nlp为理论基础相关课程
  • 自然语言处理实战——LSTM情感分析

    初级课

    自然语言处理实战——LSTM情感分析
    6课时 82分钟 CSDN讲师
    自然语言处理实战视频教程,自然语言处理中重要的算法,词向量模型。本课程从语言模型入手,详解词向量构造原理与求解算法。理论与实战结合, 基于深度学习主流框架Tensorflow实例演示如何用深度学习来进行文本分类任务,其中涉及深度学习主流架构LSTM模型以及自然语言处理中流行的word2vec词向量建模方法,分模块解读如何用框架一步步完成整个网络架构。
    免费试看
  • 自然语言处理Word2Vec视频学习教程

    高级课

    自然语言处理Word2Vec视频学习教程
    26课时 251分钟 唐宇迪
    购买课程后,可扫码进入学习群,获取唐宇迪老师答疑 自然语言处理Word2Vec视频培训课程:自然语言处理中重要的算法,word2vec原理,词向量模型。教程从语言模型入手,详解词向量构造原理与求解算法。理论与实战结合,使用深度学习框架Tensorflow从零开始打造word2vec词向量,word2vec训练模型。对于海量中文数据演示如何使用Gensim库对中文维基百科数据进行词向量建模。 专属会员卡优惠链接:http://edu.csdn.net/lecturer/1079 更多精彩课程正在紧张筹划中~
    免费试看
  • 自然语言处理基于深度学习的中文命名实体识别实战

    中级课

    自然语言处理基于深度学习的中文命名实体识别实战
    77课时 859分钟 杨帅
    课程目标: 学习完本门课程,您将对自然语言处理技术有更深入的了解,彻底掌握中文命名实体识别技术。 适用人群: 自然语言处理从业者、深度学习爱好者 课程简介: 命名实体识别作为自然语言处理的基础技术之一,在自然语言处理上游各个任务(问答系统、机器翻译、对话系统等)重扮演者十分重要的角色,因此深入掌握命名实体识别技术,是作为自然语言处理从业者毕本技能,本课程理论与实践相结合,希望能给大家带来帮助。 课程要求: (1)开发环境:Python3.6.5 Tensorflow1.13.1;(2)开发工具:Pycharm; (3)学员基础:需要一定的Python基础,及深度学习基础; (4)学院收货:掌握命名实体识别关键技术; (5)学院资料:见课程资料; (6)课程亮点:全程实战操作,徒手撸代码。
    免费试看
  • 自然语言处理基于Bert的中文命名实体识别实战

    初级课

    自然语言处理基于Bert的中文命名实体识别实战
    65课时 641分钟 杨帅
    课程目标: 学习完本门课程,您将对自然语言处理技术有更深入的了解,彻底掌握中文命名实体识别技术。 适用人群: 自然语言处理从业者、深度学习爱好者 课程简介: 命名实体识别作为自然语言处理的基础技术之一,在自然语言处理上游各个任务(问答系统、机器翻译、对话系统等)重扮演者十分重要的角色,因此深入掌握命名实体识别技术,是作为自然语言处理从业者毕本技能,本课程理论与实践相结合,希望能给大家带来帮助。 课程要求: (1)开发环境:Python3.6.5 Tensorflow1.13.1; (2)开发工具:Pycharm; (3)学员基础:需要一定的Python基础,及深度学习基础; (4)学院收货:掌握命名实体识别关键技术; (5)学院资料:见课程资料; (6)课程亮点:全程实战操作,徒手撸代码。
    免费试看
  • 60分钟带你掌握NLP BERT理论与实战

