NLP自然语言处理集训营,第二期视频教程下载

2020-04-19_112525.png

课程介绍

作为人工智能领域最为重要的技术,自然语言处理的应用在工业界无处不在。从网页公开数据的分析和抽取、情感分析、机器翻译、智能客服、问答系统到聊天机器人,它的重要性不言而喻。整个课程设计紧密围绕学术界最新进展以及工业界的需求,涵盖了能想到的所有核心知识点,并且结合了大量实战项目,培养学员的动手能力,解决问题能来以及对知识的深入理解。

课程目录

第1任务: 自然语言处理训练营

第2任务: 训练营介绍 课程体系介绍

第3任务: NLP定义以及歧义性

第4任务: 案例:机器翻译01

第5任务: 案例:机器翻译02

第6任务: NLP的应用场景

第7任务: NLP的关键技术

第8任务: 算法复杂度介绍

第9任务: 课后答疑

第10任务: 简单的复杂度的回顾

第11任务: 归并排序

第12任务: Master Theorem

第13任务: 斐波那契数的时间复杂度

第14任务: 斐波那契数的空间复杂度

第15任务: 斐波那契数的循环实现

第16任务: P vs NP vs NP Hard vs NP Complete

第17任务: 问答系统介绍

第18任务: Review 一只狗和两只猫的故事 ——心理学与DL,RL-01

第19任务: Review 一只狗和两只猫的故事 ——心理学与DL,RL-02

第20任务: 文本处理的流程

第21任务: 分词-前向最大匹配

第22任务: 分词-后向最大匹配

第23任务: 分词-考虑语言模型

第24任务: 分词-维特比算法

第25任务: 拼写错误纠正

第26任务: 拼写纠错(2)

第27任务: 拼写纠错(3)

第28任务: 停用词过滤,Stemming操作

第29任务: 文本的表示

第30任务: 文本的相似度

第31任务: tf-idf 文本表示

第32任务: 词向量介绍

第33任务: 学习词向量

第34任务: 倒排表

第35任务: Noisy Channel Model

第36任务: 语言模型介绍

第37任务: Chain Rule和Markov Assumption

第38任务: Unigram, Bigram, N-gram

第39任务: 估计语言模型的概率

第40任务: 评估语言模型:Perplexity

第41任务: Add-one Smoothing

第42任务: Add-K Smoothing

第43任务: Interpolation

第44任务: 2019.2.17Review 基于几个例子,书写动态规划-01

第45任务: 2019.2.17Review 基于几个例子,书写动态规划-02

第46任务: 2019.2.17Review 基于几个例子,书写动态规划-03

第47任务: Lesson6直播

第48任务: 01在训练数据里没有见过的怎么处理?

第49任务: 02Good-Turning Smoothing

第50任务: 03利用语言模型生成句子

第51任务: 04专家系统与基于概率统计学习

第52任务: 05专家系统介绍

第53任务: 06逻辑推理

第54任务: 07Case Study 风控

第55任务: 08一些难题

第56任务: 09机器学习介绍01

第57任务: 10机器学习介绍02

第58任务: 11朴素贝叶斯介绍

第59任务: 12Case Study 垃圾邮件过滤

第60任务: lambda表达式

第61任务: map函数的应用

第62任务: filter过滤器

第63任务: reduce函数

第64任务: python三大推导式

第65任务: 闭包

第66任务: 装饰器一

第67任务: 装饰器二

第68任务: 初识numpy

第69任务: numpy数组的创建

第70任务: numpy的矢量化运算

第71任务: numpy的花式索引

第72任务: numpy数组转置和轴对换

第73任务: 条件逻辑转数组

第74任务: 数学运算与排序

第75任务: numpy文件处理

第76任务: 线性代数函数和随机漫步例子

第77任务: 词性标注-实战(1)

第78任务: 词性标注–实战(2)

第79任务: 词性标注-实战(3)

第80任务: 词性标注-实战(4)

第81任务: 词性标注-实战(5)

