[极客时间]41 深度学习应用实践60讲-完结[百度云网盘]

第51讲. 基于符号的知识表示与推理：谓词逻辑.mp4

第7讲. 深度学习基础模型：CNN.mp4

第42讲. 基于非结构化数据的知识抽取.mp4

第33讲. 深度学习图像理解技术：模型加速与优化.mp4

第9讲. 深度学习基础模型：LSTM.mp4

第25讲. 传统图像理解技术：图像分类的基本方法（3）.mp4

第43讲. 基于非结构化数据的知识抽取：实体识别.mp4

第50讲. 知识计算推理.mp4

第59讲. 基于图计算的挖掘分析.mp4

第13讲. 典型网络融合结构之一：并行结构.mp4

第26讲. 传统图像理解技术：图像搜索系统（1）.mp4

第31讲. 深度学习的训练技巧.mp4

第30讲. 深度学习的模型设计.mp4

第49讲. 知识图谱管理：图谱存储.mp4

第19讲. 互联网公司深度学习CTR案例：京东商城.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.mp4

第53讲. 基于符号的知识表示与推理：Frame.mp4

第21讲. 图像理解有哪些研究内容？.mp4

第29讲. 深度学习的基础模块.mp4

第28讲. 传统图像理解技术：图像搜索系统（3）.mp4

第6讲. 深度学习基础模型：前向神经网络（MLP）.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18讲. 互联网公司深度学习CTR案例：阿里巴巴.mp4

第48讲. 知识图谱管理之数据模型介绍.mp4

第16讲. 互联网公司深度学习CTR案例：Google（1）.mp4

第22讲. 传统图像理解技术：图像分类的问题描述.mp4

第40讲. 知识图谱的生命周期与技术难点.mp4

第12讲. 离散特征如何让DNN可以处理？（2）.mp4

第60讲. 知识图谱的行业应用.mp4

第55讲. 基于符号的知识表示与推理：语义网络.mp4

第17讲. 互联网公司深度学习CTR案例：Google（2）.mp4

第5讲. 传统主流CTR预估方法：GBDT模型.mp4

第37讲. 知识图谱的发展回顾.mp4

第52讲. 基于符号的知识表示与推理：Semantic Net.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1讲. 深度学习在各个领域的成功.mp4

第27讲. 传统图像理解技术：图像搜索系统（2）.mp4

第15讲. 模型训练与优化.mp4

第3讲. 传统主流CTR预估方法：线性模型.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32讲. 深度学习图像理解技术：图像分类框架.mp4

第46讲. 基于结构化数据的知识抽取.mp4

第10讲. 深度学习CTR预估模型：要解决的几个关键问题.mp4

第20讲. 如何定义图像理解？.mp4

第38讲. 知识图谱为什么火了？.mp4

第8讲. 深度学习基础模型：RNN.mp4

第14讲. 典型网络融合结构之二：串行结构.mp4

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2讲. 当深度学习遇到CTR预估.mp4

第23讲. 传统图像理解技术：图像分类的基本方法（1）.mp4

第54讲. 基于符号的知识表示与推理：Script.mp4

第39讲. 知识图谱小结.mp4

第11讲. 离散特征如何让DNN可以处理？（1）.mp4

第45讲. 基于非结构化数据的知识抽取：事件抽取.mp4

第41讲. 构建领域知识图谱的挑战与解决方案.mp4

第47讲. 知识融合与质量评估.mp4

第24讲. 传统图像理解技术：图像分类的基本方法（2）.mp4

第4讲. 传统主流CTR预估方法：FM模型.mp4