├─章節1:
│ 1. NLP和深度學習發展概況和最新動態
│ 2. NLP實現機器學習,聊天機器人,情感分析和語義搜索.mp4
│
├─章節2: NLP與python編程
│ 3. Python環境搭建及開發工具安裝.mp4
│ 4. NLP常用PYTHON開發包的介紹.mp4
│ 5. Jieba安裝、介紹及使用.mp4
│ 6. Stanford NLP 在Python環境中安裝、介紹及使用.mp4
│ 7. Hanlp 在Python環境中安裝、介紹及使用.mp4
│
├─章節3: 快速掌握NLP技術之分詞、詞性標註和關鍵字提取
│ 08. 分詞、詞性標註及命名實體識別介紹及應用.mp4
│ 09. 準確分詞之加載自定義字典分詞01.mp4
│ 10. 準確分詞之加載自定義字典分詞02.mp4
│ 11. 準確分詞之動態調整詞頻和字典.mp4
│ 12. 詞性標註代碼實現及信息提取.mp4_
│ 13. 人名、地名、機構名等關鍵命名實體識別.mp4
│ 14. TextRank算法原理介紹.mp4
│ 15. 基於TextRank關鍵詞提取.mp4
│
├─章節4: 句法與文法
│ 16. 依存句法與語義依存分析.mp4
│ 17. 依存句法樹解析(子樹遍歷,遞歸搜索,葉子節點提取等).mp4
│ 18. 名詞短語塊挖掘.mp4
│ 19. 自定義語法與CFG.mp4
│
├─章節5: N-GRAM文本挖掘
│ 20. N-GRAM算法介紹.mp4
│ 21. N-GRAM生成詞語對.mp4
│ 22. TF-IDF算法介紹應用.mp4
│ 23. 基於TF-IDF挖掘符合語言規範的N-GRAM.mp4
│
├─章節6: 表示學習與關係嵌入
│ 24. 語言模型.mp4
│ 25. 詞向量.mp4
│ 26. 深入理解Word2vec算法層次sofmax.mp4
│ 27. 深入理解Word2vec算法負採樣.mp4
│ 28. 6.4 基於Word2vec技術的詞向量、字向量訓練.mp4
│
├─章節7: 深度學習之卷積神經網絡
│ 29. BP神經網絡.mp4
│ 30. 徹底理解深度學習指卷積神經網絡.mp4
│ 31. CNN文本分類.mp4
│ 32. CNN文本分類算法模塊.mp4
│ 33. CNN文本分類模型詳解數據預處理.mp4
│ 34. CNN文本分類模型測試與部署.mp4
│
├─章節8: 深度學習之遞歸神經網絡
│ 35. 遞歸網絡.mp4
│ 36. LSTM.mp4
│ 37. LSTM文本分類原理.mp4
│ 38. LSTM文本分類代碼架構.mp4
│ 39. LSTM文本分類代碼詳解.mp4
│ 40. LSTM文本分類模型預測與部署.mp4
│
├─章節9: 特定領域命名實體識別NER技術
│ 41. 基於深度學習醫藥保險命名實體識別課題背景介紹.mp4
│ 42. 醫藥保險命名實體和實體關係體系建立和命名實體分類規範.mp4
│ 43. 醫藥保險命名實體識別相關前沿技術和難點.mp4
│ 44. 基於深度學習醫藥保險命名實體識別的算法模塊設計(上).mp4
│ 45. 基於深度學習醫藥保險命名實體識別的算法模塊設計(下).mp4
│ 46. 數據的採集,清洗,數據機器自動標註及轉化爲深度學習格式.mp4
│ 47. 數據的採集,清洗,數據機器自動標註及轉化爲深度學習格式.mp4
│ 48. 模型本地Lib庫封裝(上).mp4
│ 49. 模型本地Lib庫封裝(下).mp4
│ 50. 部署tensorflow訓練好的模型爲雲服務(上).mp4
│ 51. 部署tensorflow訓練好的模型爲雲服務(下).mp4
│ 52. 算法設計及代碼實現1.mp4
│ 53. 算法設計及代碼實現2.mp4
│ 54. 代碼調試,參數優化及深度剖析(深入理解)1.mp4
│ 55. 代碼調試,參數優化及深度剖析(深入理解)2.mp4
│
├─源碼
│
├─自然語言處理-配套課件鏈接.docx