    初级课

    60分钟带你掌握NLP BERT理论与实战
    6课时 88分钟 CSDN讲师
    本课程会介绍最近NLP领域取得突破性进展的BERT模型。首先会介绍一些背景知识,包括Word Embedding、RNN/LSTM/GRU、Seq2Seq模型和Attention机制等。然后介绍BERT的基础Transformer模型,这个模型最初用于机器翻译,但是它提出的Self-Attention被用于替换传统的RNN/LSTM/GRU模型。再然后是介绍BERT出现之前的Universal Sentence Embedding模型,包括ELMo和OpenAI GPT。接着介绍BERT模型是什么,它解决了之前模型的哪些问题从而可以达到这么好的效果。代码分析和案例介绍,通过解决实际问题加深理解
    免费试看
  • 60分钟带你掌握NLP BERT理论与实战 -1
    60分钟带你掌握NLP BERT理论与实战 -1
    22005课时 CSDN讲师
    了解一些背景知识,包括Word Embedding、RNN/LSTM/GRU、Seq2Seq模型和Attention机制等。 了解BERT的基础Transformer模型
    免费试看
  • 深度学习基础与TensorFlow实践教程

    高级课

    深度学习基础与TensorFlow实践教程
    7课时 536分钟 AI100讲师
    本课程主要介绍了深度学习的基础原理和TensorFlow系统基本使用方法。TensorFlow是目前机器学习、深度学习领域优秀的计算系统之一,本课程将结合实例介绍使用TensorFlow开发机器学习应用的详细方法和步骤,着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法,并结合实际场景和例子描述了深度学习技术的应用范围与效果。 所有案例均来自讲师团队工作中的亲身实践,所选案例均是深度学习的经典应用,非常具有代表性。
    免费试看
  • 机器学习项目实战

