xyz

軟體王

會員登錄
您現在的位置:網站首頁 >> 專業知識教學 >> Udemy線上課程綜合教學 >> 碟片詳情
商品編號:
DUE0580-3
商品名稱:
Udemy線上課程 Ai工程師-自然語言處理實戰(Python版) 講師:唐宇迪 唐 影音教學 中文發音 中文字幕版(3DVD)
語系版本:
中文發音中文字幕版
運行平台:
官方原版畫質MP4檔,沒有任何平台限制,終身使用
官方網站:
https://www.xyz2009.com.tw
更新日期:
2020-03-26
碟片數量:
3片
銷售價格:
400
瀏覽次數:
4241

轉載TXT文檔】  
您可能感興趣: Max 
Udemy線上課程 Ai工程師-自然語言處理實戰(Python版) 講師:唐宇迪 唐 影音教學 中文發音 中文字幕版(3DVD)
Udemy線上課程 Ai工程師-自然語言處理實戰(Python版) 講師:唐宇迪 唐 影音教學 中文發音 中文字幕版(3DVD)


內容說明:
AI工程師-自然語言處理實戰課程旨在用最接地氣的方式講解複雜的演算法原理,基於真實資料集,通過實際案例進行項目實戰。
整個體系內容包括200+課時,20個專案實戰,完美覆蓋當下熱門技術與經典框架實戰。學習路線主要包括三大階段:
1.掌握Python在自然語言處理領域必備工具包使用方法
2.機器學習與深度學習在NLP領域常用演算法原理與應用實踐
3.基於經典框架展開專案實戰(Tensorflow,Keras)。

你將會學到的
掌握自然語言處理必備經典演算法
掌握Python自然語言處理常用工具包
掌握當下NLP在深度學習領域的應用與實踐方法
熟練使用深度學習框架搭建NLP專案
熟悉Python文本處理
熟練使用Python工具包進行資料預處理
掌握貝葉斯演算法
掌握隱瑪律科夫模型演算法
熟練使用Python進行文本分析與挖掘
掌握神經網路演算法
掌握卷積神經網路原理
掌握遞迴神經網路原理
掌握詞向量模型演算法
熟練使用Gensim工具包構建詞向量模型
熟練應用word2vec到各大自然語言處理專案
掌握情感分析與分類原理及實踐方法
熟練使用Tensorflow框架進行文本處理
熟練應用Tensorflow進行建模實戰
掌握多種文本分類實踐方法
掌握LSTM網路架構原理與應用
掌握序列網路模型原理與應用
搭建自己的聊天機器人
構建自己的專屬輸入法
構建生成模型進行文本生成
熟練使用Keras工具包構建NLP項目
課程內容:
├─01 課程簡介
│ 001 課程簡介.mp4
│ 002 環境配置.mp4
│ 003 數據代碼網盤下載(谷歌網盤).html
│ 004 數據代碼下載(百度網盤).html

├─02 NLP常用工具包實戰
│ 005 Python字符串處理.mp4
│ 006 正則表達式基本語法.mp4
│ 007 正則常用符號.mp4
│ 008 常用函數介紹.mp4
│ 009 NLTK工具包簡介.mp4
│ 010 停用詞過濾.mp4
│ 011 詞性標注.mp4
│ 012 數據清洗實例.mp4
│ 013 Spacy工具包.mp4
│ 014 名字實體匹配.mp4
│ 015 恐怖襲擊文本資料分析.mp4
│ 016 統計分析結果.mp4
│ 017 結巴分詞器.mp4
│ 018 詞云展示.mp4

├─03 Pandas工具包實戰
│ 019 Pandas概述.mp4
│ 020 Pandas基本操作.mp4
│ 021 Pandas索引.mp4
│ 022 groupby操作.mp4
│ 023 數值運算.mp4
│ 024 對象操作.mp4
│ 025 對象操作.mp4
│ 026 merge操作.mp4
│ 027 顯示設置.mp4
│ 028 數據透視表.mp4
│ 029 時間操作.mp4
│ 030 時間序列操作.mp4
│ 031 Pandas常用操作.mp4
│ 032 Pandas常用操作2.mp4
│ 033 Groupby操作延伸.mp4
│ 034 字符串操作.mp4
│ 035 索引進階.mp4
│ 036 Pandas繪圖操作.mp4
│ 037 大數據處理技巧.mp4

