AI人工智能工程师-NLP必备技能教程(15.43G)
AI人工智能工程师-NLP必备技能教程(15.43G)〖课程介绍〗:
AI人工智能工程师-NLP必备技能教程(15.43G)
〖课程目录〗:
01-自然语言处理基础知识与操作
├──第二章英文文本处理与解析
| ├──【实战】nltk工具库英文文本处理案例 .mp4139.99M
| ├──【实战】spacy工具库英文文本处理案例 .mp4413.95M
| ├──【实战】基于python的英文文本相似度比对 .mp4122.75M
| ├──【实战】简易文本情感分析器构建 .mp434.02M
| ├──英文文本解析任务介绍：分词、去停用词、提取词干等 .mp469.12M
| ├──章概述 .mp413.90M
| └──章小结 .mp424.52M
├──第三章中文文本处理与解析
| ├──jieba工具库介绍 .mp4498.41M
| ├──【实战】python新闻网站关键词抽取 .mp444.70M
| ├──【实战】python中文文本清洗、处理与可视化 .mp4168.51M
| ├──章概述 .mp47.38M
| ├──章小结 .mp435.26M
| ├──中文文本处理任务介绍：分词、去停用词、ngram .mp4209.10M
| └──中文文本解析任务介绍：词性分析、依赖分析等 .mp4151.12M
└──第一章自然语言处理基础
| ├──模式匹配与正则表达式 .mp4431.25M
| ├──文本数据、字、词、term .mp4182.51M
| ├──一章概述 .mp46.26M
| ├──一章小结 .mp458.75M
| ├──字符串处理 .mp4370.12M
| └──字符串基本处理与正则表达式文本匹配与替换 .mp4492.86M
02-语言模型与应用
├──第二章统计语言模型与神经语言模型构建
| ├──【实战】kenlm工具库使用及语言模型生成 .mp4189.76M
| ├──【实战】基于kenlm的简易拼写纠错 .mp4174.21M
| ├──【实战】基于pytorch的语言模型训练 .mp4247.99M
| ├──基于rnn的神经语言模型 .mp4647.21M
| ├──基于统计的语言模型构建 .mp4220.51M
| ├──章概述 .mp429.84M
| └──章小结 .mp4102.33M
├──第一章语言模型与应用
| ├──ngram应用：词性标注、中文分词、机器翻译与语音识别 .mp4397.08M
| ├──ngram语言模型 .mp4240.13M
| ├──假设性独立与联合概率链规则 .mp467.24M
| ├──章概述 .mp425.92M
| └──章小结 .mp435.46M
├──考核作业 .zip221.70kb
└──课件与代码 .zip8.65M
03-文本表示
├──第二章-文本表示进阶
| ├──01章概述 .mp450.13M
| ├──02-预训练在图像领域的应用 .mp4322.03M
| ├──03-elmo基于上下文的word embedding .mp4319.96M
| ├──04-gpt transformer建模句子信息 .mp4566.71M
| ├──05-bert 预训练双向transformer .mp4708.94M
| ├──06-基于bert进行fine-tuning .mp4176.06M
| └──07章小结 .mp452.20M
├──第一章-文本词与句的表示
| ├──01章概述 .mp436.86M
| ├──02-文本表示概述 .mp4129.10M
| ├──03-文本离散表示：词袋模型与tf-idf .mp4305.20M
| ├──04-文本分布式表示：word2vec .mp4279.58M
| ├──05-【实战】python中文文本向量化表示 .mp4121.62M
| ├──06-【实战】基于gensim的中文文本词向量训练与相似度匹配 .mp4286.17M
| └──07章小结 .mp428.11M
└──考核作业 .zip61.54kb
04-文本分类
├──第二章-文本分类深度学习模型与实战
| ├──01章概述 .mp45.44M
| ├──02-词嵌入与fine-tuning .mp412.72M
| ├──03-基于卷积神经网络的文本分类 .mp4264.69M
| ├──04-基于lstm的文本分类 .mp4123.65M
| ├──05-transformerself-attention介绍 .mp462.14M
| ├──06-使用tensorflow构建卷积神经网络完成新闻分类 .mp4105.84M
| ├──07-使用tensorflow构建lstm完成影评褒贬分析模型 .mp410.41M
| └──08章小结 .mp47.39M
├──第一章-文本分类机器学习模型与实战
| ├──01章概述 .mp455.82M
| ├──02-朴素贝叶斯模型与中文文本分类 .mp4395.33M
| ├──03-逻辑回归 _svm与文本分类 .mp41.25G
| ├──04-facebook fasttext原理与操作 .mp4366.85M
| ├──05-【实战】python中文新闻分类 .mp4214.96M
| ├──06-【实战】基于fasttext的文本情感分析 .mp4183.86M
| └──07章小结 .mp473.19M
└──考核作业 .zip99.19kb
05-文本主题抽取与表示
├──第一章-文本主题抽取与表示
| ├──01章小结 .mp46.57M
| ├──02-基于tf-idf与text-rank的主题词抽取 .mp416.35M
| ├──03-监督学习与文本打标签 .mp46.58M
| ├──04-无监督学习与lda主题模型 .mp4182.60M
| ├──05基于python的中文关键词抽取与可视化 .mp46.55M
| ├──06-基于lda的新闻主题分析与可视化呈现 .mp439.47M
| └──07章小结 .mp47.20M
└──考核作业 .zip42.93kb
06-序列到序列模型
├──第一章-序列到序列模型与应用