第82任务: 初识series类型

第83任务: 初识dataframe

第84任务: 重新索引、数学运算和数据对齐

第85任务: dataframe和series之间的运算和排序

第86任务: 层次化索引

第87任务: dataframe的层次化索引的访问和汇总运算

第88任务: pandas读写csv文件

第89任务: pandas读取excel文件并画图

第90任务: matplotlib可视化及学习方法建议

第91任务: 虚拟环境的搭建

第92任务: 创建第一个爬虫项目

第93任务: 调试运行爬虫程序

第94任务: 13-scrapy shell调试方法进行元素定位

第95任务: 访问首页列表中的url

第96任务: 获取帖子标题和内容

第97任务: 处理帖子内容中的特殊标签

第98任务: 获取帖子发送时间及位于的楼数

第99任务: 爬虫的bug调试与修复

第100任务: 数据持久化代码开发

第101任务: 数据入库

第102任务: importance sample negtive sample nce-01

第103任务: importance sample negtive sample nce-02

第104任务: importance sample negtive sample nce-03

第105任务: 精确率和召回率

第106任务: 逻辑回归介绍

第107任务: 逻辑回归是线性分类器

第108任务: 逻辑回归的目标函数

第109任务: 梯度下降法

第110任务: 逻辑回归的梯度下降法

第111任务: 当线性可分的时候

第112任务: 关于面试的话题-01

第113任务: 关于面试的话题-02

第114任务: 关于面试的话题-03

第115任务: 直播-01

第116任务: 直播-02

第117任务: 直播-03

第118任务: 直播-04

第119任务: 直播-05

第120任务: 直播-06

第121任务: 直播-07

第122任务: 直播-08

第123任务: 直播-09

第124任务: 直播-10

第125任务: 直播-11

第126任务: 当数据线性可分割的时候

第127任务: 限制参数变得太大

第128任务: 模型复杂度与过拟合

第129任务: 怎么避免过拟合

第130任务: 正则介绍

第131任务: L1 VS L2

第132任务: review 数据结构串讲-01

第133任务: review 数据结构串讲-02

第134任务: Affective Computing & 情绪识别实战

第135任务: 交叉验证(1)

第136任务: 交叉验证(2)