    高级课

    机器学习项目实战
    11课时 135分钟 秦绪博
    本课程通过一系列内容讲解和编码实战,按照由易到难,由浅入深的顺序展开, 让学员在实践中,依次对传统机器学习中的回归问题和分类问题, 基于传统机器学习的自然语言处理技术,神经网络和深度学习, 以及基于深度学习的自然语言处理技术进行编码实现, 使得学员可以在编码中对机器学习有一个直观的认识和体验, 在实践中完成理论联系实际的过程并加深对机器学习技术的理解与运用。
    免费试看
  • 关系数据库--关系数据库设计基础理论
    关系数据库--关系数据库设计基础理论
    2103课时 任铄
    课程特色:1. 风格通俗易懂,最接地气的讲解2. 丰富案例教学,全程皆实战3. 计算机视觉与自然语言处理双管齐下
    免费试看
更多
免费试看
0人学习 132课时
2020新版 自然语言处理NLP视频课程运用Word2Vec GloVe文本关系挖掘课程包括:项目整体简介,环境介绍,环境安装,IDE集成,项目实战,项目总结。涉及知识点包括:自然语言处理流程,文本预处理,中文分词,词向量,Word2vec,GloVe等,全面掌握自然语言处理。
¥129.00
免费试看
691人学习 317课时
本课程隶属于自然语言处理(NLP)实战系列。自然语言处理(NLP)是数据科学里的一个分支,它的主要覆盖的内容是:以一种智能与高效的方式,对文本数据进行系统化分析、理解与信息提取的过程。通过使用NLP以及它的组件,我们可以管理非常大块的文本数据,或者执行大量的自动化任务,并且解决各式各样的问题,如自动摘要,机器翻译,命名实体识别,关系提取,情感分析,语音识别,以及主题分割等等。 一般情况下一个初级NLP工程师的工资从15万-35万不等,所以掌握NLP技术,对于人工智能学习者来讲是非常关键的一个环节。 【超实用课程内容】 课程从自然语言处理的基本概念与基本任务出发,对目前主流的自然语言处理应用进行全面细致的讲解,包括文本分类,文本摘要提取,文本相似度,文本情感分析,文本特征提取等,同时算法方面包括经典算法与深度学习算法的结合,例如LSTM,BiLSTM等,并结合京东电商评论分类、豆瓣电影摘要提取、今日头条舆情挖掘、饿了么情感分析等过个案例,帮助大家熟悉自然语言处理工程师在工作中会接触到的常见应用的实施的基本实施流程,从0-1入门变成自然语言处理研发工程师。 【课程如何观看?】 PC端:https://edu.csdn.net/course/detail/25649 移动端:CSDN 学院APP(注意不是CSDN APP哦) 本课程为录播课,课程2年有效观看时长,大家可以抓紧时间学习后一起讨论哦~ 【学员专享增值服务】 源码开放 课件、课程案例代码完全开放给你,你可以根据所学知识,自行修改、优化 下载方式:电脑登录https://edu.csdn.net/course/detail/25649,点击右下方课程资料、代码、课件等打包下载 通过第二课时下载材料
¥99.00
免费试看
788人学习 476课时
Python自然语言处理-BERT模型实战课程旨在帮助同学们快速掌握当下NLP领域最核心的算法模型BERT的原理构造与应用实例。通俗讲解BERT模型中所涉及的核心知识点(Transformer,self-attention等),基于google开源BERT项目从零开始讲解如何搭建自然语言处理通用框架,通过debug源码详细解读其中每一核心代码模块的功能与作用。最后基于BERT框架进行中文情感分析与命名实体识别等主流项目实战,提供全部课程资料,包括PPT,数据,代码。
¥298.00
免费试看
372人学习 319课时
课程目标 学习完本门课程,您将对自然语言处理技术有更深入的了解, 掌握基于深度学习情感分析方法;课程基于PyTorch主流框架实现,其中涉及深度学习主流框架LSTM模型以及自然语言处理的词向量;彻底掌握中文情感分析。 适用人群 想要从事NLP的在校学生、NLP研发工程师 自然语言处理从业者、深度学习爱好者 课程简介 NLP领域的热门应用,常用在舆情分析,文章分类,智能客服,情感分析等多个场景。情感分析作为自然语言处理的基础技术之一,常被用于电商评论、舆情监控、微博评论情感分析、话题监督等领域,因此深入掌握情感分析技术,是作为自然语言处理从业者必备技能,本课程以案例驱动出发,结合多个项目实战案例,覆盖多种算法,如RNN,LSTM等 课程要求: (1)开发环境:python版本:Python3.7; torch 版本:1.3.0+; torchtext版本:0.3.0+ (2)开发工具:Pycharm; (3)学员基础:需要一定的Python基础,及深度学习基础; (4)学员收货:掌握深度学习情感分类关键技术; (5)学员资料:内含完整程序源码和数据集; (6)课程亮点:专题技术,完整案例,全程实战操作,徒手撸代码。 案例5-情感分析功能点
¥250.00 ¥499.00 5折
免费试看
239人学习 183课时
