【尊享】ZX020 – AI工程师-自然语言处理实战 [25.3G]

【尊享】ZX020 – AI工程师-自然语言处理实战 [25.3G]
┣━━00.资料 [7.1G]
┃ ┣━━00.资料.z01 [4G]
┃ ┣━━00.资料.zip [3.1G]
┃ ┗━━该压缩方式为zip分卷压缩，下载好所有文件后选择zip解压即可，mac系统勿用自带软件解压.txt [0B]
┗━━01.视频 [18.2G]
┣━━01 课程简介 [139.8M]
┃ ┣━━001 课程简介.vep [97.5M]
┃ ┣━━002 环境配置.vep [42.4M]
┃ ┣━━003 数据代码网盘下载（谷歌网盘已下载）.html [1.1K]
┃ ┗━━004 数据代码下载（百度网盘已下载）.html [1K]
┣━━02 NLP常用工具包实战 [1.1G]
┃ ┣━━005 Python字符串处理.vep [80.8M]
┃ ┣━━006 正则表达式基本语法.vep [72.1M]
┃ ┣━━007 正则常用符号.vep [77.2M]
┃ ┣━━008 常用函数介绍.vep [83.3M]
┃ ┣━━009 NLTK工具包简介.vep [65.9M]
┃ ┣━━010 停用词过滤.vep [66M]
┃ ┣━━011 词性标注.vep [72.7M]
┃ ┣━━012 数据清洗实例.vep [97.2M]
┃ ┣━━013 Spacy工具包.vep [83.6M]
┃ ┣━━014 名字实体匹配.vep [52.5M]
┃ ┣━━015 恐怖袭击文本资料分析.vep [91.2M]
┃ ┣━━016 统计分析结果.vep [74.7M]
┃ ┣━━017 结巴分词器.vep [69.4M]
┃ ┗━━018 词云展示.vep [101.5M]
┣━━03 Pandas工具包实战 [2.1G]
┃ ┣━━019 Pandas概述.vep [116.8M]
┃ ┣━━020 Pandas基本操作.vep [147.9M]
┃ ┣━━021 Pandas索引.vep [131.5M]
┃ ┣━━022 groupby操作.vep [86.8M]
┃ ┣━━023 数值运算.vep [104.2M]
┃ ┣━━024 对象操作.vep [85.8M]
┃ ┣━━025 对象操作.vep [88.2M]
┃ ┣━━026 merge操作.vep [96.6M]
┃ ┣━━027 显示设置.vep [58.1M]
┃ ┣━━028 数据透视表.vep [110.9M]
┃ ┣━━029 时间操作.vep [89.9M]
┃ ┣━━030 时间序列操作.vep [113.6M]
┃ ┣━━031 Pandas常用操作.vep [105.2M]
┃ ┣━━032 Pandas常用操作2.vep [103.3M]
┃ ┣━━033 Groupby操作延伸.vep [161.7M]
┃ ┣━━034 字符串操作.vep [66.5M]
┃ ┣━━035 索引进阶.vep [80.6M]
┃ ┣━━036 Pandas绘图操作.vep [133.5M]
┃ ┗━━037 大数据处理技巧.vep [254.2M]
┣━━04 案例实战：商品信息可视化与文本分析 [738.3M]
┃ ┣━━038 任务概述.vep [84.8M]
┃ ┣━━039 商品类别划分.vep [89.5M]
┃ ┣━━040 商品类别可视化展示.vep [92.8M]
┃ ┣━━041 描述长度对价格的影响.vep [77.8M]
┃ ┣━━042 词云展示.vep [117.7M]
┃ ┣━━043 tf-idf结果.vep [87.9M]
┃ ┣━━044 降维可视化展示.vep [91.4M]
┃ ┗━━045 聚类与主题模型.vep [96.4M]
┣━━05 贝叶斯算法 [321.5M]
┃ ┣━━046 贝叶斯算法概述.vep [36.2M]
┃ ┣━━047 贝叶斯推导实例.vep [31.5M]
┃ ┣━━048 贝叶斯拼写纠错实例.vep [55.1M]
┃ ┣━━049 垃圾邮件过滤实例.vep [69.7M]
┃ ┗━━050 贝叶斯实现拼写检查器.vep [128.9M]
┣━━06 新闻分类任务实战 [630.8M]