├─04 案例實戰:商品信息可視化與文本分析
│ 038 任務概述.mp4
│ 039 商品類別劃分.mp4
│ 040 商品類別可視化展示.mp4
│ 041 描述長度對價格的影響.mp4
│ 042 詞云展示.mp4
│ 043 tf-idf結果.mp4
│ 044 降維可視化展示.mp4
│ 045 聚類與主題模型.mp4

├─05 貝葉斯算法
│ 046 貝葉斯算法概述.mp4
│ 047 貝葉斯推導實例.mp4
│ 048 貝葉斯拼寫糾錯實例.mp4
│ 049 垃圾郵件過濾實例.mp4
│ 050 貝葉斯實現拼寫檢查器.mp4

├─06 新聞分類任務實戰
│ 051 文本分析與關鍵詞提取.mp4
│ 052 相似度計算.mp4
│ 053 新聞數據與任務簡介.mp4
│ 054 TF-IDF關鍵詞提取.mp4
│ 055 LDA建模.mp4
│ 056 基于貝葉斯算法進行新聞分類.mp4

├─07 HMM隱馬爾科夫模型
│ 057 馬爾科夫模型.mp4
│ 058 隱馬爾科夫模型基本出發點.mp4
│ 059 組成與要解決的問題.mp4
│ 060 暴力求解方法.mp4
│ 061 復雜度計算.mp4
│ 062 前向算法.mp4
│ 063 前向算法求解實例.mp4
│ 064 Baum-Welch算法.mp4
│ 065 參數求解.mp4
│ 066 維特比算法.mp4

├─08 HMM工具包實戰
│ 067 hmmlearn工具包.mp4
│ 068 工具包使用方法.mp4
│ 069 中文分詞任務.mp4
│ 070 實現中文分詞.mp4

├─09 走進深度學習-神經網絡算法
│ 071 深度學習概述.mp4
│ 072 挑戰與常規套路.mp4
│ 073 用K近鄰來進行分類.mp4
│ 074 超參數與交叉驗證.mp4
│ 075 線性分類.mp4
│ 076 損失函數.mp4
│ 077 正則化懲罰項.mp4
│ 078 softMax分類器.mp4

├─10 神經網絡整體架構
│ 079 最優化形象解讀.mp4
│ 080 最優化問題細節.mp4
│ 081 反向傳播.mp4
│ 082 整體架構.mp4
│ 083 實例演示.mp4
│ 084 過擬合解決方案.mp4

├─11 語言模型
│ 085 語言模型.mp4
│ 086 N-gram模型.mp4
│ 087 詞向量.mp4
│ 088 神經網絡模型.mp4
│ 089 Hierarchical?SoftMax.mp4
│ 090 CBOW模型實例.mp4
│ 091 CBOW求解目標.mp4
│ 092 銻度上升求解.mp4
│ 093 負采樣模型.mp4

├─12 使用Gemsim構建詞向量
│ 094 使用Gensim庫構造詞向量.mp4
│ 095 維基百科中文數據處理.mp4
│ 096 Gensim構造word2vec.mp4
│ 097 測試模型相似度結果.mp4

├─13 基于word2vec的分類任務
│ 098 任務概述影評情感分類.mp4
│ 099 基于詞袋模型訓練分類器.mp4
│ 100 準備word2vec輸入數據.mp4
│ 101 使用gensim構建word2vec詞向量.mp4

├─14 NLP-文本特征方法對比
│ 102 任務概述.mp4
│ 103 詞袋模型.mp4
│ 104 詞袋模型分析.mp4
│ 105 TFIDF模型.mp4
│ 106 word2vec詞向量模型.mp4
│ 107 深度學習模型.mp4

├─15 遞歸網絡模型
│ 108 遞歸神經網絡(RNN)概述.mp4
│ 109 RNN網絡細節.mp4
│ 110 LSTM網絡架構.mp4
│ 111 卷積神經網絡的應用.mp4
│ 112 卷積層解釋.mp4
│ 113 卷積計算過程.mp4
│ 114 pading與stride.mp4
│ 115 卷積參數共享.mp4
│ 116 池化層原理.mp4

├─16 Tensorflow基本操作
│ 117 Tensorflow簡介與安裝.mp4
│ 118 Tensorflow中的變量.mp4
│ 119 變量常用操作.mp4
│ 120 實現線性回歸算法.mp4
│ 121 Mnist數據集簡介.mp4
│ 122 邏輯回歸算法.mp4
│ 123 神經網絡結構.mp4
│ 124 卷積網絡結構基本定義.mp4
│ 125 卷積神經網絡迭代.mp4
│ 126 Cifar-10圖像分類任務.mp4

