1,人工智能中最重要的公式之一MLE数学本质剖析及代码实战
2,Language Model的数学原理、Chain Rule剖析及Sparsity问题
3,Markov Assumption:first order、second order、third order剖析
4,Language Model:unigram及其问题剖析、bigram及依赖顺序、n-gram
5,使用Unigram训练一个Language Model剖析及实践
6,使用Bigram训练一个Language Model剖析及实践
7,使用N-gram训练一个Language Model剖析及实践
8,拼写纠错案例实战:基于简化后的Naive Bayes的纠错算法详解及源码实现
9,使用基于Average Log Likelihood的PPL(Perplexity)来评估Language Model
10,Laplace Smoothing剖析及基于PPL挑选最优化K的具体方法分析
11,Interpolation Smoothing实现解析:加权平均不同的N-gram概率
12,Good-Turning Smoothing算法解析
13,Vallina Transformer language model处理长文本架构解析
14, Vallina Transformer Training Losses:Multiple Postions Loss、Intermediate Layer Losses、Multiple Targets Losses
15,Vallina Transformer的三大核心问题:Segment上下文断裂、位置难以区分、预测效率低下
16&