首页实战 NLP系统精讲与大厂案例落地实战，吃透内容理解体系章节目录

NLP系统精讲与大厂案例落地实战

NLP核心急速入门，算法原理深入剖析，快速从新手跨入熟手行列

优惠到手 _￥349

原价￥399.00

满1788减540 满1188减320 满888减220 满688减150 满488减100 满288减50 满188减20

已完结难度初级时长 26小时30分钟学习人数 100 综合评分 8.00

立即购买加购物车

第1章课程介绍试看 4 节 | 72分钟

1

收起列表
- 视频： 1-1 课程目标 (20:48) 试看
- 视频： 1-2 学习NLP对你有什么帮助 (14:37) 试看
- 视频： 1-3 课程重难点 (25:04) 试看
- 视频： 1-4 学习建议 (10:55)
第2章语言学与自然语言处理 8 节 | 109分钟

1

收起列表
- 视频： 2-1 本章导学 (07:58)
- 视频： 2-2 语言的产生：语音、词汇、语法 (13:10)
- 视频： 2-3 踏上NLP之旅：什么是自然语言 (16:39)
- 视频： 2-4 中文自然语言处理为什么这么难 (13:51)
- 视频： 2-5 自然语言处理能解决哪些问题 (11:19)
- 视频： 2-6 聊一聊自然语言处理发展史 (20:39)
- 视频： 2-7 自然语言处理学习路径 (17:27)
- 视频： 2-8 本章小结 (07:27)
第3章从数学原理到机器学习 15 节 | 217分钟

1

收起列表
- 视频： 3-1 本章导学 (07:23)
- 视频： 3-2 现代自然语言处理的基石-概率论知识介绍 (13:06)
- 视频： 3-3 概率论基础：贝叶斯和信息理论 (20:46)
- 视频： 3-4 基于概率统计的模型采样知识 (13:35)
- 视频： 3-5 从理论走向实践：机器学习是怎么回事（一） (21:20)
- 视频： 3-6 从理论走向实践：机器学习是怎么回事（二） (06:08)
- 视频： 3-7 寻找重要的信息：降维方法 (13:45)
- 视频： 3-8 从已知结果中学习未知问题-分类和回归 (23:56)
- 视频： 3-9 如何让数据本身分类-聚类算法介绍 (13:29)
- 视频： 3-10 测定模型结果的方法-评估指标 (20:43)
- 视频： 3-11 过去进行式：文本分析流程1 (17:44)
- 视频： 3-12 过去进行式：文本分析流程2 (07:16)
- 视频： 3-13 中文处理的第一个难题：分词 (09:51)
- 视频： 3-14 词语的处理：独热编码和词嵌入表示 (19:54)
- 视频： 3-15 本章小结 (08:02)
第4章由简单单元构建复杂神经网络 10 节 | 116分钟

1

收起列表
- 视频： 4-1 本章导学 (06:25)
- 视频： 4-2 搭积木式的组合变换-激活函数和神经网络思想 (10:27)
- 视频： 4-3 神经网络的演进：梯度与反向传播 (14:25)
- 视频： 4-4 神经网络中我们可以参与的部分-超参数 (14:14)
- 视频： 4-5 优化器和学习率 (05:58)
- 视频： 4-6 提高模型效果的方法：归一化 (10:25)
- 视频： 4-7 构建线性模型解决温度计示数转换问题 (12:48)
- 视频： 4-8 使用深度学习模型解决温度计示数问题（一） (23:48)
- 视频： 4-9 使用深度学习模型解决温度计示数问题（二） (10:13)
- 视频： 4-10 本章小结 (07:08)
第5章如何用机器学习能力解决自然语言处理问题 15 节 | 219分钟

