| ├──第2讲. 当深度学习遇到CTR预估.mp4 63.97M
| ├──第30讲. 深度学习的模型设计.mp4 96.53M
| ├──第31讲. 深度学习的训练技巧.mp4 69.25M
| ├──第32讲. 深度学习图像理解技术：图像分类框架.mp4 68.35M
| ├──第33讲. 深度学习图像理解技术：模型加速与优化.mp4 26.24M
| ├──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 29.10M
| ├──第35讲. 图像理解进阶.mp4 22.95M
| ├──第36讲. 知识图谱是什么？对我们有何帮助？.mp4 54.79M
| ├──第37讲. 知识图谱的发展回顾.mp4 100.27M
| ├──第38讲. 知识图谱为什么火了？.mp4 39.32M
| ├──第39讲. 知识图谱小结.mp4 40.49M
| ├──第3讲. 传统主流CTR预估方法：线性模型.mp4 50.91M
| ├──第40讲. 知识图谱的生命周期与技术难点.mp4 60.31M
| ├──第41讲. 构建领域知识图谱的挑战与解决方案.mp4 50.15M
| ├──第42讲. 基于非结构化数据的知识抽取.mp4 25.08M
| ├──第43讲. 基于非结构化数据的知识抽取：实体识别.mp4 71.72M
| ├──第45讲. 基于非结构化数据的知识抽取：事件抽取.mp4 52.92M
| ├──第46讲. 基于结构化数据的知识抽取.mp4 18.10M
| ├──第47讲. 知识融合与质量评估.mp4 52.85M
| ├──第48讲. 知识图谱管理之数据模型介绍.mp4 107.86M
| ├──第49讲. 知识图谱管理：图谱存储.mp4 42.04M
| ├──第4讲. 传统主流CTR预估方法：FM模型.mp4 20.33M
| ├──第50讲. 知识计算推理.mp4 62.46M
| ├──第51讲. 基于符号的知识表示与推理：谓词逻辑.mp4 82.14M
| ├──第52讲. 基于符号的知识表示与推理：Semantic Net.mp4 36.30M
| ├──第53讲. 基于符号的知识表示与推理：Frame.mp4 56.71M
| ├──第54讲. 基于符号的知识表示与推理：Script.mp4 27.91M
| ├──第55讲. 基于符号的知识表示与推理：语义网络.mp4 59.83M
| ├──第56讲. 基于分布式语义的知识表示与推理 张量分解模型.mp4 59.00M
| ├──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 53.52M
| ├──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 67.99M
| ├──第59讲. 基于图计算的挖掘分析.mp4 54.91M
| ├──第5讲. 传统主流CTR预估方法：GBDT模型.mp4 58.71M
| ├──第60讲. 知识图谱的行业应用.mp4 91.32M
| ├──第6讲. 深度学习基础模型：前向神经网络（MLP）.mp4 56.04M
| ├──第7讲. 深度学习基础模型：CNN.mp4 50.65M
| ├──第8讲. 深度学习基础模型：RNN.mp4 27.09M
| └──第9讲. 深度学习基础模型：LSTM.mp4 23.84M
声明：本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。若由于商用引起版权纠纷，一切责任均由使用者承担。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理，邮箱：502212423@qq.com。
jamison
