课程简介
本课程是一门体系化、深度化的自然语言处理（NLP）专业课程，旨在帮助学习者从零基础构建完整的NLP知识体系，并深入掌握前沿核心技术。课程内容全面覆盖了NLP的核心领域，包括神经网络与数学基础、词向量与经典模型（Word2Vec, GloVe, TextCNN）、预训练模型（Transformer, BERT, GPT, XLNet等）、图神经网络（GNN, GCN, GAT）、信息抽取（命名实体识别、关系抽取）、文本匹配、情感分析、机器翻译、对话系统、阅读理解以及强化学习在NLP中的应用。课程不仅包含详尽的算法原理精讲，还配套了丰富的代码实践与论文复现，通过PyTorch等主流框架手把手教学。通过学习，你将系统掌握NLP的核心技术栈，具备独立解决复杂NLP任务和跟进前沿研究的能力，是迈向NLP算法工程师和研究员道路的全面指南。
下载地址课程目录
13 09 NLP-图神经网络
介绍图神经网络基础、多种模型如node2vec和GAT，以及代码实现和实验分析。
18 14 NLP-对话系统
讲解对话系统原理和模型，如JointBERT和TRADE，包括论文讲解和代码复现。
21 NLP-paper 前沿论文直播讲解
直播讲解NLP前沿论文，涵盖图神经网络、预训练模型等多个领域。
12 08 NLP-预训练模型
深入讲解预训练模型，包括Transformer、BERT、GPT系列，以及代码实现。
16 12 NLP-情感分析
介绍情感分析任务，涵盖多种模型如TextRNN和BERT，以及实验和代码实践。
02 15 NLP-推荐系统
讲解推荐系统模型，如CAN和MIND，包括论文泛读、精读和代码项目实践。
14 10 NLP-文本匹配
介绍文本匹配任务，涵盖多种模型如DSSM和ESIM，以及代码实现和实验分析。
22 NLP-直播答疑
NLP相关课程的直播答疑，解决学习中的问题和疑惑。
09 06 NLP-baseline
讲解NLP基础模型，如word2vec和TextCNN，涵盖原理、实验和代码实现。
07 04 神经网络基础知识
讲解神经网络基础知识，包括多层感知机、卷积神经网络和循环神经网络。
24 精读论文专栏（NLP方向）
精读NLP方向的重要论文，涵盖词向量、机器翻译、预训练模型等。
06 人工智能数学基础
介绍人工智能所需的数学基础，包括线性代数、微积分和概率论。
04 01 Python · AI&数据科学入门
Python编程入门，涵盖基本语法、数据科学库如Numpy和Pandas。
17 13 NLP-阅读理解
讲解阅读理解任务，涵盖多种模型如BiDAF和XLNet，以及代码实践。
03 学前须知
课程学前指引，包括效率提升和学习方法介绍。
11 07 信息抽取-关系抽取
介绍信息抽取中的关系抽取任务，涵盖多种模型和代码实现。
08 05 NLP基础知识
讲解NLP基础知识，包括HMM、语言模型和词向量方法。
25 重点讲解专栏（NLP方向）
重点讲解NLP方向的重难点，如Meta-learning和ERNIE模型。
01 自监督无监督
介绍自监督和无监督学习模型，如MOCO和SimCLR，包括论文和代码。
19 强化学习
讲解强化学习基础，包括DQN、PPO、SAC等算法，以及代码实践。
15 11 NLP-机器翻译
介绍机器翻译模型，如注意力机制和覆盖模型，包括代码实现。
00 直播
课程相关的直播答疑和体验课。
10 07 信息抽取-命名实体识别
讲解命名实体识别任务，涵盖多种模型如BiLSTM-CRF和Lattice LSTM。
05 02 PyTorch
PyTorch深度学习框架入门，涵盖张量操作、模型构建和训练。
--- 点击展开详细目录 ---
| 
发表于 4 天前
|
查看: 20|
回复: 1
