Terry_dong

最新文章

知识图谱技术解剖

：Knowledge Distillation

机器学习中有关概率论知识的小结

推荐系统_itemCF和userCF 核心知识点

先验概率与后验概率的区别

推荐系统_基本知识点-牢记

入门| 神经网络训练中，EpochBatch Size和迭代傻傻分不清?

关键词提取：TF-IDF和n-gram

beam search

：Knowledge Distillation

Hive sql中的 各种join（内连接左外连接右外连接满外连接）

深度学习中的损失函数

详文解读微信「看一看」多模型内容策略与召回

UML类图详解及rose中的画法

Hive sql中的 各种join（内连接左外连接右外连接满外连接）

深入理解搜索引擎——详解query理解

Python字符串查找算法之BMHBNFS算法

欠采样（undersampling）和过采样（oversampling）的作用

模型评价 AUC详细概述

PageRank算法原理与Python实现

机器学习研究者的养成指南，吴恩达建议这么读论文

K-means聚类与EM算法

Spark MLlib 机器学习

beam search

预训练语言模型整理（ELMo/GPT/BERT...）

ReZero：使用加权残差连接加速深度模型收敛

从经典文本分类模型TextCNN到深度模型DPCNN

深入理解搜索引擎——详解query理解

submodular函数优化

知识图谱技术解剖

知识蒸馏(Knowledge Distillation) 经典之作

tf2.0 中multiplymatmuldotbatch_dot注意区别

自然语言--kenlm环境搭建

自然语言处理书单

深度学习中的损失函数

Java开发中的23种设计模式详解----构建器模式（Builder）

文本自动摘要任务的初步总结

tf2.0 中multiplymatmuldotbatch_dot注意区别

Spark MLlib 机器学习

知识图谱技术解剖

精确率，召回率，F1值的通俗解释

深度学习中分类任务的损失函数详解

：Knowledge Distillation

Java开发中的23种设计模式详解----构建器模式（Builder）

精确率，召回率，F1值的通俗解释

深度学习中分类任务的损失函数详解

损失函数softmax_cross_entropybinary_cross_entropysigmoid_cross_entropy之间的区别与联系

KNN算法及KNN的优化算法-加权KNN

TensorFlow2.0构架

精确率，召回率，F1值的通俗解释

tf2.0 中multiplymatmuldotbatch_dot注意区别

深入理解搜索引擎——详解query理解

ChineseGLUE：为中文NLP模型定制的自然语言理解基准

关于IP网络号和主机号的原理

TensorFlow2.0--TensorFlow2.0构架

自然语言处理（NLP）学习路线总结

TensorFlow版本变迁与tf1.0架构

均方误差(MSE)和均方根误差(RMSE)和平均绝对误差(MAE)

深入理解搜索引擎——详解query理解

python __set__ __get__ 等解释

深度学习中的损失函数

混淆矩阵(Confusion Matrix)

文本信息抽取与结构化详聊如何用BERT实现关系抽取

NLPer看过来，一些关于ELMo的问题整理记录

ChineseGLUE：为中文NLP模型定制的自然语言理解基准

Tensorflow 与 pytorch对比

详文解读微信「看一看」多模型内容策略与召回