【16404】-唐宇迪 自然语言处理通用框架-BERT实战
01自然语言处理通用框架BERT原理解读
01 BERT课程简介_ev.mp4
02 BERT任务目标概述_ev.mp4
03 传统解决方案遇到的问题_ev.mp4
04 注意力机制的作用_ev.mp4
05 self-attention计算方法_ev.mp4
06特征分配与softmax机制_ev.mp4
07 Multi-head的作用_ev.mp4
08 位置编码与多层堆叠_ev.mp4
09 transformer整体架构梳理_ev.mp4
10 BERT模型训练方法_ev.mp4
11 训练实例_ev.mp4
02谷歌开源项目BERT源码解读与应用实例
01 BERT开源项目简介_ev.mp4
02项目参数配置_ev.mp4
03 数据读取模块_ev.mp4
04 数据预处理模块_ev.mp4
05 tfrecord数据源制作_ev.mp4
06 Embedding层的作用_ev.mp4
07 加入额外编码特征_ev.mp4
08 加入位置编码特征_ev.mp4
09 mask机制的作用_ev.mp4
10 构建QKV矩阵_ev.mp4
11 完成Transformer模块构建_ev.mp4
12 训练BERT模型_ev.mp4
03项目实战-基于BERT的中文情感分析实战
01中文分类数据与任务概述_ev.mp4
02读取处理自己的数据集_ev.mp4
03 训练BERT中文分类模型_ev.mp4
04项目实战-基于BERT的中文命名实体识别识别实战
01命名实体识别数据分析与任务目标_ev.mp4
02 NER标注数据处理与读取_ev.mp4
03 构建BERT与CRF模型_ev.mp4
05必备基础知识点-woed2vec模型通俗解读
01 词向量模型通俗解释_ev.mp4
02 模型整体框架_ev.mp4
03 训练数据构建_ev.mp4
04 CBOW与Skip-gram模型_ev.mp4
05 负采样方案_ev.mp4
06必备基础-掌握Tensorflow如何实现word2vec模型
01 数据与任务流程_ev.mp4
02 数据清洗_ev.mp4
03 batch数据制作_ev.mp4
04 网络训练_ev.mp4
05 可视化展示_ev.mp4
07必备基础知识点-RNN网络架构与情感分析应用实例
01 RNN网络模型解读_ev.mp4
02 NLP应用领域与任务简介_ev.mp4
03 项目流程解读_ev.mp4
04 加载词向量特征_ev.mp4
05 正负样本数据读取_ev.mp4
06构建LSTM网络模型_ev.mp4
07 训练与测试效果_ev.mp4
08 LSTM情感分析_ev.mp4
08医学糖尿病数据命名实体识别
01 数据与任务介绍_ev.mp4
02 整体模型架构_ev.mp4
03数据-标签-语料库处理_ev.mp4
04 训练网络模型_ev.mp4
05医疗数据集（糖尿病）实体识别_ev.mp4
06 输入样本填充补齐_ev.mp4
配套资源