Python知識(shí)分享網(wǎng) - 專業(yè)的Python學(xué)習(xí)網(wǎng)站 學(xué)Python,上Python222
AI人工智能工程師-NLP必備技能 視頻教程 下載
匿名網(wǎng)友發(fā)布于:2023-08-25 12:06:31
(侵權(quán)舉報(bào))
(假如點(diǎn)擊沒反應(yīng),多刷新兩次就OK!)

AI人工智能工程師-NLP必備技能 視頻教程 下載  圖1

 

 

 

資料目錄:

 


├─01-自然語言處理基礎(chǔ)知識(shí)與操作
│  ├─第一章自然語言處理基礎(chǔ)
│  │      一章小結(jié).mp4
│  │      一章概述.mp4
│  │      字符串基本處理與正則表達(dá)式文本匹配與替換.mp4
│  │      字符串處理.mp4
│  │      文本數(shù)據(jù)、字、詞、term.mp4
│  │      模式匹配與正則表達(dá)式.mp4
│  │      
│  ├─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
│  │      【實(shí)戰(zhàn)】spacy工具庫英文文本處理案例.mp4
│  │      【實(shí)戰(zhàn)】基于python的英文文本相似度比對.mp4
│  │      【實(shí)戰(zhàn)】簡易文本情感分析器構(gòu)建.mp4
│  │      章小結(jié).mp4
│  │      章概述.mp4
│  │      英文文本解析任務(wù)介紹:分詞、去停用詞、提取詞干等.mp4
│  │      
│  └─第三章中文文本處理與解析
│         jieba工具庫介紹.mp4
│         【實(shí)戰(zhàn)】python中文文本清洗、處理與可視化.mp4
│         【實(shí)戰(zhàn)】python新聞網(wǎng)站關(guān)鍵詞抽取.mp4
│         中文文本處理任務(wù)介紹:分詞、去停用詞、ngram.mp4
│         中文文本解析任務(wù)介紹:詞性分析、依賴分析等.mp4
│         章小結(jié).mp4
│         章概述.mp4
│         
├─02-語言模型與應(yīng)用
│  │  考核作業(yè).zip
│  │  課件與代碼.zip
│  │  
│  ├─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(shí)別.mp4
│  │      ngram語言模型.mp4
│  │      假設(shè)性獨(dú)立與聯(lián)合概率鏈規(guī)則.mp4
│  │      章小結(jié).mp4
│  │      章概述.mp4
│  │      
│  └─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
│          【實(shí)戰(zhàn)】基于kenlm的簡易拼寫糾錯(cuò).mp4
│          【實(shí)戰(zhàn)】基于pytorch的語言模型訓(xùn)練.mp4
│          基于rnn的神經(jīng)語言模型.mp4
│          基于統(tǒng)計(jì)的語言模型構(gòu)建.mp4
│          章小結(jié).mp4
│          章概述.mp4
│         
├─03-文本表示
│  │  考核作業(yè).zip
│  │  
│  ├─第一章-文本詞與句的表示
│  │      01章概述.mp4
│  │      02-文本表示概述.mp4
│  │      03-文本離散表示:詞袋模型與tf-idf.mp4
│  │      04-文本分布式表示:word2vec.mp4
│  │      05-【實(shí)戰(zhàn)】python中文文本向量化表示.mp4
│  │      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
│  │      07章小結(jié).mp4
│  │      
│  └─第二章-文本表示進(jìn)階
│          01章概述.mp4
│          02-預(yù)訓(xùn)練在圖像領(lǐng)域的應(yīng)用.mp4
│          03-elmo基于上下文的word embedding.mp4
│          04-gpt transformer建模句子信息.mp4
│          05-bert 預(yù)訓(xùn)練雙向transformer.mp4
│          06-基于bert進(jìn)行fine-tuning.mp4
│          07章小結(jié).mp4
│         
├─04-文本分類
│  │  考核作業(yè).zip
│  │  
│  ├─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
│  │      02-樸素貝葉斯模型與中文文本分類.mp4
│  │      03-邏輯回歸 _svm與文本分類.mp4
│  │      04-facebook fasttext原理與操作.mp4
│  │      05-【實(shí)戰(zhàn)】python中文新聞分類.mp4
│  │      06-【實(shí)戰(zhàn)】基于fasttext的文本情感分析.mp4
