Ai工程师-自然语言处理实战(Python版)

image.webp (64.93 KB, 下载次数: 61) 下载附件   保存到相册 2021-12-17 01:59 上传

课程推荐

《Ai工程师-自然语言处理实战(Python版)》image.webp (64.93 KB, 下载次数: 61) 下载附件   保存到相册 2021-12-17 01:59 上传【技能收获】学完可掌握：Embedding 向量检索、Python 编程。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（209 节）

*   1 课程简介.mp4

*   2 环境配置.mp4

*   3 Python字符串处理.mp4

*   4 正则表达式基本语法.mp4

*   5 正则常用符号.mp4

*   6 常用函数介绍.mp4

*   7 NLTK工具包简介.mp4

*   8 停用词过滤.mp4

*   9 词性标注.mp4

*   10 数据清洗实例.mp4

*   11 Spacy工具包.mp4

*   12 名字实体匹配.mp4

*   13 恐怖袭击分析.mp4

*   14 统计分析结果.mp4

*   15 结巴分词器.mp4

*   16 词云展示.mp4

*   17 Pandas基本操作.mp4

*   18 Pandas概述.mp4

*   19 Pandas索引.mp4

*   20 groupby操作.mp4

*   21 数值运算.mp4

*   22 对象操作.mp4

*   23 对象操作2.mp4

*   24 merge操作.mp4

*   25 显示设置.mp4

*   26 数据透视表.mp4

*   27 时间操作.mp4

*   28 时间序列操作.mp4

*   29 Pandas常用操作.mp4

*   30 Pandas常用操作2.mp4

*   31 Groupby操作延伸.mp4

*   32 字符串操作.mp4

*   33 索引进阶.mp4

*   34 Pandas绘图操作.mp4

*   35 大数据处理技巧.mp4

*   36 任务概述.mp4

*   37 商品类别划分.mp4

*   38 商品类别可视化展示.mp4

*   39 描述长度对价格的影响.mp4

*   40 词云展示-1636990013.mp4

*   41 tf-idf结果.mp4

*   42 降维可视化展示.mp4

*   43 聚类与主题模型.mp4

*   44 贝叶斯算法概述.mp4

*   45 贝叶斯推导实例.mp4

*   46 贝叶斯拼写纠错实例.mp4

*   47 垃圾邮件过滤实例.mp4

*   48 贝叶斯实现拼写检查器.mp4

*   49 文本分析与关键词提取.mp4

*   50 相似度计算.mp4

*   51 新闻数据与任务简介.mp4

*   52 TF-IDF关键词提取.mp4

*   53 LDA建模.mp4

*   54 基于贝叶斯算法进行新闻分类.mp4

*   55 马尔科夫模型.mp4

*   56 隐马尔科夫模型基本出发点.mp4

*   57 组成与要解决的问题.mp4

*   58 暴力求解方法.mp4

*   59 复杂度计算.mp4

*   60 前向算法.mp4

*   61 前向算法求解实例.mp4

*   62 Baum-Welch算法.mp4

*   63 参数求解.mp4

*   64 维特比算法.mp4

*   65 hmmlearn工具包.mp4

*   66 工具包使用方法.mp4

*   67 中文分词任务.mp4

*   68 实现中文分词.mp4

*   69 深度学习概述.mp4

*   70 挑战与常规套路.mp4

*   71 用K近邻来进行分类.mp4

*   72 超参数与交叉验证.mp4

*   73 线性分类.mp4

*   74 损失函数.mp4

*   75 正则化惩罚项.mp4

*   76 softmax分类器.mp4

*   77 目标函数形象解读.mp4

*   78 问题细节.mp4

*   79 反向传播.mp4

*   80 整体架构.mp4

*   81 实例演示.mp4

*   82 过拟合解决方案.mp4

*   83 语言模型.mp4

*   84 N-gram模型.mp4

*   85 词向量.mp4

*   86 神经网络模型.mp4

*   87 Hierarchical Softmax.mp4

*   88 CBOW模型实例.mp4

*   89 CBOW求解目标.mp4

*   90 锑度上升求解.mp4

*   91 负采样模型.mp4

*   92 使用Gensim库构造词向量.mp4

*   93 维基百科中文数据处理.mp4

*   94 Gensim构造word2vec模型.mp4

*   95 测试模型相似度结果.mp4

*   96 影评情感分类.mp4

*   97 基于词袋模型训练分类器.mp4

*   98 准备word2vec输入数据.mp4

*   99 使用gensim构建word2vec词向量（新）.mp4

*   100 任务概述-1636993987.mp4

