王樹森

Shusen Wang ・ 15 筆內容・ 3.6 萬訂閱

推薦系統、強化學習、Transformer 課程

YouTube（在新分頁開啟）

他的來源

Shusen WangYouTube3.6 萬訂閱

最受歡迎

依人氣

1影片Shusen Wang2022/04/199 分鐘入門中文
概要01：推荐系统的基本概念【禁止搬运】（在新分頁開啟原站）
介紹推薦系統的基本概念，涵蓋使用者行為指標、消費指標、北極星指標及實驗流程，讓讀者了解推薦系統的核心要素。
- 資料科學
5.2 萬次觀看
※ 摘要僅根據標題與說明
2影片Shusen Wang2024/02/088 小時 19 分進階中文
推荐系统公开课——8小时完整版，讲解工业界真实的推荐系统（在新分頁開啟原站）
王樹森老師在 8 小時內完整拆解工業界真實的推薦系統，涵蓋從基礎到冷啟動、冷熱指標的全流程，讀者可掌握核心架構與實作技巧。
- 資料科學
1.6 萬次觀看
※ 摘要僅根據標題與說明
3影片Shusen Wang2021/05/0513 分鐘入門中文
Vision Transformer (ViT) 用于图片分类（在新分頁開啟原站）
ViT 是 2020 年提出的新模型，在 2021 年正式發表，其表現超越 ResNet。預訓練於大規模資料集上能顯著提升 ViT 的效能。
3.2 萬次觀看
※ 摘要僅根據標題與說明
4影片Shusen Wang約 2023 年 10 月16 分鐘入門中文
概要03：推荐系统的AB测试（在新分頁開啟原站）
探討如何透過 A/B 測試最佳化推薦系統。
- 資料科學
1.2 萬次觀看
※ 摘要僅根據標題與說明
5影片Shusen Wang約 2022 年 10 月8 分鐘入門中文
概要02：推荐系统的链路【禁止搬运】（在新分頁開啟原站）
介紹推薦系統中從資料收集、特徵工程到模型訓練與部署的完整流程。
- 資料科學
1.4 萬次觀看
※ 摘要僅根據標題與說明
6影片Shusen Wang約 2023 年 10 月20 分鐘進階中文
召回09：双塔模型+自监督学习（在新分頁開啟原站）
王樹森在影片中介紹了利用雙塔模型結合自監督學習來提升資料召回效率的方法。
- 檢索增強生成
9,100次觀看
※ 摘要僅根據標題與說明
7影片Shusen Wang約 2020 年 10 月19 分鐘入門中文
Few-Shot Learning (3/3)：Pretraining + Fine Tuning（在新分頁開啟原站）
介紹少樣式學習（Few-Shot Learning）的基礎概念，並說明其結合預訓練與精調（Pretraining + Fine Tuning）的應用流程。
- 微調
1.4 萬次觀看
※ 摘要僅根據標題與說明
8影片Shusen Wang約 2021 年 10 月10 分鐘入門中文
神经网络结构搜索 (1/3): 基本概念和随机搜索 Neural Architecture Search: Basics & Random Search（在新分頁開啟原站）
介紹神經網路結構搜尋的基本概念與隨機搜尋方法。
- 深度學習
8,700次觀看
※ 摘要僅根據標題與說明
9影片Shusen Wang2024/05/2525 分鐘進階中文
相关性05：BERT模型 (Part 2) - 模型训练（在新分頁開啟原站）
介紹 BERT 模型的訓練流程，涵蓋預訓練、後預訓練、微調及蒸餾四個步驟，幫助讀者掌握現代搜尋引擎相關性模型的核心技術。
3,577次觀看
※ 摘要僅根據標題與說明
10影片Shusen Wang約 2022 年 10 月5 分鐘入門中文
行为序列02：DIN模型（注意力机制）（在新分頁開啟原站）
介紹 DIN 模型中的注意力機制。
- Transformer 原理
6,000次觀看
※ 摘要僅根據標題與說明

