自然语言处理第二期(2.25G)

itmsf

自然语言处理第二期(2.25G)

〖课程介绍〗:

句法分析能帮助机器理解句子中的语义，是智能客服、问答系统的核心技术。本课程从PCFG、依存分析句法、语义依存三个角度讲解了句法分析并以代码落地。

自然语言处理（NLP）是计算机科学，人工智能，语言学关注计算机和人类（自然）语言之间的相互作用的领域。

〖课程目录〗:
   
01-第1章：自然语言与数学之美
     1.1 课程简介及推荐书目.flv
     1.10 凸集合和凸函数.flv
     1.2 NLP的研究领域及应用.flv
     1.3 自然语言的6个重要术语.flv
     1.4 语言学的发展史 1.flv
     1.5 语言学的发展史 2.flv
     1.6 语言学的发展史 3.flv
     1.7 函数.flv
     1.8 向量与向量的模.flv
     1.9 矩阵和矩阵运算.flv

02-第2章：基于机器学习方法的自然语言处理
     2.1 主观概率和客观概率.flv
     2.10 辛普森悖论和贝叶斯概率解题实例.flv
     2.2 概率模型与条件概率.flv
     2.3 贝叶斯原理与推理.flv
     2.4 随机变量：二项式概率.flv
     2.5 随机变量：期望与方差.flv
     2.6 随机变量：联合概率.flv
     2.7 伯努利分布和二项式分布.flv
     2.8 多项式分布、伽玛分布和Beta分布.flv
     2.9 泊松分布、高斯分布、对数正态分布和指数分布.flv

03-第三章：1、2章答疑
     第一周答疑.flv

04-第四章：自然语言
     3.1 语言的进化：来自自然选择的社会协作.flv
     3.2 语言的进化：语言游戏与摩斯密码.flv
     3.3 语言与智能：信息熵.flv
     3.4 语言与智能：交叉熵的定义.flv
     3.5 语义的进化.flv
     3.6 语言模型：语言概率.flv
     3.7 词袋模型.flv
     3.8 二元语言模型：CR情感分析.flv

05-第5章：语言模型和中文分词
     4.1 三元语言模型.flv
     4.10 N-Gram模型.flv
     4.11 Optimal Path 最优路径模型.flv
     4.12 中文分词工具：Jieba.flv
     4.2 语言模型评价：交叉熵.flv
     4.3 语言模型评价：Perplexity(困惑度）.flv
     4.4 语言评价模型：Interpolation(插值法).flv
     4.5 概率模型：垃圾邮件分类.flv
     4.6 概率模型：拼写检查.flv
     4.7 语音模型和机器翻译模型.flv
     4.8 中文构词法.flv
     4.9 最大化匹配.flv

06-第6章：第二周答疑
     第二周答疑.flv

07-第7章：语言技术-词表达和Word2Vec
     5.1 词表达.flv
     5.10 Word2Vec-Part 3.flv
     5.2 语义相似度.flv
     5.3 TF-IDF权重处理.flv
     5.4 One-Hot表达.flv
     5.5 神经网络基础.flv
     5.6 神经网络：反向传播 1.flv
     5.7 神经网络：反向传播 2.flv
     5.8 Word2Vec-Part 1.flv
     5.9 Word2Vec-Part 2.flv

08-第8章：语言技术-词性
     6.1 什么是词性标注（POS Tagging）.flv
     6.10 混合模型详解5：隐马尔科夫模型.flv
     6.2 词性标注的方法.flv
     6.3 词性的标注类别和标注集.flv
     6.4 规则标注和N-Gram方法.flv
     6.5 从混合模型到HMM.flv
     6.6 混合模型详解1：EM模型.flv
     6.7 混合模型详解2：EM模型.flv
     6.8 混合模型详解3：高斯混合模型.flv
     6.9 混合模型详解4：隐马尔可夫模型.flv

09-第9章：第三周答疑
     第三周答疑.flv

10-第10章：语言技术-概率图模型
     7.1 概率图模型：贝叶斯网络（有向无环图）.flv
     7.2 概率图模型：分层图模型.flv
     7.3 概率图模型：隐马尔科夫链.flv
     7.4 隐马尔可夫模型的推导 1.flv
     7.5 隐马尔科夫模型的推导 2.flv
     7.6 隐马尔科夫模型的推导 3.flv
     7.7 隐马尔科夫模型的推导 4.flv
     7.8 PLSA主题模型1.flv
     7.9 PLSA主题模型 2.flv

11-第11章：语言技术-文本与LDA主题模型
     8.1 向量表达和潜在语义索引（LSI）.flv
     8.10 实验报告：文本语义相似度.flv
     8.11 延展实验：主题模型引入字词关系的实现.flv
     8.12 实验总结.flv
     8.2 LDA和狄利克雷分布.flv
     8.3 LDA主题模型.flv
     8.4 主题模型的深化与对比.flv
     8.5 语义距离（Semantic Distance）.flv
     8.6 中文LDA模型：Word-base 和 Character-Base.flv
     8.7 实验报告：困惑度（Perplexity）.flv
     8.8 实验报告：文本分类准确度.flv
     8.9 中英双语料库实验.flv

