——/Python人工智能20个小时玩转NLP自然语言处理/
├──第0部分Pytorch
| ├──1.1认识Pytorch-第1步-什么是Pytorch.mp4 12.10M
| ├──1.1认识Pytorch-第2步-基本元素操作-part1.mp4 41.41M
| ├──1.1认识Pytorch-第2步-基本元素操作-part2.mp4 59.08M
| ├──1.1认识Pytorch-第3步-基本运算操作-part2.mp4 51.11M
| ├──1.1认识Pytorch-第4步-类型转换-part1.mp4 23.21M
| ├──1.1认识Pytorch-第4步-类型转换-part2.mp4 19.81M
| ├──1.1认识Pytorch-第4步-类型转换-part3.mp4 37.21M
| ├──1.1认识Pytorch-第5步-小节总结.mp4 19.11M
| ├──1.2Pytorch中的autograd-第1步-关于Tensor的概念.mp4 35.58M
| ├──1.2Pytorch中的autograd-第2步-关于Tensor的操作.mp4 70.01M
| ├──1.2Pytorch中的autograd-第3步-关于梯度的概念和小节总结.mp4 49.39M
| ├──2.1Pytorch构建神经网络-第1步-构建神经网络-part1.mp4 15.80M
| ├──2.1Pytorch构建神经网络-第1步-构建神经网络-part2.mp4 26.09M
| ├──2.1Pytorch构建神经网络-第1步-构建神经网络-part3.mp4 46.06M
| ├──2.1Pytorch构建神经网络-第1步-构建神经网络-part4.mp4 29.20M
| ├──2.1Pytorch构建神经网络-第2步-损失函数.mp4 53.22M
| ├──2.1Pytorch构建神经网络-第3步-反向传播.mp4 24.49M
| ├──2.1Pytorch构建神经网络-第4步-更新网络参数.mp4 41.99M
| ├──2.1Pytorch构建神经网络-第5步-小节总结.mp4 19.04M
| ├──2.2Pytorch构建分类器-第0步-数据集介绍.mp4 31.24M
| ├──2.2Pytorch构建分类器-第1步-下载数据集-part1.mp4 22.48M
| ├──2.2Pytorch构建分类器-第1步-下载数据集-part2.mp4 37.25M
| ├──2.2Pytorch构建分类器-第1步-下载数据集-part3.mp4 52.55M
| ├──2.2Pytorch构建分类器-第2步-定义卷积神经网络-part1.mp4 44.40M
| ├──2.2Pytorch构建分类器-第3步-定义损失函数-part1.mp4 14.35M
| ├──2.2Pytorch构建分类器-第4步-训练模型-part1.mp4 29.19M
| ├──2.2Pytorch构建分类器-第4步-训练模型-part2.mp4 42.45M
| ├──2.2Pytorch构建分类器-第5步-测试模型-part1.mp4 21.07M
| ├──2.2Pytorch构建分类器-第5步-测试模型-part2.mp4 32.25M
| ├──2.2Pytorch构建分类器-第5步-测试模型-part3.mp4 37.14M
| ├──2.2Pytorch构建分类器-第5步-测试模型-part4.mp4 39.60M
| └──2.2Pytorch构建分类器-第6步-GPU训练模型和小节总结.mp4 13.24M
├──第1部分自然语言处理入门
| └──1.1自然语言处理入门.mp4 163.46M
├──第2部分文本预处理
| ├──1.1认识文本预处理.mp4 22.94M
| ├──1.2文本处理的基本方法-part1.mp4 26.22M
| ├──1.2文本处理的基本方法-part2.mp4 78.23M
| ├──1.2文本处理的基本方法-part3.mp4 24.67M
| ├──1.2文本处理的基本方法-part4.mp4 68.07M
| ├──1.2文本处理的基本方法-part5.mp4 54.98M
| ├──1.2文本处理的基本方法-part6.mp4 26.51M
| ├──1.3文本张量表示方法-part1.mp4 47.63M
| ├──1.3文本张量表示方法-part2.mp4 19.91M
| ├──1.3文本张量表示方法-part3.mp4 22.90M
| ├──1.3文本张量表示方法-part4.mp4 45.66M
| ├──1.3文本张量表示方法-part5-step1.mp4 39.32M
