|
2277| 10
|
ai工程師NLP教程 |
|
ai工程師NLP教程
01-自然語言處理基礎(chǔ)知識與操作 ├──第二章英文文本處理與解析 | ├──【實(shí)戰(zhàn)】nltk工具庫英文文本處理案例 .mp4 139.99M | ├──【實(shí)戰(zhàn)】spacy工具庫英文文本處理案例 .mp4 413.95M | ├──【實(shí)戰(zhàn)】基于python的英文文本相似度比對 .mp4 122.75M | ├──【實(shí)戰(zhàn)】簡易文本情感分析器構(gòu)建 .mp4 34.02M | ├──英文文本解析任務(wù)介紹：分詞、去停用詞、提取詞干等 .mp4 69.12M | ├──章概述 .mp4 13.90M | └──章小結(jié) .mp4 24.52M ├──第三章中文文本處理與解析 | ├──jieba工具庫介紹 .mp4 498.41M | ├──【實(shí)戰(zhàn)】python新聞網(wǎng)站關(guān)鍵詞抽取 .mp4 44.70M | ├──【實(shí)戰(zhàn)】python中文文本清洗、處理與可視化 .mp4 168.51M | ├──章概述 .mp4 7.38M | ├──章小結(jié) .mp4 35.26M | ├──中文文本處理任務(wù)介紹：分詞、去停用詞、ngram .mp4 209.10M | └──中文文本解析任務(wù)介紹：詞性分析、依賴分析等 .mp4 151.12M └──第一章自然語言處理基礎(chǔ) | ├──模式匹配與正則表達(dá)式 .mp4 431.25M | ├──文本數(shù)據(jù)、字、詞、term .mp4 182.51M | ├──一章概述 .mp4 6.26M | ├──一章小結(jié) .mp4 58.75M | ├──字符串處理 .mp4 370.12M | └──字符串基本處理與正則表達(dá)式文本匹配與替換 .mp4 492.86M 02-語言模型與應(yīng)用 ├──第二章統(tǒng)計(jì)語言模型與神經(jīng)語言模型構(gòu)建 | ├──【實(shí)戰(zhàn)】kenlm工具庫使用及語言模型生成 .mp4 189.76M | ├──【實(shí)戰(zhàn)】基于kenlm的簡易拼寫糾錯(cuò) .mp4 174.21M | ├──【實(shí)戰(zhàn)】基于pytorch的語言模型訓(xùn)練 .mp4 247.99M | ├──基于rnn的神經(jīng)語言模型 .mp4 647.21M | ├──基于統(tǒng)計(jì)的語言模型構(gòu)建 .mp4 220.51M | ├──章概述 .mp4 29.84M | └──章小結(jié) .mp4 102.33M ├──第一章語言模型與應(yīng)用 | ├──ngram應(yīng)用：詞性標(biāo)注、中文分詞、機(jī)器翻譯與語音識別 .mp4 397.08M | ├──ngram語言模型 .mp4 240.13M | ├──假設(shè)性獨(dú)立與聯(lián)合概率鏈規(guī)則 .mp4 67.24M | ├──章概述 .mp4 25.92M | └──章小結(jié) .mp4 35.46M ├──考核作業(yè) .zip 221.70kb └──課件與代碼 .zip 8.65M 03-文本表示 ├──第二章-文本表示進(jìn)階 | ├──01章概述 .mp4 50.13M | ├──02-預(yù)訓(xùn)練在圖像領(lǐng)域的應(yīng)用 .mp4 322.03M | ├──03-elmo基于上下文的word embedding .mp4 319.96M | ├──04-gpt transformer建模句子信息 .mp4 566.71M | ├──05-bert 預(yù)訓(xùn)練雙向transformer .mp4 708.94M | ├──06-基于bert進(jìn)行fine-tuning .mp4 176.06M | └──07章小結(jié) .mp4 52.20M ├──第一章-文本詞與句的表示 | ├──01章概述 .mp4 36.86M | ├──02-文本表示概述 .mp4 129.10M | ├──03-文本離散表示：詞袋模型與tf-idf .mp4 305.20M | ├──04-文本分布式表示：word2vec .mp4 279.58M | ├──05-【實(shí)戰(zhàn)】python中文文本向量化表示 .mp4 121.62M | ├──06-【實(shí)戰(zhàn)】基于gensim的中文文本詞向量訓(xùn)練與相似度匹配 .mp4 286.17M | └──07章小結(jié) .mp4 28.11M └──考核作業(yè) .zip 61.54kb 04-文本分類 ├──第二章-文本分類深度學(xué)習(xí)模型與實(shí)戰(zhàn) | ├──01章概述 .mp4 5.44M | ├──02-詞嵌入與fine-tuning .mp4 12.72M | ├──03-基于卷積神經(jīng)網(wǎng)絡(luò)的文本分類 .mp4 264.69M | ├──04-基于lstm的文本分類 .mp4 123.65M | ├──05-transformerself-attention介紹 .mp4 62.14M | ├──06-使用tensorflow構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)完成新聞分類 .mp4 105.84M | ├──07-使用tensorflow構(gòu)建lstm完成影評褒貶分析模型 .mp4 10.41M | └──08章小結(jié) .mp4 7.39M ├──第一章-文本分類機(jī)器學(xué)習(xí)模型與實(shí)戰(zhàn) | ├──01章概述 .mp4 55.82M | ├──02-樸素貝葉斯模型與中文文本分類 .mp4 395.33M | ├──03-邏輯回歸 _svm與文本分類 .mp4 1.25G | ├──04-facebook fasttext原理與操作 .mp4 366.85M | ├──05-【實(shí)戰(zhàn)】python中文新聞分類 .mp4 214.96M | ├──06-【實(shí)戰(zhàn)】基于fasttext的文本情感分析 .mp4 183.86M | └──07章小結(jié) .mp4 73.19M └──考核作業(yè) .zip 99.19kb 05-文本主題抽取與表示 ├──第一章-文本主題抽取與表示 | ├──01章小結(jié) .mp4 6.57M | ├──02-基于tf-idf與text-rank的主題詞抽取 .mp4 16.35M | ├──03-監(jiān)督學(xué)習(xí)與文本打標(biāo)簽 .mp4 6.58M | ├──04-無監(jiān)督學(xué)習(xí)與lda主題模型 .mp4 182.60M | ├──05基于python的中文關(guān)鍵詞抽取與可視化 .mp4 6.55M | ├──06-基于lda的新聞主題分析與可視化呈現(xiàn) .mp4 39.47M | └──07章小結(jié) .mp4 7.20M └──考核作業(yè) .zip 42.93kb 06-序列到序列模型 ├──第一章-序列到序列模型與應(yīng)用 | ├──01章概述 .mp4 5.78M | ├──02-從rnn到seq2seq模型 .mp4 6.01M | ├──03-編碼解碼模型 .mp4 12.59M | ├──04-seq2seq模型詳解 .mp4 45.24M | ├──05-注意（attention）機(jī)制 .mp4 36.38M | ├──06-tensorflow seq2seq模型使用方法詳解 .mp4 177.54M | ├──07-基于seq2seq的文本摘要生成實(shí)現(xiàn) .mp4 148.80M | └──08章總結(jié) .mp4 72.69M └──考核作業(yè) .zip 47.73kb 07-文本生成 ├──第一章-文本生成與自動(dòng)創(chuàng)作 | ├──01章概述 .mp4 2.42M | ├──02-基于rnn lstm的語言模型回顧 .mp4 10.51M | ├──03-基于語言模型的文本生成原理 .mp4 2.04M | ├──04-【實(shí)戰(zhàn)】基于lstm的唐詩生成器 .mp4 67.12M | ├──05-基于seq2seq的文本序列生成原理 .mp4 9.20M | ├──06-【實(shí)戰(zhàn)】基于seq2seq的對聯(lián)生成器 .mp4 96.68M | └──07章小結(jié) .mp4 14.87M └──考核作業(yè) .zip 71.06kb 08-機(jī)器翻譯 └──第一章-機(jī)器翻譯：雙語翻譯 | ├──01-統(tǒng)計(jì)機(jī)器翻譯 | ├──02-基于seq2seq的機(jī)器翻譯模型 | ├──03-fackbook基于CNN的機(jī)器翻譯模型 | └──04-來自Google的Transformer模型 09-聊天機(jī)器人 └──第一章-聊天機(jī)器人：機(jī)器客服與語音助手 | ├──01-基于內(nèi)容匹配的聊天機(jī)器人 | └──02-基于seq2seq的聊天機(jī)器人 10-視覺文本任務(wù)：看圖說話 ├──01-看圖說話問題與實(shí)現(xiàn) | ├──1.1 本章概述 .mp4 2.86M | ├──1.2 “看圖說話”問題介紹 .mp4 7.81M | ├──1.3 簡易cnn+rnn編碼解碼模型完成圖片短文本描述原理 .mp4 67.26M | ├──1.4 注意力模型與“看圖說話”優(yōu)化 .mp4 26.76M | ├──1.5 【實(shí)戰(zhàn)】基于cnn+rnn的編解碼“看圖說話”與beam-search優(yōu)化 .mp4 105.95M | ├──1.6 【實(shí)戰(zhàn)】基于attention model的“看圖說話”實(shí)現(xiàn) .mp4 27.92M | └──1.7 本章小結(jié) .mp4 1.84M └──02-視覺問答機(jī)器人(VQA)原理與實(shí)現(xiàn) | ├──2.1 本章概述 .mp4 1.61M | ├──2.2 視覺問答機(jī)器人問題介紹 .mp4 34.82M | ├──2.3 基于圖像信息和文本信息抽取匹配的vqa實(shí)現(xiàn)方案 .mp4 30.93M | ├──2.4 基于注意力(attention)的深度學(xué)習(xí)vqa實(shí)現(xiàn)方案 .mp4 16.18M | ├──2.5【實(shí)戰(zhàn)】使用keras完成cnn+rnn基礎(chǔ)vqa模型 .mp4 24.39M | ├──2.6【實(shí)戰(zhàn)】基于attention的深度學(xué)習(xí)vqa模型實(shí)現(xiàn) .mp4 41.58M | └──2.7 本章小結(jié) .mp4 1.67M 11-文本相似度計(jì)算與文本匹配問題 ├──01-文本相似度計(jì)算與文本匹配問題 | ├──1.1 本章概述 .mp4 5.89M | ├──1.2 文本相似度問題與應(yīng)用 .mp4 9.06M | ├──1.3 傳統(tǒng)文本相似度計(jì)算方式：編輯距離、simhash、word2vec .mp4 148.01M | ├──1.4 【實(shí)戰(zhàn)】編輯距離計(jì)算python實(shí)現(xiàn) .mp4 23.46M | ├──1.5 【實(shí)戰(zhàn)】基于simhash的相似文本判斷 .mp4 62.75M | ├──1.6 【實(shí)戰(zhàn)】詞向量word averaging .mp4 24.75M | ├──1.7 本章小結(jié) .mp4 2.36M | └──第1章文本相似度問題與應(yīng)用場景 .pdf 7.49M └──02-基于深度學(xué)習(xí)的文本語義匹配 | ├──2.1 本章概述 .mp4 2.93M | ├──2.2 基于深度學(xué)習(xí)的句子相似度模型 .mp4 32.12M | ├──2.3 dssm（deep structured semantic models）模型詳解 .mp4 20.85M | ├──2.4 drmm（deep relevance matching model）模型詳解 .mp4 21.39M | ├──2.5【實(shí)戰(zhàn)】基于lstm的監(jiān)督學(xué)習(xí)語義表達(dá)抽取 .mp4 81.31M | ├──2.6【實(shí)戰(zhàn)】基于dssm的問題語義相似度匹配案例 .mp4 25.91M | ├──2.7【實(shí)戰(zhàn)】基于drmm的問答匹配案例 .mp4 21.68M | ├──2.8 本章小結(jié) .mp4 3.94M | └──第2章基于深度學(xué)習(xí)的文本語義匹配 .pdf 7.84M
購買主題
本主題需向作者支付 10 資源幣 才能瀏覽
| |
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
小黑屋|資源共享吧 ( 瓊ICP備2023000410號-1 )
GMT+8, 2025-5-8 11:48 , Processed in 0.075070 second(s), 16 queries , MemCached On.
發(fā)表于 2024-2-29 21:05:27
收藏