Datasets:

mp1704

/

w2v2_0

like 0

./data/49dc3b60-b858-4ce5-8885-503e5676b60b.wav

anh em phải mạnh mẽ lên anh em

./data/22b3e61c-38ac-4a9f-a0d9-5fc2e103ab5b.wav

đấy thì hôm nay một cái bài cũng khá là thú vị khi mà chúng ta không có nhắc nhiều về những công thức nữa

./data/91dfd49b-12c8-4283-bcaa-49203209d0a2.wav

đúng không ạ ấy các task phải có điểm chung với nhau

./data/5eb4c534-aef0-4a4a-a8a3-23f83a8ad485.wav

các bạn à l một hoặc l hai ở trên từng layer một nha mọi người

./data/3dff7514-01ef-430b-9e6a-bf611cad721a.wav

đúng rồi có thể hiểu là đúng giới hạn lại

./data/73678956-0029-4a36-a0c2-06830de0c6dc.wav

ấy và bị à có thể là underfit ngay lúc đầu sau đó mình tăng dần lên lí do là tại sao lí do là

./data/fac06131-71e8-44d6-a028-c442024684c3.wav

ấy thì sau khóa học này đầu tiên là nếu mà ai mà muốn học thêm các kĩ năng

./data/825fcdbf-1c9c-4a8b-89e4-a9b78d123660.wav

và sau khi mà chúng ta vượt qua được rồi bắt đầu chúng ta sẽ giảm cái learning rate để nó tìm ra điểm cực trị

./data/480b0a5e-7473-417f-8f4b-ea4cef59d490.wav

ấy về nhà các bạn chạy thử cái notebook này ấy sẽ đến lúc nó sẽ chạy kiểu early stopping cho mọi người

./data/4400f036-679e-479d-91db-1266e4e04f8d.wav

có nghĩa bình thường các bạn dùng mô hình logistic nhá

./data/2df3d6f6-3836-4290-b35b-ea019b70213f.wav

ấy ví dụ các bạn thấy những cái nốt mà nó bôi mà nhạt đi này nó sẽ

./data/d3405145-ba92-459c-86f5-f6275e6818e8.wav

xong mình à mình lấy bất kì một cái cụm từ nào đấy hoặc là một số cụm từ trong cái câu này

./data/9370c273-ab0e-48bf-a573-8e74f83bab98.wav

bọn mình sẽ dành cho những cái a nhà giáo khác những cái giảng viên khác họ muốn xây dựng một cái khóa học tương tự như thế này

./data/140a369a-9c48-4642-a6c4-96c8a3adc40f.wav

ấy ví dụ trên a các bạn thấy cái công thức của hàm mất mát không luôn luôn là chia cho một trên m

./data/2523dc68-a11d-443e-b713-25f5771d24d1.wav

còn ai có câu hỏi gì nữa không

./data/55c7f7fe-7763-42f9-b672-1026c88692e3.wav

ấy l một thì có xu hướng lựa chọn đặc trưng

./data/25027ce3-c88b-4ae3-9136-076e8109429c.wav

để tái tạo lại phân phối mới thì không biết là đây có phải là cái câu hỏi của phú hay không

./data/8942e9c0-a758-4838-834d-7f0f63a92b43.wav

rồi à tôi thích quán này chẳng hạn thì cái này nó sẽ là nhãn một

./data/6d5e36ab-1bdb-4277-b468-e3e0aa0a9dfd.wav

có thể là y h có thể là y gạch dưới như thế này đấy nó chính là cái quy trình mà mình hay a mới nhắc đến ấy

./data/4da4fc7e-cfa3-4bbd-87c2-403852d9be60.wav

có nghĩa là những cái tool để nó load được dữ liệu lớn

./data/7ddf7b5e-08c3-4393-a8aa-73b1412d8fef.wav

tính loss này các bạn đưa model vào này đưa input vào đưa cái nhãn chẳng hạn

./data/5e928adc-8789-44cb-be2a-3351c81eb915.wav

ấy thì đây chính là cách người ta xây một cái pretrain model dựa vào data mà không sử dụng nhãn

./data/84709de9-205e-491e-88e8-e28110779ac1.wav

đôi khi các bạn sẽ phải lựa chọn thử

./data/203b661f-a3b0-4a1f-b010-97b5a7c0e6e7.wav

tại vì cái bert nó là cái mô hình như kiểu là foundation ấy nó học được mối quan hệ của các từ với nhau ấy

