开课吧百度飞桨联合设计双证资深AI实战工程师（NLP方向） - 软考课程

莫娜莫言

开课吧百度飞桨联合设计双证资深AI实战工程师（NLP方向） - 软考课程——/百度飞桨联合设计双证资深AI实战工程师（NLP方向） /
├──第01章 问答摘要与推理-项目简介
| ├──第1节 1-1项目和课程内容介绍
| | ├──Lecture-01 .pdf7.67M
| | └──第1节 1-1项目和课程内容介绍_ev_ev .mp4302.07M
| └──第2节 1-2词向量Word2vec及其优化方法详解
| | ├──Lecture-2 .pdf14.02M
| | └──第2节 1-2词向量Word2vec及其优化方法详解_ev_ev .mp4467.60M
├──第02章 问答摘要与推理-代码实操Word2vec
| ├──第2节 2-1项目代码实操-中文分词、处理以及构建Word2vec
| | ├──第2节 2-1项目代码实操-中文分词、处理以及构建Word2vec_ev_ev .mp4446.08M
| | ├──随堂代码 .zip32.18M
| | └──随堂资料 .txt0.07kb
| └──第3节 2-2项目研讨课Ⅰ
| | └──第3节 2-2项目研讨课I_ev_ev .mp4125.67M
├──第03章 问答摘要与推理-Seq2Seq
| ├──第1节 3-1文本生成方法之Seq2Seq （Encoder、Decoder、Attention)
| | ├──Lecture-02-seq2seq-attention .pdf12.31M
| | └──第1节 3-1文本生成方法之Seq2Seq （Encoder、Decoder、Attention)_ev_ev .mp4458.44M
| └──第2节 3-2项目研讨课Ⅱ
| | ├──第2节 3-2项目研讨课Ⅱ_ev_ev .mp4227.27M
| | └──课堂PPT及代码 .zip9.71M
├──第04章 问答摘要与推理-代码实操Seq2Seq
| ├──第1节 4-1GRU、LSTM算法对比，Seq2Seq模型搭建并训练及代码实现
| | ├──4-1课堂讲义及代码 .zip1.02M
| | └──第1节 4-1GRU、LSTM算法对比，Seq2Seq模型搭建并训练及代码实现_ev_ev .mp4332.04M
| └──第2节 作业指导：预训练词向量与embedding搭建
| | ├──20191013研讨课 .zip13.22kb
| | └──第2节 作业指导：预训练词向量与embedding搭建_ev_ev .mp4204.12M
├──第05章 问答摘要与推理-模型训练
| ├──第1节 5-1深度学习框架图计算理论，模型训练代码实践、优化器对比选择
| | ├──lecture-3.ipynb .zip1.74M
| | └──第1节 5-1深度学习框架图计算理论，模型训练代码实践、优化器对比选择_ev_ev .mp4271.65M
| └──第2节 5-2Model搭建
| | ├──20191020PPT及代码 .zip1.70M
| | ├──5-2PPT .pptx1.22M
| | └──第2节 5-2Model搭建_ev_ev .mp4179.55M
├──第06章 问答摘要与推理-Extractive Text Summarization
| ├──第1节 抽提式文本摘要相关算法详解
| | ├──6-1PPT及随堂代码 .zip2.45M
| | └──第1节 抽提式文本摘要相关算法详解_ev_ev .mp4169.29M
| └──第2节 pgn网络搭建
| | ├──6-2随堂课件及代码 .zip14.96kb
| | └──第2节 pgn网络搭建_ev_ev .mp4252.07M
├──第07章 文本生成问题前沿算法
| ├──第1节 7-1Extractive Text Summarization抽提式文本摘要
| | ├──7-1PPT及课堂代码 .zip2.95M
| | └──第1节 7-1Extractive Text Summarization抽提式文本摘要_ev_ev .mp4249.92M
| └──第2节 7-2抽取式摘要
| | ├──7-2随堂代码 .zip79.66M
| | └──第2节 7-2抽取式摘要_ev_ev .mp4178.84M
├──第08章 问答摘要与推理- 项目代码部署
| ├──第1节 8-1项目总结以及模型部署
| | ├──8-1随堂课件及PPT .zip1.37M
| | ├──8-1作业要求 .txt0.27kb
| | └──第1节 8-1项目总结以及模型部署_ev_ev .mp4230.76M
| └──第2节 8-2代码讲解与演示
| | ├──8-2随堂课件代码 .zip337.59kb
| | └──第2节 8-2代码讲解与演示_ev_ev .mp4222.89M
├──第09章 试题知识点标注-项目课程简介
| ├──第1节 9-1项目介绍和课程安排
| | ├──9-1课堂资料 .zip5.90M
| | ├──第1节 9-1项目介绍和课程安排-1_ev_ev .mp489.33M
| | ├──第1节 9-1项目介绍和课程安排-2_ev_ev .mp465.95M
| | └──第1节 9-1项目介绍和课程安排-3_ev_ev .mp482.53M
