Udemy線上課程 Ai工程師-自然語言處理實戰(Python版) 講師:唐宇迪 唐 影音教學 中文發音 中文字幕版(3DVD)
Udemy線上課程Ai工程師-自然語言處理實戰(Python版)講師:唐宇迪唐影音教學中文發音中文字幕版(3DVD)
內容說明:
AI工程師-自然語言處理實戰課程旨在用最接地氣的方式講解複雜的演算法原理，基於真實資料集，通過實際案例進行項目實戰。
整個體系內容包括200+課時，20個專案實戰，完美覆蓋當下熱門技術與經典框架實戰。學習路線主要包括三大階段：
1.掌握Python在自然語言處理領域必備工具包使用方法
2.機器學習與深度學習在NLP領域常用演算法原理與應用實踐
3.基於經典框架展開專案實戰(Tensorflow,Keras)。

你將會學到的
掌握自然語言處理必備經典演算法
掌握Python自然語言處理常用工具包
掌握當下NLP在深度學習領域的應用與實踐方法
熟練使用深度學習框架搭建NLP專案
熟悉Python文本處理
熟練使用Python工具包進行資料預處理
掌握貝葉斯演算法
掌握隱瑪律科夫模型演算法
熟練使用Python進行文本分析與挖掘
掌握神經網路演算法
掌握卷積神經網路原理
掌握遞迴神經網路原理
掌握詞向量模型演算法
熟練使用Gensim工具包構建詞向量模型
熟練應用word2vec到各大自然語言處理專案
掌握情感分析與分類原理及實踐方法
熟練使用Tensorflow框架進行文本處理
熟練應用Tensorflow進行建模實戰
掌握多種文本分類實踐方法
掌握LSTM網路架構原理與應用
掌握序列網路模型原理與應用
搭建自己的聊天機器人
構建自己的專屬輸入法
構建生成模型進行文本生成
熟練使用Keras工具包構建NLP項目
課程內容:
├─01課程簡介
│001課程簡介.mp4
│002環境配置.mp4
│003數據代碼網盤下載（谷歌網盤）.html
│004數據代碼下載（百度網盤）.html
│
├─02NLP常用工具包實戰
│005Python字符串處理.mp4
│006正則表達式基本語法.mp4
│007正則常用符號.mp4
│008常用函數介紹.mp4
│009NLTK工具包簡介.mp4
│010停用詞過濾.mp4
│011詞性標注.mp4
│012數據清洗實例.mp4
│013Spacy工具包.mp4
│014名字實體匹配.mp4
│015恐怖襲擊文本資料分析.mp4
│016統計分析結果.mp4
│017結巴分詞器.mp4
│018詞云展示.mp4
│
├─03Pandas工具包實戰
│019Pandas概述.mp4
│020Pandas基本操作.mp4
│021Pandas索引.mp4
│022groupby操作.mp4
│023數值運算.mp4
│024對象操作.mp4
│025對象操作.mp4
│026merge操作.mp4
│027顯示設置.mp4
│028數據透視表.mp4
│029時間操作.mp4
│030時間序列操作.mp4
│031Pandas常用操作.mp4
│032Pandas常用操作2.mp4
│033Groupby操作延伸.mp4
│034字符串操作.mp4
│035索引進階.mp4
│036Pandas繪圖操作.mp4
│037大數據處理技巧.mp4
│
├─04案例實戰：商品信息可視化與文本分析
│038任務概述.mp4
│039商品類別劃分.mp4
│040商品類別可視化展示.mp4
│041描述長度對價格的影響.mp4
│042詞云展示.mp4
│043tf-idf結果.mp4
│044降維可視化展示.mp4
│045聚類與主題模型.mp4
│
├─05貝葉斯算法
│046貝葉斯算法概述.mp4
│047貝葉斯推導實例.mp4
│048貝葉斯拼寫糾錯實例.mp4
│049垃圾郵件過濾實例.mp4
│050貝葉斯實現拼寫檢查器.mp4
│
├─06新聞分類任務實戰
│051文本分析與關鍵詞提取.mp4
│052相似度計算.mp4
│053新聞數據與任務簡介.mp4
│054TF-IDF關鍵詞提取.mp4
│055LDA建模.mp4
│056基于貝葉斯算法進行新聞分類.mp4
│
├─07HMM隱馬爾科夫模型
│057馬爾科夫模型.mp4
│058隱馬爾科夫模型基本出發點.mp4
│059組成與要解決的問題.mp4
│060暴力求解方法.mp4
│061復雜度計算.mp4
│062前向算法.mp4
│063前向算法求解實例.mp4
│064Baum-Welch算法.mp4
│065參數求解.mp4
│066維特比算法.mp4
│
├─08HMM工具包實戰
│067hmmlearn工具包.mp4
│068工具包使用方法.mp4
│069中文分詞任務.mp4
│070實現中文分詞.mp4
│
├─09走進深度學習-神經網絡算法
│071深度學習概述.mp4
│072挑戰與常規套路.mp4
│073用K近鄰來進行分類.mp4
│074超參數與交叉驗證.mp4
│075線性分類.mp4
│076損失函數.mp4
│077正則化懲罰項.mp4
│078softmax分類器.mp4
│
├─10神經網絡整體架構
│079最優化形象解讀.mp4
│080最優化問題細節.mp4
│081反向傳播.mp4
│082整體架構.mp4
│083實例演示.mp4
│084過擬合解決方案.mp4
│
├─11語言模型
│085語言模型.mp4
│086N-gram模型.mp4
│087詞向量.mp4
│088神經網絡模型.mp4
│089Hierarchical?Softmax.mp4
│090CBOW模型實例.mp4
