自然语言处理实战_入门_进阶项目_迪哥Ai大讲堂

【133节-￥898】自然语言处理实战_入门_进阶项目__迪哥Ai大讲堂【目录】

01_1-神经网络要完成的任务分析.mp4

02_2-模型更新方法解读.mp4

03_3-损失函数计算方法.mp4

04_4-前向传播流程解读.mp4

05_5-反向传播演示.mp4

06_6-神经网络整体架构详细拆解.mp4

07_7-神经网络效果可视化分析.mp4

08_8-神经元个数的作用.mp4

09_9-预处理与dropout的作用.mp4

100_6-创建关系边.mp4

101_7-打造医疗知识图谱模型.mp4

102_8-加载所有实体数据.mp4

103_9-实体关键词字典制作.mp4

104_10-完成对话系统构建.mp4

105_1-关系抽取要完成的任务演示与分析.mp4

106_2-LTP工具包概述介绍.mp4

107_3-pyltp安装与流程演示.mp4

108_4-得到分词与词性标注结果.mp4

109_5-依存句法概述.mp4

10_1-RNN网络结构原理与问题.mp4

110_6-句法分析结果整理.mp4

111_7-语义角色构建与分析.mp4

112_8-设计规则完成关系抽取.mp4

113_1-竞赛任务目标.mp4

114_2-图模型信息提取.mp4

115_3-节点权重特征提取(PageRank).mp4

116_4-deepwalk构建图顶点特征.mp4

117_5-各项统计特征.mp4

118_6-app安装特征.mp4

119_7-图中联系人特征.mp4

11_2-注意力结构历史故事介绍.mp4

120_1-数据与任务介绍.mp4

121_2-整体模型架构.mp4

122_3-数据-标签-语料库处理.mp4

123_4-输入样本填充补齐.mp4

124_6-医疗数据集（糖尿病）实体识别.mp4

125_1-基本情况介绍.mp4

126_2-与环境交互得到所需数据.mp4

127_3-要完成的目标分析.mp4

128_4-策略梯度推导.mp4

129_5-baseline方法.mp4

12_3-self-attention要解决的问题.mp4

130_6-OnPolicy与OffPolicy策略.mp4

131_7-importance sampling的作用.mp4

132_8-PPO算法整体思路解析.mp4

133_NLP课程介绍.mp4

13_4-QKV的来源与作用.mp4

14_5-多头注意力机制的效果.mp4

15_6-位置编码与解码器.mp4

16_7-整体架构总结.mp4

17_8-BERT训练方式分析.mp4

18_1-数据集与任务目标分析.mp4

19_2-文本数据处理基本流程分析.mp4

20_3-命令行参数与DEBUG.mp4

21_4-训练模型所需基本配置参数分析.mp4

22_5-预料表与字符切分.mp4

23_6-字符预处理转换ID.mp4

24_7-LSTM网络结构基本定义.mp4

25_8-网络模型预测结果输出.mp4

26_9-模型训练任务与总结.mp4

27_1-工具包与任务整体介绍.mp4

28_2-NLP任务常规流程分析.mp4

29_3-文本切分方法实例解读.mp4

30_3-AttentionMask配套使用方法.mp4

31_4-数据集与模型.mp4

32_5-数据Dataloader封装.mp4

33_6-模型训练所需配置参数.mp4

34_7-模型训练DEMO.mp4

35_1-BERT模型训练方法解读.mp4

36_2-ALBERT基本定义.mp4

37_3-ALBERT中的简化方法解读.mp4

38_RoBerta模型训练方法解读.mp4

39_5-DistilBert模型解读.mp4

40_1-文本标注工具Doccano配置方法.mp4

41_2-命名实体识别任务标注方法实例.mp4

42_3-标注导出与BIO处理.mp4

43_4-标签处理并完成对齐操作.mp4

44_5-预训练模型加载与参数配置.mp4

45_6-模型训练与输出结果预测.mp4

46_1-预训练模型效果分析.mp4

47_2-文本数据截断处理.mp4

48_3-预训练模型自定义训练.mp4

49_1-GPT系列算法概述.mp4

50_2-GPT三代版本分析.mp4

51_3-GPT初代版本要解决的问题.mp4

52_4-GPT第二代版本训练策略.mp4

53_5-采样策略与多样性.mp4

54_6-GPT3的提示与生成方法.mp4

55_7-应用场景CODEX分析.mp4

56_8-DEMO应用演示.mp4

57_1-生成模型可以完成的任务概述.mp4

58_2-数据样本生成方法.mp4

59_3-训练所需参数解读.mp4

60_4-模型训练过程.mp4

61_5-部署与网页预测展示.mp4

62_1-中文商城评价数据处理方法.mp4

63_2-模型训练与测试结果.mp4

64_3-文本摘要数据标注方法.mp4

65_4-训练自己标注的数据并测试.mp4

66_1-应用场景概述分析.mp4

67_2-数据标注格式样例分析.mp4

68_3-数据处理与读取模块.mp4

69_4-实体抽取模块分析.mp4

70_5-标签与数据结构定义方法.mp4

71_6-模型构建与计算流程.mp4

72_7-网络模型前向计算方法.mp4

73_8-关系抽取模型训练.mp4

74_1-数据结构分析.mp4

75_2-Huggingface中的预处理实例.mp4

76_3-数据处理基本流程.mp4

77_1-知识图谱通俗解读.mp4

78_3-知识图谱在医疗领域应用实例.mp4

79_4-金融与推荐领域的应用.mp4

80_5-数据获取分析.mp4

81_1-数据关系抽取分析.mp4

82_2-常用NLP技术点分析.mp4

83_3-graph-embedding的作用与效果.mp4

84_4-金融领域图编码实例.mp4

85_5-视觉领域图编码实例.mp4

86_1-Neo4j图数据库介绍.mp4

87_2-Neo4j数据库安装流程演示.mp4

88_3-可视化例子演示.mp4

89_4-创建与删除操作演示.mp4

90_5-数据库更改查询操作演示.mp4

91_1-使用Py2neo建立连接.mp4

92_2-提取所需的指标信息.mp4

93_3-在图中创建实体.mp4

94_4-根据给定实体创建关系.mp4

95_1-项目概述与整体架构分析.mp4

96_2-医疗数据介绍及其各字段含义.mp4

97_3-任务流程概述.mp4

98_4-环境配置与所需工具包安装.mp4

99_5-提取数据中的关键字段信息.mp4