课程简介：
AI工程师-自然语言处理实战课程旨在用最接地气的方式讲解复杂的算法原理，基于真实数据集，通过实际案例进行项目实战。整个体系内容包括200+课时，20个项目实战，覆盖当下热门技术与经典框架实战。学习路线主要包括三大阶段：1.学习Python在自然语言处理领域必备工具包使用方法 2.机器学习与深度学习在NLP领域常用算法原理与应用实践 3.基于经典框架展开项目实战(Tensorflow,Keras)。课程整体风格通俗易懂，实战案例驱动，提供全部课程所需数据，代码，课件。
课程目录
1 课程简介.mp4
2 环境配置.mp4
3 Python字符串处理.mp4
4 正则表达式基本语法.mp4
5 正则常用符号.mp4
6 常用函数介绍.mp4
7 NLTK工具包简介.mp4
8 停用词过滤.mp4
9 词性标注.mp4
10 数据清洗实例.mp4
11 Spacy工具包.mp4
12 名字实体匹配.mp4
13 恐怖袭击分析.mp4
14 统计分析结果.mp4
15 结巴分词器.mp4
16 词云展示.mp4
17 Pandas基本操作.mp4
18 Pandas概述.mp4
19 Pandas索引.mp4
20 groupby操作.mp4
21 数值运算.mp4
22 对象操作.mp4
23 对象操作2.mp4
24 merge操作.mp4
25 显示设置.mp4
26 数据透视表.mp4
27 时间操作.mp4
28 时间序列操作.mp4
29 Pandas常用操作.mp4
30 Pandas常用操作2.mp4
31 Groupby操作延伸.mp4
32 字符串操作.mp4
33 索引进阶.mp4
34 Pandas绘图操作.mp4
35 大数据处理技巧.mp4
36 任务概述.mp4
37 商品类别划分.mp4
38 商品类别可视化展示.mp4
39 描述长度对价格的影响.mp4
40 词云展示-1636990013.mp4
41 tf-idf结果.mp4
42 降维可视化展示.mp4
43 聚类与主题模型.mp4
44 贝叶斯算法概述.mp4
45 贝叶斯推导实例.mp4
46 贝叶斯拼写纠错实例.mp4
47 垃圾邮件过滤实例.mp4
48 贝叶斯实现拼写检查器.mp4
49 文本分析与关键词提取.mp4
50 相似度计算.mp4
51 新闻数据与任务简介.mp4
52 TF-IDF关键词提取.mp4
53 LDA建模.mp4
54 基于贝叶斯算法进行新闻分类.mp4
55 马尔科夫模型.mp4
56 隐马尔科夫模型基本出发点.mp4
57 组成与要解决的问题.mp4
58 暴力求解方法.mp4
59 复杂度计算.mp4
60 前向算法.mp4
61 前向算法求解实例.mp4
62 Baum-Welch算法.mp4
63 参数求解.mp4
64 维特比算法.mp4
65 hmmlearn工具包.mp4
66 工具包使用方法.mp4
67 中文分词任务.mp4
68 实现中文分词.mp4
69 深度学习概述.mp4
70 挑战与常规套路.mp4
71 用K近邻来进行分类.mp4
72 超参数与交叉验证.mp4
73 线性分类.mp4
74 损失函数.mp4
75 正则化惩罚项.mp4
76 softmax分类器.mp4
77 目标函数形象解读.mp4
78 问题细节.mp4
79 反向传播.mp4
80 整体架构.mp4
81 实例演示.mp4
82 过拟合解决方案.mp4
83 语言模型.mp4
84 N-gram模型.mp4
85 词向量.mp4
86 神经网络模型.mp4
87 Hierarchical Softmax.mp4
88 CBOW模型实例.mp4
89 CBOW求解目标.mp4
90 锑度上升求解.mp4
91 负采样模型.mp4
92 使用Gensim库构造词向量.mp4
93 维基百科中文数据处理.mp4
94 Gensim构造word2vec模型.mp4
95 测试模型相似度结果.mp4
96 影评情感分类.mp4
97 基于词袋模型训练分类器.mp4
98 准备word2vec输入数据.mp4
99 使用gensim构建word2vec词向量（新）.mp4
100 任务概述.mp4
