|
|
自然语言处理算法精讲
〖课程目录〗:
小象学院 自然语言处理算法精讲 [2.4G]
┣━━01-第1章：自然语言与数学之美 [138.9M]
┃ ┣━━1.1 课程简介及推荐书目.flv [9.9M]
┃ ┣━━1.10 凸集合和凸函数.flv [6.5M]
┃ ┣━━1.2 NLP的研究领域及应用.flv [12.6M]
┃ ┣━━1.3 自然语言的6个重要术语.flv [6.1M]
┃ ┣━━1.4 语言学的发展史 1.flv [27.1M]
┃ ┣━━1.5 语言学的发展史 2.flv [19.8M]
┃ ┣━━1.6 语言学的发展史 3.flv [24.6M]
┃ ┣━━1.7 函数.flv [9M]
┃ ┣━━1.8 向量与向量的模.flv [11.5M]
┃ ┗━━1.9 矩阵和矩阵运算.flv [11.9M]
┣━━02-第2章：基于机器学习方法的自然语言处理 [123.5M]
┃ ┣━━2.1 主观概率和客观概率.flv [8.1M]
┃ ┣━━2.10 辛普森悖论和贝叶斯概率解题实例.flv [21.8M]
┃ ┣━━2.2 概率模型与条件概率.flv [12.6M]
┃ ┣━━2.3 贝叶斯原理与推理.flv [18.3M]
┃ ┣━━2.4 随机变量：二项式概率.flv [15.1M]
┃ ┣━━2.5 随机变量：期望与方差.flv [10.9M]
┃ ┣━━2.6 随机变量：联合概率.flv [3.3M]
┃ ┣━━2.7 伯努利分布和二项式分布.flv [13M]
┃ ┣━━2.8 多项式分布、伽玛分布和Beta分布.flv [9.1M]
┃ ┗━━2.9 泊松分布、高斯分布、对数正态分布和指数分布.flv [11.2M]
┣━━03-第3章：1、2章答疑 [85.6M]
┃ ┗━━第一周答疑.flv [85.6M]
┣━━04-第4章：自然语言 [135.7M]
┃ ┣━━3.1 语言的进化：来自自然选择的社会协作.flv [20.4M]
┃ ┣━━3.2 语言的进化：语言游戏与摩斯密码.flv [13.3M]
┃ ┣━━3.3 语言与智能：信息熵.flv [15.2M]
┃ ┣━━3.4 语言与智能：交叉熵的定义.flv [21.5M]
┃ ┣━━3.5 语义的进化.flv [20.3M]
┃ ┣━━3.6 语言模型：语言概率.flv [7.1M]
┃ ┣━━3.7 词袋模型.flv [10.3M]
┃ ┗━━3.8 二元语言模型：CR情感分析.flv [27.5M]
┣━━05-第5章：语言模型和中文分词 [124.3M]
┃ ┣━━4.1 三元语言模型.flv [18.1M]
┃ ┣━━4.10 N-Gram模型.flv [3.3M]
┃ ┣━━4.11 Optimal Path 最优路径模型.flv [1.6M]
┃ ┣━━4.12 中文分词工具：Jieba.flv [8.4M]
┃ ┣━━4.2 语言模型评价：交叉熵.flv [8.4M]
┃ ┣━━4.3 语言模型评价：Perplexity(困惑度）.flv [9.5M]
┃ ┣━━4.4 语言评价模型：Interpolation(插值法).flv [5.1M]
┃ ┣━━4.5 概率模型：垃圾邮件分类.flv [18M]
┃ ┣━━4.6 概率模型：拼写检查.flv [29.4M]
┃ ┣━━4.7 语音模型和机器翻译模型.flv [5.4M]
┃ ┣━━4.8 中文构词法.flv [13.9M]
┃ ┗━━4.9 最大化匹配.flv [3.3M]
┣━━06-第6章：第二周答疑 [140.4M]
┃ ┗━━第二周答疑.flv [140.4M]
┣━━07-第7章：语言技术-词表达和Word2Vec [143.2M]
┃ ┣━━5.1 词表达.flv [6.3M]
┃ ┣━━5.10 Word2Vec-Part 3.flv [23.8M]
┃ ┣━━5.2 语义相似度.flv [12M]
┃ ┣━━5.3 TF-IDF权重处理.flv [5.2M]
┃ ┣━━5.4 One-Hot表达.flv [5.3M]
┃ ┣━━5.5 神经网络基础.flv [15.3M]
┃ ┣━━5.6 神经网络：反向传播 1.flv [9M]
┃ ┣━━5.7 神经网络：反向传播 2.flv [19.3M]
┃ ┣━━5.8 Word2Vec-Part 1.flv [21.5M]
┃ ┗━━5.9 Word2Vec-Part 2.flv [25.5M]
┣━━08-第8章：语言技术-词性 [159.9M]
┃ ┣━━6.1 什么是词性标注（POS Tagging）.flv [7.6M]
┃ ┣━━6.10 混合模型详解5：隐马尔科夫模型.flv [21.4M]