1

收起列表
- 视频： 5-1 本章导学 (08:34)
- 视频： 5-2 文本预处理魔法：分词、停用词和特殊字符消失术 (18:54)
- 视频： 5-3 让计算机读懂汉语：用数值表示文本.mp4 (09:54)
- 视频： 5-4 基于python的文本预处理封装 (12:43)
- 视频： 5-5 改变NLP宇宙的词嵌入技术，word2vec让文本也可以互相运算 (13:11)
- 视频： 5-6 内容理解中最常见的分类问题，给文本打标签 (15:42)
- 视频： 5-7 自然语言处理中的序列标注问题，发现特定的词语 (15:20)
- 视频： 5-8 语言模型的演进，从定向任务到通用模型，让NLP日趋成熟 (19:37)
- 视频： 5-9 注意力机制，让模型能够关注重要内容，Attention is all your need (23:55)
- 视频： 5-10 读懂微调（finetune），通过小成本改变让模型具备强大的专业能力 (15:10)
- 视频： 5-11 生成式AI崛起，像人类一样对话 (18:54)
- 视频： 5-12 自然语言处理中常见的评价指标-AUC、BLEU、ROUGE等等有什么区别 (10:45)
- 视频： 5-13 高手的秘密，构建丰富的语料库和精选数据集 (15:50)
- 视频： 5-14 NLP常用工具介绍，如何站在巨人的肩膀上快速开始我们的工作-anaconda、NLTK、jieba、gensim、scikit-learn (10:53)
- 视频： 5-15 本章小结 (08:54)
第6章互联网公司如何搭建内容理解体系 13 节 | 201分钟

1

收起列表
- 视频： 6-1 本章导学 (06:20)
- 视频： 6-2 互联网公司为什么要做内容理解工作 (31:14)
- 视频： 6-3 自然语言处理如何在内容理解体系中发挥作用（一） (20:19)
- 视频： 6-4 自然语言处理如何在内容理解体系中发挥作用（二） (06:42)
- 视频： 6-5 新闻APP标准文本如何面向推荐系统构建内容理解体系（一） (22:39)
- 视频： 6-6 新闻APP标准文本如何面向推荐系统构建内容理解体系（二） (09:26)
- 视频： 6-7 融合了多种内容类型的马蜂窝旅行内容理解如何配合运营体系运转（一） (14:35)
- 视频： 6-8 融合了多种内容类型的马蜂窝旅行内容理解如何配合运营体系运转（二） (18:37)
- 视频： 6-9 内容理解在点评UGC场景下辅助风险控制（一） (17:32)
- 视频： 6-10 内容理解在点评UGC场景下辅助风险控制（二） (14:36)
- 视频： 6-11 京东电商下的内容理解与智能创意（一） (17:07)
- 视频： 6-12 京东电商下的内容理解与智能创意（二） (15:58)
- 视频： 6-13 本章小结 (05:03)
第7章文本相似度检测在内容理解体系中的应用 8 节 | 103分钟

1

收起列表
- 视频： 7-1 本章导学 (03:38)
- 视频： 7-2 文本相似度检测的类型：长文本短文本、词语句子段落、字符级语义级 (14:01)
- 视频： 7-3 在内容理解体系中，相似度检测可以解决哪些问题.mp4 (24:59)
- 视频： 7-4 文本相似度检测的效果评估.mp4 (05:18)
- 视频： 7-5 使用编辑距离计算词或短语级的文本相似度 (14:17)
- 视频： 7-6 使用SIMHASH算法实现海量长文本的相似度计算 (20:36)
- 视频： 7-7 使用word2vec解决语义级别的短文本相似问题 (14:18)
- 视频： 7-8 本章小结 (05:47)
第8章实体识别在内容理解体系中的应用 11 节 | 205分钟

1

收起列表
- 视频： 8-1 本章导学 (04:02)
- 视频： 8-2 实体识别能够帮助我们解决哪些问题 (11:23)
- 视频： 8-3 在内容理解体系中借助实体识别搭建基础能力 (12:18)
- 视频： 8-4 为实体识别的结果构建评价方案时有哪些可用的指标 (10:59)
- 视频： 8-5 了解序列建模的基本模型：循环神经网络（RNN）在自然语言处理中如何发挥作用 (20:18)
- 视频： 8-6 延长网络的记忆，长短时记忆网络（LSTM）都对RNN做了哪些改进 (25:03)
- 视频： 8-7 从规则到概率，条件随机场CRF算法帮助网络模型认识一般规律 (20:06)
- 视频： 8-8 -1 实体识别代码实战：ner_bert_lstm_crf (38:34)
- 视频： 8-9 -2 实体识别代码实战：ner_bert_lstm_crf (30:48)
- 视频： 8-10 -3 实体识别代码实战：ner_bilstm_crf (26:06)
- 视频： 8-11 本章小结 (04:50)
第9章文本分类任务在内容理解体系中的应用 17 节 | 275分钟