随着对于深度学习研究的逐渐深入,在自然语言处理领域,出现了很多深度学习的模型,这些模型相比于传统的机器学习方法,在准确率等指标上面有了很大的提高。本课程拟就深度学习在自然语言处理领域的应用,从基础开始,使用PyTorch作为模型构建工具,做一个深入浅出的介绍,希望对于学员在自然语言处理领域的研究和应用有所启发。
¥60.00 拼团
免费试看
1582人学习 112课时
随着人工智能的快速发展,自然语言处理和机器学习技术的应用愈加广泛。要想快速入门这些前沿技术总是存在着各种各样的困难,本教程力求为同学们对该领域整体概况有一个明晰的认识,并选择网络爬虫,汉语分词,可视化,文本分类等几个常见的应用领域和场景进行基于python语言的实战化入门介绍。
免费
免费试看
10395人学习 251课时
购买课程后,可扫码进入学习群,获取唐宇迪老师答疑 自然语言处理Word2Vec视频培训课程:自然语言处理中重要的算法,word2vec原理,词向量模型。教程从语言模型入手,详解词向量构造原理与求解算法。理论与实战结合,使用深度学习框架Tensorflow从零开始打造word2vec词向量,word2vec训练模型。对于海量中文数据演示如何使用Gensim库对中文维基百科数据进行词向量建模。 专属会员卡优惠链接:http://edu.csdn.net/lecturer/1079 更多精彩课程正在紧张筹划中~
¥154.00 会员兑换
免费试看
1276人学习 187课时
购买课程后,可扫码进入学习群,获取唐宇迪老师答疑 TensorFlow 可以让开发者能方便地使用人工智能来解决多样化的挑战。课程以Tensorflow作为机器学习的核心武器,基于自然语言处理热点话题进行案例实战。选择当下热门模型,使用真实数据集进行实战演示,通俗讲解整个算法模型并使用tensorflow进行实战,详解其中的原理与代码实现。
¥128.00
免费试看
780人学习 2206课时
AI工程师-自然语言处理实战课程旨在用最接地气的方式讲解复杂的算法原理,基于真实数据集,通过实际案例进行项目实战。整个体系内容包括200+课时,20个项目实战,完美覆盖当下热门技术与经典框架实战。学习路线主要包括三大阶段:1.掌握Python在自然语言处理领域必备工具包使用方法 2.机器学习与深度学习在NLP领域常用算法原理与应用实践 3.基于经典框架展开项目实战(Tensorflow,Keras)。课程整体风格通俗易懂,实战案例驱动,提供全部课程所需数据,代码,课件。
¥498.00
免费试看
590人学习 60课时
该视频教程探索一些自然语言处理技术的最新进展、深度学习在自然语言处理技术领域的应用、实践和数据资源,以及使用英特尔的Nervanan Platform的企业自然语言处理的应用案例和使用英特尔® AI技术的NLP企业精华案例。
¥39.00 免费
免费试看
1676人学习 177课时
¥168.00
免费试看
209人学习 239课时
购买课程后,老师免费答疑。 零基础Python人工智能自然语言处理文本挖掘关键词提取:零基础入门学习自然语言处理,自然语言处理基本流程,文本挖掘基本处理流程,anaconda对Python项目多包多环境多版本管理,关键词提取算法TF-IDF/TextRank算法,中文分词工具Jieba讲解及使用,gensim库使用,自然语言处理实战项目。
¥109.00
免费试看
630人学习 859课时
课程目标: 学习完本门课程,您将对自然语言处理技术有更深入的了解,彻底掌握中文命名实体识别技术。 适用人群: 自然语言处理从业者、深度学习爱好者 课程简介: 命名实体识别作为自然语言处理的基础技术之一,在自然语言处理上游各个任务(问答系统、机器翻译、对话系统等)重扮演者十分重要的角色,因此深入掌握命名实体识别技术,是作为自然语言处理从业者毕本技能,本课程理论与实践相结合,希望能给大家带来帮助。 课程要求: (1)开发环境:Python3.6.5 Tensorflow1.13.1;(2)开发工具:Pycharm; (3)学员基础:需要一定的Python基础,及深度学习基础; (4)学院收货:掌握命名实体识别关键技术; (5)学院资料:见课程资料; (6)课程亮点:全程实战操作,徒手撸代码。
¥388.00
免费试看
3906人学习 82课时
自然语言处理实战视频教程,自然语言处理中重要的算法,词向量模型。本课程从语言模型入手,详解词向量构造原理与求解算法。理论与实战结合, 基于深度学习主流框架Tensorflow实例演示如何用深度学习来进行文本分类任务,其中涉及深度学习主流架构LSTM模型以及自然语言处理中流行的word2vec词向量建模方法,分模块解读如何用框架一步步完成整个网络架构。
¥39.00 拼团
猜你喜欢
相关培训 相关博客
  • NLP-自然语言处理入门1.书籍-理论篇  吴军老师的的《数学之美》 《统计自然语言处理(第2版)》(宗成庆)蓝皮版 《统计学习方法》(李航) 《自然语言处理简明教程》(冯志伟) 《自然语言处理综论》(Daniel Jurafsky) 《自然语言处理的形式模型》(冯志伟)2.书籍——实践篇  python基础教程(翻译版)+python入门博客推荐:廖雪峰的python教程...
    2018-08-13 00:44:24
