ai工程师NLP教程



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 .mp4  139.99M
|   ├──【实战】spacy工具库英文文本处理案例 .mp4  413.95M
|   ├──【实战】基于python的英文文本相似度比对 .mp4  122.75M
|   ├──【实战】简易文本情感分析器构建 .mp4  34.02M
|   ├──英文文本解析任务介绍：分词、去停用词、提取词干等 .mp4  69.12M
|   ├──章概述 .mp4  13.90M
|   └──章小结 .mp4  24.52M
├──第三章中文文本处理与解析  
|   ├──jieba工具库介绍 .mp4  498.41M
|   ├──【实战】python新闻网站关键词抽取 .mp4  44.70M
|   ├──【实战】python中文文本清洗、处理与可视化 .mp4  168.51M
|   ├──章概述 .mp4  7.38M
|   ├──章小结 .mp4  35.26M
|   ├──中文文本处理任务介绍：分词、去停用词、ngram .mp4  209.10M
|   └──中文文本解析任务介绍：词性分析、依赖分析等 .mp4  151.12M
└──第一章自然语言处理基础  
|   ├──模式匹配与正则表达式 .mp4  431.25M
|   ├──文本数据、字、词、term .mp4  182.51M
|   ├──一章概述 .mp4  6.26M
|   ├──一章小结 .mp4  58.75M
|   ├──字符串处理 .mp4  370.12M
|   └──字符串基本处理与正则表达式文本匹配与替换 .mp4  492.86M
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 .mp4  189.76M
|   ├──【实战】基于kenlm的简易拼写纠错 .mp4  174.21M
|   ├──【实战】基于pytorch的语言模型训练 .mp4  247.99M
|   ├──基于rnn的神经语言模型 .mp4  647.21M
|   ├──基于统计的语言模型构建 .mp4  220.51M
|   ├──章概述 .mp4  29.84M
|   └──章小结 .mp4  102.33M
├──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 .mp4  397.08M
|   ├──ngram语言模型 .mp4  240.13M
|   ├──假设性独立与联合概率链规则 .mp4  67.24M
|   ├──章概述 .mp4  25.92M
|   └──章小结 .mp4  35.46M
├──考核作业 .zip  221.70kb
└──课件与代码 .zip  8.65M
03-文本表示  
├──第二章-文本表示进阶  
|   ├──01章概述 .mp4  50.13M
|   ├──02-预训练在图像领域的应用 .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 预训练双向transformer .mp4  708.94M
|   ├──06-基于bert进行fine-tuning .mp4  176.06M
|   └──07章小结 .mp4  52.20M
├──第一章-文本词与句的表示  
|   ├──01章概述 .mp4  36.86M
|   ├──02-文本表示概述 .mp4  129.10M
|   ├──03-文本离散表示：词袋模型与tf-idf .mp4  305.20M
|   ├──04-文本分布式表示：word2vec .mp4  279.58M
|   ├──05-【实战】python中文文本向量化表示 .mp4  121.62M
|   ├──06-【实战】基于gensim的中文文本词向量训练与相似度匹配 .mp4  286.17M
|   └──07章小结 .mp4  28.11M
└──考核作业 .zip  61.54kb
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 .mp4  5.44M
|   ├──02-词嵌入与fine-tuning .mp4  12.72M
|   ├──03-基于卷积神经网络的文本分类 .mp4  264.69M
|   ├──04-基于lstm的文本分类 .mp4  123.65M
|   ├──05-transformerself-attention介绍 .mp4  62.14M
|   ├──06-使用tensorflow构建卷积神经网络完成新闻分类 .mp4  105.84M
|   ├──07-使用tensorflow构建lstm完成影评褒贬分析模型 .mp4  10.41M
|   └──08章小结 .mp4  7.39M
├──第一章-文本分类机器学习模型与实战  
|   ├──01章概述 .mp4  55.82M
|   ├──02-朴素贝叶斯模型与中文文本分类 .mp4  395.33M
