NLP系统精讲与大厂案例落地实战，吃透内容理解体系

资源站助手 5天前 ⋅ 6 阅读
此处网盘内容已隐藏，请付费后查看，永久会员188元，付费添加助手微信:chnl_chen
永久会员权限：网站所有资源可免费下载，永久有效。
如需单独购买该课程，请联系助手微信:chnl_chen
第1章 课程介绍
4 节｜72分钟
展开 
  • 视频：
    1-1 课程目标
    试看
    20:48
  • 视频：
    1-2 学习NLP对你有什么帮助
    试看
    14:37
  • 视频：
    1-3 课程重难点
    试看
    25:04
  • 视频：
    1-4 学习建议
    10:55
第2章 语言学与自然语言处理
8 节｜109分钟
收起 
  • 视频：
    2-1 本章导学
    07:58
  • 视频：
    2-2 语言的产生：语音、词汇、语法
    13:10
  • 视频：
    2-3 踏上NLP之旅：什么是自然语言
    16:39
  • 视频：
    2-4 中文自然语言处理为什么这么难
    13:51
  • 视频：
    2-5 自然语言处理能解决哪些问题
    11:19
  • 视频：
    2-6 聊一聊自然语言处理发展史
    20:39
  • 视频：
    2-7 自然语言处理学习路径
    17:27
  • 视频：
    2-8 本章小结
    07:27
第3章 从数学原理到机器学习
15 节｜217分钟
收起 
  • 视频：
    3-1 本章导学
    07:23
  • 视频：
    3-2 现代自然语言处理的基石-概率论知识介绍
    13:06
  • 视频：
    3-3 概率论基础：贝叶斯和信息理论
    20:46
  • 视频：
    3-4 基于概率统计的模型采样知识
    13:35
  • 视频：
    3-5 从理论走向实践：机器学习是怎么回事（一）
    21:20
  • 视频：
    3-6 从理论走向实践：机器学习是怎么回事（二）
    06:08
  • 视频：
    3-7 寻找重要的信息：降维方法
    13:45
  • 视频：
    3-8 从已知结果中学习未知问题-分类和回归
    23:56
  • 视频：
    3-9 如何让数据本身分类-聚类算法介绍
    13:29
  • 视频：
    3-10 测定模型结果的方法-评估指标
    20:43
  • 视频：
    3-11 过去进行式：文本分析流程1
    17:44
  • 视频：
    3-12 过去进行式：文本分析流程2
    07:16
  • 视频：
    3-13 中文处理的第一个难题：分词
    09:51
  • 视频：
    3-14 词语的处理：独热编码和词嵌入表示
    19:54
  • 视频：
    3-15 本章小结
    08:02
第4章 由简单单元构建复杂神经网络
10 节｜116分钟
展开 
  • 视频：
    4-1 本章导学
    06:25
  • 视频：
    4-2 搭积木式的组合变换-激活函数和神经网络思想
    10:27
  • 视频：
    4-3 神经网络的演进：梯度与反向传播
    14:25
  • 视频：
    4-4 神经网络中我们可以参与的部分-超参数
    14:14
  • 视频：
    4-5 优化器和学习率
    05:58
  • 视频：
    4-6 提高模型效果的方法：归一化
    10:25
  • 视频：
    4-7 构建线性模型解决温度计示数转换问题
    12:48
  • 视频：
    4-8 使用深度学习模型解决温度计示数问题（一）
    23:48
  • 视频：
    4-9 使用深度学习模型解决温度计示数问题（二）
    10:13
  • 视频：
    4-10 本章小结
    07:08
第5章 如何用机器学习能力解决自然语言处理问题
15 节｜219分钟
展开 
  • 视频：
    5-1 本章导学
    08:34
  • 视频：
    5-2 文本预处理魔法：分词、停用词和特殊字符消失术
    18:54
  • 视频：
    5-3 让计算机读懂汉语：用数值表示文本.mp4
    09:54
  • 视频：
    5-4 基于python的文本预处理封装
    12:43
  • 视频：
    5-5 改变NLP宇宙的词嵌入技术，word2vec让文本也可以互相运算
    13:11
  • 视频：
    5-6 内容理解中最常见的分类问题，给文本打标签
    15:42
  • 视频：
    5-7 自然语言处理中的序列标注问题，发现特定的词语
    15:20
  • 视频：
    5-8 语言模型的演进，从定向任务到通用模型，让NLP日趋成熟
    19:37
  • 视频：
    5-9 注意力机制，让模型能够关注重要内容，Attention is all your need
