-
章节1：NLP和深度学习发展概况和最新动态
-
课时1： NLP历史现在及为什么需要学习NLP技术 免费21:03
-
课时2：NLP实现机器学习，聊天机器人，情感分析和语义搜索 免费32:57
-
章节2：NLP与PYTHON编程
-
课时3： Python环境搭建及开发工具安装 免费15:31
-
课时4：NLP常用PYTHON开发包的介绍 免费19:58
-
课时5：Jieba安装、介绍及使用21:32
-
课时6：Stanford NLP 在Python环境中安装、介绍及使用16:17
-
课时7：Hanlp 在Python环境中安装、介绍及使用17:29
-
章节3：快速掌握NLP技术之分词、词性标注和关键字提取
-
课时8：分词、词性标注及命名实体识别介绍及应用14:31
-
课时9：准确分词之加载自定义字典分词0117:35
-
课时10：准确分词之加载自定义字典分词0219:36
-
课时11：准确分词之动态调整词频和字典18:01
-
课时12：词性标注代码实现及信息提取11:02
-
课时13：人名、地名、机构名等关键命名实体识别20:03
-
课时14：TextRank算法原理介绍28:12
-
课时15：基于TextRank关键词提取14:07
-
章节4：句法与文法
-
课时16：依存句法与语义依存分析 免费26:17
-
课时17：依存句法树解析（子树遍历，递归搜索，叶子节点提取等）20:41
-
课时18：名词短语块挖掘27:35
-
课时19：自定义语法与CFG21:46
-
章节5：N-GRAM文本挖掘
-
课时20：N-GRAM算法介绍13:44
-
课时21：N-GRAM生成词语对13:36
-
课时22：TF-IDF算法介绍应用12:33
-
课时23：基于TF-IDF挖掘符合语言规范的N-GRAM23:36
-
章节6：表示学习与关系嵌入
-
课时24：语言模型09:37
-
课时25：词向量25:25
-
课时26：深入理解Word2vec算法层次sofmax30:21
-
课时27：深入理解Word2vec算法负采样23:05
-
课时28：6.4 基于Word2vec技术的词向量、字向量训练43:43
-
章节7：深度学习之卷积神经网络
-
课时29：BP神经网络29:11
-
课时30：彻底理解深度学习指卷积神经网络31:23
-
课时31：CNN文本分类20:19
-
课时32：CNN文本分类算法模块37:50
-
课时33：CNN文本分类模型详解数据预处理16:49
-
课时34：CNN文本分类模型测试与部署06:55
-
章节8：深度学习之递归神经网络
-
课时35：递归网络29:10
-
课时36：LSTM25:38
-
课时37：LSTM文本分类原理07:20
-
课时38： LSTM文本分类代码架构12:04
-
课时39：LSTM文本分类代码详解23:21
-
课时40：LSTM文本分类模型预测与部署12:32
-
章节9：特定领域命名实体识别NER技术
-
课时41：基于深度学习医药保险命名实体识别课题背景介绍36:40
-
课时42：医药保险命名实体和实体关系体系建立和命名实体分类规范35:19
-
课时43：医药保险命名实体识别相关前沿技术和难点17:01
-
课时44：基于深度学习医药保险命名实体识别的算法模块设计(上)24:54
-
课时45：基于深度学习医药保险命名实体识别的算法模块设计（下）21:24
-
课时46：数据的采集，清洗，数据机器自动标注及转化为深度学习格式（上）23:02
-
课时47：数据的采集，清洗，数据机器自动标注及转化为深度学习格式（下）26:26
-
课时48：模型本地Lib库封装（上）27:41
-
课时49：模型本地Lib库封装（下）17:25
-
课时50： 部署tensorflow训练好的模型为云服务（上）22:15
-
课时51：部署tensorflow训练好的模型为云服务（下）21:01
-
课时52：算法设计及代码实现155:52
-
课时53：算法设计及代码实现226:43
-
课时54：代码调试，参数优化及深度剖析（深入理解）142:40
-
课时55：代码调试，参数优化及深度剖析（深入理解）243:06
授课讲师
aopu
