稀牛-AI人工智能工程师-NLP必备技能

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