┃ ┣━━051 文本分析与关键词提取.vep [61.8M]
┃ ┣━━052 相似度计算.vep [63.5M]
┃ ┣━━053 新闻数据与任务简介.vep [105.2M]
┃ ┣━━054 TF-IDF关键词提取.vep [148.6M]
┃ ┣━━055 LDA建模.vep [97.4M]
┃ ┗━━056 基于贝叶斯算法进行新闻分类.vep [154.1M]
┣━━07 HMM隐马尔科夫模型 [637.6M]
┃ ┣━━057 马尔科夫模型.vep [47M]
┃ ┣━━058 隐马尔科夫模型基本出发点.vep [51.7M]
┃ ┣━━059 组成与要解决的问题.vep [36.7M]
┃ ┣━━060 暴力求解方法.vep [78.8M]
┃ ┣━━061 复杂度计算.vep [39.1M]
┃ ┣━━062 前向算法.vep [95.9M]
┃ ┣━━063 前向算法求解实例.vep [84.3M]
┃ ┣━━064 Baum-Welch算法.vep [63.4M]
┃ ┣━━065 参数求解.vep [41.5M]
┃ ┗━━066 维特比算法.vep [99.3M]
┣━━08 HMM工具包实战 [272.8M]
┃ ┣━━067 hmmlearn工具包.vep [49.5M]
┃ ┣━━068 工具包使用方法.vep [97.2M]
┃ ┣━━069 中文分词任务.vep [34.4M]
┃ ┗━━070 实现中文分词.vep [91.7M]
┣━━09 走进深度学习-神经网络算法 [544.3M]
┃ ┣━━071 深度学习概述.vep [132.3M]
┃ ┣━━072 挑战与常规套路.vep [81.6M]
┃ ┣━━073 用K近邻来进行分类.vep [61.5M]
┃ ┣━━074 超参数与交叉验证.vep [62.4M]
┃ ┣━━075 线性分类.vep [45M]
┃ ┣━━076 损失函数.vep [56.7M]
┃ ┣━━077 正则化惩罚项.vep [35.4M]
┃ ┗━━078 softmax分类器.vep [69.3M]
┣━━10 神经网络整体架构 [394.4M]
┃ ┣━━079 最优化形象解读.vep [34M]
┃ ┣━━080 最优化问题细节.vep [56.4M]
┃ ┣━━081 反向传播.vep [78M]
┃ ┣━━082 整体架构.vep [49.9M]
┃ ┣━━083 实例演示.vep [94.9M]
┃ ┗━━084 过拟合解决方案.vep [81.3M]
┣━━11 语言模型 [398.7M]
┃ ┣━━085 语言模型.vep [23.8M]
┃ ┣━━086 N-gram模型.vep [46.6M]
┃ ┣━━087 词向量.vep [47.6M]
┃ ┣━━088 神经网络模型.vep [52.8M]
┃ ┣━━089 Hierarchical Softmax.vep [49.8M]
┃ ┣━━090 CBOW模型实例.vep [67.6M]
┃ ┣━━091 CBOW求解目标.vep [28M]
┃ ┣━━092 锑度上升求解.vep [51.8M]
┃ ┗━━093 负采样模型.vep [30.8M]
┣━━12 使用Gemsim构建词向量 [329.6M]
┃ ┣━━094 使用Gensim库构造词向量.vep [68.1M]
┃ ┣━━095 维基百科中文数据处理.vep [107.3M]
┃ ┣━━096 Gensim构造word2vec.vep [79.4M]
┃ ┗━━097 测试模型相似度结果.vep [74.9M]
┣━━13 基于word2vec的分类任务 [566.2M]
┃ ┣━━098 任务概述影评情感分类.vep [180.4M]
┃ ┣━━099 基于词袋模型训练分类器.vep [109.2M]
┃ ┣━━100 准备word2vec输入数据.vep [89.8M]
┃ ┗━━101 使用gensim构建word2vec词向量.vep [186.9M]
┣━━14 NLP-文本特征方法对比 [505.9M]
┃ ┣━━102 任务概述.vep [92.3M]
┃ ┣━━103 词袋模型.vep [61.3M]
