【加密】JM073 – 自然语言处理训练营第一期 [22.5G]

【加密】JM073 – 自然语言处理训练营第一期 [22.5G]

┣━━01.视频 [19.7G]
┃ ┣━━{1}–Tensorflow2.x基础 [5.8G]
┃ ┃ ┣━━[1.1]–Tensorflow2.x开篇.vep [146.1M]
┃ ┃ ┣━━[1.10]–模型构建之序列式方式构建.vep [211.6M]
┃ ┃ ┣━━[1.11]–模型构建之函数式方式构建.vep [90.2M]
┃ ┃ ┣━━[1.12]–模型构建之子类化方式构建.vep [167.1M]
┃ ┃ ┣━━[1.13]–机器学习之有监督与无监督.vep [180.4M]
┃ ┃ ┣━━[1.14]–分类问题实战.vep [427.1M]
┃ ┃ ┣━━[1.15]–callbacks实战.vep [222.7M]
┃ ┃ ┣━━[1.16]–回归问题.vep [341.1M]
┃ ┃ ┣━━[1.17]–第二次课程结束问题答疑.vep [95.2M]
┃ ┃ ┣━━[1.18]–过拟合与欠拟合理论讲解.vep [183.4M]
┃ ┃ ┣━━[1.19]–L1与L2正则实战.vep [298.8M]
┃ ┃ ┣━━[1.2]–Tensorflow2.x历史变迁.vep [115M]
┃ ┃ ┣━━[1.20]–神经网络调参讲解.vep [542.8M]
┃ ┃ ┣━━[1.21]–dropout讲解与实战.vep [276.5M]
┃ ┃ ┣━━[1.22]–激活函数讲解.vep [77.4M]
┃ ┃ ┣━━[1.23]–tf2基础数据类型及基础操作.vep [240.5M]
┃ ┃ ┣━━[1.24]–tf2维度变化操作.vep [179.3M]
┃ ┃ ┣━━[1.25]–第三次课问题答疑.vep [83.8M]
┃ ┃ ┣━━[1.26]–tf2基础操作广播数学运算合并与分割.vep [419.3M]
┃ ┃ ┣━━[1.27]–tf2基础操作统计高级操作.vep [316.6M]
┃ ┃ ┣━━[1.28]–tf2基础操作自定义loos及自动以层.vep [351.6M]
┃ ┃ ┣━━[1.3]–Tensorflow2.x系统架构.vep [143.1M]
┃ ┃ ┣━━[1.4]–第一次休息问题解答.vep [102.7M]
┃ ┃ ┣━━[1.5]–tf.keras完整流程演示.vep [249M]
┃ ┃ ┣━━[1.6]–神经网络中数据格式.vep [99.5M]
┃ ┃ ┣━━[1.7]–第二次休息问题解答.vep [112M]
┃ ┃ ┣━━[1.8]–tf.keras中神经网络.vep [143.8M]
┃ ┃ ┗━━[1.9]–第一次课程结束问题答疑.vep [76.3M]
┃ ┣━━{2}–文本表示 [1.3G]
┃ ┃ ┣━━[2.1]–文本表示之one-hot编码.vep [95.8M]
┃ ┃ ┣━━[2.10]–课堂答疑.vep [69.9M]
┃ ┃ ┣━━[2.2]–word2vec初识.vep [163M]
┃ ┃ ┣━━[2.3]–tf2中Embedding详细讲解.vep [104.9M]
┃ ┃ ┣━━[2.4]–EmbeddingDemo讲解.vep [220.4M]
┃ ┃ ┣━━[2.5]–word2vec代码初浅尝.vep [142.2M]
┃ ┃ ┣━━[2.6]–word2vec应用完成展示.vep [210.8M]
┃ ┃ ┣━━[2.7]–word2vec两种实现方式.vep [135.1M]
