课时01

人工智能课程大纲

课时02

模型不能通吃

课时03

学习方法

课时04

知识点分级

课时05

学习路线

课时06

辅导书推荐

课时07

数学只是工具

课时08

学习方法问题

课时09

编程环境问题

课时10

人工智能和大数据的关系

课时11

工具方法的选择

课时12

预习FM模型

课时13

FM模型

课时14

特征组合

课时15

特征交叉出现的问题

课时16

间接交叉

课时17

解耦

课时18

逻辑回归解耦后的特征

课时19

测试集,训练集

课时20

运算量问题

课时21

总结

课时22

代码展示

课时23

xlearn

课时24

参数数量设置

课时25

keras

课时26

嵌入层

课时27

架构大数据与人工智能关系

课时28

FFM

课时29

FFM存在的问题

课时30

做项目一个数据驱动模型

课时31

FFM模型工具

课时32

机器学习算法题讲解

课时33

FM模型取代矩阵分解

课时34

项目部署及项目介绍

课时35

推荐系统

课时36

召回整体两种

课时37

协同过滤

课时38

ICF

课时39

编程技巧

课时40

代码展示

课时41

行为数据解释

课时42

行为数据好坏指标

课时43

ucf和icf的差别

课时44

应用场景问题

课时45

总结

课时46

回顾推荐系统召回阶段

课时47

冷启动

课时48

用户行为过少,导致没有l1和l3相连

课时49

很多连边不全

课时50

产品角度推荐系统包含的角色

课时51

为什么ucf和icf容易产生信息虫房

课时52

机器学习的好处

课时53

数量级降低

课时54

两个工具Annoy和Faiss

课时55

Annoy使用步骤

课时56

表示学习

课时57

图文匹配

课时58

召回好处

课时59

回答问题

课时60

效果怎么测试

课时61

如果打破茧层,召回率下降

课时62

正确率和茧房关系

课时63

Vcf满意度高,打破茧房

课时64

第1,2代召回

课时65

第三代召回

课时66

随机建树

课时67

TDM算法

课时68

第二代召回问题

课时69

TDM号称第三代

课时70

排序

课时71

正负样本和训练集样本

课时72

user和item稀疏向量形式

课时73

正样本60的概率排在负样本前面

课时74

残差学习

课时75

GBDT

课时76

Rank离线训练

课时77

迁移学习和三代召回系统

课时78

展示上节课效果

课时79

整体流程

课时80

其他模型介绍

课时81

复杂模型特征

课时82

小结

课时83

思考题

课时84

华为深度学习模型讲解

课时85

谷歌深度学习模型讲解

课时86

回答问题

课时87

微软深度学习模型讲解

课时88

PNN模型讲解

课时89

NFM模型讲解

课时90

总结

课时91

时序模型

课时92

NLP词性标注

课时93

不同时间点信息通过h传播

课时94

补充数学知识

课时95

RNN

课时96

梯度下降法和梯度爆炸

课时97

RNN存在的问题

课时98

梯度消失,梯度爆炸

课时99

LSTM(上)

课时100

LSTM(下)