1

收起列表
- 视频： 9-1 本章导学 (04:42)
- 视频： 9-2 内容理解中应用最广泛的文本分类有哪些类型 (10:12)
- 视频： 9-3 如何在内容理解体系搭建中借助文本分类的力量 (11:39)
- 视频： 9-4 文本分类任务效果的评估-离线指标、人工测评、线上效果 (10:07)
- 视频： 9-5 文本分类的一个重要应用-情感分析在内容平台的实践 (19:06)
- 视频： 9-6 卷积神经网络基础知识 (18:53)
- 视频： 9-7 处理情感分类的数据集并搭建卷积网络1 (18:42)
- 视频： 9-8 处理情感分类的数据集并搭建卷积网络2 (32:58)
- 视频： 9-9 动手实践：使用word2vec为数据集构建词向量，并根据词向量寻找相似词 (18:41)
- 视频： 9-10 使用基于word2vec的fasttext工具来解决文本分类的问题 (12:10)
- 视频： 9-11 Transformer的衍生品BERT模型如何应用于文本分类 (25:52)
- 视频： 9-12 -1 内容理解体系中构建多级多标签分类会遇到哪些困难 (20:21)
- 视频： 9-13 -2 内容理解体系中构建多级多标签分类会遇到哪些困难 (20:03)
- 视频： 9-14 -1在实际工作中我们该如何为分类任务准备数据 (14:05)
- 视频： 9-15 -2在实际工作中我们该如何为分类任务准备数据 (13:42)
- 视频： 9-16 为我们的企业级分类任务的设计一个可扩展、易调整的算法架构 (16:39)
- 视频： 9-17 模型应用的最后一站，如何做分布式工程部署 (06:35)
第10章文本提取或生成任务实战 21 节 | 320分钟

1

收起列表
- 视频： 10-1 本章导学. (02:19)
- 视频： 10-2 文本提取与文本生成能够为我们提供哪些能力. (09:10)
- 视频： 10-3 在内容理解中，我们如何借助文本提取和文本生成能力来搭建我们的能力框架. (12:46)
- 视频： 10-4 没有标准答案的提取和生成任务该如何评估效果 (10:32)
- 视频： 10-5 永恒的智慧：探索很老但有用的TFIDF提取技术 (16:58)
- 视频： 10-6 从文本到链接：谷歌的TextRank算法如何改变搜索世界 (15:29)
- 视频： 10-7 GPT1模型-初代生成式预训练模型，智障但是开创了一个新的方向 (14:37)
- 视频： 10-8 GPT2模型-更强大的生成式预训练模型，开始具备工业上的可用性 (12:33)
- 视频： 10-9 -1 GPT3模型-开创性的生成式预训练模型，对话流畅度获得飞跃提升 (16:48)
- 视频： 10-10 -2 GPT3模型-开创性的生成式预训练模型，对话流畅度获得飞跃提升 (16:58)
- 视频： 10-11 InstructGPT在GPT3的基础上做的三大改进点-ChatGPT的原理1 (20:01)
- 视频： 10-12 InstructGPT在GPT3的基础上做的三大改进点-ChatGPT的原理2 (12:27)
- 视频： 10-13 动手实践：借助开源的GPT2模型搭建我们自己的生成式任务方案1 (19:55)
- 视频： 10-14 动手实践：借助开源的GPT2模型搭建我们自己的生成式任务方案2 (14:33)
- 视频： 10-15 动手实践：借助开源的GPT2模型搭建我们自己的生成式任务方案3 (15:07)
- 视频： 10-16 动手实践：借助开源的GPT2模型搭建我们自己的生成式任务方案4 (15:57)
- 视频： 10-17 动手实践：使用GPT2自动生成引人入胜的文本标题 (24:33)
- 视频： 10-18 动手实践：生成效果不佳？引入后评估模型来提高生成效果1 (33:19)
- 视频： 10-19 动手实践：生成效果不佳？引入后评估模型来提高生成效果2 (18:29)
- 视频： 10-20 借助ChatGPT的API实现文本摘要提取 (10:55)
- 视频： 10-21 本章小结 (05:41)
第11章 NLP未来展望与课程总结 6 节 | 69分钟

1

收起列表
- 视频： 11-1 内容理解与NLP实战课程回顾 (10:35)
- 视频： 11-2 大模型时代的AI价值对齐 (18:10)
- 视频： 11-3 NLP大模型未来展望 (11:21)
- 视频： 11-4 大模型时代下如何学习NLP (09:53)
- 视频： 11-5 继续学习NLP的资源与建议 (09:56)
- 视频： 11-6 课程结束语-这是结束，也是开始 (08:23)