├─17 RNN遞歸神經網絡實戰
│ 127 RNN網絡基本架構.mp4
│ 128 實現RNN網絡架構.mp4
│ 129 RNN實現自己的小demo.mp4
│ 130 RNN預測時間序列.mp4

├─18 項目實戰:CNN應用于文本分類任務
│ 131 CNN應用于文本分類任務.mp4
│ 132 文本分類任務特征定義.mp4
│ 133 卷積網絡定義.mp4
│ 134 完成預測分類任務.mp4

├─19 項目實戰:LSTM情感分析
│ 135 RNN網絡架構.mp4
│ 136 LSTM網絡架構.mp4
│ 137 使用LSTM進行情感分類.mp4
│ 138 情感數據集處理.mp4
│ 139 基于word2vec的LSTM模型.mp4

├─20 項目實戰:NLP-相似度模型
│ 140 任務概述.mp4
│ 141 數據展示.mp4
│ 142 正負樣本制作.mp4
│ 143 數據預處理.mp4
│ 144 網絡模型定義.mp4
│ 145 基于字符的訓練.mp4
│ 146 基于句子的相似度訓練.mp4

├─21 Seq2Seq網絡架構
│ 147 Seq2Seq網絡基本架構.mp4
│ 148 Seq2Seq網絡應用.mp4
│ 149 Seq2Seq基本模型.mp4
│ 150 Attention機制.mp4

├─22 項目實戰:對話機器人
│ 151 效果演示.mp4
│ 152 參數配置與數據加載.mp4
│ 153 數據處理.mp4
│ 154 詞向量與投影.mp4
│ 155 seq網絡.mp4
│ 156 網絡訓練.mp4

├─23 項目實戰:動手打造自己的輸入法
│ 157 數據準備.mp4
│ 158 網絡結構概述.mp4
│ 159 加載數據.mp4
│ 160 訓練測試模型.mp4

├─24 項目實戰:機器人寫唐詩
│ 161 任務概述與環境配置.mp4
│ 162 參數配置.mp4
│ 163 數據預處理模塊.mp4
│ 164 batch數據制作.mp4
│ 165 RNN模型定義.mp4
│ 166 完成訓練模塊.mp4
│ 167 訓練唐詩生成模型.mp4
│ 168 測試唐詩生成效果.mp4
│ 169 機器翻譯框架概述.mp4
│ 170 參數設置.mp4
│ 171 數據加載.mp4
│ 172 網絡結構定義.mp4
│ 173 訓練模型.mp4

├─25 項目實戰:LSTM時間序列預測任務
│ 174 時間序列模型.mp4
│ 175 網絡結構與參數定義.mp4
│ 176 構建LSTM模型.mp4
│ 177 訓練模型與效果展示.mp4
│ 178 多序列預測結果.mp4
│ 179 股票數據預測.mp4
│ 180 數據預處理.mp4
│ 181 預測結果展示.mp4

├─26 項目實戰:Keras文本分類實戰
│ 182 文本數據讀取預處理.mp4
│ 183 基本模型.mp4
│ 184 Embeeding-layer效果.mp4
│ 185 準備詞向量數據.mp4
│ 186 詞嵌入訓練結果.mp4
│ 187 加入LSTM層效果.mp4
│ 188 加入卷積層效果.mp4
│ 189 參數調優.mp4

├─27 項目實戰:地址郵編多序列任務
│ 190 數據與目標.mp4
│ 191 字符表制作.mp4
│ 192 數據讀取.mp4
│ 193 數據增強.mp4
│ 194 網絡模型.mp4
│ 195 測試效果.mp4

├─28 項目實戰:基于Keras的序列網絡實戰
│ 196 網絡模型解讀.mp4
│ 197 數據介紹與讀取.mp4
│ 198 配置文件制作.mp4
│ 199 編碼器模型.mp4
│ 200 解碼器模型.mp4
│ 201 制作訓練batch數據.mp4
│ 202 測試數據準備.mp4
│ 203 完成測試模塊.mp4

└─29 項目實戰:Keras實戰模板總結
204 模板目錄結構.mp4
205 模型與訓練結構.mp4
206 評論數據集與任務目標.mp4
207 數據準備.mp4
208 模型整體架構.mp4
209 準備模型.mp4
210 訓練網絡.mp4
211 多標簽訓練.mp4


購物清單