Java自学者论坛

 找回密码
 立即注册

手机号码,快捷登录

恭喜Java自学者论坛(https://www.javazxz.com)已经为数万Java学习者服务超过8年了!积累会员资料超过10000G+
成为本站VIP会员,下载本站10000G+会员资源,会员资料板块,购买链接:点击进入购买VIP会员

JAVA高级面试进阶训练营视频教程

Java架构师系统进阶VIP课程

分布式高可用全栈开发微服务教程Go语言视频零基础入门到精通Java架构师3期(课件+源码)
Java开发全终端实战租房项目视频教程SpringBoot2.X入门到高级使用教程大数据培训第六期全套视频教程深度学习(CNN RNN GAN)算法原理Java亿级流量电商系统视频教程
互联网架构师视频教程年薪50万Spark2.0从入门到精通年薪50万!人工智能学习路线教程年薪50万大数据入门到精通学习路线年薪50万机器学习入门到精通教程
仿小米商城类app和小程序视频教程深度学习数据分析基础到实战最新黑马javaEE2.1就业课程从 0到JVM实战高手教程MySQL入门到精通教程
查看: 494|回复: 3

【J1939】XN-AI人工智能工程师-NLP必备技能课程

[复制链接]
  • TA的每日心情
    奋斗
    前天 19:43
  • 签到天数: 751 天

    [LV.10]以坛为家III

    2034

    主题

    2092

    帖子

    70万

    积分

    管理员

    Rank: 9Rank: 9Rank: 9

    积分
    706360
    发表于 2023-9-11 10:09:18 | 显示全部楼层 |阅读模式

    资源名称:

    【J1939】XN-AI人工智能工程师-NLP必备技能课程

    下载地址:

    网盘链接:请先登录后查看此内容

    失效声明:

    如果资料失效,VIP和荣耀会员或者使用金币兑换的普通会员,可以直接联系资料客服QQ索取:QQ。在线时间为:8:00-23:30。请下载后24小时内删除,若侵权请联系客服删除该资料。

    如何获取:

    1,本资料VIP会员下载地址直接可见,购买VIP:点击购买会员>>,开通后可下载全站所有资料。
    2,非VIP会员使用50000Java金币兑换,金币充值:点击进入充值页面

    资源描述及截图:

