NLP实战高手课学习心得

NLP实战高手课学习心得

A2C和A3C：如何提升基本的PolicyGradient算法    

AlphaStar介绍：AlphaStar中采取了哪些技术？    

ASDL和AST    

AutoML及NeuralArchitectureSearch简介    

AutoML网络架构举例    

COMAAgent之间的交流    

DeepGBM：如何用神经网络捕捉集成树模型的知识    

DifferentiableSearch：如何将NAS变为可微的问题    

DirectPolictyGradient：基本设定及Gumbel-trick的使用116丨DirectPolictyGradient：轨迹生成方法    

Docker部署实践    

Docker简介    

Gumbel-trick：如何将离散的优化改变为连续的优化问题？    

ImitationLearning和Self-imitationLearning    

IMPALA：多Agent的Actor-Critic算法    

InductiveLogicProgramming：基本设定    

InductiveLogicProgramming：一个可微的实现    

Istio简介：Istio包含哪些功能？    

Istio实例和Circuit Breaker    

Kubernetes Ingress    

Kubernetes Stateful Sets    

Kubernetes部署实践    

Kubernetes服务发现    

Kubernetes灰度上线    

Kubernetes基本概念    

Kubernetes健康检查    

Kubernetes自动扩容    

LambdaCaculus概述    

Lambda-DCS概述    

Learning to optimize：是否可以让机器学到一个新的优化器    

LeNAS：如何搜索搜索space    

MCTS简介：如何将“推理”引入到强化学习框架中    

Model-basedReinforcementLearning    

PolicyGradient：如何进行PolicyGradient的基本推导？    

PPO算法    

Q-learning：如何进行Q-learning算法的推导？    

Quora问题等价性案例学习：深度学习模型    

Quora问题等价性案例学习：预处理和人工特征    

Rainbow：如何改进Q-learning算法？    

RENAS：如何使用遗传算法和增强学习探索网络架构    

Reward设计的一般原则    

RL训练方法RL实验的注意事项    

RL训练方法集锦：简介    

TransferReinforcementLearning和Few-shotReinforcementLearning    

Tranx简介    

WikiSQL任务简介    

层次搜索法：如何在模块之间进行搜索？    

超参数搜索：如何寻找算法的超参数    

多代理增强学习概述：什么是多代理增强学习？    

多模态表示学习简介    

解决SparseReward的一些方法    

使用增强学习改进组合优化的算法    

微服务和Kubernetes简介    

文本推荐系统和增强学习    

文本校对案例学习    

遗传算法和增强学习的结合    

增强学习的基本设定：增强学习与传统的预测性建模有什么区别？    

增强学习中的探索问题    

知识蒸馏：如何加速神经网络推理    

最短路问题和DijkstraAlgorithm