课时101

和RNN不同

课时102

五组参数学习

课时103

序列模型的应用场景

课时104

seq2seq

课时105

LSTM补充

课时106

文本分类

课时107

LSTM输入要求

课时108

讲解代码

课时109

讲解return_sequences

课时110

LSTM无法并行运算

课时111

本课程收获什么

课时112

本课程前置技能要求

课时113

做AI需要什么

课时114

AI语音研究方向

课时115

应用场景

课时116

行业头部

课时117

场景体验

课时118

智能语音机器人

课时119

呼叫流程交互时序流程

课时120

课程学习路线

课时121

语音学基础知识

课时122

语音合成

课时123

拼接法优缺点

课时124

参数法合成语音

课时125

传统参数语音合成缺陷

课时126

神经网络参数合成法

课时127

LSTM参数合成方法

课时128

参数合成方法总结

课时129

深度学习合成方案

课时130

语音合成发展方向

课时131

本节小结

课时132

本节课介绍

课时133

语音学介绍

课时134

语音合成前端

课时135

TTS前端Pipeline

课时136

文本分析

课时137

文本归一化

课时138

分词,注音

课时139

声调符号,韵律预测

课时140

韵律

课时141

韵律结构

课时142

韵律预测

课时143

变调与不变调

课时144

儿化音,轻声

课时145

ABB叠词发音

课时146

多音字消歧

课时147

序列标注法

课时148

前端主要问题

课时149

本节小结

课时150

演示注音程序

课时151

后端声学模型,声学特征

课时152

声学特征提取

课时153

傅里叶变换

课时154

梅尔滤波

课时155

端到端语音合成

课时156

Tactorn1

课时157

seq2seq与Attention

课时158

Tactorn1

课时159

Tactorn1存在的问题

课时160

Tactorn2

课时161

对比Tactorn1与Tactorn2

课时162

总结缺陷

课时163

FASTSpeech

课时164

端到端合成

课时165

本节小节

课时166

声码器

课时167

GriffinLim

课时168

WaveNet

课时169

语音合成数据集

课时170

Tacortron2学习资料

课时171

生成train.txt的数据

课时172

代码结构

课时173

预处理步骤

课时174

浏览器访问

课时175

语音合成例子讲解

课时176

LSTM(1)

课时177

做项目时处理技巧

课时178

CNN文本分类

课时179

LSTM(2)