┃ ┃ ┣━━[2.8]–word2vec两种训练方式.vep [106.8M]
┃ ┃ ┗━━[2.9]–Glove初识.vep [108.7M]
┃ ┣━━{3}–文本多分类实战 [3.2G]
┃ ┃ ┣━━[3.1]–文本分类简介.vep [126.5M]
┃ ┃ ┣━━[3.10]–双向LSTM实现文本多分类.vep [503.8M]
┃ ┃ ┣━━[3.11]–多层LSTM实现文本多分类.vep [650.6M]
┃ ┃ ┣━━[3.12]–课程答疑.vep [378.3M]
┃ ┃ ┣━━[3.2]–卷积神经网络.vep [89.8M]
┃ ┃ ┣━━[3.3]–TextCNN详解.vep [112M]
┃ ┃ ┣━━[3.4]–数据集简介及整体架构讲解.vep [301.3M]
┃ ┃ ┣━━[3.5]–数据加载部分详解.vep [209.2M]
┃ ┃ ┣━━[3.6]–TextCNN使用Conv1D实现讲解.vep [300.5M]
┃ ┃ ┣━━[3.7]–循环神经网络.vep [58.8M]
┃ ┃ ┣━━[3.8]–LSTM网络.vep [72.3M]
┃ ┃ ┗━━[3.9]–单向LSTM实现文本多分类.vep [441.8M]
┃ ┣━━{4}–命名实体识别 [1.9G]
┃ ┃ ┣━━[4.1]–命名实体简介.vep [102.8M]
┃ ┃ ┣━━[4.10]–LSTM+CRF模型详解中.vep [243M]
┃ ┃ ┣━━[4.11]–LSTM+CRF模型详解下.vep [110.6M]
┃ ┃ ┣━━[4.12]–模型训练及问题答疑.vep [158.7M]
┃ ┃ ┣━━[4.13]–模型预测.vep [97.3M]
┃ ┃ ┣━━[4.2]–数据集标注方式讲解.vep [121.1M]
┃ ┃ ┣━━[4.3]–深度学习主流方法讲解.vep [149.8M]
┃ ┃ ┣━━[4.4]–数据集简介及BIO编码检测.vep [248.3M]
┃ ┃ ┣━━[4.5]–BIO转换BIOES讲解.vep [131.8M]
┃ ┃ ┣━━[4.6]–模型输入数据格式处理讲解.vep [138.9M]
┃ ┃ ┣━━[4.7]–基于Bi-LSTM方法的命名实体识别方法讲解.vep [248.9M]
┃ ┃ ┣━━[4.8]–数据处理代码回顾.vep [97.1M]
┃ ┃ ┗━━[4.9]–LSTM+CRF模型详解上.vep [140.2M]
┃ ┣━━{5}–作业讲解 [1.3G]
┃ ┃ ┣━━[5.1]–IDCNN理论讲解.vep [92.4M]
┃ ┃ ┣━━[5.2]–IDCNN+CRF代码讲解.vep [156.1M]
┃ ┃ ┣━━[5.3]–DPCNN理论讲解.vep [286.1M]
┃ ┃ ┣━━[5.4]–DPCNN代码讲解上.vep [141.1M]
┃ ┃ ┣━━[5.5]–DPCNN代码解决中.vep [226.1M]
┃ ┃ ┣━━[5.6]–模型优化及改进思路.vep [219.9M]
┃ ┃ ┗━━[5.7]–课程答疑.vep [197M]
┃ ┣━━{6}–文本生生 [1.7G]
┃ ┃ ┣━━[6.1]–文本生成简介.vep [39.7M]
┃ ┃ ┣━━[6.10]–基于Attention机制的文本生成实战下.vep [341.3M]
┃ ┃ ┣━━[6.11]–课程答疑.vep [84.3M]
┃ ┃ ┣━━[6.2]–语言模型.vep [81.4M]
┃ ┃ ┣━━[6.3]–RNN理论及相关变体讲解.vep [40.3M]
┃ ┃ ┣━━[6.4]–seq2seq理论讲解.vep [83.7M]