│091CBOW求解目標.mp4
│092銻度上升求解.mp4
│093負采樣模型.mp4
│
├─12使用Gemsim構建詞向量
│094使用Gensim庫構造詞向量.mp4
│095維基百科中文數據處理.mp4
│096Gensim構造word2vec.mp4
│097測試模型相似度結果.mp4
│
├─13基于word2vec的分類任務
│098任務概述影評情感分類.mp4
│099基于詞袋模型訓練分類器.mp4
│100準備word2vec輸入數據.mp4
│101使用gensim構建word2vec詞向量.mp4
│
├─14NLP-文本特征方法對比
│102任務概述.mp4
│103詞袋模型.mp4
│104詞袋模型分析.mp4
│105TFIDF模型.mp4
│106word2vec詞向量模型.mp4
│107深度學習模型.mp4
│
├─15遞歸網絡模型
│108遞歸神經網絡（RNN）概述.mp4
│109RNN網絡細節.mp4
│110LSTM網絡架構.mp4
│111卷積神經網絡的應用.mp4
│112卷積層解釋.mp4
│113卷積計算過程.mp4
│114pading與stride.mp4
│115卷積參數共享.mp4
│116池化層原理.mp4
│
├─16Tensorflow基本操作
│117Tensorflow簡介與安裝.mp4
│118Tensorflow中的變量.mp4
│119變量常用操作.mp4
│120實現線性回歸算法.mp4
│121Mnist數據集簡介.mp4
│122邏輯回歸算法.mp4
│123神經網絡結構.mp4
│124卷積網絡結構基本定義.mp4
│125卷積神經網絡迭代.mp4
│126Cifar-10圖像分類任務.mp4
│
├─17RNN遞歸神經網絡實戰
│127RNN網絡基本架構.mp4
│128實現RNN網絡架構.mp4
│129RNN實現自己的小demo.mp4
│130RNN預測時間序列.mp4
│
├─18項目實戰：CNN應用于文本分類任務
│131CNN應用于文本分類任務.mp4
│132文本分類任務特征定義.mp4
│133卷積網絡定義.mp4
│134完成預測分類任務.mp4
│
├─19項目實戰：LSTM情感分析
│135RNN網絡架構.mp4
│136LSTM網絡架構.mp4
│137使用LSTM進行情感分類.mp4
│138情感數據集處理.mp4
│139基于word2vec的LSTM模型.mp4
│
├─20項目實戰：NLP-相似度模型
│140任務概述.mp4
│141數據展示.mp4
│142正負樣本制作.mp4
│143數據預處理.mp4
│144網絡模型定義.mp4
│145基于字符的訓練.mp4
│146基于句子的相似度訓練.mp4
│
├─21Seq2Seq網絡架構
│147Seq2Seq網絡基本架構.mp4
│148Seq2Seq網絡應用.mp4
│149Seq2Seq基本模型.mp4
│150Attention機制.mp4
│
├─22項目實戰：對話機器人
│151效果演示.mp4
│152參數配置與數據加載.mp4
│153數據處理.mp4
│154詞向量與投影.mp4
│155seq網絡.mp4
│156網絡訓練.mp4
│
├─23項目實戰：動手打造自己的輸入法
│157數據準備.mp4
│158網絡結構概述.mp4
│159加載數據.mp4
│160訓練測試模型.mp4
│
├─24項目實戰：機器人寫唐詩
│161任務概述與環境配置.mp4
│162參數配置.mp4
│163數據預處理模塊.mp4
│164batch數據制作.mp4
│165RNN模型定義.mp4
│166完成訓練模塊.mp4
│167訓練唐詩生成模型.mp4
│168測試唐詩生成效果.mp4
│169機器翻譯框架概述.mp4
│170參數設置.mp4
│171數據加載.mp4
│172網絡結構定義.mp4
│173訓練模型.mp4
│
├─25項目實戰：LSTM時間序列預測任務
│174時間序列模型.mp4
│175網絡結構與參數定義.mp4
│176構建LSTM模型.mp4
│177訓練模型與效果展示.mp4
│178多序列預測結果.mp4
│179股票數據預測.mp4
│180數據預處理.mp4
│181預測結果展示.mp4
│
├─26項目實戰：Keras文本分類實戰
│182文本數據讀取預處理.mp4
│183基本模型.mp4
│184Embeeding-layer效果.mp4
│185準備詞向量數據.mp4
│186詞嵌入訓練結果.mp4
│187加入LSTM層效果.mp4
│188加入卷積層效果.mp4
│189參數調優.mp4
│
├─27項目實戰：地址郵編多序列任務
│190數據與目標.mp4
│191字符表制作.mp4
│192數據讀取.mp4
│193數據增強.mp4
│194網絡模型.mp4
│195測試效果.mp4
│
├─28項目實戰：基于Keras的序列網絡實戰
│196網絡模型解讀.mp4
│197數據介紹與讀取.mp4
│198配置文件制作.mp4
│199編碼器模型.mp4
│200解碼器模型.mp4
│201制作訓練batch數據.mp4
│202測試數據準備.mp4
│203完成測試模塊.mp4
│
└─29項目實戰：Keras實戰模板總結
204模板目錄結構.mp4
205模型與訓練結構.mp4
206評論數據集與任務目標.mp4
207數據準備.mp4
208模型整體架構.mp4
209準備模型.mp4
210訓練網絡.mp4
211多標簽訓練.mp4