┃ ┣━━104 词袋模型分析.vep [124.3M]
┃ ┣━━105 TFIDF模型.vep [78.5M]
┃ ┣━━106 word2vec词向量模型.vep [93.8M]
┃ ┗━━107 深度学习模型.vep [55.6M]
┣━━15 递归网络模型 [731.6M]
┃ ┣━━108 递归神经网络（RNN）概述.vep [46.4M]
┃ ┣━━109 RNN网络细节.vep [43.3M]
┃ ┣━━110 LSTM网络架构.vep [43.9M]
┃ ┣━━111 卷积神经网络的应用.vep [176M]
┃ ┣━━112 卷积层解释.vep [67.5M]
┃ ┣━━113 卷积计算过程.vep [130.6M]
┃ ┣━━114 pading与stride.vep [90.8M]
┃ ┣━━115 卷积参数共享.vep [67.7M]
┃ ┗━━116 池化层原理.vep [65.3M]
┣━━16 Tensorflow基本操作 [1.3G]
┃ ┣━━117 Tensorflow简介与安装.vep [179.6M]
┃ ┣━━118 Tensorflow中的变量.vep [59.2M]
┃ ┣━━119 变量常用操作.vep [106.8M]
┃ ┣━━120 实现线性回归算法.vep [138.1M]
┃ ┣━━121 Mnist数据集简介.vep [105.4M]
┃ ┣━━122 逻辑回归算法.vep [131.1M]
┃ ┣━━123 神经网络结构.vep [163.7M]
┃ ┣━━124 卷积网络结构基本定义.vep [153.2M]
┃ ┣━━125 卷积神经网络迭代.vep [146M]
┃ ┗━━126 Cifar-10图像分类任务.vep [155.7M]
┣━━17 RNN递归神经网络实战 [532.9M]
┃ ┣━━127 RNN网络基本架构.vep [92.3M]
┃ ┣━━128 实现RNN网络架构.vep [132.5M]
┃ ┣━━129 RNN实现自己的小demo.vep [132.4M]
┃ ┗━━130 RNN预测时间序列.vep [175.8M]
┣━━18 项目实战：CNN应用于文本分类任务 [445.5M]
┃ ┣━━131 CNN应用于文本分类任务.vep [94.9M]
┃ ┣━━132 文本分类任务特征定义.vep [147.6M]
┃ ┣━━133 卷积网络定义.vep [51.7M]
┃ ┗━━134 完成预测分类任务.vep [151.4M]
┣━━19 项目实战：LSTM情感分析 [557.9M]
┃ ┣━━135 RNN网络架构.vep [64.6M]
┃ ┣━━136 LSTM网络架构.vep [54.1M]
┃ ┣━━137 使用LSTM进行情感分类.vep [111.2M]
┃ ┣━━138 情感数据集处理.vep [134M]
┃ ┗━━139 基于word2vec的LSTM模型.vep [193.9M]
┣━━20 项目实战：NLP-相似度模型 [573.2M]
┃ ┣━━140 任务概述.vep [32.1M]
┃ ┣━━141 数据展示.vep [47.7M]
┃ ┣━━142 正负样本制作.vep [93.4M]
┃ ┣━━143 数据预处理.vep [84.1M]
┃ ┣━━144 网络模型定义.vep [124.5M]
┃ ┣━━145 基于字符的训练.vep [122.9M]
┃ ┗━━146 基于句子的相似度训练.vep [68.4M]
┣━━21 Seq2Seq网络架构 [265.4M]
┃ ┣━━147 Seq2Seq网络基本架构.vep [31.8M]
┃ ┣━━148 Seq2Seq网络应用.vep [56.4M]
┃ ┣━━149 Seq2Seq基本模型.vep [118.7M]
┃ ┗━━150 Attention机制.vep [58.4M]
┣━━22 项目实战：对话机器人 [530.8M]
┃ ┣━━151 效果演示.vep [81.9M]
┃ ┣━━152 参数配置与数据加载.vep [109.9M]
┃ ┣━━153 数据处理.vep [86.7M]
┃ ┣━━154 词向量与投影.vep [96.3M]
┃ ┣━━155 seq网络.vep [81.6M]
