|
首页
|
电子技术
|
电子产品应用
|
电子头条
|
论坛
|
电子技术视频
|
下载
|
参考设计
|
Datasheet
|
活动
|
技术直播
|
datasheet
datasheet
文章
搜索
大学堂
上传课程
登录
注册
首页
课程
TI培训
直播频道
专题
相关活动
芯兑换
您的位置:
EEWORLD大学堂
/
机器学习/算法
/
李宏毅:机器学习的下一步
/
ELMO, BERT, GPT
播放列表
课程目录
课程笔记
课时1:The Next Step for Machine Learning
课时2:Anomaly Detection (1)
课时3:Anomaly Detection (2)
课时4:Anomaly Detection (3)
课时5:Anomaly Detection (4)
课时6:Anomaly Detection (5)
课时7:Anomaly Detection (6)
课时8:Anomaly Detection (7)
课时9:Attack ML Models (1)
课时10:Attack ML Models (2)
课时11:Attack ML Models (3)
课时12:Attack ML Models (4)
课时13:Attack ML Models (5)
课时14:Attack ML Models (6)
课时15:Attack ML Models (7)
课时16:Attack ML Models (8)
课时17:Explainable ML (1)
课时18:Explainable ML (2)
课时19:Explainable ML (3)
课时20:Explainable ML (4)
课时21:Explainable ML (5)
课时22:Explainable ML (6)
课时23:Explainable ML (7)
课时24:Explainable ML (8)
课时25:Life Long Learning (1)
课时26:Life Long Learning (2)
课时27:Life Long Learning (3)
课时28:Life Long Learning (4)
课时29:Life Long Learning (5)
课时30:Life Long Learning (6)
课时31:Life Long Learning (7)
课时32:Meta Learning – MAML (1)
课时33:Meta Learning – MAML (2)
课时34:Meta Learning – MAML (3)
课时35:Meta Learning – MAML (4)
课时36:Meta Learning – MAML (5)
课时37:Meta Learning – MAML (6)
课时38:Meta Learning – MAML (7)
课时39:Meta Learning – MAML (8)
课时40:Meta Learning – MAML (9)
课时41:Meta Learning - Gradient Descent as LSTM (1)
课时42:Meta Learning - Gradient Descent as LSTM (2)
课时43:Meta Learning - Gradient Descent as LSTM (3)
课时44:Meta Learning – Metric-based (1)
课时45:Meta Learning – Metric-based (2)
课时46:Meta Learning – Metric-based (3)
课时47:Meta Learning - Train+Test as RNN
课时48:More about Auto-encoder (1)
课时49:More about Auto-encoder (2)
课时50:More about Auto-encoder (3)
课时51:More about Auto-encoder (4)
课时52:Network Compression (1)
课时53:Network Compression (2)
课时54:Network Compression (3)
课时55:Network Compression (4)
课时56:Network Compression (5)
课时57:Network Compression (6)
课时58:GAN (Quick Review)
课时59:Flow-based Generative Model
课时60:Transformer
课时61:ELMO, BERT, GPT
时长:1小时4分51秒
日期:2019/08/31
收藏视频
分享
上传者:老白菜
去评论
课程介绍
相关标签:
机器学习
GaN
attack
李宏毅老师2019年最新机器学习视频教程
显示全部 ↓
换一批
猜你喜欢
研讨会: Fujitsu 谈谈车规级FRAM和德国品质裸眼3D视频技术
多用途、易用型和准确的定时构件
飞思卡尔智能网络方案(IoTT大篷车)
STM32 微控制器视频培训教程
嵌入式Linux网络开发
无人机与机器人应用中电机控制设计的考量
电源设计小贴士16:缓冲正向转换器
探秘谷歌和NASA量子人工智能实验室
第六届飞思卡尔智能车竞赛电磁组(电子科技大学信息工程学院)
电机与拖动(拖动部分)哈尔滨工业大学
推荐帖子
JTAG客栈--做中国人自己的JTAG adapter,JTAG不再是神话!
JTAG客栈--做中国人自己的JTAG adapter,JTAG不再是神话! JTAG 是 JOINT TEST ACTION GROUP的简称。IEEE 1149.1 标准就是由 JTAG这个组织最初提出的,最终由IEEE 批准并且标准化的。所以,这个 IEEE 1149.1 这个标准一般也俗称 JTAG调试标准。欢迎各位JTAG爱好都加入JTAG客栈。 我们计划...
paulhyde
综合技术交流
EEWORLD大学堂----直播回放:煮酒数创客,看如何让好创意发生
直播回放:煮酒数创客,看如何让好创意发生:http://training.eeworld.com.cn/course/4278这样的情况是不是似曾相识: 1、发现一个好产品,剖解后发现,技术很简单,但是因为附加了奇妙的创意,产品的逼格一下子变得高大上,然后就会感慨:这样的创意我怎么没想到? 2、经手的一个很成熟的产品,希望能有一些令人心动的改进,往往这个时候就会想:我的创意哪儿去了? .........
hi5
综合技术交流
D/A转换
数模转换器(D/A)就是一种把数字信号转换成为模拟电信号的器件。实际上,D/A 转换器输出的电量并不真正能连续可调,而是以所用 D/A 转换器的绝对分辨率为单位递减,所以这实际上是准模拟量输出。 1.D/A转换器的基本原理 D/A转换器用来将数字量转换成模拟量。它的基本要求是输出电压Uo应该和输入数字量D成正比,即 Uo = ...
一世轮回
综合技术交流
在Android下实现emmc5.0启动
问:我们最新一批的核心板用我们原来的环境无法下载,后在网盘中下载了你们最新的下载工具并下载4.4官方镜像,镜像可以成功被下载进去,但是启动会卡在 Freeing init memory:252k这里 答:需要修改这个文件drivers/mmc/core/mmc.c,内核版本3.0.35和3.14.52都是这个文件,修改方法都在附件,一张图片对应一个版本 file:///d:\Documents...
明远智睿Lan
综合技术交流
用户评论
暂时无评论
推荐视频
更多
正点原子手把手教你学STM32-STemWin
传感器原理及应用(同济大学)
OpenCL统一的异构编程
探秘谷歌和NASA量子人工智能实验室
Atmel软件框架:软件设计过程范例
PCB设计视频-1天学会PADS PCB设计
C2000创新DesignDRIVE开发套件
模拟电子技术基础
FPGA软件硬件协同设计
嵌入式操作系统
相关下载
更多
MATLAB Simulink系统仿真超级学习手册 [石良臣] 2014年版.pdf
64qam调制解调的Matlab程序仿真代码
avr单片机学习入门及各种软件下载包
详细介绍最小二乘法去除趋势项原理以及其MATLAB的具体实现
本文简单介绍JConsole的使用,使用JConsole来监控tomcat服务信息。
深度学习方法及应用PDF高清晰完整版
个人制作3D元件库:L298N-Multiwatt15V
QT学习资料
Deep Learning(深度学习)学习笔记整理
AD官方封装库:International Rectifier
电子工程世界版权所有
京ICP证060456号
京ICP备10001474号-1
电信业务审批[2006]字第258号函
京公网安备 11010802033920号
Copyright © 2005-2021 EEWORLD.com.cn, Inc. All rights reserved
用户评论