*   101 词袋模型.mp4

*   102 词袋模型分析.mp4

*   103 TFIDF模型.mp4

*   104 word2vec词向量模型.mp4

*   105 深度学习模型.mp4

*   106 递归神经网络（RNN）概述.mp4

*   107 RNN网络细节.mp4

*   108 LSTM网络架构.mp4

*   109 卷积神经网络的应用.mp4

*   110 卷积层解释.mp4

*   111 卷积计算过程.mp4

*   112 pading与stride.mp4

*   113 卷积参数共享.mp4

*   114 池化层原理.mp4

*   115 Tensorflow简介与安装.mp4

*   116 Tensorflow中的变量.mp4

*   117 变量常用操作.mp4

*   118 实现线性回归算法.mp4

*   119 Mnist数据集简介.mp4

*   120 逻辑回归算法.mp4

*   121 神经网络结构.mp4

*   122 卷积网络结构基本定义.mp4

*   123 卷积神经网络迭代.mp4

*   124 Cifar-10图像分类任务.mp4

*   125 RNN网络基本架构.mp4

*   126 实现RNN网络架构.mp4

*   127 RNN实现自己的小demo.mp4

*   128 RNN预测时间序列.mp4

*   129 CNN应用于文本分类任务.mp4

*   130 文本分类任务特征定义.mp4

*   131 卷积网络定义.mp4

*   132 完成预测分类任务.mp4

*   133 RNN网络架构.mp4

*   134 LSTM网络架构-1636994653.mp4

*   135 案例：使用LSTM进行情感分类.mp4

*   136 情感数据集处理.mp4

*   137 基于word2vec的LSTM模型.mp4

*   138 任务概述-1636994705.mp4

*   139 数据展示.mp4

*   140 正负样本制作.mp4

*   141 数据预处理.mp4

*   142 网络模型定义.mp4

*   143 基于字符的训练.mp4

*   144 基于句子的相似度训练.mp4

*   145 Seq2Seq网络基本架构.mp4

*   146 Seq2Seq网络应用.mp4

*   147 Seq2Seq基本模型.mp4

*   148 Attention机制.mp4

*   149 效果演示.mp4

*   150 参数配置与数据加载.mp4

*   151 数据处理.mp4

*   152 词向量与投影.mp4

*   153 seq网络.mp4

*   154 网络训练.mp4

*   155 数据准备.mp4

*   156 网络结构概述.mp4

*   157 加载数据.mp4

*   158 训练测试模型.mp4

*   159 任务概述与环境配置.mp4

*   160 参数配置.mp4

*   161 数据预处理模块.mp4

*   162 batch数据制作.mp4

*   163 RNN模型定义.mp4

*   164 完成训练模块.mp4

*   165 训练唐诗生成模型.mp4

*   166 测试唐诗生成效果.mp4

*   167 机器翻译框架概述.mp4

*   168 参数设置.mp4

*   169 数据加载.mp4

*   170 网络结构定义.mp4

*   171 训练模型.mp4

*   172 时间序列模型.mp4

*   173 网络结构与参数定义.mp4

*   174 构建LSTM模型.mp4

*   175 训练模型与效果展示.mp4

*   176 多序列预测结果.mp4

*   177 股票数据预测.mp4

*   178 数据预处理.mp4

*   179 预测结果展示.mp4

*   180 文本数据读取预处理.mp4

*   181 基本模型.mp4

*   182 Embeeding-layer效果.mp4

*   183 准备词向量数据.mp4

*   184 词嵌入训练结果.mp4

*   185 加入LSTM层效果.mp4

*   186 加入卷积层效果.mp4

*   187 参数调优.mp4

*   188 数据与目标.mp4

*   189 字符表制作.mp4

*   190 数据读取.mp4

*   191 数据增强.mp4

*   192 网络模型.mp4

*   193 测试效果.mp4

*   194 网络模型解读.mp4

*   195 数据介绍与读取.mp4

*   196 配置文件制作.mp4

*   197 编码器模型.mp4

*   198 解码器模型.mp4

*   199 制作训练batch数据.mp4

*   200 测试数据准备.mp4

*   201 完成测试模块.mp4

*   202 模板目录结构.mp4

*   203 模型与训练结构.mp4

*   204 评论数据集与任务目标.mp4

*   205 数据准备.mp4

*   206 模型整体架构.mp4

*   207 准备模型.mp4

*   208 训练网络.mp4

*   209 多标签训练.mp4