┃ ┗━━156 网络训练.vep [74.3M]
┣━━23 项目实战：动手打造自己的输入法 [498.4M]
┃ ┣━━157 数据准备.vep [166M]
┃ ┣━━158 网络结构概述.vep [67.9M]
┃ ┣━━159 加载数据.vep [105.3M]
┃ ┗━━160 训练测试模型.vep [159.2M]
┣━━24 项目实战：机器人写唐诗 [1.5G]
┃ ┣━━161 任务概述与环境配置.vep [49.9M]
┃ ┣━━162 参数配置.vep [87.2M]
┃ ┣━━163 数据预处理模块.vep [116M]
┃ ┣━━164 batch数据制作.vep [108.5M]
┃ ┣━━165 RNN模型定义.vep [73.1M]
┃ ┣━━166 完成训练模块.vep [115.5M]
┃ ┣━━167 训练唐诗生成模型.vep [45.9M]
┃ ┣━━168 测试唐诗生成效果.vep [83.5M]
┃ ┣━━169 机器翻译框架概述.vep [162.1M]
┃ ┣━━170 参数设置.vep [150.2M]
┃ ┣━━171 数据加载.vep [189.9M]
┃ ┣━━172 网络结构定义.vep [206.3M]
┃ ┗━━173 训练模型.vep [175.2M]
┣━━25 项目实战：LSTM时间序列预测任务 [645.3M]
┃ ┣━━174 时间序列模型.vep [80.1M]
┃ ┣━━175 网络结构与参数定义.vep [61M]
┃ ┣━━176 构建LSTM模型.vep [69.4M]
┃ ┣━━177 训练模型与效果展示.vep [111.1M]
┃ ┣━━178 多序列预测结果.vep [120.7M]
┃ ┣━━179 股票数据预测.vep [66.2M]
┃ ┣━━180 数据预处理.vep [85.9M]
┃ ┗━━181 预测结果展示.vep [50.9M]
┣━━26 项目实战：Keras文本分类实战 [646.6M]
┃ ┣━━182 文本数据读取预处理.vep [78.6M]
┃ ┣━━183 基本模型.vep [95.6M]
┃ ┣━━184 Embeeding-layer效果.vep [108.2M]
┃ ┣━━185 准备词向量数据.vep [81.1M]
┃ ┣━━186 词嵌入训练结果.vep [75.5M]
┃ ┣━━187 加入LSTM层效果.vep [52.4M]
┃ ┣━━188 加入卷积层效果.vep [36.6M]
┃ ┗━━189 参数调优.vep [118.8M]
┣━━27 项目实战：地址邮编多序列任务 [436.3M]
┃ ┣━━190 数据与目标.vep [69M]
┃ ┣━━191 字符表制作.vep [66.3M]
┃ ┣━━192 数据读取.vep [47.5M]
┃ ┣━━193 数据增强.vep [114.5M]
┃ ┣━━194 网络模型.vep [48.3M]
┃ ┗━━195 测试效果.vep [90.6M]
┣━━28 项目实战：基于Keras的序列网络实战 [667.5M]
┃ ┣━━196 网络模型解读.vep [84.4M]
┃ ┣━━197 数据介绍与读取.vep [81.1M]
┃ ┣━━198 配置文件制作.vep [65.1M]
┃ ┣━━199 编码器模型.vep [68.2M]
┃ ┣━━200 解码器模型.vep [45.9M]
┃ ┣━━201 制作训练batch数据.vep [148M]
┃ ┣━━202 测试数据准备.vep [93.5M]
┃ ┗━━203 完成测试模块.vep [81.1M]
┗━━29 项目实战：Keras实战模板总结 [521.3M]
┣━━204 模板目录结构.vep [47.4M]
┣━━205 模型与训练结构.vep [58.4M]
┣━━206 评论数据集与任务目标.vep [25M]
┣━━207 数据准备.vep [99.8M]
┣━━208 模型整体架构.vep [66M]
┣━━209 准备模型.vep [122.4M]
┣━━210 训练网络.vep [53.4M]
┗━━211 多标签训练.vep [48.7M]

admin网站管理

收藏 海报 链接