| ├──1.3文本张量表示方法-part5-step2.mp4 23.86M
| ├──1.3文本张量表示方法-part5-step3.mp4 23.57M
| ├──1.3文本张量表示方法-part5-step4.mp4 39.48M
| ├──1.3文本张量表示方法-part5-step5.mp4 24.07M
| ├──1.3文本张量表示方法-part6.mp4 47.13M
| ├──1.3文本张量表示方法-part7.mp4 51.19M
| ├──1.4文本数据分析-1标签数量分布-part1.mp4 41.98M
| ├──1.4文本数据分析-1标签数量分布-part2.mp4 19.23M
| ├──1.4文本数据分析-2句子长度分布-part1.mp4 26.04M
| ├──1.4文本数据分析-2句子长度分布-part2.mp4 26.28M
| ├──1.4文本数据分析-2句子长度分布-part3.mp4 24.64M
| ├──1.4文本数据分析-3不同词汇总数统计-part1.mp4 23.96M
| ├──1.4文本数据分析-4训练集词云-part1.mp4 50.36M
| ├──1.4文本数据分析-4训练集词云-part2.mp4 58.92M
| ├──1.4文本数据分析-5验证集词云-part1.mp4 37.07M
| ├──1.4文本数据分析-6小节总结.mp4 19.65M
| ├──1.5文本特征处理-1ngram-part1.mp4 37.45M
| ├──1.5文本特征处理-1ngram-part2.mp4 11.79M
| ├──1.5文本特征处理-2文本长度规范-part1.mp4 19.62M
| ├──1.5文本特征处理-2文本长度规范-part2.mp4 31.35M
| ├──1.6文本数据增强-part1.mp4 36.65M
| ├──1.6文本数据增强-part2.mp4 22.55M
| ├──1.6文本数据增强-part3.mp4 22.88M
| ├──2.1新闻主题分类任务-0任务介绍-part1.mp4 27.70M
| ├──2.1新闻主题分类任务-0任务介绍-part2.mp4 41.93M
| ├──2.1新闻主题分类任务-第1步-part1.mp4 77.89M
| ├──2.1新闻主题分类任务-第1步-part2.mp4 71.07M
| ├──2.1新闻主题分类任务-第2步-part1.mp4 39.08M
| ├──2.1新闻主题分类任务-第3步-part1.mp4 74.64M
| ├──2.1新闻主题分类任务-第3步-part2.mp4 70.89M
| ├──2.1新闻主题分类任务-第4步-part1.mp4 59.65M
| ├──2.1新闻主题分类任务-第4步-part2.mp4 64.70M
| └──2.1新闻主题分类任务-第5步和小节总结.mp4 26.38M
├──第3部分HMM和CRF
| ├──1.1CRF模型简介.mp4 36.37M
| ├──1.1HMM模型介绍.mp4 35.54M
| ├──1.2文本处理的基本方法-part1.mp4 15.25M
| └──2.1新闻主题分类任务-第4步-part2.mp4 29.00M
├──第4部分RNN
| ├──1.1RNN模型简介-part1.mp4 16.07M
| ├──1.1RNN模型简介-part2.mp4 65.29M
| ├──1.1RNN模型小结.mp4 74.79M
| ├──1.2传统RNN模型构造和代码演示part1.mp4 28.78M
| ├──1.2传统RNN模型构造和代码演示part2.mp4 55.58M
| ├──1.2传统RNN模型优缺点及小结.mp4 107.10M
| ├──1.3LSTM模型介绍-part1.mp4 66.78M
| ├──1.3LSTM模型介绍-part2.mp4 36.89M
| ├──1.3LSTM模型介绍-part3.mp4 75.29M
| ├──1.3LSTM模型介绍-part4.mp4 63.28M
| ├──1.3LSTM模型小结.mp4 64.12M
| ├──1.4GRU_1模型介绍.mp4 74.40M
| ├──1.4GRU_2模型代码演示.mp4 41.15M
| ├──1.4GRU_3模型小结.mp4 77.66M
| ├──1.5注意力概念和计算规则介绍.mp4 95.83M
| ├──1.5注意力机制代码分析.mp4 137.77M
| ├──1.5注意力机制代码实现.mp4 205.26M
| ├──1.5注意力机制小结.mp4 57.95M
| ├──2.1人名分类器第1步.mp4 53.57M
| ├──2.1人名分类器第2步-part1.mp4 151.90M
| ├──2.1人名分类器第2步-part2.mp4 236.18M
| ├──2.1人名分类器第3步-part1.mp4 87.73M
| ├──2.1人名分类器第3步-part2.mp4 185.72M
| ├──2.1人名分类器第3步-part3.mp4 163.89M
| ├──2.1人名分类器第3步-part4.mp4 110.37M
| ├──2.1人名分类器第3步-part5.mp4 129.29M
| ├──2.1人名分类器第4步-构建训练函数-part1.mp4 123.33M
| ├──2.1人名分类器第4步-构建训练函数-part2.mp4 166.19M
| ├──2.1人名分类器第4步-构建训练函数-part3.mp4 237.93M
| ├──2.1人名分类器第4步-构建训练函数-part4.mp4 169.13M
| ├──2.1人名分类器第4步-构建训练函数-part5.mp4 79.22M
| ├──2.1人名分类器第4步-构建训练函数-part6.mp4 71.13M
| ├──2.1人名分类器第4步-构建训练函数-part7.mp4 272.56M
| ├──2.1人名分类器第4步-构建训练函数-part8.mp4 103.34M
| ├──2.1人名分类器第4步-构建训练函数-part9.mp4 51.37M
| ├──2.1人名分类器第5步-构建评估函数-part1_RNN.mp4 49.77M
| ├──2.1人名分类器第5步-构建评估函数-part2_LSTM.mp4 52.68M
| ├──2.1人名分类器第5步-构建评估函数-part3_GRU.mp4 95.34M
| ├──2.1人名分类器第5步-构建预测函数-part4.mp4 52.00M
| ├──2.1人名分类器第5步-构建预测函数-part5.mp4 174.47M
| ├──2.1人名分类器第6步案例小结.mp4 108.10M
| ├──2.2英译法任务_第0步-总体介绍.mp4 92.25M
| ├──2.2英译法任务_第1步-导入包.mp4 48.38M
| ├──2.2英译法任务_第2步-part1.mp4 90.34M
| ├──2.2英译法任务_第2步-part2.mp4 126.21M
| ├──2.2英译法任务_第2步-part3.mp4 100.97M
| ├──2.2英译法任务_第2步-part4.mp4 137.83M
| ├──2.2英译法任务_第2步-part5.mp4 136.32M
| ├──2.2英译法任务_第2步-part6.mp4 128.06M
| ├──2.2英译法任务_第2步-part7.mp4 147.97M
| ├──2.2英译法任务_第3步-part1.mp4 113.39M
| ├──2.2英译法任务_第3步-part2.mp4 162.35M
| ├──2.2英译法任务_第3步-part3.mp4 114.72M
| ├──2.2英译法任务_第3步-part4.mp4 189.29M
| ├──2.2英译法任务_第3步-part5.mp4 311.85M
| ├──2.2英译法任务_第3步-part6.mp4 331.79M
| ├──2.2英译法任务_第4步-part1.mp4 324.08M
| ├──2.2英译法任务_第4步-part2.mp4 328.98M
| ├──2.2英译法任务_第4步-part3.mp4 56.33M
| ├──2.2英译法任务_第4步-part4.mp4 98.83M
| ├──2.2英译法任务_第4步-part5.mp4 221.24M
| ├──2.2英译法任务_第4步-part6.mp4 104.75M
| ├──2.2英译法任务_第5步-part1.mp4 133.32M
| ├──2.2英译法任务_第5步-part2.mp4 194.10M
| ├──2.2英译法任务_第5步-part3.mp4 64.51M
| ├──2.2英译法任务_第5步-part4.mp4 56.56M
| └──2.2英译法任务_第5步-part5.mp4 21.91M
├──第5部分Transformer
| ├──1.1Transformer背景介绍.mp4 13.34M
| ├──2.1认识Transformer架构-part1.mp4 144.47M
| ├──2.1认识Transformer架构-part2.mp4 96.93M
| ├──2.2输入部分实现-part1.mp4 157.94M
| ├──2.2输入部分实现-part2.mp4 290.29M