    ├─01-自然语言处理基础知识与操作
    │  ├─第一章自然语言处理基础
    │  │      一章小结.mp4
    │  │      一章概述.mp4
    │  │      字符串基本处理与正则表达式文本匹配与替换.mp4
    │  │      字符串处理.mp4
    │  │      文本数据、字、词、term.mp4
    │  │      模式匹配与正则表达式.mp4
    │  │      
    │  ├─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
    │  │      【实战】spacy工具库英文文本处理案例.mp4
    │  │      【实战】基于python的英文文本相似度比对.mp4
    │  │      【实战】简易文本情感分析器构建.mp4
    │  │      章小结.mp4
    │  │      章概述.mp4
    │  │      英文文本解析任务介绍:分词、去停用词、提取词干等.mp4
    │  │     
    │  └─第三章中文文本处理与解析
    │         jieba工具库介绍.mp4
    │         【实战】python中文文本清洗、处理与可视化.mp4
    │         【实战】python新闻网站关键词抽取.mp4
    │         中文文本处理任务介绍:分词、去停用词、ngram.mp4
    │         中文文本解析任务介绍:词性分析、依赖分析等.mp4
    │         章小结.mp4
    │         章概述.mp4
    │   
    ├─02-语言模型与应用
    │  │  考核作业.zip
    │  │  课件与代码.zip
    │  │  
    │  ├─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
    │  │      ngram语言模型.mp4
    │  │      假设性独立与联合概率链规则.mp4
    │  │      章小结.mp4
    │  │      章概述.mp4
    │  │     
    │  └─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
    │          【实战】基于kenlm的简易拼写纠错.mp4
    │          【实战】基于pytorch的语言模型训练.mp4
    │          基于rnn的神经语言模型.mp4
    │          基于统计的语言模型构建.mp4
    │          章小结.mp4
    │          章概述.mp4
    │         
    ├─03-文本表示
    │  │  考核作业.zip
    │  │
    │  ├─第一章-文本词与句的表示
    │  │      01章概述.mp4
    │  │      02-文本表示概述.mp4
    │  │      03-文本离散表示:词袋模型与tf-idf.mp4
    │  │      04-文本分布式表示:word2vec.mp4
    │  │      05-【实战】python中文文本向量化表示.mp4
    │  │      06-【实战】基于gensim的中文文本词向量训练与相似度匹配.mp4
    │  │      07章小结.mp4
    │  │      
    │  └─第二章-文本表示进阶
    │          01章概述.mp4
    │          02-预训练在图像领域的应用.mp4
    │          03-elmo基于上下文的word embedding.mp4
    │          04-gpt transformer建模句子信息.mp4
    │          05-bert 预训练双向transformer.mp4
    │          06-基于bert进行fine-tuning.mp4
    │          07章小结.mp4
    │         
    ├─04-文本分类
    │  │  考核作业.zip
    │  │  
    │  ├─第一章-文本分类机器学习模型与实战
    │  │      01章概述.mp4
    │  │      02-朴素贝叶斯模型与中文文本分类.mp4
    │  │      03-逻辑回归 _svm与文本分类.mp4
    │  │      04-facebook fasttext原理与操作.mp4
    │  │      05-【实战】python中文新闻分类.mp4
    │  │      06-【实战】基于fasttext的文本情感分析.mp4
    │  │      07章小结.mp4
    │  │      
    │  └─第二章-文本分类深度学习模型与实战
    │          01章概述.mp4
    │          02-词嵌入与fine-tuning.mp4
    │          03-基于卷积神经网络的文本分类.mp4
    │          04-基于lstm的文本分类.mp4
    │          05-transformerself-attention介绍.mp4
    │          06-使用tensorflow构建卷积神经网络完成新闻分类.mp4
    │          07-使用tensorflow构建lstm完成影评褒贬分析模型.mp4
    │          08章小结.mp4
    │         
    ├─05-文本主题抽取与表示
    │  │  考核作业.zip
    │  │
    │  └─第一章-文本主题抽取与表示
    │          01章小结.mp4
    │          02-基于tf-idf与text-rank的主题词抽取.mp4
    │          03-监督学习与文本打标签.mp4
    │          04-无监督学习与lda主题模型.mp4
    │          05基于python的中文关键词抽取与可视化.mp4
    │          06-基于lda的新闻主题分析与可视化呈现.mp4
    │          07章小结.mp4
    │      
    ├─06-序列到序列模型
    │  │  考核作业
    │  │  
    │  └─第一章-序列到序列模型与应用
    │          01章概述.mp4
    │          02-从rnn到seq2seq模型.mp4
    │          03-编码解码模型.mp4
    │          04-seq2seq模型详解.mp4
    │          05-注意(attention)机制.mp4
    │          06-tensorflow seq2seq模型使用方法详解.mp4
    │          07-基于seq2seq的文本摘要生成实现.mp4
    │          08章总结.mp4
    │         
    ├─07-文本生成
    │  │  考核作业.zip
    │  │
    │  └─第一章-文本生成与自动创作
    │          01章概述.mp4
    │          02-基于rnn lstm的语言模型回顾.mp4
    │          03-基于语言模型的文本生成原理.mp4
    │          04-【实战】基于lstm的唐诗生成器.mp4
    │          05-基于seq2seq的文本序列生成原理.mp4
    │          06-【实战】基于seq2seq的对联生成器.mp4
    │          07章小结.mp4
    │      
    ├─08-机器翻译
    │  └─第一章-机器翻译:双语翻译
    │      ├─01-统计机器翻译