第137任务: 正则的作用

第138任务: MLE VS MAP介绍

第139任务: 正则的使用

第140任务: 交叉验证

第141任务: 参数搜索策略

第142任务: 高级:正则的灵活应用

第143任务: 总结

第144任务: MLE与MAP

第145任务: Lasso Regression介绍

第146任务: 特征选择技术

第147任务: LASSO介绍

第148任务: Coordinate Descent

第149任务: Coordinate Descent for LASSO

第150任务: 其他LASSO Solver

第151任务: 变分推断 指数族家族 lda

第152任务: Optimization

第153任务: Optimization is Everywhere

第154任务: Optimization – Categories

第155任务: Convex Optimization-Global vs Local Optimal

第156任务: 判断一个函数是凸函数

第157任务: 解决一个具体问题1

第158任务: 解决一个具体问题2

第159任务: 回顾凸函数

第160任务: 介绍Set Cover Problem

第161任务: Approach1- Exhaustive Search

第162任务: Approach2-贪心算法

第163任务: Approach3-Optimization

第164任务: 总结

第165任务: 回顾-逻辑回归的梯度下降法

第166任务: 梯度下降法的复杂度

第167任务: 梯度下降法的收敛分析

第168任务: 凸函数性质以及L-Lipschitz条件

第169任务: 收敛性推导

第170任务: Linear Classifier

第171任务: Margin的计算

第172任务: SVM的目标函数:Hard constraint

第173任务: SVM的目标函数:Soft constraint

第174任务: Hinge Loss

第175任务: Primal-Dual介绍

第176任务: attention transformer bert-01

第177任务: attention transformer bert-02

第178任务: Capstone项目介绍

第179任务: LinearSVM的缺点

第180任务: 数据映射到高维

第181任务: 拉格朗日-等号条件处理

第182任务: 拉格朗日-不等号条件处理

第183任务: KKT条件

第184任务: SVM的KKT条件

第185任务: Primal-Dual介绍

第186任务: SVM的Dual推导

第187任务: Kernel Trick

第188任务: 信息抽取介绍 直播

第189任务: 命名实体识别介绍

第190任务: 简历分析场景

第191任务: 搭建NER分类器

第192任务: 方法介绍

第193任务: 基于规则的方法

第194任务: 投票决策方法

第195任务: 特征工程与特征表示01

第196任务: 特征工程与特征表示02

第197任务: 问答

第198任务: 信息抽取介绍

第199任务: Ontological Relation

第200任务: 关系抽取方法介绍

第201任务: 基于规则的方法

第202任务: 基于监督学习的方法

第203任务: cnn rnn transformer对比-01

第204任务: cnn rnn transformer对比-02

第205任务: 关系抽取

第206任务: bootstrap算法的缺点

第207任务: SnowBall算法

第208任务: 生成模板

第209任务: 生成tuple与模板评估

第210任务: 评估记录+过滤

第211任务: SnowBall总结

第212任务: Entity Disambiguation (实体消歧)介绍

第213任务: 实体消歧算法

第214任务: Entity Resolution(实体统一)

第215任务: 实体统一算法

第216任务: Co-reference Resolution(指代消解)介绍

第217任务: 什么是句法分析

第218任务: 句法分析的应用

第219任务: 语法

第220任务: PCFG

第221任务: 评估语法树

第222任务: 寻找最好的树

第223任务: CNF Form

第224任务: CKY算法

第225任务: 时序模型

第226任务: HMM的介绍

第227任务: HMM的应用例子

第228任务: HMM的参数

第229任务: HMM中的Inference问题

第230任务: HMM中的F B算法1

第231任务: HMM中的F B算法2

第232任务: HMM中的F B算法3

第233任务: Data Representation

第234任务: Latent Variable Models

第235任务: Complete vs Incomplete Case

第236任务: MLE for Complete and Incomplete Case

第237任务: EM Derivation

第238任务: Remarks on EM

第239任务: K-means

第240任务: K-means Cost Function

第241任务: MLE for GMM

第242任务: 模拟面试(mp3)-01

第243任务: 模拟面试(mp3)-02

第244任务: HMM中的参数

第245任务: Complete vs Incomplete Case

第246任务: Complete Case

第247任务: Incomplete Case

第248任务: EM算法回顾

第249任务: F B算法回顾

第250任务: 估计PI

第251任务: 估计B

第252任务: 估计A

第253任务: 公司实际项目串讲-01

第254任务: 公司实际项目串讲-02

第255任务: 公司实际项目串讲-03

第256任务: 有向图与无向图模型

第257任务: 生成模型与判别模型

第258任务: Log-Linear Model

第259任务: Log-Linear Model与多元逻辑回归

第260任务: CRF介绍

第261任务: Inference问题

第262任务: 参数估计

第263任务: wordvector词向量

第264任务: Global Generation of Distributed Representation

第265任务: How to Learn Word2Vec-Intuition

第266任务: Skip-Gram Model

第267任务: 语料库

第268任务: Word2Vec代码

第269任务: 训练SkipGram问题

第270任务: SkipGram另一种目标函数构建

第271任务: SkipGram的negative sampling

第272任务: 评估词向量

第273任务: 词向量在推荐系统中的应用

第274任务: 梯度提升树

第275任务: 答疑

第276任务: Word2vec

第277任务: Learning with Subword

第278任务: When subword is needed

第279任务: Learn Embedding from Language Model

第280任务: What are potential solutions

第281任务: Elmo at Glance

第282任务: Category of Word Representation

第283任务: 神经网络介绍

第284任务: 激活函数

第285任务: MLP

第286任务: 多层神经网络

第287任务: Universal Approximation Theorem

第288任务: Biological Inspiration

第289任务: 回顾神经网络

第290任务: 神经网络的损失函数

第291任务: BP算法的核心流程

第292任务: 对输出层的梯度计算

第293任务: 对隐含层的梯度计算

第294任务: 对参数的梯度计算

第295任务: 对BP算法的总结

第296任务: gradient checking

第297任务: 深度学习与非凸函数

第298任务: 深度学习中的Plateau

第299任务: SGD的收敛条件

第300任务: Early Stopping

第301任务: 为什么需要递归神经网络?

