——/网易微专业 AI工程师-自然语言处理/

├──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

| | ├──01-本章概述.mp4 13.90M

| | ├──02-英文文本解析任务介绍：分词、去停用词、提取词干等.mp4 69.12M

| | ├──03-【实战】nltk工具库英文文本处理案例.mp4 139.99M

| | ├──04-【实战】spacy工具库英文文本处理案例.mp4 413.95M

| | ├──05-【实战】基于python的英文文本相似度比对.mp4 122.75M

| | ├──06-【实战】简易文本情感分析器构建.mp4 34.02M

| | └──07-本章小结.mp4 24.52M

| ├──第三章-中文文本处理与解析

| | ├──01-本章概述-.mp4 4.99M

| | ├──02-中文文本处理任务介绍：分词、去停用词、n-gram-.mp4 223.80M

| | ├──03-中文文本解析任务介绍：词性分析、依赖分析等-.mp4 170.84M

| | ├──04-jieba工具库介绍-.mp4 531.87M

| | ├──05-【实战】python中文文本清洗、处理与可视化-.mp4 193.05M

| | ├──06-【实战】python新闻网站关键词抽取-.mp4 44.24M

| | └──07-本章小结-.mp4 30.34M

| ├──第一章-自然语言处理基础

| | ├──01-本章概述.mp4 5.90M

| | ├──02-文本数据、字、词、term-.mp4 128.35M

| | ├──03-字符串处理-.mp4 371.04M

| | ├──04-模式匹配与正则表达式-.mp4 432.24M

| | ├──05-字符串基本处理与正则表达式文本匹配与替换-.mp4 625.04M

| | └──06-本章小结-.mp4 60.87M

| └──课件与代码.zip 30.30M

├──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

| | ├──01-本章概述-.mp4 29.86M

| | ├──02-基于统计的语言模型构建-.mp4 235.73M

| | ├──03-【实战】kenlm工具库使用及语言模型生成-.mp4 172.84M

| | ├──04-【实战】基于kenlm的简易拼写纠错-.mp4 182.16M

| | ├──05-基于rnn的神经语言模型-.mp4 550.92M

| | ├──06-【实战】基于pytorch的语言模型训练-.mp4 270.57M

| | └──07-本章小结-.mp4 102.50M

| ├──第一章-语言模型与应用

| | ├──01-本章概述-.mp4 19.07M

| | ├──02-假设性独立与联合概率链规则-.mp4 73.94M

| | ├──03-n-gram语言模型-.mp4 218.74M

| | ├──04-n-gram应用：词性标注、中文分词、机器翻译与语音识别-.mp4 327.97M

| | └──05-本章小结-.mp4 33.10M

| ├──考核作业

| | ├──客观题

| | └──主观题

| └──课件与代码

| | ├──Language_Models2

| | └──__MACOSX

├──03-文本表示

| ├──第二章-文本表示进阶

| | ├──01-本章概述-.mp4 50.16M

| | ├──02-预训练在图像领域的应用-.mp4 259.56M

| | ├──03-elmo基于上下文的word embedding-.mp4 180.36M

| | ├──04-gpt transformer建模句子信息-.mp4 349.11M

| | ├──05-bert 预训练双向transformer-.mp4 429.03M

| | ├──06-基于bert进行fine-tuning-.mp4 211.48M

| | └──07-本章小结-.mp4 52.23M

| ├──第一章-文本词与句的表示

| | ├──01-本章概述-.mp4 32.17M

| | ├──02-文本表示概述-.mp4 51.69M

| | ├──03-文本离散表示：词袋模型与tf-idf-.mp4 287.12M

| | ├──04-文本分布式表示：word2vec-.mp4 312.99M

| | ├──05-【实战】python中文文本向量化表示-.mp4 95.16M

| | ├──06-【实战】基于gensim的中文文本词向量训练与相似度匹配-.mp4 274.13M

| | └──07-本章小结-.mp4 5.52M

| ├──考核作业

| | ├──文本表示：词向量构建与分布表示_客观题

| | └──文本表示：词向量构建与分布表示_主观题.PNG 22.63kb

| └──课件代码.zip 612.40M

├──04-文本分类

| ├──第二章-文本分类深度学习模型与实战

