资源详情
不知道同学们对于数学中的向量的概念还有没有印象，Word Embedding就是这样一个概念，更简单的说就是将文本数据转换为数值型数据，形成一个映射，因为机器学习方法中是无法直接处理文本数据的。所以这个映射几乎可以说是一个自然语言处理的一个桥梁，是必须掌握的机器学习高阶课程。课程是需要同学们具备基本的机器学习概念的，课程内容依旧是理论+实战+项目的进行方法，很适合来提升技术，关于Word Embedding更多技术课程中非常详细的介绍，同学们快开始学习吧。
===============课程目录===============
├─1 课程整体介绍及大纲剖析.ts
├─2 什么是one-hot编码.ts
├─3 one-hot在提取文本特征上的应用.ts
├─4 one-hot编码手动实现.ts
├─5 ont-hot编码keras中实现.ts
├─6 word2vec的前世今生.ts
├─7 word2vec需要注意的关键点.ts
├─8 sigmoid与softmax函数讲解.ts
├─9 二叉树相关知识讲解.ts
├─10 Huffman树讲解.ts
├─11 Huffman编码讲解.ts
├─12 语言模型讲解.ts
├─13 神经网络语言模型概念讲解.ts
├─14 神经网络语言模型数学理论部分讲解.ts
├─15 word2vec中Skip-Gram实现方式讲解.ts
├─16 word2vec中CBOW实现方式讲解.ts
├─17 word2vec训练方式负采样讲解.ts
├─18 word2vec训练方式层序softmax讲解.ts
├─19 读取停用词.ts
├─20 文本预处理上.ts
├─21 文本预处理下.ts
├─22 文本编码处理讲解.ts
├─23 批量数据生成讲解.ts
├─24 遗留问题解决讲解.ts
├─25 word2vec模型实现讲解.ts
├─26 word2vec模型训练讲解.ts
├─27 word2vec可视化展示.ts
├─28 gensim中word2vec参数讲解.ts
├─29 gensim-word2vec实战之加载停用词.ts
├─30 gensim-word2vec实战之文本预处理.ts
├─31 gensim-word2vec实战之模型训练.ts
├─32 gensim-word2vec实战之模型保存与加载.ts
├─33 gensim-word2vec实战之应用讲解.ts
├─34 fasttext之Subword n-gram讲解.ts
├─35 fasttext之分层softmax讲解.ts
├─36 fasttext实战之数据集简介及停用词加载.ts
├─37 fasttext实战之文本预处理.ts
├─38 fasttext实战之文本分类模型训练.ts
├─39 fasttext实战之模型使用讲解.ts
├─40 fasttext实战之训练词向量.ts
├─41 什么是Glove讲解.ts
├─42 Glove如何实现讲解.ts
├─43 Glove如何训练讲解.ts
├─44 Glove数学原理讲解上.ts
├─45 Glove数学原理讲解下.ts
├─46 Glove实战是初识Glove.ts
├─47 Glove实战之求近义词.ts
├─48 Glove实战之求类比词.ts
├─49 项目实战之项目简介及数据集介绍.ts
├─50 项目实战之GrobalParament模块编写.ts
├─51 项目实战之utils模块中读取停用词方法编写.ts
├─52 项目实战之utils模块中分词方法封装.ts
├─53 项目实战之utils模块中文本预处理方法编写.ts
├─54 项目实战之utils模块中文本预处理优化.ts
├─55 项目实战之train_model模块之word2vec训练.ts
├─56 项目实战之训练好的word2vec模型剖析.ts
├─57 项目实战之word2vec整体训练.ts
├─58 项目实战之相似度计算上.ts
├─59 项目实战之相似度计算中.ts
├─60 项目实战之相似度计算下.ts
├─61 项目实战之结果输出.ts
├─62 项目实战整体总结.ts
├─动手学词向量课程资料.zip