如今，自然语言处理的预训练模型被广泛运用在各个领域。各大企业和组织都在追求各种大型的预训练模型。但是当你问我们应该使用哪一个预训练模型来解决问题的时候，通常没有统一的答案，一般来说它取决于下游的任务，也就是说需要根据任务类型来选择模型。 而谷歌认为这不是一个正确的方向，因此，本周，谷歌提出了一个新的NLP预训练模型框架——Unifying Language Learning Paradigms（简称UL2）来尝试使用一个模型解决多种任务。
Java入门基础笔记-8
Java入门基础笔记-2
推荐一个给新手的可视化的机器学习模型训练网站
sqoop将mysql数据导入到hive指定的数据库中
pip、Anaconda更改国内源以及为当前用户安装
深度学习技术之池化（Pooling）
Keras框架下的保存模型和加载模型
发现新大陆！（申请领地）
数据特征处理之特征哈希（Feature Hashing）
并集选则器和通配符
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
回归模型中的交互项简介（Interactions in Regression）
贝塔分布（Beta Distribution）简介及其应用
矩母函数简介（Moment-generating function）
使用R语言进行K-means聚类并分析结果
普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程
H5文件简介和使用
stata 用outreg2输出回归结果
深度学习技巧之Early Stopping（早停法）
Wishart分布简介