┃ ┣━━6.2 词性标注的方法.flv [7.2M]
┃ ┣━━6.3 词性的标注类别和标注集.flv [9.4M]
┃ ┣━━6.4 规则标注和N-Gram方法.flv [6M]
┃ ┣━━6.5 从混合模型到HMM.flv [14.3M]
┃ ┣━━6.6 混合模型详解1：EM模型.flv [32.7M]
┃ ┣━━6.7 混合模型详解2：EM模型.flv [22.9M]
┃ ┣━━6.8 混合模型详解3：高斯混合模型.flv [16.8M]
┃ ┗━━6.9 混合模型详解4：隐马尔可夫模型.flv [21.7M]
┣━━09-第9章：第三周答疑 [28.4M]
┃ ┗━━第三周答疑.flv [28.4M]
┣━━10-第10章：语言技术-概率图模型 [153.4M]
┃ ┣━━7.1 概率图模型：贝叶斯网络（有向无环图）.flv [8.3M]
┃ ┣━━7.2 概率图模型：分层图模型.flv [4M]
┃ ┣━━7.3 概率图模型：隐马尔科夫链.flv [3.7M]
┃ ┣━━7.4 隐马尔可夫模型的推导 1.flv [25.8M]
┃ ┣━━7.5 隐马尔科夫模型的推导 2.flv [25.9M]
┃ ┣━━7.6 隐马尔科夫模型的推导 3.flv [33.3M]
┃ ┣━━7.7 隐马尔科夫模型的推导 4.flv [29.1M]
┃ ┣━━7.8 PLSA主题模型1.flv [12M]
┃ ┗━━7.9 PLSA主题模型 2.flv [11.3M]
┣━━11-第11章：语言技术-文本与LDA主题模型 [121.9M]
┃ ┣━━8.1 向量表达和潜在语义索引（LSI）.flv [6.6M]
┃ ┣━━8.10 实验报告：文本语义相似度.flv [5.8M]
┃ ┣━━8.11 延展实验：主题模型引入字词关系的实现.flv [15.4M]
┃ ┣━━8.12 实验总结.flv [5.3M]
┃ ┣━━8.2 LDA和狄利克雷分布.flv [17.1M]
┃ ┣━━8.3 LDA主题模型.flv [24.7M]
┃ ┣━━8.4 主题模型的深化与对比.flv [18.3M]
┃ ┣━━8.5 语义距离（Semantic Distance）.flv [6.8M]
┃ ┣━━8.6 中文LDA模型：Word-base 和 Character-Base.flv [6.9M]
┃ ┣━━8.7 实验报告：困惑度（Perplexity）.flv [3.5M]
┃ ┣━━8.8 实验报告：文本分类准确度.flv [8.1M]
┃ ┗━━8.9 中英双语料库实验.flv [3.4M]
┣━━12-第12章：第四周答疑 [51.7M]
┃ ┗━━第四周答疑.flv [51.7M]
┣━━13-第13章：语言技术-句法 [196.9M]
┃ ┣━━9.1 上下文无关句法（CFG）-Part 1.flv [31.4M]
┃ ┣━━9.2 上下文无关句法（CFG）-Part 2.flv [30.9M]
┃ ┣━━9.3 概率上下文无关句法（PCFG）- Part 1.flv [59.3M]
┃ ┣━━9.4 概率上下文无关句法（PCFG）-Part 2.flv [31.3M]
┃ ┗━━9.5 概率上下文无关句法（PCGF）-Part 3.flv [43.9M]
┣━━14-第14章：机器翻译 [171.5M]
┃ ┣━━10.1 机器翻译（Machine Translation）-Part 1.flv [15M]
┃ ┣━━10.2 机器翻译（Machine Translation）-Part 2.flv [18.2M]
┃ ┣━━10.3 机器翻译（Machine Translation）-Part 3.flv [37.1M]
┃ ┣━━10.4 机器翻译（Machine Translation）-Part 4.flv [26.5M]
┃ ┣━━10.5 机器翻译（Machine Translation）-Part 5.flv [34.8M]
┃ ┗━━10.6 机器翻译（Machine Translation）-Part 6.flv [39.9M]
┣━━15-第15章：第五周答疑 [30.2M]
┃ ┗━━第五周答疑.flv [30.2M]
┣━━16-第16章：卷积神经网络CNN [108.9M]
┃ ┣━━11.1 神经元.flv [5.5M]
┃ ┣━━11.2 全连接网络及特性.flv [15.9M]
┃ ┣━━11.3 Auto-Encode 自编码器.flv [6M]
┃ ┣━━11.4 反向传播（BP）.flv [33.4M]
┃ ┣━━11.5 卷积神经网络（CNN）的理解.flv [7.4M]