12-第12章：第四周答疑
     第四周答疑.flv

13-第13章：语言技术-句法
     9.1 上下文无关句法（CFG）-Part 1.flv
     9.2 上下文无关句法（CFG）-Part 2.flv
     9.3 概率上下文无关句法（PCFG）- Part 1.flv
     9.4 概率上下文无关句法（PCFG）-Part 2.flv
     9.5 概率上下文无关句法（PCGF）-Part 3.flv

14-第14章：机器翻译
     10.1 机器翻译（Machine Translation）-Part 1.flv
     10.2 机器翻译（Machine Translation）-Part 2.flv
     10.3 机器翻译（Machine Translation）-Part 3.flv
     10.4 机器翻译（Machine Translation）-Part 4.flv
     10.5 机器翻译（Machine Translation）-Part 5.flv
     10.6 机器翻译（Machine Translation）-Part 6.flv

15-第15章：第五周答疑
     第五周答疑.flv

16-第16章：卷积神经网络CNN
     11.1 神经元.flv
     11.2 全连接网络及特性.flv
     11.3 Auto-Encode 自编码器.flv
     11.4 反向传播（BP）.flv
     11.5 卷积神经网络（CNN）的理解.flv
     11.6 CNN的基本原理：卷积核、权重和池化.flv
     11.7 CNN的计算过程.flv
     11.8 CNN如何应用在自然语言处理中.flv

17-第17章：循环神经网络RNN
     12.1 循环神经网络的基本原理.flv
     12.2 Elman Network和Jordan Networ.flv
     12.3 LSTM的核心思想.flv
     12.4 LSTM的分步实现详解.flv
     12.5 Encoder-Decoder 框架.flv
     12.6 Seq2Seq 模型.flv
     12.7 注意力机制（Attention Mechanism）.flv

18-第18章：第六周答疑
     第六周答疑.flv

19-第19章：注意力机制
     13.1 注意力机制产生的背景回顾.flv
     13.2 注意力模型的实现原理.flv
     13.3 注意力模型的应用领域.flv
     13.4 记忆网络（Memory Network）的组成.flv
     13.5 记忆网络的计算过程和实现方法.flv
     13.6 匹配函数（Match Function）.flv
     13.7 注意力模型的延展1：Neural Programmer.flv
     13.8 注意力模型的延展2：神经图灵机.flv

20-第20章：广义模型（Universal Transformer)
     14.1 UT的典型结构：Stack of Encoder and Decoder.flv
     14.2 Self-Attention的计算.flv
     14.3 Multi-Head Attention 和前向反馈神经网络FFNN.flv
     14.4 位置编码（Positional Encoding）.flv
     14.5 层泛化（Lay Normalization）.flv
     14.6 Softmax Layer：交叉熵和损失函数的计算.flv
     14.7 ACT模型（Adaptive Computation Time）.flv
     14.8 Universal Transformer 的完整实现流程.flv

21-第21章：第七周答疑
     第七周答疑.flv

22-第22章：自然语言研究的未来方向
     15.1 自然语言研究可行方向：知识图谱与深度学习的结合.flv
     15.2 语义关系计算与知识库.flv
     15.3 知识库推理学习：Neural Tensor Network.flv
     15.4 跨媒体信息搜索：CMIR.flv
     15.5 文本图卷积网络（Text GCN）.flv
     15.6 NLP未来的探索方向.flv

资料
      01第一课：自然语言与数学之美.pdf
      02第二课：基于机器学习方法的自然语言处理.pdf
      03第三课资料 1.pdf
      03第三课资料 2.pdf
      03第三课资料 3.pdf
      03第三课：自然语言.pdf
      04第四课资料.pdf
      04第四课：语言模型.pdf
      05第五课课件(1).pdf
      05第五课课件.pdf
      06第六课课件.pdf
      07第七课课件.pdf
      第7课 note.pdf
      第六课 Note.pdf
      第十一课：循环神经网络.pdf
        第十三课 课件.pdf

     

〖视频截图〗:

〖百度网盘下载地址〗:

游客，如果您要查看本帖隐藏内容请回复

---------------------------------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。

artolia

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！

kevendead

: 自然语言处理第二期

firestone

自然语言处理第二期

yanguilai

激动人心，无法言表！【IT码上发视频学习网】太给力了！

Aiitmsf

感恩【IT码上发视频学习网】无私的分享与奉献！

eugene

真是难得给力的资源啊！支持【IT码上发视频学习网】！

xulichun

非常感谢楼主的分享

easofm

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！

cms0315

太生气了，无法HOLD啦 >_<......为什么我才发现【IT码上发视频学习网】这样的好站！