    │      │      01章概述.mp4
    │      │      02-词,句子和语料与基本概率论知识.mp4
    │      │      03-翻译模型与语言模型.mp4
    │      │      04-解码与beam-search.mp4
    │      │      05-翻译系统评估.mp4
    │      │      06-【实战】moses统计翻译系统实战.mp4
    │      │      07章小结.mp4
    │      │      
    │      ├─02-基于seq2seq的机器翻译模型
    │      │      01章概述.mp4
    │      │      02-基础seq2seq编解码模型机器翻译应用.mp4
    │      │      03-基于注意力机制的seq2seq机器翻译优化.mp4
    │      │      04-【实战】基于keras完成的基础seq2seq机器翻译模型.mp4
    │      │      05-【实战】基于tensorflow的google版seq2seq机器翻译模型.mp4
    │      │      06章小结.mp4
    │      │     
    │      ├─03-fackbook基于CNN的机器翻译模型
    │      │      01章概述.mp4
    │      │      02-基于cnn的翻译系统模型结构.mp4
    │      │      03-使用cnn完成神经翻译系统的tricks.mp4
    │      │      04-facebook cnn机器翻译系统代码解析.mp4
    │      │      05章小结.mp4
    │      │      
    │      └─04-来自Google的Transformer模型
    │              01章概述.mp4
    │              02-来自google的transformer模型.mp4
    │              03-transformer模型的训练细节.mp4
    │              04-【实战】transformer源码解析.mp4
    │              05章小结.mp4
    │              
    ├─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
    │      │      01章概述.mp4
    │      │      02-聊天机器人基本知识综述.mp4
    │      │      03-基于内容匹配的聊天机器人.mp4
    │      │      04-基于深度学习匹配的聊天机器人tensorflow实现.mp4
    │      │      05-基于深度学习匹配的聊天机器人pytorch实现.mp4
    │      │      06章小结.mp4
    │      │      
    │      └─02-基于seq2seq的聊天机器人
    │              01章概述.mp4
    │              02-聊天机器人场景与seq2seq模型回顾.mp4
    │              03-数据准备与处理.mp4
    │              04-基于tensorflow seq2seq的chatbot完整实现.mp4
    │              05-拓展:基于transformer的chatbot实现.mp4
    │              06章小结.mp4
    │              
    ├─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
    │  │      1.2 “看图说话”问题介绍.mp4
    │  │      1.3 简易cnn+rnn编码解码模型完成图片短文本描述原理.mp4
    │  │      1.4 注意力模型与“看图说话”优化.mp4
    │  │      1.5 【实战】基于cnn+rnn的编解码“看图说话”与beam-search优化.mp4
    │  │      1.6 【实战】基于attention model的“看图说话”实现.mp4
    │  │      1.7 本章小结.mp4
    │  │      
    │  └─02-视觉问答机器人(VQA)原理与实现
    │          2.1 本章概述.mp4
    │          2.2 视觉问答机器人问题介绍.mp4
    │          2.3 基于图像信息和文本信息抽取匹配的vqa实现方案.mp4
    │          2.4 基于注意力(attention)的深度学习vqa实现方案.mp4
    │          2.5【实战】使用keras完成cnn+rnn基础vqa模型.mp4
    │          2.6【实战】基于attention的深度学习vqa模型实现.mp4
    │          2.7 本章小结.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
        │      1.1 本章概述.mp4
        │      1.2 文本相似度问题与应用.mp4
        │      1.3 传统文本相似度计算方式:编辑距离、simhash、word2vec.mp4
        │      1.4 【实战】编辑距离计算python实现.mp4
        │      1.5 【实战】基于simhash的相似文本判断.mp4
        │      1.6 【实战】词向量word averaging.mp4
        │      1.7 本章小结.mp4
        │      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
                2.1 本章概述.mp4
                2.2 基于深度学习的句子相似度模型.mp4
                2.3 dssm(deep structured semantic models)模型详解.mp4
                2.4 drmm(deep relevance matching model)模型详解.mp4
                2.5【实战】基于lstm的监督学习语义表达抽取.mp4
                2.6【实战】基于dssm的问题语义相似度匹配案例.mp4
                2.7【实战】基于drmm的问答匹配案例.mp4
                2.8 本章小结.mp4
                第2章基于深度学习的文本语义匹配.pdf
    哎...今天够累的,签到来了1...
    回复

    使用道具 举报

    该用户从未签到

    0

    主题

    447

    帖子

    0

    积分

    新手用户

    Rank: 1

    积分
    0
    发表于 2023-9-11 10:09:19 | 显示全部楼层
    楼主真是好人
    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则

    QQ|手机版|小黑屋|Java自学者论坛 ( 声明:本站文章及资料整理自互联网,用于Java自学者交流学习使用,对资料版权不负任何法律责任,若有侵权请及时联系客服屏蔽删除 )

    GMT+8, 2024-6-22 19:45 , Processed in 0.070828 second(s), 39 queries .

    Powered by Discuz! X3.4

    Copyright © 2001-2021, Tencent Cloud.

    快速回复 返回顶部 返回列表