    阅读量:2160
    评论:0
  • NLP理论基础和实践一、TensorFlow安装Tensorflow的主要优势有以下几点:高度的灵活性、支持python语言开发、可视化效果好、功能更加强大、运行效率高、强大的社区。本文以Windows安装为例,参考资料来自http://www.tensorflownews.com/2018/03/28/tensorflow-windows-install/安装TensorFlow之前需...
    2019-08-07 14:26:58
    阅读量:0
    评论:0
  • 自然语言处理基础1、学习说明学习自然语言处理理论,并且通过对某些数据集的文本分类任务不断优化来进行实践。任务路线: 特征提取——>特征选择——>文本表示——>传统机器学习算法跑模型——>LDA生成新特征——>深度学习算法跑模型2、tensorflow的安装和基础图(graphs)、会话(session)、tensor、变量、feed、f
    2019-03-03 14:42:53
    阅读量:0
    评论:0
  • NLP理论基础和实践(进阶)记录。时间周期:两周Task-02一、one-hot词袋模型(BOW,bag of words)词袋模型是自然语言处理中在建模文本时常用的文本表示方法。词袋模型是在自然语言处理和信息检索中的一种简单假设。在这种模型中,文本(段落或者文档)被看作是无序的词汇集合,忽略语法甚至是单词的顺序。把句子转换成一个稀疏向量。规则是:对应索引位置上的单词存在,则对应索引...
    2019-08-09 20:30:40
    阅读量:0
    评论:0
  • NLP理论基础和实践(进阶)记录。时间周期:两周Task-01一、环境准备anaconda/miniconda安装: https://mirrors.tuna.tsinghua.edu.cn/anaconda/tensorflow安装: http://www.tensorflownews.com/series/tensorflow-install-tutorial/二、数据集探索中文数...
    2019-08-06 16:51:09
    阅读量:0
    评论:0
  • NLP理论基础和实践(进阶)记录。时间周期:两周Task文章目录一、卷积神经网络1.1 网络结构1.2 经典模型1.2.1 LeNet-5模型1.2.2 VGGNet 模型1.2.3 Inception-v3模型一、卷积神经网络卷积神经网络是在全连接神经网络基础上提出的。全连接神经网络相邻两层之间所有节点都有边连接,而对于卷积神经网络,相邻两层之间只有部分节点连接,为了展示每一层的神经元维度...
    2019-08-14 19:45:52
    阅读量:0
    评论:0
  • NLP理论基础和实践(进阶)记录。时间周期:两周Task文章目录神经网络基础一、线性模型二、激活函数去线性化2.1 sigmoid函数2.2 relu函数2.3 tanh函数三、损失函数3.1 二分类问题3.2 多分类问题3.3 回归问题四、神经网络优化算法4.1 Batch gradient descent4.2 随机梯度下降法(SGD,Stochastic Gradient Decent )...
    2019-08-12 20:30:40
    阅读量:0
    评论:0
  • 小白一枚,看了很多天的NLP,也没看出什么头绪。代码不代码的我感觉只要用心去看,即使看不懂,一点一点的去啃,也能看个大概。最重要的是思想。1、首先介绍一下NLP的基础知识①分词1)nltk安装(pip install nltk)nltk就是一个工具包,里面有很多语料,很多模型。可以用来分词。import nltksentence = “hello, world"token...
    2019-09-04 14:24:05
    阅读量:0
    评论:0
  • 资源2019斯坦福自然语言处理(深度学习)视频2017斯坦福自然语言处理(深度学习)csdn笔记YSDA Natural Language Processing course自然语言处理起源:马尔科夫和香农的语言建模实验lihanghang/NLP-Knowledge-Graph资料汇总汉语自然语言处理b站视频自然语言处理理论与实战源码下载七月算法NLP班课件数控领域故障诊断专家...
    2020-02-28 13:46:21
    阅读量:0
    评论:0
  • 以NLTK为基础配合讲解自然语言处理的原理NLTK:是Python上著名的自然语言处理库,自带语料库,词性分类库,自带分类,分词等功能,强大的社区支持,还有很多的简单版wrapperNLTK的安装:参考官网的安装过程首先 import nltk 导入nltk然后 nltk.download() 安装语料库NLTK自带语料库文本处理流程先做预处理,包括分词,去除停止词,然后生成表达式...
    2018-12-28 15:05:14
    阅读量:0
    评论:0