    23:55
  • 视频：
    5-10 读懂微调 （finetune），通过小成本改变让模型具备强大的专业能力
    15:10
  • 视频：
    5-11 生成式AI崛起，像人类一样对话
    18:54
  • 视频：
    5-12 自然语言处理中常见的评价指标-AUC、BLEU、ROUGE等等有什么区别
    10:45
  • 视频：
    5-13 高手的秘密，构建丰富的语料库和精选数据集
    15:50
  • 视频：
    5-14 NLP常用工具介绍，如何站在巨人的肩膀上快速开始我们的工作-anaconda、NLTK、jieba、gensim、scikit-learn
    10:53
  • 视频：
    5-15 本章小结
    08:54
第6章 互联网公司如何搭建内容理解体系
13 节｜201分钟
展开 
  • 视频：
    6-1 本章导学
    06:20
  • 视频：
    6-2 互联网公司为什么要做内容理解工作
    31:14
  • 视频：
    6-3 自然语言处理如何在内容理解体系中发挥作用（一）
    20:19
  • 视频：
    6-4 自然语言处理如何在内容理解体系中发挥作用（二）
    06:42
  • 视频：
    6-5 新闻APP标准文本如何面向推荐系统构建内容理解体系（一）
    22:39
  • 视频：
    6-6 新闻APP标准文本如何面向推荐系统构建内容理解体系（二）
    09:26
  • 视频：
    6-7 融合了多种内容类型的马蜂窝旅行内容理解如何配合运营体系运转（一）
    14:35
  • 视频：
    6-8 融合了多种内容类型的马蜂窝旅行内容理解如何配合运营体系运转（二）
    18:37
  • 视频：
    6-9 内容理解在点评UGC场景下辅助风险控制（一）
    17:32
  • 视频：
    6-10 内容理解在点评UGC场景下辅助风险控制（二）
    14:36
  • 视频：
    6-11 京东电商下的内容理解与智能创意（一）
    17:07
  • 视频：
    6-12 京东电商下的内容理解与智能创意（二）
    15:58
  • 视频：
    6-13 本章小结
    05:03
第7章 文本相似度检测在内容理解体系中的应用
8 节｜103分钟
展开 
  • 视频：
    7-1 本章导学
    03:38
  • 视频：
    7-2 文本相似度检测的类型：长文本短文本、词语句子段落、字符级语义级
    14:01
  • 视频：
    7-3 在内容理解体系中，相似度检测可以解决哪些问题.mp4
    24:59
  • 视频：
    7-4 文本相似度检测的效果评估.mp4
    05:18
  • 视频：
    7-5 使用编辑距离计算词或短语级的文本相似度
    14:17
  • 视频：
    7-6 使用SIMHASH算法实现海量长文本的相似度计算
    20:36
  • 视频：
    7-7 使用word2vec解决语义级别的短文本相似问题
    14:18
  • 视频：
    7-8 本章小结
    05:47
第8章 实体识别在内容理解体系中的应用
11 节｜205分钟
展开 
  • 视频：
    8-1 本章导学
    04:02
  • 视频：
    8-2 实体识别能够帮助我们解决哪些问题
    11:23
  • 视频：
    8-3 在内容理解体系中借助实体识别搭建基础能力
    12:18
  • 视频：
    8-4 为实体识别的结果构建评价方案时有哪些可用的指标
    10:59
  • 视频：
    8-5 了解序列建模的基本模型：循环神经网络（RNN）在自然语言处理中如何发挥作用
    20:18
  • 视频：
    8-6 延长网络的记忆，长短时记忆网络（LSTM）都对RNN做了哪些改进
    25:03
  • 视频：
    8-7 从规则到概率，条件随机场CRF算法帮助网络模型认识一般规律
    20:06
  • 视频：
    8-8 -1 实体识别代码实战：ner_bert_lstm_crf
    38:34
  • 视频：
    8-9 -2 实体识别代码实战：ner_bert_lstm_crf
    30:48
  • 视频：
    8-10 -3 实体识别代码实战：ner_bilstm_crf
    26:06
  • 视频：
    8-11 本章小结
    04:50
第9章 文本分类任务在内容理解体系中的应用
17 节｜275分钟
展开 
  • 视频：
    9-1 本章导学
    04:42
  • 视频：
    9-2 内容理解中应用最广泛的文本分类有哪些类型
    10:12
  • 视频：
    9-3 如何在内容理解体系搭建中借助文本分类的力量
    11:39
  • 视频：
    9-4 文本分类任务效果的评估-离线指标、人工测评、线上效果
    10:07
  • 视频：
