[Python教程] NLP自然语言处理-黑马程序员Python5.0全栈视频教程

21-NLP自然语言处理
│  ├─1 深度学习和神经网络的介绍
1 机器学习和深度学习的介绍.mp4
2 神经元和神经网路ode介绍.mp4
3 感知机和多层神经网路的介绍.mp4
4 激活函数和神经网络思想.mp4

│  ├─10 RNN
1 RNN结果的介绍.mp4
10 总结.mp4
2 rnn不同类型的介绍.mp4
3 LSTM的GRU的学习.mp4
4 上午内容回顾.mp4
5 LSTM api的介绍.mp4
6 LSTM的使用示例.mp4
7 文本情感分类模型的修改.mp4
8 梯度爆炸和梯度消失.mp4
9 pytorch的序列化容器.mp4

│  ├─11 Chatbot
1 复习.mp4
2 聊天机器人的介绍.mp4
3 企业中聊天机器人的介绍.mp4
4 项目流程介绍.mp4
5 项目环境的准备.mp4
6 词典的准备.mp4
7 停用词的准备.mp4
8 相似问题的准备.mp4
9 分词api的实现.mp4

│  ├─12 意图识别和文本分类
1 文本分类的介绍.mp4
2 fasttext和介绍.mp4
3 分类语料的准备.mp4
4 分类模型的准备.mp4
5 模型的评估.mp4
6 模型的封装的介绍.mp4
7 fasttext原理介绍.mp4
8 小结.mp4

│  ├─13 Seq2seq
1 复习.mp4
10 解码器的介绍.mp4
11 解码器的流程.mp4
12 模型的训练（一）.mp4
13 模型的训练（二）.mp4
14 总结.mp4
15 复习.mp4
16  seq2seq demo完成模型评估.mp4
17 seq2seq模型小结.mp4
18 teacher forcing的介绍.mp4
19 闲聊机器人准备语料.mp4
2 分类模型的封装.mp4
20 闲聊机器人的文本序列化.mp4
21 dataset的准备.mp4
22 seq2seq模型的搭建.mp4
3 哈夫曼树和哈夫曼编码.mp4
4 层次化的softmax和负采样.mp4
5 seq2seq原理的认识.mp4
6 seq2seq案例流程介绍.mp4
7 案例数据集的准备.mp4
8 准备数据集.mp4
9 编码器的完成.mp4

│  ├─14 attention的原理与实现
1 attention的介绍.mp4
2 attention的分类介绍.mp4
3 attention weight的计算的结果.mp4
4 小结.mp4
5 复习.mp4
6 attention的实现.mp4
7 解码的过程中使用attention.mp4
8 模型的评估.mp4

│  ├─15 beam search
1 beam search的介绍.mp4
2 beam search的实现.mp4
3 模型的优化方法.mp4
4 chatbot的封装.mp4

│  ├─16 自然语言处理
1 问答机器人的介绍.mp4
10 数据集的准备.mp4
11 模型的搭建（一）.mp4
12 模型的搭建（二）.mp4
13 损失函数的模型的训练.mp4
14 模型的封装.mp4
15 封装的介绍.mp4
2 召回的介绍.mp4
3 使用tfidf实现召回.mp4
4 pysparnn的原理.mp4
5 BM25算法的介绍.mp4
6 tfidf的优化方法介绍.mp4
7 复习.mp4
8 召回的封装.mp4
9 排序介绍.mp4

│  ├─2 Pytorch
1 pytorch的安装方法.mp4
2 pytorch的入门操作（一）.mp4
3 pytorch的入门操作（二）.mp4
4 上午回顾 Tensor和tensor的区别.mp4
5 pytorch的入门操作（三）.mp4

│  ├─3 梯度下降和反向传播
1 梯度下降和梯度的介绍.mp4
2 梯度下降的过程.mp4
3 pytorch中反向传播和梯度计算的方法.mp4
4 手动实现线性回归.mp4
5 小结.mp4
6 知识点回归.mp4

│  ├─4 PytorchAPI的使用
使用pytroch完成线性回归.mp4

│  ├─5 在GPU上执行程序
使用GPU完成代码的训练.mp4

│  ├─6 常见的优化算法
不同的梯度下降算法的介绍.mp4

│  ├─7 数据加载
1 数据集类的使用.mp4
2 数据加载器类的使用.mp4
3 pytorch中自带数据的使用介绍.mp4
4 mnist手写数字加载的示例.mp4
5 torchvision中transforms方法的使用.mp4

│  ├─8 手写数字识别
1 手写数字识别.mp4
2 损失函数的学习.mp4
3 模型的训练保存.mp4
4 模型的评估.mp4
5 循环神经网络基础.mp4
6 word embedding的理解.mp4
7 文本情感分类数据的准备.mp4
8 小结.mp4

│  └─9 Pytorch自带数据集
│          1 复习.mp4
│          2 collate fn的实现.mp4
│          3 文本序列化的方法.mp4
│          4 ws的保存.mp4
│          5 基础模型的构建.mp4



下载地址：