第302任务: 递归神经网络介绍

第303任务: 语言模型

第304任务: RNN的深度

第305任务: 梯度爆炸和梯度消失

第306任务: Gradient Clipping

第307任务: LSTM的介绍

第308任务: LSTM的应用

第309任务: Bi-Directional LSTM

第310任务: Gated Recurrent Unit

第311任务: 问答系统讲解01

第312任务: 问答系统讲解02

第313任务: Representation Learning

第314任务: What makes good representation-01

第315任务: What makes good representation-02

第316任务: What makes good representation-03

第317任务: Why Deep

第318任务: Why Deep Learning Hard to Train

第319任务: Ways to Solve Training

第320任务: Dropout 介绍

第321任务: 为什么Dropout防止过拟合现象

第322任务: 机器翻译

第323任务: Multimodal Learning

第324任务: Seq2Seq模型

第325任务: Seq2Seq训练介绍

第326任务: Inference Decoding

第327任务: Exhaustic Search

第328任务: Beam Search

第329任务: 回顾Multimodal Learning

第330任务: Attention注意力机制介绍

第331任务: 看图说话介绍

第332任务: 图像识别的注意力机制

第333任务: 基于GAN及强化学习的文本生成-01

第334任务: 基于GAN及强化学习的文本生成-02

第335任务: 回顾Seq2Seq模型

第336任务: Seq2Seq的Attention

第337任务: Self-Attention1

第338任务: Self-Attention2

第339任务: 深度文本匹配-01

第340任务: 深度文本匹配-02

第341任务: 回顾Attention

第342任务: RNN LSTM-based models

第343任务: Transformer的结构

第344任务: Each Encoder Block

第345任务: Self-Attention

第346任务: Add Normalize

第347任务: BERT概念

第348任务: 回顾Language model

第349任务: masked Language model

第350任务: masked Language model存在的问题

第351任务: LSTM

第352任务: BERT训练过程

第353任务: PGM领域

第354任务: 主题模型

第355任务: 回顾不同模型的范畴Model Estimation

第356任务: 预测的过程

第357任务: GD,SGD,Adagrad算法

第358任务: 回顾LDA

第359任务: 举例说明生成的过程

第360任务: 从官方的角度讲解生成的过程

第361任务: α到θi的生成

第362任务: 举例说明生成文章

第363任务: gibbs sampler

第364任务: collapsed gibbs sampling-01

第365任务: collapsed gibbs sampling-02

第366任务: collapsed gibbs sampling-03

第367任务: collapsed gibbs sampling-04

第368任务: collapsed gibbs sampling-05

第369任务: 推导过程01

第370任务: 推导过程02

第371任务: 推导过程03

第372任务: Gibbs采样01

第373任务: Gibbs采样02

第374任务: Web-Scale Information Extraction in KnowItAll-01

第375任务: Web-Scale Information Extraction in KnowItAll-02

第376任务: 核函数

第377任务: 直播-01

第378任务: 直播-02

第379任务: 直播-03

第380任务: 直播-04

第381任务: 直播-05

第382任务: 直播-06

第383任务: 直播-07

第384任务: 直播-01

第385任务: 直播-02

第386任务: 直播-03

第387任务: 直播-04

第388任务: 直播-05

第389任务: 直播-06

第390任务: 利用CRF模型做命名实体识别-01

第391任务: 利用CRF模型做命名实体识别-02

第392任务: 基于语料库训练Glove词向量模型-01

第393任务: 基于语料库训练Glove词向量模型-02

第394任务: GMM-01

第395任务: GMM-02

第396任务: GMM-03

第397任务: XLNet-Bert Autoregressive LM

第398任务: 改进思路

第399任务: Bert 的目标函数

第400任务: permutation

第401任务: pytorch实现skip-gram

第402任务: Airbnb(KDD 2018 best Paper)-01

第403任务: Airbnb(KDD 2018 best Paper)-02

第404任务: 直播-01

第405任务: 直播-02

第406任务: 直播-03

第407任务: 直播-04

第408任务: Review Project3讲解

第409任务: 直播-01

第410任务: 直播-02

第411任务: 直播-03

第412任务: 直播-04

第413任务: 直播-05

第414任务: 直播-06

资源下载抱歉,此资源仅限VIP下载,请先
充值比例 1元=1学分
资源失效,请咨询客服
客服QQ 980264305
资源下载
下载价格:VIP专享
此资源仅对VIP开放下载
充值比例 1元=1学分
资源失效,请咨询客服
客服QQ 980264305

评论0

找资源,搜一下,更惊喜
没有账号? 注册  忘记密码?