课时180

LSTM问题

课时181

HMM

课时182

数学到底是什么

课时183

ELMO引入

课时184

NLP领域语言模型

课时185

评价一句话4个词

课时186

训练如何做

课时187

LSTM构建语言模型

课时188

另一种分解方式

课时189

另一种模型构建

课时190

结论

课时191

ELMO模型

课时192

序列信息训练技

课时193

ELMO训练方法

课时194

Elmo分类任务

课时195

标注信息

课时196

总结上节课

课时197

编程问题

课时198

Elmo模型实现

课时199

项目输入法讲解

课时200

技巧

课时201

整体步骤

课时202

如何使用

课时203

拼音到汉字

课时204

模型训练完的使用

课时205

同音字存在的问题

课时206

训练及代码讲解

课时207

效果进一步提升

课时208

分享问题

课时209

新词

课时210

新词发现

课时211

统计两字字符串特征

课时212

模型搭建

课时213

模型训练后需求

课时214

新词发现的特殊点

课时215

输入法项目

课时216

LSTM模型机器翻译

课时217

LSTM用深度学习怎么做

课时218

Encoder和Decoder

课时219

机器翻译的难点

课时220

机器学习理论问题

课时221

Attention

课时222

注意力模型

课时223

求相似度及Attention

课时224

机器翻译

课时225

展示语料及代码

课时226

超级多类别分类

课时227

机器学习改良

课时228

智能问答

课时229

Attention

课时230

小结Attention

课时231

图文匹配

课时232

SelfAttention

课时233

SelfAttention

课时234

Attention词袋模型

课时235

SelfAttention和Lstm优缺点

课时236

SelfAttention取代Lstm

课时237

多抽头Attention

课时238

多抽头过多时

课时239

批标准化

课时240

批标准化前置回顾

课时241

批标准化好处

课时242

继续批标准化

课时243

批正规化

课时244

shortcut

课时245

信息变换抄近道

课时246

对序列转换

课时247

宏观角度Transformer

课时248

谷歌做法

课时249

Elmo模型训练方法1

课时250

Elmo模型训练方法2

课时251

Bert

课时252

如何使用Bert

课时253

文本分类分类任务

课时254

迁移学习

课时255

Bert出现对行业是好事吗

课时256

总结

课时257

今日内容

课时258

前提要求

课时259

文字识别问题

课时260

文本识别

课时261

LeNet

课时262

网络发展脉络

课时263

数据准备

课时264

模型调优

课时265

模型训练

课时266

模型部署

课时267

文本定位

课时268

目标检测

课时269

问题泛化

课时270

文本分类

课时271

文本检测

课时272

RCNN

课时273

YOLO

课时274

SSD

课时275

文本的特点

课时276

Faster RCNN检测文本

课时277

CTPN

课时278

RRPN

课时279

TextBoxes

课时280

检测框回归

课时281

EAST

课时282

只做语义分割不做边界回归

课时283

PixelLink

课时284

目标区域选择

课时285

NMS变种

课时286

困难样本选取

课时287

OHEM

课时288

多尺度方法

课时289

文本框表示

课时290

多行粘连处理

课时291

Loss Fun

课时292

数据集

课时293

任重道远

课时294

今日内容介绍

课时295

项目介绍

课时296

文本分类综述

课时297

项目总体流程

课时298

开始任务前,需考虑什么

课时299

基本模型Naive Bayes

课时300

基本模型NB

课时301

基本模型SVM

课时302

回答学生问题

课时303

训练部分ss

课时304

基本模型FastText1

课时305

基本模型FastText2

课时306

为什么用三个基本模型

课时307

基本模型xgboost

课时308

整体流程

课时309

走读代码

课时310

准确率

课时311

多分类

课时312

混淆矩阵

课时313

数据

课时314

与学生互动

课时315

回顾及基本文章分类器

课时316

优化语料及解决方案

课时317

结论

课时318

实体特征优化及解决方案

课时319

多图少文类型优化

课时320

Inception结构

课时321

图片分类1

课时322

图片分类2

课时323

整合

课时324

图片分类代码

课时325

系统整体架构及及模型回顾

课时326

看代码

课时327

Tensorflow-Serving及工作流程

课时328

模型导出及运行方式

课时329

主服务RPC框架

课时330

看代码

课时331

Wide&deep

课时332

整体架构的一些问题

课时333

回答学生问题

课时334

速通机器学习

课时335

cnn卷积神经网·滤波

课时336

池化操作

课时337

卷积核

课时338

小卷积核(1)

课时339

小卷积核(2)

课时340

宽卷积

课时341

并联卷积

课时342

深入卷积核

课时343

DeprhWise

课时344

特征通道加权卷积SEnet(1)

课时345

特征通道加权卷积SEnet(2)

课时346

LeNet

课时347

VGGnet

课时348

VGGnet(1)

课时349

GoogleNet1

课时350

Inception2

课时351

Inception v3

课时352

Xception

课时353

shortcut

课时354

Rsenet

课时355

Renext

课时356

自我介绍

课时357

课程目的

课时358

AI行业的介绍

课时359

机器学习入门简介

课时360

机器学习应用

课时361

推荐系统简介

课时362

推荐算法HOTITEM简介

课时363

推荐算法协同过滤简介

课时364

内容推荐

课时365

模型算法

课时366

导航仪上的推荐系统

课时367

Item2Vec

课时368

数据预处理

课时369

数据处理库

课时370

数据处理库

课时371

异常值

课时372

回顾模型算法

课时373

Sparse Logistic Regressior

课时374

逻辑回归及更新

课时375

spr及sparse

课时376

总结

课时377

回顾

课时378

深度学习入门

课时379

神经元

课时380

激活函数

课时381

激活函数

课时382

深入学习

课时383

补充

课时384

cnn

课时385

回顾

课时386

RNN

课时387

LSTM

课时388

Wide & Deep Model

课时389

注意力机制 及概率分布

课时390

Self-Scaled-attention

课时391

wide-deep model

课时392

总结

课时393

聊天机器人

课时394

技术分类

课时395

聊天方式

课时396

项目，小黄鸡

课时397

技术架构

课时398

倒排索引

课时399

设置idf

课时400

IDF注意事项

课时401

idf倒排索引

课时402

扩展

课时403

提取关键词

课时404

query

课时405

双塔模型和度量学习

课时406

构造三元数据

课时407

过拟合

课时408

query和Q位于同一语义空间

课时409

图文匹配

课时410

M1等于M2框架搭建

课时411

构建损失函数

课时412

召回模块

课时413

损失函数

课时414

三元学习

课时415

相识度计算选取5个候选答案

课时416

输出长度为5的20维向量序列

课时417

多轮