    9-5 文本分类的一个重要应用-情感分析在内容平台的实践
    19:06
  • 视频：
    9-6 卷积神经网络基础知识
    18:53
  • 视频：
    9-7 处理情感分类的数据集并搭建卷积网络1
    18:42
  • 视频：
    9-8 处理情感分类的数据集并搭建卷积网络2
    32:58
  • 视频：
    9-9 动手实践：使用word2vec为数据集构建词向量，并根据词向量寻找相似词
    18:41
  • 视频：
    9-10 使用基于word2vec的fasttext工具来解决文本分类的问题
    12:10
  • 视频：
    9-11 Transformer的衍生品BERT模型如何应用于文本分类
    25:52
  • 视频：
    9-12 -1 内容理解体系中构建多级多标签分类会遇到哪些困难
    20:21
  • 视频：
    9-13 -2 内容理解体系中构建多级多标签分类会遇到哪些困难
    20:03
  • 视频：
    9-14 -1在实际工作中我们该如何为分类任务准备数据
    14:05
  • 视频：
    9-15 -2在实际工作中我们该如何为分类任务准备数据
    13:42
  • 视频：
    9-16 为我们的企业级分类任务的设计一个可扩展、易调整的算法架构
    16:39
  • 视频：
    9-17 模型应用的最后一站，如何做分布式工程部署
    06:35
第10章 文本提取或生成任务实战
21 节｜320分钟
展开 
  • 视频：
    10-1 本章导学.
    02:19
  • 视频：
    10-2 文本提取与文本生成能够为我们提供哪些能力.
    09:10
  • 视频：
    10-3 在内容理解中，我们如何借助文本提取和文本生成能力来搭建我们的能力框架.
    12:46
  • 视频：
    10-4 没有标准答案的提取和生成任务该如何评估效果
    10:32
  • 视频：
    10-5 永恒的智慧：探索很老但有用的TFIDF提取技术
    16:58
  • 视频：
    10-6 从文本到链接：谷歌的TextRank算法如何改变搜索世界
    15:29
  • 视频：
    10-7 GPT1模型-初代生成式预训练模型，智障但是开创了一个新的方向
    14:37
  • 视频：
    10-8 GPT2模型-更强大的生成式预训练模型，开始具备工业上的可用性
    12:33
  • 视频：
    10-9 -1 GPT3模型-开创性的生成式预训练模型，对话流畅度获得飞跃提升
    16:48
  • 视频：
    10-10 -2 GPT3模型-开创性的生成式预训练模型，对话流畅度获得飞跃提升
    16:58
  • 视频：
    10-11 InstructGPT在GPT3的基础上做的三大改进点-ChatGPT的原理1
    20:01
  • 视频：
    10-12 InstructGPT在GPT3的基础上做的三大改进点-ChatGPT的原理2
    12:27
  • 视频：
    10-13 动手实践：借助开源的GPT2模型搭建我们自己的生成式任务方案1
    19:55
  • 视频：
    10-14 动手实践：借助开源的GPT2模型搭建我们自己的生成式任务方案2
    14:33
  • 视频：
    10-15 动手实践：借助开源的GPT2模型搭建我们自己的生成式任务方案3
    15:07
  • 视频：
    10-16 动手实践：借助开源的GPT2模型搭建我们自己的生成式任务方案4
    15:57
  • 视频：
    10-17 动手实践：使用GPT2自动生成引人入胜的文本标题
    24:33
  • 视频：
    10-18 动手实践：生成效果不佳？引入后评估模型来提高生成效果1
    33:19
  • 视频：
    10-19 动手实践：生成效果不佳？引入后评估模型来提高生成效果2
    18:29
  • 视频：
    10-20 借助ChatGPT的API实现文本摘要提取
    10:55
  • 视频：
    10-21 本章小结
    05:41
第11章 NLP未来展望与课程总结
6 节｜69分钟
展开 
  • 视频：
    11-1 内容理解与NLP实战课程回顾
    10:35
  • 视频：
    11-2 大模型时代的AI价值对齐
    18:10
  • 视频：
    11-3 NLP大模型未来展望
    11:21
  • 视频：
    11-4 大模型时代下如何学习NLP
    09:53
  • 视频：
    11-5 继续学习NLP的资源与建议
    09:56
  • 视频：
    11-6 课程结束语-这是结束，也是开始

©版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。

#NPL
阅读全部

全部评论: 0 条

    我有话说: