正版资源 getfromcode后端开发
rk0894-尚硅谷AI大模型之NLP教程
课程定位与核心痛点 这门课聚焦于自然语言处理（NLP）的基础理论与工程落地，旨在解决开发者在面对非结构化文本数据时，如何将其转化为计算机可理解向量的核心难题。NLP 入门门槛往往不在于模型调参，而在于对数据预处理流程的忽视。本教程从英文 BPE 分词到中文 jieba 分词，再到 Word2Vec
单课价¥29.90新品 上架
正版保障 极速发货 售后无忧
课程定位与核心痛点
这门课聚焦于自然语言处理（NLP）的基础理论与工程落地，旨在解决开发者在面对非结构化文本数据时，如何将其转化为计算机可理解向量的核心难题。NLP 入门门槛往往不在于模型调参，而在于对数据预处理流程的忽视。本教程从英文 BPE 分词到中文 jieba 分词，再到 Word2Vec 的 Skip- gram 与 CBOW 原理，构建了完整的文本表示知识链。它不追求大而全的模型堆砌，而是致力于打通“文本→分词→词向量”这一基础 pipeline，适合希望在 AI 应用中实现精准文本理解的开发者。
前置基础与学习路径建议
建议读者具备 Python 基础及基本的线性代数、概率论知识，无需深入研究深度学习框架底层。学习时应优先掌握第 7 至 13 讲的文本分词部分，特别是 jieba 的三种模式及自定义词典构建，这是所有 NLP 任务的基石。随后深入第 14 至 21 讲的词向量训练，重点通过代码复现 Word2Vec 的训练过程。对于已有 NLP 基础的开发者，可直接跳过环境准备，重点对照视频代码验证自己项目中分词逻辑的正确性，特别是长文本切分与专有名词处理的细节。
实战落地与资料配合
学完后，读者能够独立完成新闻分类、情感分析等场景的文本预处理模块开发，并理解主流预训练模型的输入构造逻辑。资料包中的代码示例是核心，建议不要仅观看视频，而应逐行跑通分词工具与词向量训练脚本。遇到模型收敛问题或分词准确率不达标时，可对比源码中的参数配置进行调试。通过将教程中的理论公式转化为可运行的 Python 代码，你将获得构建自监督学习任务的数据处理能力，为后续接入大模型 API 或微调开源 LLM 打下坚实的工程基础。
课程目录
课程目录186 集
- 001-NLP-课程简介.mp4 26.90M
- 002-NLP-课程概述.mp4 73.93M
- 003-NLP-导论-常见任务.mp4 147.16M
- 004-NLP-导论-技术演进历史.mp4 169.82M
- 005-NLP-环境准备.mp4 21.30M
- 006-NLP-文本表示-概述.mp4 113.00M
- 007-NLP-文本表示-分词-英文分词.mp4 199.70M
- 008-NLP-文本表示-分词-英文分词-BPE算法.mp4 148.49M
- 009-NLP-文本表示-分词-中文分词.mp4 88.00M
- 010-NLP-文本表示-分词-分词工具-概述.mp4 21.03M
- 011-NLP-文本表示-分词-分词工具-jieba-分词模式.mp4 64.51M
- 012-NLP-文本表示-分词-分词工具-jieba-分词模式-API.mp4 50.48M
- 013-NLP-文本表示-分词-分词工具-jieba-自定义词典.mp4 59.55M
- 014-NLP-文本表示-词表示-one-hot&语义化词向量-概述.mp4 108.49M
- 015-NLP-文本表示-词表示-语义化词向量-Word2Vec-概述.mp4 48.16M
- 016-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-Skip-Gram.mp4 115.77M
- 017-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-CBOW.mp4 26.46M
- 018-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-说明.mp4 83.73M
- 019-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-编码.mp4 106.32M
- 020-NLP-文本表示-词表示-语义化词向量-训练词向量-概述.mp4 36.91M
- 021-NLP-文本表示-词表示-语义化词向量-训练词向量-实操.mp4 156.98M
- 022-NLP-文本表示-词表示-语义化词向量-应用-概述.mp4 50.82M
- 023-NLP-文本表示-词表示-语义化词向量-应用-编码.mp4 116.20M
- 024-NLP-文本表示-词表示-语义化词向量-应用-OOV问题.mp4 41.28M
- 025-NLP-文本表示-词表示-上下文相关词向量.mp4 69.09M
- 026-NLP-传统序列模型-RNN-概述.mp4 29.11M
- 027-NLP-传统序列模型-RNN-基础结构.mp4 77.31M
- 028-NLP-传统序列模型-RNN-示意图.mp4 21.97M
- 029-NLP-传统序列模型-RNN-多层结构.mp4 32.93M
- 030-NLP-传统序列模型-RNN-双向结构.mp4 74.26M
- 031-NLP-传统序列模型-RNN-多层+双向结构.mp4 16.70M
- 032-NLP-传统序列模型-RNN-API-构造参数.mp4 107.45M
- 033-NLP-传统序列模型-RNN-API-输入输出-概述.mp4 54.10M
- 034-NLP-传统序列模型-RNN-API-输入输出-含义.mp4 66.91M
- 035-NLP-传统序列模型-RNN-API-输入输出-形状分析.mp4 135.34M
- 036-NLP-传统序列模型-RNN-API-小练习.mp4 37.48M
- 037-NLP-传统序列模型-案例-概述.mp4 21.22M
- 038-NLP-传统序列模型-案例-思路分析-数据集说明.mp4 118.22M
- 039-NLP-传统序列模型-案例-思路分析-模型结构和训练思路.mp4 30.91M
- 040-NLP-传统序列模型-RNN-案例-项目结构.mp4 31.62M
- 041-NLP-传统序列模型-RNN-案例-数据预处理-思路分析.mp4 98.17M
- 042-NLP-传统序列模型-RNN-案例-数据预处理-读取json文件.mp4 106.43M
- 043-NLP-传统序列模型-RNN-案例-数据预处理-文件路径说明.mp4 59.58M
- 044-NLP-传统序列模型-RNN-案例-数据预处理-文件路径处理.mp4 55.66M
- 045-NLP-传统序列模型-RNN-案例-数据预处理-构建并保存词表.mp4 132.52M
- 046-NLP-传统序列模型-RNN-案例-数据预处理-构建训练集.mp4 118.13M
- 047-NLP-传统序列模型-RNN-案例-数据预处理-保存训练集&测试集.mp4 65.63M
- 048-NLP-传统序列模型-RNN-案例-数据集-说明.mp4 13.96M
- 049-NLP-传统序列模型-RNN-案例-数据集-编码.mp4 105.21M
- 050-NLP-传统序列模型-RNN-案例-模型定义-初始化方法.mp4 51.04M
- 051-NLP-传统序列模型-RNN-案例-模型定义-前向传播.mp4 73.33M
- 052-NLP-传统序列模型-RNN-案例-训练脚本-环境准备.mp4 52.24M
- 053-NLP-传统序列模型-RNN-案例-训练脚本-训练循环.mp4 44.40M
- 054-NLP-传统序列模型-RNN-案例-训练脚本-单个轮次的训练逻辑.mp4 77.97M
- 055-NLP-传统序列模型-RNN-案例-训练脚本-Tensorboard使用说明.mp4 155.47M
- 056-NLP-传统序列模型-RNN-案例-训练脚本-保存模型.mp4 110.98M
- 057-NLP-传统序列模型-RNN-案例-预测脚本-说明.mp4 16.21M
- 058-NLP-传统序列模型-RNN-案例-预测脚本-编码-上.mp4 183.99M
- 059-NLP-传统序列模型-RNN-案例-预测脚本-编码-下.mp4 102.84M
- 060-NLP-传统序列模型-RNN-案例-评估脚本-说明.mp4 34.61M
- 061-NLP-传统序列模型-RNN-案例-评估脚本-编码.mp4 173.73M
- 062-NLP-传统序列模型-RNN-案例-代码改造说明.mp4 22.89M
- 063-NLP-传统序列模型-RNN-案例-Tokenizer-说明.mp4 47.26M
- 064-NLP-传统序列模型-RNN-案例-Tokenizer-编码.mp4 261.45M
- 065-NLP-传统序列模型-RNN-存在问题-概述.mp4 56.32M
- 066-NLP-传统序列模型-RNN-存在问题-分析.mp4 239.55M
- 067-NLP-传统序列模型-LSTM-概述.mp4 66.93M
- 068-NLP-传统序列模型-LSTM-基础结构-说明.mp4 144.21M
- 069-NLP-传统序列模型-LSTM-缓解梯度消失和爆炸.mp4 90.68M
- 070-NLP-传统序列模型-LSTM-复杂结构.mp4 52.15M
- 071-NLP-传统序列模型-LSTM-API-构造参数.mp4 97.37M
- 072-NLP-传统序列模型-LSTM-API-输入输出.mp4 39.14M
- 073-NLP-传统序列模型-LSTM-案例-概述&思路分析.mp4 75.37M
- 074-NLP-传统序列模型-LSTM-案例-数据处理-说明.mp4 74.31M
- 075-NLP-传统序列模型-LSTM-案例-数据处理-编码-上.mp4 123.62M
- 076-NLP-传统序列模型-LSTM-案例-数据处理-编码-下.mp4 101.68M
- 077-NLP-传统序列模型-LSTM-案例-数据集.mp4 25.38M
- 078-NLP-传统序列模型-LSTM-案例-模型定义.mp4 165.89M
- 079-NLP-传统序列模型-LSTM-案例-模型训练.mp4 102.57M
- 080-NLP-传统序列模型-LSTM-案例-模型预测.mp4 78.96M
- 081-NLP-传统序列模型-LSTM-案例-模型评估.mp4 51.84M
- 082-NLP-传统序列模型-LSTM-存在问题.mp4 29.94M
- 083-NLP-传统序列模型-GRU-基础结构.mp4 120.13M
- 084-NLP-传统序列模型-GRU-复杂结构&API使用说明.mp4 14.77M
- 085-NLP-传统序列模型-GRU-案例实操.mp4 30.82M
- 086-NLP-传统序列模型-LSTM_GRU_RNN横向对比.mp4 32.24M
- 087-NLP-Seq2Seq-概述.mp4 67.54M
- 088-NLP-Seq2Seq-模型结构-编码器.mp4 37.81M
- 089-NLP-Seq2Seq-模型结构-解码器.mp4 88.53M
- 090-NLP-Seq2Seq-模型结构-训练机制.mp4 91.34M
- 091-NLP-Seq2Seq-模型结构-推理机制.mp4 70.32M
- 092-NLP-Seq2Seq-模型结构-案例实操-概述.mp4 44.46M
- 093-NLP-Seq2Seq-模型结构-案例实操-需求分析.mp4 166.61M
- 094-NLP-Seq2Seq-模型结构-案例实操-数据预处理-读取文件.mp4 108.24M
- 095-NLP-Seq2Seq-模型结构-案例实操-数据预处理-改造Tokenizer.mp4 140.22M
- 096-NLP-Seq2Seq-模型结构-案例实操-数据预处理-词表构建.mp4 8.16M
- 097-NLP-Seq2Seq-模型结构-案例实操-数据预处理-构建数据集.mp4 56.67M
- 098-NLP-Seq2Seq-模型结构-案例实操-Dataloader.mp4 164.71M
- 099-NLP-Seq2Seq-模型结构-案例实操-模型定义-编码器.mp4 72.90M
- 100-NLP-Seq2Seq-模型结构-案例实操-模型定义-解码器.mp4 98.83M
- 101-NLP-Seq2Seq-模型结构-案例实操-模型定义-完整模型.mp4 19.63M
- 102-NLP-Seq2Seq-模型结构-案例实操-训练脚本-核心代码.mp4 253.93M
- 103-NLP-Seq2Seq-模型结构-案例实操-训练脚本-pad_token处理逻辑.mp4 63.67M
- 104-NLP-Seq2Seq-案例-预测脚本.mp4 387.79M
- 105-NLP-Seq2Seq-案例-评估脚本-bleu说明.mp4 69.66M
- 106-NLP-Seq2Seq-案例-评估脚本-编码.mp4 95.92M
- 107-NLP-Seq2Seq-总结.mp4 44.93M
- 108-NLP-Attention机制-概述.mp4 30.34M
- 109-NLP-Attention机制-工作原理-概述.mp4 29.55M
- 110-NLP-Attention机制-工作原理-具体步骤.mp4 48.00M
- 111-NLP-Attention机制-注意力评分函数.mp4 86.95M
- 112-NLP-Attention机制-案例-代码升级改造思路.mp4 65.31M
- 113-NLP-Attention机制-案例-注意力机制-实现思路.mp4 93.01M
- 114-NLP-Attention机制-案例-注意力机制-编码.mp4 41.73M
- 115-NLP-Attention机制-案例-注意力机制-训练和预测逻辑修改.mp4 31.83M
- 116-NLP-Transformer-概述.mp4 69.98M
- 117-NLP-Transformer-核心思想.mp4 106.73M
- 118-NLP-Transformer-模型结构-整体结构.mp4 72.76M
- 119-NLP-Transformer-模型结构-编码器-概述.mp4 33.51M
- 120-NLP-Transformer-模型结构-编码器-自注意力子层-生成QKV向量.mp4 129.04M
- 121-NLP-Transformer-模型结构-编码器-自注意力子层-完整计算过程.mp4 114.56M
- 122-NLP-Transformer-模型结构-编码器-自注意力子层-多头注意力.mp4 75.38M
- 123-NLP-Transformer-模型结构-编码器-前馈神经网络层.mp4 41.40M
- 124-NLP-Transformer-模型结构-编码器-残差连接&层归一化-概述.mp4 20.95M
- 125-NLP-Transformer-模型结构-编码器-残差连接-说明.mp4 71.76M
- 126-NLP-Transformer-模型结构-编码器-层归一化.mp4 34.56M
- 127-NLP-Transformer-模型结构-编码器-位置编码.mp4 61.50M
- 128-NLP-Transformer-模型结构-编码器-说明.mp4 153.30M
- 129-NLP-Transformer-模型结构-编码器-小结.mp4 37.09M
- 130-NLP-Transformer-模型结构-解码器-概述.mp4 55.00M
- 131-NLP-Transformer-模型结构-解码器-Mask-Attention.mp4 86.49M
- 132-NLP-Transformer-模型结构-解码器-Cross-Attention.mp4 20.58M
- 133-NLP-Transformer-模型结构-解码器-小结.mp4 10.64M
- 134-NLP-Transformer-实现细节-注意力为什么需要缩放.mp4 75.10M
- 135-NLP-Transformer-实现细节-注意力如何感知相对位置.mp4 75.84M
- 136-NLP-Transformer-模型训练和推理机制.mp4 34.91M
- 137-NLP-Transformer-API-概述.mp4 46.80M
- 138-NLP-Transformer-API-nn.Transformer-构造参数.mp4 70.89M
- 139-NLP-Transformer-API-nn.Transformer-forward方法-概述.mp4 43.58M
- 140-NLP-Transformer-API-nn.Transformer-forward方法-输入输出.mp4 160.74M
- 142-NLP-Transformer-案例-代码改造思路.mp4 24.87M
- 143-NLP-Transformer-案例-模型定义-基础结构.mp4 55.60M
- 144-NLP-Transformer-案例-模型定义-位置编码-简易实现.mp4 159.86M
- 145-NLP-Transformer-案例-模型定义-位置编码-哈弗实现.mp4 190.63M
- 146-NLP-Transformer-案例-模型定义-前向传播.mp4 108.48M
- 147-NLP-Transformer-案例-训练脚本.mp4 100.71M
- 148-NLP-Transformer-案例-预测&评估脚本.mp4 148.37M
- 149-NLP-Transformer-哈佛版本-核心源码解读.mp4 240.97M
- 150-NLP-预训练模型-概述.mp4 59.83M
- 151-NLP-预训练模型-分类.mp4 90.77M
- 152-NLP-预训练模型-主流模型-GPT-概述.mp4 13.62M
- 153-NLP-预训练模型-主流模型-GPT-模型结构.mp4 60.75M
- 154-NLP-预训练模型-主流模型-GPT-预训练.mp4 34.56M
- 155-NLP-预训练模型-主流模型-GPT-微调.mp4 108.90M
- 156-NLP-预训练模型-主流模型-BERT-概述.mp4 41.69M
- 157-NLP-预训练模型-主流模型-BERT-模型结构.mp4 83.14M
- 158-NLP-预训练模型-主流模型-BERT-微调.mp4 142.79M
- 159-NLP-预训练模型-主流模型-BERT-预训练.mp4 87.80M
- 160-NLP-预训练模型-主流模型-T5-概述&模型结构.mp4 43.02M
- 161-NLP-预训练模型-主流模型-T5-预训练&微调.mp4 57.08M
- 162-NLP-预训练模型-HF-概述.mp4 170.30M
- 163-NLP-预训练模型-HF-模型加载-AutoModel.mp4 85.55M
- 164-NLP-预训练模型-HF-模型加载-AutoModelForXXX.mp4 86.41M
- 165-NLP-预训练模型-HF-模型使用.mp4 181.85M
- 166-NLP-预训练模型-HF-Tokenizer-加载.mp4 135.97M
- 167-NLP-预训练模型-HF-Tokenizer-使用.mp4 216.04M
- 168-NLP-预训练模型-HF-Tokenizer-模型配合使用.mp4 89.96M
- 169-NLP-预训练模型-HF-Datasets-概述.mp4 37.48M
- 170-NLP-预训练模型-HF-Datasets-加载数据集.mp4 89.76M
- 171-NLP-预训练模型-HF-Datasets-查看数据集.mp4 34.92M
- 172-NLP-预训练模型-HF-Datasets-加载在线数据集.mp4 24.38M
- 173-NLP-预训练模型-HF-Datasets-预处理数据集-过滤数据.mp4 46.07M
- 174-NLP-预训练模型-HF-Datasets-预处理数据集-划分数据集.mp4 19.69M
- 175-NLP-预训练模型-HF-Datasets-预处理数据集-map-上.mp4 211.88M
- 176-NLP-预训练模型-HF-Datasets-预处理数据集-map-下.mp4 83.22M
- 177-NLP-预训练模型-HF-Datasets-保存数据集.mp4 83.55M
- 178-NLP-预训练模型-HF-Datasets-集成Dataloader.mp4 58.48M
- 179-NLP-预训练模型-案例-数据预处理-上.mp4 138.52M
- 180-NLP-预训练模型-案例-数据预处理-下.mp4 34.19M
- 181-NLP-预训练模型-案例-Dataloader.mp4 38.85M
- 182-NLP-预训练模型-案例-模型定义.mp4 101.65M
- 183-NLP-预训练模型-案例-模型训练.mp4 91.15M
- 184-NLP-预训练模型-案例-模型推理.mp4 26.57M
- 185-NLP-预训练模型-案例-模型评估.mp4 28.98M
- 186-NLP-预训练模型-案例-测试.mp4 28.81M
- 187-NLP-预训练模型-案例-带任务头的预训练模型.mp4 169.69M
- 1.笔记
- 2.资料
- 3.代码
- 4.视频