| | └──视频

| ├──第一章-文本分类机器学习模型与实战

| | └──视频

| ├──考核作业

| | ├──文本分类：情感分析与内容分类_客观题

| | └──文本分类：情感分析与内容分类_主观题

| └──课件-代码.zip 72.33M

├──05-文本主题抽取与表示

| ├──第一章-文本主题抽取与表示

| | └──视频

| ├──考核作业

| | ├──主题模型：文本主题抽取与表示_客观题

| | └──主题模型：文本主题抽取与表示_主观题.PNG 7.84kb

| └──课件与代码.zip 68.89M

├──06-序列到序列模型

| ├──第一章-序列到序列模型与应用

| | ├──01-本章概述-.mp4 5.78M

| | ├──02-从rnn到seq2seq模型-.mp4 6.01M

| | ├──03-编码解码模型-.mp4 12.59M

| | ├──04-seq2seq模型详解-.mp4 45.24M

| | ├──05-注意（attention）机制-.mp4 36.38M

| | ├──06-tensorflow seq2seq模型使用方法详解-.mp4 177.54M

| | ├──07-基于seq2seq的文本摘要生成实现-.mp4 148.80M

| | └──08-本章总结-.mp4 72.69M

| ├──考核作业

| | ├──seq2seq模型：文本序列映射学习_客观题

| | └──seq2seq模型：文本序列映射学习_主观题.PNG 8.62kb

| └──课件与代码.zip 61.78M

├──07-文本生成

| ├──第一章-文本生成与自动创作

| | ├──01-本章概述-.mp4 2.42M

| | ├──02-基于rnn lstm的语言模型回顾-.mp4 10.51M

| | ├──03-基于语言模型的文本生成原理-.mp4 2.04M

| | ├──04-【实战】基于lstm的唐诗生成器-.mp4 67.12M

| | ├──05-基于seq2seq的文本序列生成原理-.mp4 9.20M

| | ├──06-【实战】基于seq2seq的对联生成器-.mp4 96.68M

| | └──07-本章小结-.mp4 14.87M

| ├──考核作业

| | ├──文本生成：写诗作词对对联_客观题

| | └──文本生成：写诗作词对对联_主观题.PNG 8.37kb

| └──课件与代码.zip 44.38M

├──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

| └──课件-代码.zip 77.72M

├──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

| └──课件-代码.zip 31.91M

├──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-.mp4 1.96M

| | ├──1.2 “看图说话”问题介绍-.mp4 8.42M

| | ├──1.3 简易cnn+rnn编码解码模型完成图片短文本描述原理-.mp4 65.93M

| | ├──1.4 注意力模型与“看图说话”优化-.mp4 31.96M

| | ├──1.5 【实战】基于cnn+rnn的编解码“看图说话”与beam-search优化-.mp4 109.77M

| | ├──1.6 【实战】基于attention model的“看图说话”实现-.mp4 34.42M

| | └──1.7 本章小结-.mp4 1.96M

| ├──02-视觉问答机器人(VQA)原理与实现

| | ├──2.1 本章概述-.mp4 1.48M

| | ├──2.2 视觉问答机器人问题介绍-.mp4 39.47M

| | ├──2.3 基于图像信息和文本信息抽取匹配的vqa实现方案-.mp4 38.26M

| | ├──2.4 基于注意力(attention)的深度学习vqa实现方案-.mp4 19.97M

| | ├──2.5【实战】使用keras完成cnn+rnn基础vqa模型-.mp4 29.11M

| | ├──2.6【实战】基于attention的深度学习vqa模型实现-.mp4 53.88M

| | └──2.7 本章小结-.mp4 1.36M

| └──课件-代码.zip 240.58M

└──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

| | ├──视频

| | └──第1章文本相似度问题与应用场景.pdf 7.49M

| ├──02-基于深度学习的文本语义匹配

| | ├──视频

| | └──第2章基于深度学习的文本语义匹配.pdf 7.84M

| └──课件-代码29.9元立即购买  或  升级包年vip后免费升级包年vip

声明：本站所有文章，均采集自互联网，如若本站内容侵犯了原著者的合法权益，可联系我们进行下架处理，本文链接：https://dbbp.net/10426.html。