资深AI算工程师联合培养计划-NLP方向课程介绍:
自然语言处理(NLP)主要用于解决文本自动分类、文本重要信息自动提取、数据挖掘、推荐系统、文本自动生成、对话机器人、知识图谱等领域。用以解决人类对文本信息分析与理解的自动化。本课程内容主要涉及经典人工智能方法、机器学习与深度学习方法。
课程目录:
后厂理工+百度飞桨联合设计双证资深AI实战工程师(NLP方向) ├─ 第01章 问答摘要与推理-项目简介 │ ├─ 第1节 1-1项目和课程内容介绍 │ │ ├─ Lecture-01.pdf │ │ └─ 第1节 1-1项目和课程内容介绍.mp4 │ └─ 第2节 1-2词向量Word2vec及其优化方法详解 │ ├─ Lecture-2.pdf │ └─ 第2节 1-2词向量Word2vec及其优化方法详解.mp4 ├─ 第02章 问答摘要与推理-代码实操Word2vec │ ├─ 第2节 2-1项目代码实操-中文分词、处理以及构建Word2vec │ │ ├─ 第2节 2-1项目代码实操-中文分词、处理以及构建Word2vec.mp4 │ │ ├─ 随堂代码.zip │ │ └─ 随堂资料.txt │ └─ 第3节 2-2项目研讨课Ⅰ │ └─ 第3节 2-2项目研讨课I.mp4 ├─ 第03章 问答摘要与推理-Seq2Seq │ ├─ 第1节 3-1文本生成方法之Seq2Seq (Encoder、Decoder、Attention) │ │ ├─ Lecture-02-seq2seq-attention.pdf │ │ └─ 第1节 3-1文本生成方法之Seq2Seq (Encoder、Decoder、Attention).mp4 │ └─ 第2节 3-2项目研讨课Ⅱ │ ├─ 第2节 3-2项目研讨课Ⅱ.mp4 │ └─ 课堂PPT及代码.zip ├─ 第04章 问答摘要与推理-代码实操Seq2Seq │ ├─ 第1节 4-1GRU、LSTM算法对比,Seq2Seq模型搭建并训练及代码实现 │ │ ├─ 4-1课堂讲义及代码.zip │ │ └─ 第1节 4-1GRU、LSTM算法对比,Seq2Seq模型搭建并训练及代码实现.mp4 │ └─ 第2节 作业指导:预训练词向量与embedding搭建 │ ├─ 1013研讨课.zip │ └─ 第2节 作业指导:预训练词向量与embedding搭建.mp4 ├─ 第05章 问答摘要与推理-模型训练 │ ├─ 第1节 5-1深度学习框架图计算理论,模型训练代码实践、优化器对比选择 │ │ ├─ lecture-3.ipynb.zip │ │ └─ 第1节 5-1深度学习框架图计算理论,模型训练代码实践、优化器对比选择.mp4 │ └─ 第2节 5-2Model搭建 │ ├─ 1020PPT及代码.zip │ ├─ 5-2PPT.pptx │ └─ 第2节 5-2Model搭建.mp4 ├─ 第06章 问答摘要与推理-Extractive Text Summarization │ ├─ 第1节 抽提式文本摘要相关算法详解 │ │ ├─ 6-1PPT及随堂代码.zip │ │ └─ 第1节 抽提式文本摘要相关算法详解.mp4 │ └─ 第2节 pgn网络搭建 │ ├─ 6-2随堂课件及代码.zip │ └─ 第2节 pgn网络搭建.mp4 ├─ 第07章 文本生成问题前沿算法 │ ├─ 第1节 7-1Extractive Text Summarization抽提式文本摘要 │ │ ├─ 7-1PPT及课堂代码.zip │ │ └─ 第1节 7-1Extractive Text Summarization抽提式文本摘要.mp4 │ └─ 