稀牛-AI人工智能工程师-NLP必备技能
课程内容:
├──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
下载地址:
**** Hidden Message *****
回的人少，我来小顶一下 11111111111111111111111111111111111111111 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 咋都没有语音识别的呢 啥也不说了，感谢楼主分享哇！ 啥也不说了，感谢楼主分享哇！ 正需要，支持楼主大人了！