更新时间:2022年07月15日14时34分 来源:传智教育 浏览次数:
本课程采用由浅入深,层层递进的讲解方式. 在解析理论算法的同时, 更加注重代码实践. 每一个知识点, 每一个专题都以代码驱动, 案例终结. 让学生们学懂, 学通, 学会.
全套视频教程+笔记+源码百度云盘下载地址:
http://yun.itheima.com/course/832.html
在线观看全集视频
课程内容
11. Pytorch基础知识
2. 自然语言处理入门
3. 文本预处理
4. HMM和CRF
5. RNN, LSTM, GRU
6. Transformer
课程亮点
1、对自然语言处理技术感兴趣的在校生和应届生。
2、希望从事人工智能行业高薪工作的在职人员。
3、对自然语言处理技术感兴趣的相关人员。
1,课程由浅到深,由原理到实践,适合自然语言处理入门学习。2,代码驱动, 结合实际案例模型, 培养真实代码开发能力和解决实际问题的能力。
Pytorch基础知识
1. Pytorch基础元素和函数
2. Pytorch构建神经网络案例
3. Pytorch构建分类器案例
自然语言处理入门
1. 介绍NLP的发展历史, 关键时间节点
2. 介绍NLP的行业主流应用和当前热点
文本预处理
1. 文本处理的基本方法
2. 文本张量的表示方法
3. 文本的数据分析方法
4. 文本的特征处理方法
5. 文本的数据增强
6. 新闻主题分类任务的案例
HMM和CRF
1. 介绍HMM的原理和特点
2. 介绍CRF的原理和特点
第77节 - http://v.itheima.com/软件测试/14-总结.mp4
RNN系列模型
1. RNN模型介绍和代码实践
2. LSTM模型介绍和代码实践
3. GRU模型介绍和代码实践
4. 注意力机制原理介绍和代码实践
5. 人名分类器的案例
6. 英译法任务的案例
RNN系列模型
1. 认识Transformer的架构
2. 详解Transformer的输入部分和代码实现
3. 详解Transformer的编码器部分和代码实现
4. 详解Transformer的解码器部分和代码实现
5. 详解Transformer的输出部分和代码实现
6. 基于Transformer架构的copy任务测试
7. 基于Transformer构建语言模型的案例