第2节 7-2抽取式摘要 │ ├─ 7-2随堂代码.zip │ └─ 第2节 7-2抽取式摘要.mp4 ├─ 第08章 问答摘要与推理- 项目代码部署 │ ├─ 第1节 8-1项目总结以及模型部署 │ │ ├─ 8-1作业要求.txt │ │ ├─ 8-1随堂课件及PPT.zip │ │ └─ 第1节 8-1项目总结以及模型部署.mp4 │ └─ 第2节 8-2代码讲解与演示 │ ├─ 8-2随堂课件代码.zip │ └─ 第2节 8-2代码讲解与演示.mp4 ├─ 第09章 试题知识点标注-项目课程简介 │ ├─ 第1节 9-1项目介绍和课程安排 │ │ ├─ 9-1课堂资料.zip │ │ ├─ 第1节 9-1项目介绍和课程安排-1.mp4 │ │ ├─ 第1节 9-1项目介绍和课程安排-2.mp4 │ │ └─ 第1节 9-1项目介绍和课程安排-3.mp4 │ └─ 第2节 9-2手动实现贝叶斯,baseline实战 │ ├─ 9-2课堂代码.zip │ └─ 第2节 9-2手动实现贝叶斯,baseline实战.mp4 ├─ 第10章 试题知识点标注-常用机器学习方法及在文本分类问题中的应用 │ ├─ 第1节 10-1 LDA、Glove、FaxtText在文本分类中的实践 │ │ ├─ 10-1随堂课件.zip │ │ ├─ 第1节 10-1 LDA、Glove、FaxtText在文本分类中的实践-1.mp4 │ │ ├─ 第1节 10-1 LDA、Glove、FaxtText在文本分类中的实践-2.mp4 │ │ └─ 第1节 10-1 LDA、Glove、FaxtText在文本分类中的实践-3.mp4 │ └─ 第2节 10-2tf搭建fasttext文本分类 │ ├─ 10-2随堂代码.zip │ └─ 第2节 10-2tf搭建fasttext文本分类.mp4 ├─ 第11章 试题知识点标注-卷积神经网络在文本分类中的应用 │ ├─ 第1节 11-1CNN、TextCNN、GCN与文本分类 │ │ ├─ 11-1随堂课件.zip │ │ ├─ 第1节 11-1CNN、TextCNN、GCN与文本分类-1.mp4 │ │ ├─ 第1节 11-1CNN、TextCNN、GCN与文本分类-2.mp4 │ │ └─ 第1节 11-1CNN、TextCNN、GCN与文本分类-3.mp4 │ └─ 第2节 11-2Text CNN多标签分类实现 │ ├─ 11-2随堂代码.zip │ └─ 第2节 11-2Text CNN多标签分类实现.mp4 ├─ 第12章 试题知识点标注- 预训练语言模型初识 │ ├─ 第1节 12-1Transformer Emlo GPT等结构介绍 │ │ ├─ 12-1随堂课件.zip │ │ ├─ 第1节 12-1Transformer Emlo GPT等结构介绍-1.mp4 │ │ └─ 第1节 12-1Transformer Emlo GPT等结构介绍-2.mp4 │ └─ 第2节 12-2 Transformer等常见结构实践讲解 │ ├─ 12-2随堂代码.zip │ └─ 第2节 12-2 Transformer等常见结构实践讲解.mp4 ├─ 第13章 试题知识点标注- 预训练语言模型进阶 │ ├─ 第1节 13-1 bert 预训练语言模型详解 │ │ ├─ 13-1课堂PPT.zip │ │ ├─ 第1节 13-1 bert 预训练语言模型详解-1.mp4 │ │ ├─ 第1节 13-1 bert 预训练语言模型详解-2.mp4 │ │ └─ 第1节 13-1 bert 预训练语言模型详解-3.mp4 │ └─ 第2节 13-2 