./data/e659b380-2a35-487f-b5da-5bb71e41dcb9.wav

cái mô hình medium này thì người ta thêm ba cái a layer luôn

./data/de4069a1-58f6-4181-a99d-523cd225c160.wav

đấy thì trong thực tế người ta dùng nhất phương pháp khác nhau đây những cái về sau các bạn học lstm này này

./data/cd64a0a8-76eb-4183-84ed-a27d8a018a72.wav

gan là nó sẽ cố gắng tái tạo lại cái ảnh đấy

./data/418e5691-8156-4ccf-a704-172837e12114.wav

ok không mọi người

./data/23b1cf09-62c4-4ef2-97fe-001cce7dab96.wav

đấy ví dụ ơ trong này nếu bạn là một người à

./data/e5b04b9e-ee0a-485f-9412-090918d8afa8.wav

ấy thì người ta hay có xu hướng dùng nhiều lớp hơn

./data/b03d3e1e-d86d-4d86-a395-4ca9cf686b03.wav

có nghĩa người ta sẽ warm up trong một cái khoảng thời gian hoặc một số step nhất định

./data/181aab5c-abc7-49b9-b2e0-a1b345fb231b.wav

đưa nó đi qua dữ liệu đi qua và các bạn cần phải tham số thì bây giờ các bạn dùng như này ý thì các bạn chỉ làm cái bước xuôi thôi

./data/39e9a003-69ff-481c-a14a-248ea7dec16f.wav

các bạn mới form logit này là nó sẽ không áp dụng sigmoid mà nó sẽ để à trước sigmoid

./data/34eb3457-bb1e-4bf4-b117-9b45bb39a44d.wav

đây

./data/5cac03d7-7f17-4e13-8b52-c3c5fe33431f.wav

mặc dù là cái train vẫn là ổn ấy thì các bạn đặt là trong mười epoch tiếp theo

./data/a113c0b9-b0c7-4677-bac9-cd6fa573545c.wav

thì rõ ràng cái mô hình của em nó đi theo cái hướng là phân loại những câu nhận xét

./data/bc3e63ed-320b-4cc4-95df-39de94a79fb1.wav

ấy thì hôm nay chúng ta sẽ học là đưa cái model này vào training một số thứ

./data/9c4021f6-0c73-4fb9-9795-5ee2e9f17842.wav

ấy thì đây các bạn nhìn mà có thể hơi hoa mắt nhưng mà đây đầu tiên này

./data/79d2f03d-0f71-43aa-8ef7-3c6b4d418d40.wav

khi nào công bố bài kaggle công bố kết quả hay là công bố a công bố gì hả em

./data/1615b352-08b5-492a-b0e5-a40c0fe9b18f.wav

đấy làm sao mà nhanh làm sao mà chính xác ấy thì trong quá trình các bạn sử dụng cái hệ thống này mà các bạn thấy là

./data/a631e3e1-951b-4782-a572-c4aeb7d4b260.wav

tất nhiên là về sau các bạn học thuật toán adam rồi các thứ nó cũng có kiểu điều chỉnh learning rate

./data/2f214922-1ab2-4d9b-a269-1cdf1a2d7874.wav

năm mươi phần trăm đúng không như thế này thì gọi là

./data/fbd4be8b-58d8-43ea-93bb-84228e41ef91.wav

khi model có rất nhiều lớp ấy thì cái model nó sẽ gặp cái hiện tượng là

./data/ede5496f-5c88-421f-9e2f-a7be95dcf684.wav

đây đôi khi early stopping các bạn phải tự code luôn các bạn thấy không

./data/e703ee77-8630-4892-8bd1-7d47129338ee.wav

ấy đúng không nói nhanh thì có nghĩa là cái gọi là sample ở trên dây ấy nó lớn

./data/062a58c9-e86b-4a23-892c-19b12874e6b9.wav

đây có một cái sai batch norm nhưng mình tính là học phân phối xong thì mình nói kĩ hơn

./data/af23811b-e9c8-4442-b281-359dc33fcaa8.wav

ấy có nghĩa người ta học cả hai luôn ấy

./data/f3e79e2c-520b-4d47-91b5-2981bb3dad12.wav

còn đâu còn kaggle không hai thì à là bài toán phân loại đánh giá rủi ro tín dụng