【尊享】ZX075 – NLP大厂实训班 [28.8G]

【尊享】ZX075 – NLP大厂实训班 [28.8G]

┣━━01.视频 [20.2G]
┃ ┗━━项目一 [4.9G]
┃ ┣━━理论-1.1 基于语言模型的机械切分.vep [231.2M]
┃ ┣━━理论-1.2 序列标注的分词方法 2021-08-14 11_14.vep [305.7M]
┃ ┣━━理论-1.3 剖析Jieba和HanLP开源代码 2021-08-14 13_10.vep [621.7M]
┃ ┣━━理论-1.4 分词的策略融合与场景应用 2021-08-14 16_20.vep [366.1M]
┃ ┣━━实践-第1节 从头构建一个基于语言模型的机械分词器.vep [753M]
┃ ┣━━实践-第2节 基于新闻语料，构建CRF、BiLSTM-CRF的分词器 2021-08-14 11_15.vep [1.1G]
┃ ┣━━实践-第3节 使用UML图，剖析Jieba开源代码 2021-08-14 13_11.vep [1018.3M]
┃ ┗━━实践-第4节 融合机械切分与模型切分，打造属于你的工业级分词器 2021-08-14 16_21.vep [680.9M]
┃ ┣━━项目二 [2.5G]
┃ ┃ ┣━━2.2-理论部分-Docker、CICD与K8S.vep [616.3M]
┃ ┃ ┣━━2.2-实践部分-构建镜像与CICD脚本.vep [638.9M]
┃ ┃ ┣━━理论-1 微服务、测试与GPU.vep [608M]
┃ ┃ ┗━━实践第1节 封装微服务，编写测试用例和脚本，并观察gpu.vep [662.8M]
┃ ┣━━项目三 [3G]
┃ ┃ ┣━━3.1-理论部分-基于tfidf和textrank的关键词提取.vep [371.3M]
┃ ┃ ┣━━3.1-实践部分-基于tfidf和textrank的关键词提取系统.vep [1003.9M]
┃ ┃ ┣━━3.2-理论部分-主题模型和新词发现的关键词提取.vep [280M]
┃ ┃ ┗━━3.2-实践部分-为关键词提取系统融入主题词和新词.vep [1.4G]
┃ ┣━━项目四 [6.4G]
┃ ┃ ┣━━4.1-理论部分-传统序列标注下的实体识别.vep [260.4M]
┃ ┃ ┣━━4.1-实践部分-实体识别的初步实践.vep [915.7M]
┃ ┃ ┣━━4.2-理论部分-成熟的传统实体识别系统.vep [264.5M]
┃ ┃ ┣━━4.2-实践部分-搭建一个成熟的传统实体识别系统.vep [760.8M]
┃ ┃ ┣━━4.3-理论部分-基于CNN和RNN的实体识别.vep.vep [355.6M]
┃ ┃ ┣━━4.3-实践部分-融入IDCNN和LatticeLSTM.vep [1.6G]
┃ ┃ ┣━━4.4-理论部分-从Transformer到Bert.vep.vep [514.7M]
┃ ┃ ┣━━4.4-实践部分-Bert的初步实践 2021-08-14 09_18.vep [1.6G]
┃ ┃ ┗━━4.5-理论部分-Bert调参及其变体.vep 2021-08-10 21_17.vep [299M]
┃ ┣━━项目五 [1.7G]
┃ ┃ ┣━━5.1-理论- 文本分类 2021-09-05 15_04.vep [282.8M]
┃ ┃ ┣━━5.1-实践-实现BERT分类模型 2021-09-05 15_04.vep [553.6M]
┃ ┃ ┣━━5.2 -实践-实现BERT模型的蒸馏 2021-09-05 19_53.vep [635.5M]
┃ ┃ ┗━━5.2-理论-模型蒸馏 2021-09-05 19_52.vep [250.5M]
┃ ┣━━项目六 [1.6G]
┃ ┃ ┣━━6.1-理论-知识图谱的构建 2021-09-05 21_26.vep [328.7M]
┃ ┃ ┣━━6.1-实践-使用neo4j搭建知识图谱 2021-09-05 23_42.vep [503.1M]
┃ ┃ ┣━━6.2-理论-知识图谱的应用 2021-09-05 23_42.vep [212.9M]
┃ ┃ ┗━━6.2-实践-实现transD模型 2021-09-05 21_25.vep [637.5M]
┗━━00.资料.zip [8.6G]

admin网站管理

收藏 海报 链接