课程价格 ：
¥699.00
剩余名额
0
-
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
课程价格：
￥699.00
预约下一期 *课程已报满，可预约下一期
支持花呗分期
*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
- 20-3：第三章助教分享.pdf
- 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：NLP第四章思路.pdf
- 27-4：【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：NLP第五章思路.pdf
- 33-2：【视频】代码实践
- 33-3：【代码框架】第五章
- 33-4：【作业】第五章
- 33-5：【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
- 41-1：【作业】第七章
- 41-2：NLP第七章思路.pdf
- 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