101 词袋模型.mp4
102 词袋模型分析.mp4
103 TFIDF模型.mp4
104 word2vec词向量模型.mp4
105 深度学习模型.mp4
106 递归神经网络（RNN）概述.mp4
107 RNN网络细节.mp4
108 LSTM网络架构.mp4
109 卷积神经网络的应用.mp4
110 卷积层解释.mp4
111 卷积计算过程.mp4
112 pading与stride.mp4
113 卷积参数共享.mp4
114 池化层原理.mp4
115 Tensorflow简介与安装.mp4
116 Tensorflow中的变量.mp4
117 变量常用操作.mp4
118 实现线性回归算法.mp4
119 Mnist数据集简介.mp4
120 逻辑回归算法.mp4
121 神经网络结构.mp4
122 卷积网络结构基本定义.mp4
123 卷积神经网络迭代.mp4
124 Cifar-10图像分类任务.mp4
125 RNN网络基本架构.mp4
126 实现RNN网络架构.mp4
127 RNN实现自己的小demo.mp4
128 RNN预测时间序列.mp4
129 CNN应用于文本分类任务.mp4
130 文本分类任务特征定义.mp4
131 卷积网络定义.mp4
132 完成预测分类任务.mp4
133 RNN网络架构.mp4
134 LSTM网络架构.mp4
135 案例：使用LSTM进行情感分类.mp4
136 情感数据集处理.mp4
137 基于word2vec的LSTM模型.mp4
138 任务概述.mp4
139 数据展示.mp4
140 正负样本制作.mp4
141 数据预处理.mp4
142 网络模型定义.mp4
143 基于字符的训练.mp4
144 基于句子的相似度训练.mp4
145 Seq2Seq网络基本架构.mp4
146 Seq2Seq网络应用.mp4
147 Seq2Seq基本模型.mp4
148 Attention机制.mp4
149 效果演示.mp4
150 参数配置与数据加载.mp4
151 数据处理.mp4
152 词向量与投影.mp4
153 seq网络.mp4
154 网络训练.mp4
155 数据准备.mp4
156 网络结构概述.mp4
157 加载数据.mp4
158 训练测试模型.mp4
159 任务概述与环境配置.mp4
160 参数配置.mp4
161 数据预处理模块.mp4
162 batch数据制作.mp4
163 RNN模型定义.mp4
164 完成训练模块.mp4
165 训练唐诗生成模型.mp4
166 测试唐诗生成效果.mp4
167 机器翻译框架概述.mp4
168 参数设置.mp4
169 数据加载.mp4
170 网络结构定义.mp4
171 训练模型.mp4
172 时间序列模型.mp4
173 网络结构与参数定义.mp4
174 构建LSTM模型.mp4
175 训练模型与效果展示.mp4
176 多序列预测结果.mp4
177 股票数据预测.mp4
178 数据预处理.mp4
179 预测结果展示.mp4
180 文本数据读取预处理.mp4
181 基本模型.mp4
182 Embeeding-layer效果.mp4
183 准备词向量数据.mp4
184 词嵌入训练结果.mp4
185 加入LSTM层效果.mp4
186 加入卷积层效果.mp4
187 参数调优.mp4
188 数据与目标.mp4
189 字符表制作.mp4
190 数据读取.mp4
191 数据增强.mp4
192 网络模型.mp4
193 测试效果.mp4
194 网络模型解读.mp4
195 数据介绍与读取.mp4
196 配置文件制作.mp4
197 编码器模型.mp4
198 解码器模型.mp4
199 制作训练batch数据.mp4
200 测试数据准备.mp4
201 完成测试模块.mp4
202 模板目录结构.mp4
203 模型与训练结构.mp4
204 评论数据集与任务目标.mp4
205 数据准备.mp4
206 模型整体架构.mp4
207 准备模型.mp4
208 训练网络.mp4
209 多标签训练.mp4
Pandas.zip
数据代码.txt
评论0