│  │      07章小結(jié).mp4
│  │      
│  └─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
│          02-詞嵌入與fine-tuning.mp4
│          03-基于卷積神經(jīng)網(wǎng)絡(luò)的文本分類.mp4
│          04-基于lstm的文本分類.mp4
│          05-transformerself-attention介紹.mp4
│          06-使用tensorflow構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)完成新聞分類.mp4
│          07-使用tensorflow構(gòu)建lstm完成影評褒貶分析模型.mp4
│          08章小結(jié).mp4
│         
├─05-文本主題抽取與表示
│  │  考核作業(yè).zip
│  │  
│  └─第一章-文本主題抽取與表示
│          01章小結(jié).mp4
│          02-基于tf-idf與text-rank的主題詞抽取.mp4
│          03-監(jiān)督學(xué)習(xí)與文本打標(biāo)簽.mp4
│          04-無監(jiān)督學(xué)習(xí)與lda主題模型.mp4
│          05基于python的中文關(guān)鍵詞抽取與可視化.mp4
│          06-基于lda的新聞主題分析與可視化呈現(xiàn).mp4
│          07章小結(jié).mp4
│         
├─06-序列到序列模型
│  │  考核作業(yè).zip
│  │  
│  └─第一章-序列到序列模型與應(yīng)用
│          01章概述.mp4
│          02-從rnn到seq2seq模型.mp4
│          03-編碼解碼模型.mp4
│          04-seq2seq模型詳解.mp4
│          05-注意(attention)機(jī)制.mp4
│          06-tensorflow seq2seq模型使用方法詳解.mp4
│          07-基于seq2seq的文本摘要生成實(shí)現(xiàn).mp4
│          08章總結(jié).mp4
│         
├─07-文本生成
│  │  考核作業(yè).zip
│  │  
│  └─第一章-文本生成與自動(dòng)創(chuàng)作
│          01章概述.mp4
│          02-基于rnn lstm的語言模型回顧.mp4
│          03-基于語言模型的文本生成原理.mp4
│          04-【實(shí)戰(zhàn)】基于lstm的唐詩生成器.mp4
│          05-基于seq2seq的文本序列生成原理.mp4
│          06-【實(shí)戰(zhàn)】基于seq2seq的對聯(lián)生成器.mp4
│          07章小結(jié).mp4
│         
├─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
│      │      01章概述.mp4
│      │      02-詞,句子和語料與基本概率論知識(shí).mp4
│      │      03-翻譯模型與語言模型.mp4
│      │      04-解碼與beam-search.mp4
│      │      05-翻譯系統(tǒng)評估.mp4
│      │      06-【實(shí)戰(zhàn)】moses統(tǒng)計(jì)翻譯系統(tǒng)實(shí)戰(zhàn).mp4
│      │      07章小結(jié).mp4
│      │      
│      ├─02-基于seq2seq的機(jī)器翻譯模型
│      │      01章概述.mp4
│      │      02-基礎(chǔ)seq2seq編解碼模型機(jī)器翻譯應(yīng)用.mp4
│      │      03-基于注意力機(jī)制的seq2seq機(jī)器翻譯優(yōu)化.mp4
│      │      04-【實(shí)戰(zhàn)】基于keras完成的基礎(chǔ)seq2seq機(jī)器翻譯模型.mp4
│      │      05-【實(shí)戰(zhàn)】基于tensorflow的google版seq2seq機(jī)器翻譯模型.mp4
│      │      06章小結(jié).mp4
│      │      
│      ├─03-fackbook基于CNN的機(jī)器翻譯模型
│      │      01章概述.mp4
│      │      02-基于cnn的翻譯系統(tǒng)模型結(jié)構(gòu).mp4
│      │      03-使用cnn完成神經(jīng)翻譯系統(tǒng)的tricks.mp4
│      │      04-facebook cnn機(jī)器翻譯系統(tǒng)代碼解析.mp4
│      │      05章小結(jié).mp4
│      │      
│      └─04-來自Google的Transformer模型
│              01章概述.mp4
