资源详情
课程章节 章节1:NLP和深度学习发展概况和最新动态 课时1:NLP历史现在及为什么需要学习NLP技术 课时2:NLP实现机器学习,聊天机器人,情感分析和语义搜索 章节2:NLP与PYTHON编程 课时3:Python环境搭建及开发工具安装 课时4:NLP常用PYTHON开发包的介绍 课时5:Jieba安装、介绍及使用 课时6:Stanford NLP 在Python环境中安装、介绍及使用 课时7:Hanlp 在Python环境中安装、介绍及使用 章节3:快速掌握NLP技术之分词、词忄生标注和关键字提取 课时8:分词、词忄生标注及命名实体识别介绍及应用 课时9:准确分词之加载自定义字典分词01 课时10:准确分词之加载自定义字典分词02 课时11:准确分词之动态调整词频和字典 课时12:词忄生标注代码实现及信息提取 课时13:人名、地名、机构名等关键命名实体识别 课时14:TextRank算法原理介绍 课时15:基于TextRank关键词提取 章节4: 句法与文法 课时16:依存句法与语义依存分析 课时17:依存句法树解析(子树遍历,递归搜索,叶子节点提取等) 课时18:名词短语块挖掘 课时19:自定义语法与CFG 章节5: N-GRAM文本挖掘 课时20:N-GRAM算法介绍 课时21:N-GRAM生成词语对 课时22:TF-IDF算法介绍应用 课时23:基于TF-IDF挖掘符合语言规范的N-GRAM 章节6: 表示学习与关系嵌入 课时24:语言模型 课时25:词向量 课时26:深入理解Word2vec算法层次sofmax 课时27:深入理解Word2vec算法负采样 课时28:6.4 基于Word2vec技术的词向量、字向量训练 章节7: 深度学习之卷积神经网络 课时29:BP神经网络 课时30:彻底理解深度学习指卷积神经网络 课时31:CNN文本分类 课时32:CNN文本分类算法模块 课时33:CNN文本分类模型详解数据预处理 课时34:CNN文本分类模型测试与部署 章节8: 深度学习之递归神经网络 课时35:递归网络 课时36:LSTM 课时37:LSTM文本分类原理 课时38:LSTM文本分类代码架构 课时39:LSTM文本分类代码详解 课时40:LSTM文本分类模型预测与部署 章节9: 特定领域命名实体识别NER技术 课时41:基于深度学习医药保险命名实体识别课题背景介绍 课时42:医药保险命名实体和实体关系体系建立和命名实体分类规范 课时43:医药保险命名实体识别相关前沿技术和难点 课时44:基于深度学习医药保险命名实体识别的算法模块设计(上) 课时45:基于深度学习医药保险命名实体识别的算法模块设计(下) 课时46:数据的采集,清洗,数据机器自动标注及转化为深度学习格式(上) 课时47:数据的采集,清洗,数据机器自动标注及转化为深度学习格式(下) 课时48:模型本地Lib库封装(上) 课时49:模型本地Lib库封装(下) 课时50:部署tensorflow训练好的模型为云服务(上) 课时51:部署tensorflow训练好的模型为云服务(下) 课时52:算法设计及代码实现1 课时53:算法设计及代码实现2 课时54:代码调试,参数优化及深度剖析(深入理解)1 课时55:代码调试,参数优化及深度剖析(深入理解)2
下载地址
链接:https://pan.baidu.com/s/1iJ4LfLDBq3YccgBfUGS8CQ 密码:3939