• 学习时长

    10周/建议每周8个小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

*课程已报满,可预约下一期

  • 1-1:【资料】NLP课程编码环境说明
  • 1-2:基于深度学习的自然语言处理 开课仪式.pdf
  • 第1章: 自然语言处理简介
  • 第1节: 课程前言
  • 2-1:【视频】课程前言
  • 2-2:【课件】自然语言处理简介.pdf
  • 第2节: NLP发展历史
  • 3:【视频】NLP发展历史
  • 第3节: NLP研究方向
  • 4:【视频】NLP研究方向
  • 第4节: 现状与难点
  • 5:【视频】现状与难点
  • 第5节: 资源与介绍
  • 6:【视频】资源与介绍
  • 第2章: 语言模型
  • 7:【课件】L2 语言模型-v4.0.pdf
  • 第1节: 语言模型介绍
  • 8:【视频】语言模型介绍
  • 第2节: 分布式表示方法
  • 9:【视频】分布式表示
  • 第3节: 基于矩阵的语言模型
  • 10:【视频】基于矩阵的语言模型
  • 第4节: 基于聚类的语言模型
  • 11:【视频】基于聚类的语言模型
  • 第5节: 基于神经网络的语言模型
  • 12:【视频】基于神经网络的语言模型
  • 第6节: 实践:基于机器学习的文本分类任务(Gensim)
  • 13-1:【视频】实践环境配置
  • 13-2:【视频】LSA实践
  • 13-3:【代码】代码与数据
  • 第7节: 作业
  • 14-1:【作业】第二章
  • 14-2:NLP第二章思路.pdf
  • 第3章: 词嵌入模型:单语境语言建模
  • 第1节: NNLM
  • 15-1:【课件】词嵌入模型-NNLM.pdf
  • 15-2:【视频】神经网络语言模型
  • 第2节: Word2vec
  • 16-1:【课件】L3 单语境语言建模.pdf
  • 16-2:【预习】word2vec中的数学原理详解.pdf
  • 17-1:【视频】基于Hierarchical Softmax的CBOW & Skip-Gram模型
  • 17-2:【视频】基于Negative Sampling的CBOW & Skip-Gram模型
  • 17-3:【视频】实践:Word2vec
  • 18-1:【视频】作业安排
  • 18-2:【作业】第三章
  • 18-3:第三章助教分享.pdf
  • 第3节: Glove
  • 19-1:【课件】词嵌入模型-单语境语言建模 - GloVe&Fasttext.pdf
  • 19-2:【视频】GloVe模型讲解
  • 第4节: fastText
  • 20-1:【论文】L3 Word2vec
  • 20-2:【视频】fasttext模型
  • 第4章: 词嵌入模型:多语境语言建模与元语言模型学习
  • 第1节: 知识回顾与引入
  • 21-1:【课件】L4 多语境词向量建
  • 21-2:【视频】知识回顾与引入
  • 第2节: Huang model
  • 22:【视频】Huang模型
  • 第3节: MSSG
  • 23:【视频】MSSG
  • 第4节: 词向量评测
  • 24:【视频】词向量评测
  • 第5节: Meta-Embedding
  • 25:【视频】Meta-Embedding
  • 第6节: 与PTM对比
  • 26:【视频】与PTM比较
  • 第7节: 作业实践
  • 27-1:【代码】代码框架
  • 27-2:【作业】第四章
  • 27-3:【论文】L4 Meta-Embedding
  • 第5章: 深度神经网络基础
  • 28:【课件】深度学习 L2 神经网络
  • 第1节: 神经网络基础
  • 29-1:【视频】知识引入
  • 29-2:【视频】感知机
  • 29-3:【视频】神经网络
  • 29-4:【视频】误差反向传播
  • 30-1:【视频】激活函数
  • 30-2:【视频】手写数字识别
  • 第2节: 卷积神经网络CNN
  • 31-1:【课件】卷积神经网络.pdf
  • 31-2:【视频】CNN数学基础
  • 31-3:【视频】CNN推导及其发展历史
  • 第3节: 循环神经网络RNN
  • 32-1:【课件】循环神经网络.pdf
  • 32-2:【视频】RNN
  • 第4节: 实践:基于深度神经网络的文本分类
  • 33-1:【视频】代码实践
  • 33-2:【代码框架】第五章
  • 33-3:【作业】第五章
  • 33-4:【论文】L5 ELMo&GPT&BERT
  • 第6章: 预训练语言模型
  • 第1节: 发展历史
  • 34-1:【课件】L6 预训练语言模型
  • 34-2:【视频】发展历史
  • 第2节: ELMo / Transformer / Bert / GPT
  • 35:【视频】模型详解
  • 第3节: 实践:基于Bert的文本分类(补充内容)
  • 36:【视频】基于bert的文本分类
  • 第4节: 模型对比
  • 37:【视频】模型对比
  • 第7章: 实践项目:情感分类
  • 第1节: 情感分类
  • 38-1:【课件】文本情感分类.pdf
  • 38-2:【视频】任务介绍
  • 38-3:【视频】数据准备
  • 38-4:【论文】Sentiment Analysis survey
  • 38-5:【视频】模型设计与实验
  • 39: 【视频】数据集构建
  • 40:【视频】训练文本情感分类
  • 第2节: 实践作业
  • 41:【作业】第七章
  • 第8章: 实践项目:知识图谱
  • 第1节: 知识图谱概述
  • 42-1:【课件】L8 知识图谱
  • 42-2:【视频】知识图谱概述
  • 42-3:【论文】Knowledge Graph survey
  • 第2节: 表示与存储
  • 43:【视频】表示与存储
  • 第3节: 查询与检索
  • 44:【视频】查询与检索
  • 第4节: KBQA项目
  • 45:【视频】KBQA项目
  • 第5节: 作业
  • 46-1:【视频】KBQA代码讲解
  • 46-2:【作业】第八章

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请完善资料,让我们更好的为您服务!

+86  (手机号已绑定)

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》