最新內容

依發布時間

影片Shusen Wang2024/05/2525 分鐘進階中文
相关性05：BERT模型 (Part 2) - 模型训练（在新分頁開啟原站）
介紹 BERT 模型的訓練流程，涵蓋預訓練、後預訓練、微調及蒸餾四個步驟，幫助讀者掌握現代搜尋引擎相關性模型的核心技術。
3,577次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang2024/05/1714 分鐘進階中文
相关性04：BERT模型 (Part 1) - 模型结构、线上推理（在新分頁開啟原站）
介紹 BERT 模型結構與線上推理加速方法。內容涵蓋交叉 BERT 架構、序列縮短、Redis 快取及模型量化等技術，旨在幫助讀者掌握提升搜尋引擎相關性模型效能的實作策略。
- 推論與部署
- 量化與蒸餾
2,999次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang2024/02/088 小時 19 分進階中文
推荐系统公开课——8小时完整版，讲解工业界真实的推荐系统（在新分頁開啟原站）
王樹森老師在 8 小時內完整拆解工業界真實的推薦系統，涵蓋從基礎到冷啟動、冷熱指標的全流程，讀者可掌握核心架構與實作技巧。
- 資料科學
1.6 萬次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang約 2023 年 10 月20 分鐘進階中文
召回09：双塔模型+自监督学习（在新分頁開啟原站）
王樹森在影片中介紹了利用雙塔模型結合自監督學習來提升資料召回效率的方法。
- 檢索增強生成
9,100次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang約 2023 年 10 月16 分鐘入門中文
概要03：推荐系统的AB测试（在新分頁開啟原站）
探討如何透過 A/B 測試最佳化推薦系統。
- 資料科學
1.2 萬次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang約 2022 年 10 月5 分鐘入門中文
行为序列02：DIN模型（注意力机制）（在新分頁開啟原站）
介紹 DIN 模型中的注意力機制。
- Transformer 原理
6,000次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang約 2022 年 10 月8 分鐘入門中文
概要02：推荐系统的链路【禁止搬运】（在新分頁開啟原站）
介紹推薦系統中從資料收集、特徵工程到模型訓練與部署的完整流程。
- 資料科學
1.4 萬次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang2022/04/199 分鐘入門中文
概要01：推荐系统的基本概念【禁止搬运】（在新分頁開啟原站）
介紹推薦系統的基本概念，涵蓋使用者行為指標、消費指標、北極星指標及實驗流程，讓讀者了解推薦系統的核心要素。
- 資料科學
5.2 萬次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang約 2021 年 10 月24 分鐘進階中文
神经网络结构搜索 (3/3): 可微方法 Differentiable Neural Architecture Search（在新分頁開啟原站）
王樹森教授介紹了可微方法在神經網路結構搜尋中的應用，探討如何透過微分演算最佳化模型架構。
- 深度學習
4,900次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang約 2021 年 10 月24 分鐘進階中文
神经网络结构搜索 (2/3): RNN + RL Neural Architecture Search: RNN + RL（在新分頁開啟原站）
王樹森在影片中指出，將 RNN 與 RL 結合能大幅縮短結構搜尋時間，並透過 RL 最佳化搜尋策略。
- 強化學習
4,700次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang約 2021 年 10 月10 分鐘入門中文
神经网络结构搜索 (1/3): 基本概念和随机搜索 Neural Architecture Search: Basics & Random Search（在新分頁開啟原站）
介紹神經網路結構搜尋的基本概念與隨機搜尋方法。
- 深度學習
8,700次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang2021/05/0513 分鐘入門中文
Vision Transformer (ViT) 用于图片分类（在新分頁開啟原站）
ViT 是 2020 年提出的新模型，在 2021 年正式發表，其表現超越 ResNet。預訓練於大規模資料集上能顯著提升 ViT 的效能。
3.2 萬次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang約 2020 年 10 月19 分鐘進階中文
多智能体强化学习(2/2)：三种架构 Multi-Agent Reinforcement Learning（在新分頁開啟原站）
介紹多智慧體強化學習的三種不同架構。
- 多代理系統
4,600次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang約 2020 年 10 月19 分鐘入門中文
多智能体强化学习(1/2)：基本概念 Multi-Agent Reinforcement Learning（在新分頁開啟原站）
介紹多智慧體強化學習的基本概念，探討多個智慧體如何協同合作以達成共同目標。
- 多代理系統
8,600次觀看
※ 摘要僅根據標題與說明
影片Shusen Wang約 2020 年 10 月19 分鐘入門中文
Few-Shot Learning (3/3)：Pretraining + Fine Tuning（在新分頁開啟原站）
介紹少樣式學習（Few-Shot Learning）的基礎概念，並說明其結合預訓練與精調（Pretraining + Fine Tuning）的應用流程。
- 微調
1.4 萬次觀看
※ 摘要僅根據標題與說明