|   ├──03-逻辑回归 _svm与文本分类 .mp4  1.25G
|   ├──04-facebook fasttext原理与操作 .mp4  366.85M
|   ├──05-【实战】python中文新闻分类 .mp4  214.96M
|   ├──06-【实战】基于fasttext的文本情感分析 .mp4  183.86M
|   └──07章小结 .mp4  73.19M
└──考核作业 .zip  99.19kb
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 .mp4  6.57M
|   ├──02-基于tf-idf与text-rank的主题词抽取 .mp4  16.35M
|   ├──03-监督学习与文本打标签 .mp4  6.58M
|   ├──04-无监督学习与lda主题模型 .mp4  182.60M
|   ├──05基于python的中文关键词抽取与可视化 .mp4  6.55M
|   ├──06-基于lda的新闻主题分析与可视化呈现 .mp4  39.47M
|   └──07章小结 .mp4  7.20M
└──考核作业 .zip  42.93kb
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 .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章总结 .mp4  72.69M
└──考核作业 .zip  47.73kb
07-文本生成  
├──第一章-文本生成与自动创作  
|   ├──01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章小结 .mp4  14.87M
└──考核作业 .zip  71.06kb
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 .mp4  2.86M
|   ├──1.2 “看图说话”问题介绍 .mp4  7.81M
|   ├──1.3 简易cnn+rnn编码解码模型完成图片短文本描述原理 .mp4  67.26M
|   ├──1.4 注意力模型与“看图说话”优化 .mp4  26.76M
|   ├──1.5 【实战】基于cnn+rnn的编解码“看图说话”与beam-search优化 .mp4  105.95M
|   ├──1.6 【实战】基于attention model的“看图说话”实现 .mp4  27.92M
|   └──1.7 本章小结 .mp4  1.84M
└──02-视觉问答机器人(VQA)原理与实现  
|   ├──2.1 本章概述 .mp4  1.61M
|   ├──2.2 视觉问答机器人问题介绍 .mp4  34.82M
|   ├──2.3 基于图像信息和文本信息抽取匹配的vqa实现方案 .mp4  30.93M
|   ├──2.4 基于注意力(attention)的深度学习vqa实现方案 .mp4  16.18M
|   ├──2.5【实战】使用keras完成cnn+rnn基础vqa模型 .mp4  24.39M
|   ├──2.6【实战】基于attention的深度学习vqa模型实现 .mp4  41.58M
|   └──2.7 本章小结 .mp4  1.67M
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 .mp4  5.89M
|   ├──1.2 文本相似度问题与应用 .mp4  9.06M
|   ├──1.3 传统文本相似度计算方式：编辑距离、simhash、word2vec .mp4  148.01M
|   ├──1.4 【实战】编辑距离计算python实现 .mp4  23.46M
|   ├──1.5 【实战】基于simhash的相似文本判断 .mp4  62.75M
|   ├──1.6 【实战】词向量word averaging .mp4  24.75M
|   ├──1.7 本章小结 .mp4  2.36M
|   └──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  
|   ├──2.1 本章概述 .mp4  2.93M
|   ├──2.2 基于深度学习的句子相似度模型 .mp4  32.12M
|   ├──2.3 dssm（deep structured semantic models）模型详解 .mp4  20.85M
|   ├──2.4 drmm（deep relevance matching model）模型详解 .mp4  21.39M
|   ├──2.5【实战】基于lstm的监督学习语义表达抽取 .mp4  81.31M
|   ├──2.6【实战】基于dssm的问题语义相似度匹配案例 .mp4  25.91M
|   ├──2.7【实战】基于drmm的问答匹配案例 .mp4  21.68M
|   ├──2.8 本章小结 .mp4  3.94M
|   └──第2章基于深度学习的文本语义匹配 .pdf  7.84M