| ├──2.2输入部分实现-part3.mp4 544.72M
| ├──2.2输入部分实现-part4.mp4 423.90M
| ├──2.2输入部分实现-part5.mp4 221.24M
| ├──2.2输入部分实现-part6.mp4 120.01M
| ├──2.3.1掩码张量-part1.mp4 184.50M
| ├──2.3.1掩码张量-part2.mp4 220.06M
| ├──2.3.1掩码张量-part3.mp4 86.68M
| ├──2.3.2注意力机制-part1.mp4 346.06M
| ├──2.3.2注意力机制-part2.mp4 213.08M
| ├──2.3.2注意力机制-part3.mp4 366.21M
| ├──2.3.2注意力机制-part4.mp4 107.59M
| ├──2.3.3多头注意力机制-part1.mp4 785.59M
| ├──2.3.3多头注意力机制-part2.mp4 196.30M
| ├──2.3.3多头注意力机制-part3.mp4 560.69M
| ├──2.3.3多头注意力机制-part4.mp4 206.79M
| ├──2.3.4前馈全连接层-part1.mp4 156.45M
| ├──2.3.4前馈全连接层-part2.mp4 303.27M
| ├──2.3.5规范化层-part1.mp4 215.22M
| ├──2.3.5规范化层-part2.mp4 317.78M
| ├──2.3.6子层连接结构-part1.mp4 151.35M
| ├──2.3.6子层连接结构-part2.mp4 316.89M
| ├──2.3.7编码器层-part1.mp4 179.39M
| ├──2.3.7编码器层-part2.mp4 396.72M
| ├──2.3.8编码器-part1.mp4 112.01M
| ├──2.3.8编码器-part2.mp4 300.29M
| ├──2.4.1解码器层-part1.mp4 467.44M
| ├──2.4.1解码器层-part2.mp4 569.50M
| ├──2.4.2解码器-part1.mp4 125.96M
| ├──2.4.2解码器-part2.mp4 364.71M
| ├──2.5输出部分实现-part1.mp4 142.17M
| ├──2.5输出部分实现-part2.mp4 192.31M
| ├──2.6模型构建-part1.mp4 247.12M
| ├──2.6模型构建-part2.mp4 446.15M
| ├──2.6模型构建-part3.mp4 258.99M
| ├──2.6模型构建-part4.mp4 565.60M
| ├──2.7模型基本测试运行-第二步-part1.mp4 283.68M
| ├──2.7模型基本测试运行-第二步-part2.mp4 200.07M
| ├──2.7模型基本测试运行-第三步.mp4 255.07M
| ├──2.7模型基本测试运行-第四步.mp4 434.82M
| ├──2.7模型基本测试运行-第一步-part1.mp4 252.12M
| ├──2.7模型基本测试运行-第一步-part2.mp4 174.09M
| ├──2.7模型基本测试运行-小节总结.mp4 221.91M
| ├──3.1使用Transformer构建语言模型-0总体介绍.mp4 166.81M
| ├──3.1使用Transformer构建语言模型-第1步.mp4 177.86M
| ├──3.1使用Transformer构建语言模型-第2步-part1.mp4 173.84M
| ├──3.1使用Transformer构建语言模型-第2步-part2.mp4 26.54M
| ├──3.1使用Transformer构建语言模型-第3步-part1.mp4 81.24M
| ├──3.1使用Transformer构建语言模型-第3步-part2.mp4 54.64M
| ├──3.1使用Transformer构建语言模型-第4步-part1.mp4 37.12M
| ├──3.1使用Transformer构建语言模型-第4步-part2.mp4 73.78M
| ├──3.1使用Transformer构建语言模型-第4步-part3.mp4 37.18M
| ├──3.1使用Transformer构建语言模型-第5步-part1.mp4 95.55M
| └──3.1使用Transformer构建语言模型-第5步-part2.mp4 21.40M
└──资料-nlp
| └──NLP基础课所有数据和代码.zip 14.91M