bert文本分类实战 │ ├─ 13-2课堂代码.zip │ ├─ 第2节 13-2 bert文本分类实战-1.mp4 │ ├─ 第2节 13-2 bert文本分类实战-2.mp4 │ ├─ 第2节 13-2 bert文本分类实战-3.mp4 │ └─ 第2节 13-2 bert文本分类实战-4.mp4 ├─ 第14章 试题知识点标注- 预训练语言模型实战 │ ├─ 第1节 14-1预训练语言模型实战 │ │ ├─ 14-1课堂PPT.zip │ │ ├─ 第1节 14-1预训练语言模型实战 -1.mp4 │ │ ├─ 第1节 14-1预训练语言模型实战-2.mp4 │ │ └─ 第1节 14-1预训练语言模型实战-3.mp4 │ └─ 第2节 14-2bert实现多标签分类 │ ├─ 14-2课堂代码.zip │ ├─ 第2节 14-2bert实现多标签分类-1.mp4 │ └─ 第2节 14-2bert实现多标签分类-2.mp4 ├─ 第15章 试题知识点标注-gpu与分布式机器学习 │ ├─ 第1节 15-1gpu与分布式机器学习 │ │ ├─ 15-1课堂PPT.pdf │ │ ├─ 15-1课堂作业.txt │ │ ├─ 第1节 15-1gpu与分布式机器学习-1.mp4 │ │ ├─ 第1节 15-1gpu与分布式机器学习-2.mp4 │ │ └─ 第1节 15-1gpu与分布式机器学习-3.mp4 │ └─ 第2节 15-2Gcn文本分类 │ ├─ 15-2随堂代码.zip │ └─ 第2节 15-2Gcn文本分类.mp4 ├─ 第16章 试题知识点标注–项目部署,总结与面试指导 │ ├─ 第1节 16-1试题知识点标注–项目部署,总结与面试指导 │ │ ├─ 16-1课堂PPT.pptx │ │ ├─ 第1节 16-1试题知识点标注–项目部署,总结与面试指导-1.mp4 │ │ └─ 第1节 16-1试题知识点标注–项目部署,总结与面试指导-2.mp4 │ └─ 第2节 16-2实体抽取与关系整理 论文解读 │ ├─ 16-2实体抽取与关系整理 论文解读-5.mp4 │ ├─ 16-2课堂代码.zip │ ├─ 第2节 16-2实体抽取与关系整理 论文解读-1.mp4 │ ├─ 第2节 16-2实体抽取与关系整理 论文解读-2.mp4 │ ├─ 第2节 16-2实体抽取与关系整理 论文解读-3.mp4 │ ├─ 第2节 16-2实体抽取与关系整理 论文解读-4.mp4 │ ├─ 第2节 16-2实体抽取与关系整理 论文解读-6.mp4 │ └─ 第2节 16-2实体抽取与关系整理 论文解读-7.mp4 ├─ 第17章 视频分段-项目课程简介 &基础算法 │ ├─ 第1节 17-1视频分段-项目课程简介 &基础算法 │ │ ├─ 17-1作业要求详情 (2).zip │ │ ├─ 17-1课前预习资料.pptx │ │ ├─ 17-1课堂PPT 代码 公式 合集 (2).zip │ │ └─ 第1节 17-1视频分段-项目课程简介 &基础算法.mp4 │ └─ 第2节 17-2动态规划与EM算法实践 │ ├─ 17-2课堂代码.zip │ └─ 第2节 17-2动态规划与EM算法实践.mp4 ├─ 第18章 视频分段-中文分词(一) │ ├─ 第1节 18-1视频分段-中文分词(一) │ │ ├─ 18-1作业要求.txt │ │ ├─ 18-1课堂PPT·公式.zip │ │ └─ 第1节 18-1视频分段-中文分词(一).mp4 │ └─ 第2节 18-2 hmm分词与词性标注实现 │ ├─ 18-2课堂代码.zip │ └─ 第2节 18-2 hmm分词与词性标注实现.mp4 ├─ 第19章 视频分段-中文分词(二) │ ├─ 第1节 19-1 视频分段-中文分词(二) │ │ ├─ 19-1课堂PPT.pptx │ │ ├─ 19-1课堂代码.zip │ │ ├─ 19-1课堂作业.txt │ │ └─ 第1节 19-1 视频分段-中文分词(二).mp4 │ └─ 第2节 19-2 Hmm与ctf作业讲解以及知识驱动对话论文解读 │ ├─ 19-2课堂代码.zip │ ├─ 第2节 19-2 Hmm与ctf作业讲解以及知识驱动对话论文解读-1.mp4 │ ├─ 第2节 19-2 Hmm与ctf作业讲解以及知识驱动对话论文解读-2.mp4 │ └─ 第一十九章第2节: 研讨课补充内容.mp4 ├─ 第20章 视频分段-命名实体识别ner │ ├─ 第1节 20-1命名实体识别ner │ │ ├─ 20-1课堂PPT.pptx │ │ ├─ 20-1课堂作业.txt │ │ └─ 第1节 20-1命名实体识别ner.mp4 │ └─ 第2节 20-2 NER实战 │ ├─ 20-2 NER实战 研讨课-2.mp4 │ ├─ 20-2 NER实战 研讨课.mp4 │ └─ 20-2课堂代码.zip ├─ 第21章 视频分段-深度学习在NER中的应用 和 半监督学习 │ ├─ 第1节 21-1视频分段-深度学习在NER中的应用 和 半监督学习 │ │ ├─ 21-1课堂PPT.zip │ │ └─ 第1节 21-1视频分段-深度学习在NER中的应用 和 半监督学习.mp4 │ └─ 第2节 21-2 bert实现ner与crf可视化 │ ├─ 20200229.zip │ ├─ 第2节 21-2 bert实现ner与crf可视化-1.mp4 │ └─ 第2节 21-2 bert实现ner与crf可视化-2.mp4 ├─ 第22章 视频分段-纠错系统 │ ├─ 第1节 22-1视频分段-纠错系统 │ │ ├─ 第1节 22-1视频分段-纠错系统.mp4 │ │ └─ 纠错.pptx │ └─ 第2节 22-2英文拼写纠错实践与pycorrector源码解读 │ ├─ 22-2英文拼写纠错实践与pycorrector源码解读-1.mp4 │ ├─ 22-2英文拼写纠错实践与pycorrector源码解读-2.mp4 │ ├─ 22-2英文拼写纠错实践与pycorrector源码解读-3.mp4 │ └─ 22-2英文拼写纠错实践与pycorrector源码解读.mp4 ├─ 第23章 视频分段-依存句法分析、记忆网络、文本搜索 │ ├─ 第1节 23-1依存句法分析、记忆网络、文本搜索 │ │ └─ 第1节 23-1依存句法分析、记忆网络、文本搜索.mp4 │ └─ 第2节 23-2句法分析实战 │ └─ 第2节 23-2句法分析实战.mp4 └─ 第24章 视频分段-项目总结 ├─ 第1节 24-1语音识别简介、激活函数优化器对比、模型压缩等 │ └─ 第1节 24-1语音识别简介、激活函数_优化器对比、模型压缩等.mp4 └─ 第2节 24-2rasa框架对话入门实践 └─ 第2节 24-2rasa框架对话入门实践.mp4
此隐藏内容仅限VIP查看升级VIP
侵权联系与免责声明 1、本站资源所有言论和图片纯属用户个人意见,与本站立场无关 2、本站所有资源收集于互联网,由用户分享,该帖子作者与独角兽资源站不享有任何版权,如有侵权请联系本站删除 3、本站部分内容转载自其它网站,但并不代表本站赞同其观点和对其真实性负责 4、如本帖侵犯到任何版权问题,请立即告知本站,本站将及时予与删除并致以最深的歉意 如有侵权联系邮箱:1415374178@qq.com
评论0