| └──第2节 9-2手动实现贝叶斯，baseline实战
| | ├──9-2课堂代码 .zip24.21kb
| | └──第2节 9-2手动实现贝叶斯，baseline实战_ev_ev .mp4182.56M
├──第10章 试题知识点标注-常用机器学习方法及在文本分类问题中的应用
| ├──第1节 10-1 LDA、Glove、FaxtText在文本分类中的实践
| | ├──10-1随堂课件 .zip3.91M
| | ├──第1节 10-1 LDA、Glove、FaxtText在文本分类中的实践-1_ev_ev .mp429.94M
| | ├──第1节 10-1 LDA、Glove、FaxtText在文本分类中的实践-2_ev_ev .mp4150.17M
| | └──第1节 10-1 LDA、Glove、FaxtText在文本分类中的实践-3_ev_ev .mp490.53M
| └──第2节 10-2tf搭建fasttext文本分类
| | ├──10-2随堂代码 .zip679.68kb
| | └──第2节 10-2tf搭建fasttext文本分类_ev_ev .mp4188.49M
├──第11章 试题知识点标注-卷积神经网络在文本分类中的应用
| ├──第1节 11-1CNN、TextCNN、GCN与文本分类
| | ├──11-1随堂课件 .zip5.59M
| | ├──第1节 11-1CNN、TextCNN、GCN与文本分类-1_ev_ev .mp499.97M
| | ├──第1节 11-1CNN、TextCNN、GCN与文本分类-2_ev_ev .mp470.81M
| | └──第1节 11-1CNN、TextCNN、GCN与文本分类-3_ev_ev .mp490.52M
| └──第2节 11-2Text CNN多标签分类实现
| | ├──11-2随堂代码 .zip7.22M
| | └──第2节 11-2Text CNN多标签分类实现_ev_ev .mp4155.53M
├──第12章 试题知识点标注- 预训练语言模型初识
| ├──第1节 12-1Transformer Emlo GPT等结构介绍
| | ├──12-1随堂课件 .zip15.66M
| | ├──第1节 12-1Transformer Emlo GPT等结构介绍-1_ev_ev .mp493.64M
| | └──第1节 12-1Transformer Emlo GPT等结构介绍-2_ev_ev .mp4256.06M
| └──第2节 12-2 Transformer等常见结构实践讲解
| | ├──12-2随堂代码 .zip92.68kb
| | └──第2节 12-2 Transformer等常见结构实践讲解_ev_ev .mp4214.33M
├──第13章 试题知识点标注- 预训练语言模型进阶
| ├──第1节 13-1 bert 预训练语言模型详解
| | ├──13-1课堂PPT .zip5.49M
| | ├──第1节 13-1 bert 预训练语言模型详解-1_ev_ev .mp498.61M
| | ├──第1节 13-1 bert 预训练语言模型详解-2_ev_ev .mp4105.32M
| | └──第1节 13-1 bert 预训练语言模型详解-3_ev_ev .mp4123.11M
| └──第2节 13-2 bert文本分类实战
| | ├──13-2课堂代码 .zip721.95kb
| | ├──第2节 13-2 bert文本分类实战-1_ev_ev .mp410.47M
| | ├──第2节 13-2 bert文本分类实战-2_ev_ev .mp44.51M
| | ├──第2节 13-2 bert文本分类实战-3_ev_ev .mp4382.42kb
| | └──第2节 13-2 bert文本分类实战-4_ev_ev .mp4182.87M
├──第14章 试题知识点标注- 预训练语言模型实战
| ├──第1节 14-1预训练语言模型实战
| | ├──14-1课堂PPT .zip11.34M
| | ├──第1节 14-1预训练语言模型实战 -1_ev_ev .mp4108.52M
| | ├──第1节 14-1预训练语言模型实战-2_ev_ev .mp493.10M
| | └──第1节 14-1预训练语言模型实战-3_ev_ev .mp4118.91M
| └──第2节 14-2bert实现多标签分类
| | ├──14-2课堂代码 .zip170.41kb
| | ├──第2节 14-2bert实现多标签分类-1_ev_ev .mp411.98M
| | └──第2节 14-2bert实现多标签分类-2_ev_ev .mp4222.79M
├──第15章 试题知识点标注-gpu与分布式机器学习
| ├──第1节 15-1gpu与分布式机器学习
| | ├──15-1课堂PPT .pdf30.50M
| | ├──15-1课堂作业 .txt0.12kb
| | ├──第1节 15-1gpu与分布式机器学习-1_ev_ev .mp4111.53M
| | ├──第1节 15-1gpu与分布式机器学习-2_ev_ev .mp4100.00M
| | └──第1节 15-1gpu与分布式机器学习-3_ev_ev .mp468.15M
| └──第2节 15-2Gcn文本分类
| | ├