┃ ┃ ┣━━[6.5]–基于seq2seq的文本生成实战.vep [700.8M]
┃ ┃ ┣━━[6.6]–seq2seq存在的问题.vep [52.9M]
┃ ┃ ┣━━[6.7]–Attention机制理论讲解.vep [90M]
┃ ┃ ┣━━[6.8]–Attention机制数学理论讲解.vep [84.8M]
┃ ┃ ┗━━[6.9]–基于Attention机制的文本生成实战上.vep [145.4M]
┃ ┣━━{7}–机器翻译 [970.8M]
┃ ┃ ┣━━[7.1]–机器翻译简介及发展历程.vep [46.9M]
┃ ┃ ┣━━[7.2]–Self-Attention理论讲解上.vep [107.8M]
┃ ┃ ┣━━[7.3]–Self-Attention理论讲解下.vep [49.4M]
┃ ┃ ┣━━[7.4]–Transformer原理讲解.vep [47.3M]
┃ ┃ ┣━━[7.5]–Transformer模型编写前代码块规划.vep [67M]
┃ ┃ ┣━━[7.6]–基于Transformer的机器翻译实战上.vep [341.1M]
┃ ┃ ┗━━[7.7]–基于Transformer的机器翻译实战下.vep [311.3M]
┃ ┣━━{8}–文本摘要 [1.7G]
┃ ┃ ┣━━[8.1]–文本摘要概述.vep [118.5M]
┃ ┃ ┣━━[8.10]–Bert+CNN实战.vep [137.9M]
┃ ┃ ┣━━[8.11]–Bert+RNN实战.vep [155.1M]
┃ ┃ ┣━━[8.12]–课程答疑.vep [118.4M]
┃ ┃ ┣━━[8.2]–抽取式与生成式文本摘要简介.vep [57.4M]
┃ ┃ ┣━━[8.3]–Bert简介.vep [223M]
┃ ┃ ┣━━[8.4]–Bert模型深入.vep [213.1M]
┃ ┃ ┣━━[8.5]–Bert模型输入讲解.vep [52.5M]
┃ ┃ ┣━━[8.6]–Bert模型预训练与微调讲解.vep [219M]
┃ ┃ ┣━━[8.7]–课程答疑.vep [53.9M]
┃ ┃ ┣━━[8.8]–数据预处理讲解.vep [248.5M]
┃ ┃ ┗━━[8.9]–Bert+FC实战.vep [146.8M]
┃ ┗━━{9}–机器阅读理解 [1.9G]
┃ ┣━━[9.1]–机器阅读理解简介.vep [119.6M]
┃ ┣━━[9.10]–BiDAF模型代码讲解上.vep [189.4M]
┃ ┣━━[9.11]–BiDAF模型代码讲解中.vep [70.8M]
┃ ┣━━[9.12]–BiDAF模型代码讲解下.vep [202.6M]
┃ ┣━━[9.13]–BiDAF模型代码运行讲解.vep [188.4M]
┃ ┣━━[9.14]–课程答疑.vep [81M]
┃ ┣━━[9.2]–机器阅读理解四个任务详解.vep [125.1M]
┃ ┣━━[9.3]–片段式抽取任务详解.vep [86M]
┃ ┣━━[9.4]–机器阅读理解通用架构讲解.vep [41.5M]
┃ ┣━━[9.5]–机器阅读理解典型技术讲解.vep [52.1M]
┃ ┣━━[9.6]–深入理解BiDAF讲解.vep [107.4M]
┃ ┣━━[9.7]–BiDAF架构讲解.vep [70.9M]
┃ ┣━━[9.8]–课程答疑.vep [379.9M]
┃ ┗━━[9.9]–模型数据加载与处理.vep [192.9M]
┗━━00.资料.zip [2.8G]

admin网站管理

收藏 海报 链接