│              02-來自google的transformer模型.mp4
│              03-transformer模型的訓(xùn)練細(xì)節(jié).mp4
│              04-【實(shí)戰(zhàn)】transformer源碼解析.mp4
│              05章小結(jié).mp4
│              
├─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
│      │      01章概述.mp4
│      │      02-聊天機(jī)器人基本知識(shí)綜述.mp4
│      │      03-基于內(nèi)容匹配的聊天機(jī)器人.mp4
│      │      04-基于深度學(xué)習(xí)匹配的聊天機(jī)器人tensorflow實(shí)現(xiàn).mp4
│      │      05-基于深度學(xué)習(xí)匹配的聊天機(jī)器人pytorch實(shí)現(xiàn).mp4
│      │      06章小結(jié).mp4
│      │      
│      └─02-基于seq2seq的聊天機(jī)器人
│              01章概述.mp4
│              02-聊天機(jī)器人場景與seq2seq模型回顧.mp4
│              03-數(shù)據(jù)準(zhǔn)備與處理.mp4
│              04-基于tensorflow seq2seq的chatbot完整實(shí)現(xiàn).mp4
│              05-拓展:基于transformer的chatbot實(shí)現(xiàn).mp4
│              06章小結(jié).mp4
│              
├─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
│  │      1.2 “看圖說話”問題介紹.mp4
│  │      1.3 簡易cnn+rnn編碼解碼模型完成圖片短文本描述原理.mp4
│  │      1.4 注意力模型與“看圖說話”優(yōu)化.mp4
│  │      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
│  │      1.6 【實(shí)戰(zhàn)】基于attention model的“看圖說話”實(shí)現(xiàn).mp4
│  │      1.7 本章小結(jié).mp4
│  │      
│  └─02-視覺問答機(jī)器人(VQA)原理與實(shí)現(xiàn)
│          2.1 本章概述.mp4
│          2.2 視覺問答機(jī)器人問題介紹.mp4
│          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
│          2.4 基于注意力(attention)的深度學(xué)習(xí)vqa實(shí)現(xiàn)方案.mp4
│          2.5【實(shí)戰(zhàn)】使用keras完成cnn+rnn基礎(chǔ)vqa模型.mp4
│          2.6【實(shí)戰(zhàn)】基于attention的深度學(xué)習(xí)vqa模型實(shí)現(xiàn).mp4
│          2.7 本章小結(jié).mp4
│         
└─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
    │      1.2 文本相似度問題與應(yīng)用.mp4
    │      1.3 傳統(tǒng)文本相似度計(jì)算方式:編輯距離、simhash、word2vec.mp4
    │      1.4 【實(shí)戰(zhàn)】編輯距離計(jì)算python實(shí)現(xiàn).mp4
    │      1.5 【實(shí)戰(zhàn)】基于simhash的相似文本判斷.mp4
    │      1.6 【實(shí)戰(zhàn)】詞向量word averaging.mp4
    │      1.7 本章小結(jié).mp4
    │      第1章文本相似度問題與應(yīng)用場景.pdf
    │      
    └─02-基于深度學(xué)習(xí)的文本語義匹配
            2.1 本章概述.mp4
            2.2 基于深度學(xué)習(xí)的句子相似度模型.mp4
            2.3 dssm(deep structured semantic models)模型詳解.mp4
            2.4 drmm(deep relevance matching model)模型詳解.mp4
            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
            2.6【實(shí)戰(zhàn)】基于dssm的問題語義相似度匹配案例.mp4
            2.7【實(shí)戰(zhàn)】基于drmm的問答匹配案例.mp4
            2.8 本章小結(jié).mp4
            第2章基于深度學(xué)習(xí)的文本語義匹配.pdf