┃ ┣━━11.6 CNN的基本原理：卷积核、权重和池化.flv [11.3M]
┃ ┣━━11.7 CNN的计算过程.flv [13.5M]
┃ ┗━━11.8 CNN如何应用在自然语言处理中.flv [15.9M]
┣━━17-第17章：循环神经网络RNN [106.3M]
┃ ┣━━12.1 循环神经网络的基本原理.flv [18M]
┃ ┣━━12.2 Elman Network和Jordan Networ.flv [2.6M]
┃ ┣━━12.3 LSTM的核心思想.flv [11.4M]
┃ ┣━━12.4 LSTM的分步实现详解.flv [17.1M]
┃ ┣━━12.5 Encoder-Decoder 框架.flv [15.3M]
┃ ┣━━12.6 Seq2Seq 模型.flv [24.5M]
┃ ┗━━12.7 注意力机制（Attention Mechanism）.flv [17.3M]
┣━━18-第18章：第六周答疑 [23.3M]
┃ ┗━━第六周答疑.flv [23.3M]
┣━━19-第19章：注意力机制 [117.9M]
┃ ┣━━13.1 注意力机制产生的背景回顾.flv [20.7M]
┃ ┣━━13.2 注意力模型的实现原理.flv [7.6M]
┃ ┣━━13.3 注意力模型的应用领域.flv [8.8M]
┃ ┣━━13.4 记忆网络（Memory Network）的组成.flv [18.6M]
┃ ┣━━13.5 记忆网络的计算过程和实现方法.flv [22.6M]
┃ ┣━━13.6 匹配函数（Match Function）.flv [5.5M]
┃ ┣━━13.7 注意力模型的延展1：Neural Programmer.flv [6.5M]
┃ ┗━━13.8 注意力模型的延展2：神经图灵机.flv [27.6M]
┣━━20-第20章：广义模型（Universal Transformer) [90.7M]
┃ ┣━━14.1 UT的典型结构：Stack of Encoder and Decoder.flv [7.2M]
┃ ┣━━14.2 Self-Attention的计算.flv [17.1M]
┃ ┣━━14.3 Multi-Head Attention 和前向反馈神经网络FFNN.flv [8.8M]
┃ ┣━━14.4 位置编码（Positional Encoding）.flv [4.5M]
┃ ┣━━14.5 层泛化（Lay Normalization）.flv [7M]
┃ ┣━━14.6 Softmax Layer：交叉熵和损失函数的计算.flv [10.8M]
┃ ┣━━14.7 ACT模型（Adaptive Computation Time）.flv [25.4M]
┃ ┗━━14.8 Universal Transformer 的完整实现流程.flv [9.9M]
┣━━21-第21章：第七周答疑 [17.6M]
┃ ┗━━第七周答疑.flv [17.6M]
┣━━22-第22章：自然语言研究的未来方向 [114.3M]
┃ ┣━━15.1 自然语言研究可行方向：知识图谱与深度学习的结合.flv [6.6M]
┃ ┣━━15.2 语义关系计算与知识库.flv [17.1M]
┃ ┣━━15.3 知识库推理学习：Neural Tensor Network.flv [21.5M]
┃ ┣━━15.4 跨媒体信息搜索：CMIR.flv [13.7M]
┃ ┣━━15.5 文本图卷积网络（Text GCN）.flv [39.9M]
┃ ┗━━15.6 NLP未来的探索方向.flv [15.4M]
┣━━资料 [44.9M]
┃ ┗━━资料.zip [44.9M]
〖百度网盘下载地址〗:
---------------------------------华丽分割线--------------------------------华丽分割线-------------------华丽分割线-------------------------华丽分割线----------------
〖下载地址失效反馈〗:
如果下载地址失效，请尽快反馈给我们，我们尽快修复。反馈地址：http://www.51shequ.cn/forum-70-1.html
〖赞助VIP免学币下载全站资源〗:
全站资源高清无密，每天更新，vip特权了解一下：
〖客服24小时咨询〗:
有任何问题，请点击左侧QQ咨询。 |
|
发表于 2021-1-5 00:08:41
发表于 2021-1-12 19:15:11
发表于 2021-3-30 15:27:55
发表于 2021-4-20 23:09:49
