【加密】JM031 – Python自然语言处理-BERT实战 [5.7G]

【加密】JM031 – Python自然语言处理-BERT实战 [5.7G]
┣━━01.视频 [3.9G]
┃ ┣━━001 课程简介.vep [42M]
┃ ┣━━002 BERT任务目标概述.vep [25M]
┃ ┣━━003 课程数据代码下载（已下载）.html [1008B]
┃ ┣━━004 传统解决方案遇到的问题.vep [53M]
┃ ┣━━005 注意力机制的作用.vep [38.2M]
┃ ┣━━006 self-attention计算方法.vep [53.4M]
┃ ┣━━007 特征分配与softmax机制.vep [49M]
┃ ┣━━008 Multi-head的作用.vep [44.4M]
┃ ┣━━009 位置编码与多层堆叠.vep [42.3M]
┃ ┣━━010 transformer整体架构梳理.vep [47.8M]
┃ ┣━━011 BERT模型训练方法.vep [45M]
┃ ┣━━012 训练实例.vep [55.8M]
┃ ┣━━013 BERT开源项目简介.vep [66.9M]
┃ ┣━━014 项目参数配置.vep [121.6M]
┃ ┣━━015 数据读取模块.vep [88.4M]
┃ ┣━━016 数据预处理模块.vep [93.3M]
┃ ┣━━017 tfrecord制作.vep [115.9M]
┃ ┣━━018 Embedding层的作用.vep [71.9M]
┃ ┣━━019 加入额外编码特征.vep [94.5M]
┃ ┣━━020 加入位置编码特征.vep [52.6M]
┃ ┣━━021 mask机制.vep [91.2M]
┃ ┣━━022 构建QKV矩阵.vep [118M]
┃ ┣━━023 完成Transformer模块构建.vep [96.9M]
┃ ┣━━024 训练BERT模型.vep [98.2M]
┃ ┣━━025 中文分类数据与任务概述.vep [70.6M]
┃ ┣━━026 读取处理自己的数据集.vep [99.4M]
┃ ┣━━027 训练BERT中文分类模型.vep [110.5M]
┃ ┣━━028 命名实体识别数据分析与任务目标.vep [62.1M]
┃ ┣━━029 NER标注数据处理与读取.vep [129.9M]
┃ ┣━━030 构建BERT与CRF模型.vep [132.8M]
┃ ┣━━031 词向量模型通俗解释.vep [48.4M]
┃ ┣━━032 模型整体框架.vep [62.9M]
┃ ┣━━033 训练数据构建.vep [37.6M]
┃ ┣━━034 CBOW与Skip-gram模型.vep [50.8M]
┃ ┣━━035 负采样方案.vep [55M]
┃ ┣━━036 数据与任务流程.vep [106.1M]
┃ ┣━━037 数据清洗.vep [55M]
┃ ┣━━038 batch数据制作.vep [113.5M]
┃ ┣━━039 网络训练.vep [110M]
┃ ┣━━040 可视化展示.vep [74.9M]
┃ ┣━━041 RNN网络模型解读.vep [50.4M]
┃ ┣━━042 NLP应用领域与任务简介.vep [69M]
┃ ┣━━043 项目流程解读.vep [91.3M]
┃ ┣━━044 加载词向量特征.vep [72.1M]
┃ ┣━━045 正负样本数据读取.vep [71.2M]
┃ ┣━━046 构建LSTM网络模型.vep [101.8M]
┃ ┣━━047 训练与测试效果.vep [127.5M]
┃ ┣━━048 数据与任务介绍.vep [47.4M]
┃ ┣━━049 整体模型架构.vep [35.9M]
┃ ┣━━050 数据-标签-语料库处理.vep [80.6M]
┃ ┣━━051 输入样本填充补齐.vep [74.6M]
┃ ┣━━052 训练网络模型.vep [88.6M]
┃ ┗━━053 医疗数据集（糖尿病）实体识别.vep [121.5M]
┗━━00.资料.zip [1.8G]

admin网站管理

收藏 海报 链接