课程介绍:
本套课程从入门到精通,解锁NLP工程师必备技能,课程官方售价3800元,课程邀请海内外顶尖工业界讲师独家打造,包含关键的NLP核心知识讲解,同时以案例讲解助你搭建知识体系,带你系统掌握深度学习在各领域的应用,高效获取核心实战能力,一站式打造求职技能图谱,课程文件大小共计12.98G。
课程截图:
课程目录:
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–金狮-金狮_.mp4
02-英文文本解析任务介绍:分词、去停用词、提取词干等–金狮-金狮_.mp4
03-【实战】nltk工具库英文文本处理案例–金狮-金狮_.mp4
04-【实战】spacy工具库英文文本处理案例–金狮-金狮_.mp4
05-【实战】基于python的英文文本相似度比对–金狮-金狮_.mp4
06-【实战】简易文本情感分析器构建–金狮-金狮_.mp4
07-本章小结–金狮-金狮_.mp4
第三章-中文文本处理与解析
01-本章概述–金狮_.mp4
02-中文文本处理任务介绍:分词、去停用词、n-gram–金狮_.mp4
03-中文文本解析任务介绍:词性分析、依赖分析等–金狮_.mp4
04-jieba工具库介绍–金狮_.mp4
05-【实战】python中文文本清洗、处理与可视化–金狮_.mp4
06-【实战】python新闻网站关键词抽取–金狮_.mp4
07-本章小结–金狮_.mp4
第一章-自然语言处理基础
01-本章概述-金狮_.mp4
02-文本数据、字、词、term–金狮_.mp4
03-字符串处理–金狮_.mp4
04-模式匹配与正则表达式–金狮_.mp4
05-字符串基本处理与正则表达式文本匹配与替换–金狮_.mp4
06-本章小结–金狮_.mp4
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–金狮_.mp4
02-基于统计的语言模型构建–金狮_.mp4
03-【实战】kenlm工具库使用及语言模型生成–金狮_.mp4
04-【实战】基于kenlm的简易拼写纠错–金狮_.mp4
05-基于rnn的神经语言模型–金狮_.mp4
06-【实战】基于pytorch的语言模型训练–金狮_.mp4
07-本章小结–金狮_.mp4
第一章-语言模型与应用
01-本章概述–金狮_.mp4
02-假设性独立与联合概率链规则–金狮_.mp4
03-n-gram语言模型–金狮_.mp4
04-n-gram应用:词性标注、中文分词、机器翻译与语音识别–金狮_.mp4
05-本章小结–金狮_.mp4
考核作业
客观题
主观题
课件与代码
__MACOSX
Language_Models2
03-文本表示
第二章-文本表示进阶
01-本章概述–金狮_.mp4
02-预训练在图像领域的应用–金狮_.mp4
03-elmo基于上下文的wordembedding–金狮_.mp4
04-gpttransformer建模句子信息–金狮_.mp4
05-bert预训练双向transformer–金狮_.mp4
06-基于bert进行fine-tuning–金狮_.mp4
07-本章小结–金狮_.mp4
第一章-文本词与句的表示
01-本章概述–金狮_.mp4
02-文本表示概述–金狮_.mp4
03-文本离散表示:词袋模型与tf-idf–金狮_.mp4
04-文本分布式表示:word2vec–金狮_.mp4
05-【实战】python中文文本向量化表示–金狮_.mp4
06-【实战】基于gensim的中文文本词向量训练与相似度匹配–金狮_.mp4
07-本章小结–金狮_.mp4
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
04-文本分类
代码
__MACOSX
chatbot_v2
Machine_Translation
NLP_Basics2
seq2seq_v2
Text_Classification
text_generation_v2
Text_Representation
Text_similarity_calculation_and_text_matching
Text_topic_extraction_and_representation_v2
Visual_Text_Task–Image_Caption_and_VQA
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
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
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–金狮_.mp4
02-从rnn到seq2seq模型–金狮_.mp4
03-编码解码模型–金狮_.mp4
04-seq2seq模型详解–金狮_.mp4
05-注意(attention)机制–金狮_.mp4
06-tensorflowseq2seq模型使用方法详解–金狮_.mp4
07-基于seq2seq的文本摘要生成实现–金狮_.mp4
08-本章总结–金狮_.mp4
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
07-文本生成
第一章-文本生成与自动创作
01-本章概述–金狮_.mp4
02-基于rnnlstm的语言模型回顾–金狮_.mp4
03-基于语言模型的文本生成原理–金狮_.mp4
04-【实战】基于lstm的唐诗生成器–金狮_.mp4
05-基于seq2seq的文本序列生成原理–金狮_.mp4
06-【实战】基于seq2seq的对联生成器–金狮_.mp4
07-本章小结–金狮_.mp4
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
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–金狮_.mp4
1.2“看图说话”问题介绍–金狮_.mp4
1.3简易cnn+rnn编码解码模型完成图片短文本描述原理–金狮_.mp4
1.4注意力模型与“看图说话”优化–金狮_.mp4
1.5【实战】基于cnn+rnn的编解码“看图说话”与beam-search优化–金狮_.mp4
1.6【实战】基于attentionmodel的“看图说话”实现–金狮_.mp4
1.7本章小结–金狮_.mp4
02-视觉问答机器人(VQA)原理与实现
2.1本章概述–金狮_.mp4
2.2视觉问答机器人问题介绍–金狮_.mp4
2.3基于图像信息和文本信息抽取匹配的vqa实现方案–金狮_.mp4
2.4基于注意力(attention)的深度学习vqa实现方案–金狮_.mp4
2.5【实战】使用keras完成cnn+rnn基础vqa模型–金狮_.mp4
2.6【实战】基于attention的深度学习vqa模型实现–金狮_.mp4
2.7本章小结–金狮_.mp4
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
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