| ├──01章概述 .mp45.78M
| ├──02-从rnn到seq2seq模型 .mp46.01M
| ├──03-编码解码模型 .mp412.59M
| ├──04-seq2seq模型详解 .mp445.24M
| ├──05-注意（attention）机制 .mp436.38M
| ├──06-tensorflow seq2seq模型使用方法详解 .mp4177.54M
| ├──07-基于seq2seq的文本摘要生成实现 .mp4148.80M
| └──08章总结 .mp472.69M
└──考核作业 .zip47.73kb
07-文本生成
├──第一章-文本生成与自动创作
| ├──01章概述 .mp42.42M
| ├──02-基于rnn lstm的语言模型回顾 .mp410.51M
| ├──03-基于语言模型的文本生成原理 .mp42.04M
| ├──04-【实战】基于lstm的唐诗生成器 .mp467.12M
| ├──05-基于seq2seq的文本序列生成原理 .mp49.20M
| ├──06-【实战】基于seq2seq的对联生成器 .mp496.68M
| └──07章小结 .mp414.87M
└──考核作业 .zip71.06kb
08-机器翻译
└──第一章-机器翻译：双语翻译
| ├──01-统计机器翻译
| ├──02-基于seq2seq的机器翻译模型
| ├──03-fackbook基于CNN的机器翻译模型
| └──04-来自Google的Transformer模型
09-聊天机器人
└──第一章-聊天机器人：机器客服与语音助手
| ├──01-基于内容匹配的聊天机器人
| └──02-基于seq2seq的聊天机器人
10-视觉文本任务：看图说话
├──01-看图说话问题与实现
| ├──1.1 本章概述 .mp42.86M
| ├──1.2 “看图说话”问题介绍 .mp47.81M
| ├──1.3 简易cnn+rnn编码解码模型完成图片短文本描述原理 .mp467.26M
| ├──1.4 注意力模型与“看图说话”优化 .mp426.76M
| ├──1.5 【实战】基于cnn+rnn的编解码“看图说话”与beam-search优化 .mp4105.95M
| ├──1.6 【实战】基于attention model的“看图说话”实现 .mp427.92M
| └──1.7 本章小结 .mp41.84M
└──02-视觉问答机器人(VQA)原理与实现
| ├──2.1 本章概述 .mp41.61M
| ├──2.2 视觉问答机器人问题介绍 .mp434.82M
| ├──2.3 基于图像信息和文本信息抽取匹配的vqa实现方案 .mp430.93M
| ├──2.4 基于注意力(attention)的深度学习vqa实现方案 .mp416.18M
| ├──2.5【实战】使用keras完成cnn+rnn基础vqa模型 .mp424.39M
| ├──2.6【实战】基于attention的深度学习vqa模型实现 .mp441.58M
| └──2.7 本章小结 .mp41.67M
11-文本相似度计算与文本匹配问题
├──01-文本相似度计算与文本匹配问题
| ├──1.1 本章概述 .mp45.89M
| ├──1.2 文本相似度问题与应用 .mp49.06M
| ├──1.3 传统文本相似度计算方式：编辑距离、simhash、word2vec .mp4148.01M
| ├──1.4 【实战】编辑距离计算python实现 .mp423.46M
| ├──1.5 【实战】基于simhash的相似文本判断 .mp462.75M
| ├──1.6 【实战】词向量word averaging .mp424.75M
| ├──1.7 本章小结 .mp42.36M
| └──第1章文本相似度问题与应用场景 .pdf7.49M
└──02-基于深度学习的文本语义匹配
| ├──2.1 本章概述 .mp42.93M
| ├──2.2 基于深度学习的句子相似度模型 .mp432.12M
| ├──2.3 dssm（deep structured semantic models）模型详解 .mp420.85M
| ├──2.4 drmm（deep relevance matching model）模型详解 .mp421.39M
| ├──2.5【实战】基于lstm的监督学习语义表达抽取 .mp481.31M
| ├──2.6【实战】基于dssm的问题语义相似度匹配案例 .mp425.91M
| ├──2.7【实战】基于drmm的问答匹配案例 .mp421.68M
| ├──2.8 本章小结 .mp43.94M
| └──第2章基于深度学习的文本语义匹配 .pdf7.84M
〖视频截图〗:
〖百度网盘下载地址〗:**** Hidden Message *****
---------------------------------华丽分割线--------------------------------华丽分割线-------------------华丽分割线-------------------------华丽分割线----------------
〖下载地址失效反馈〗:
如果下载地址失效，请尽快反馈给我们，我们尽快修复。反馈地址：https://www.itmsf.com/forum-66-1.html
〖赞助VIP免学币下载全站资源〗:
全站资源高清无密，每天更新，vip特权了解一下：https://www.itmsf.com/plugin.php?id=threed_vip
〖客服24小时咨询〗:
有任何问题，请点击右侧QQ咨询。
后面的保持好队形！ 支持【IT码上发视频学习网】！ 真是难得给力的资源啊！支持【IT码上发视频学习网】！ 我只是路过打酱油的。【IT码上发视频学习网】雄起！ 看到这样的好资源真是高兴！感谢【IT码上发视频学习网】的无私分享！ 【IT码上发视频学习网】太给力了！ 看到这样的好资源真是高兴！感谢【IT码上发视频学习网】的无私分享！ 强烈支持IT码上发视频学习网，IT码上发视频学习网就是给力！ 【IT码上发视频学习网】太给力了！