课程介绍
作为人工智能领域最为重要的技术，自然语言处理的应用在工业界无处不在。从网页公开数据的分析和抽取、情感分析、机器翻译、智能客服、问答系统到聊天机器人，它的重要性不言而喻。整个课程设计紧密围绕学术界最新进展以及工业界的需求，涵盖了能想到的所有核心知识点，并且结合了大量实战项目，培养学员的动手能力，解决问题能来以及对知识的深入理解。
课程目录
第1任务： 自然语言处理训练营
第2任务： 训练营介绍 课程体系介绍
第3任务： NLP定义以及歧义性
第4任务： 案例：机器翻译01
第5任务： 案例：机器翻译02
第6任务： NLP的应用场景
第7任务： NLP的关键技术
第8任务： 算法复杂度介绍
第9任务： 课后答疑
第10任务： 简单的复杂度的回顾
第11任务： 归并排序
第12任务： Master Theorem
第13任务： 斐波那契数的时间复杂度
第14任务： 斐波那契数的空间复杂度
第15任务： 斐波那契数的循环实现
第16任务： P vs NP vs NP Hard vs NP Complete
第17任务： 问答系统介绍
第18任务： Review 一只狗和两只猫的故事 ——心理学与DL,RL-01
第19任务： Review 一只狗和两只猫的故事 ——心理学与DL,RL-02
第20任务： 文本处理的流程
第21任务： 分词-前向最大匹配
第22任务： 分词-后向最大匹配
第23任务： 分词-考虑语言模型
第24任务： 分词-维特比算法
第25任务： 拼写错误纠正
第26任务： 拼写纠错（2）
第27任务： 拼写纠错（3）
第28任务： 停用词过滤，Stemming操作
第29任务： 文本的表示
第30任务： 文本的相似度
第31任务： tf-idf 文本表示
第32任务： 词向量介绍
第33任务： 学习词向量
第34任务： 倒排表
第35任务： Noisy Channel Model
第36任务： 语言模型介绍
第37任务： Chain Rule和Markov Assumption
第38任务： Unigram, Bigram, N-gram
第39任务： 估计语言模型的概率
第40任务： 评估语言模型：Perplexity
第41任务： Add-one Smoothing
第42任务： Add-K Smoothing
第43任务： Interpolation
第44任务： 2019.2.17Review 基于几个例子，书写动态规划-01
第45任务： 2019.2.17Review 基于几个例子，书写动态规划-02
第46任务： 2019.2.17Review 基于几个例子，书写动态规划-03
第47任务： Lesson6直播
第48任务： 01在训练数据里没有见过的怎么处理？
第49任务： 02Good-Turning Smoothing
第50任务： 03利用语言模型生成句子
第51任务： 04专家系统与基于概率统计学习
第52任务： 05专家系统介绍
第53任务： 06逻辑推理
第54任务： 07Case Study 风控
第55任务： 08一些难题
第56任务： 09机器学习介绍01
第57任务： 10机器学习介绍02
第58任务： 11朴素贝叶斯介绍
第59任务： 12Case Study 垃圾邮件过滤
第60任务： lambda表达式
第61任务： map函数的应用
第62任务： filter过滤器
第63任务： reduce函数
第64任务： python三大推导式
第65任务： 闭包
第66任务： 装饰器一
第67任务： 装饰器二
第68任务： 初识numpy
第69任务： numpy数组的创建
第70任务： numpy的矢量化运算
第71任务： numpy的花式索引
第72任务： numpy数组转置和轴对换
第73任务： 条件逻辑转数组
第74任务： 数学运算与排序
第75任务： numpy文件处理
第76任务： 线性代数函数和随机漫步例子
第77任务： 词性标注-实战（1）
第78任务： 词性标注–实战（2）
第79任务： 词性标注-实战（3）
第80任务： 词性标注-实战（4）
第81任务： 词性标注-实战（5）
第82任务： 初识series类型
第83任务： 初识dataframe
第84任务： 重新索引、数学运算和数据对齐
第85任务： dataframe和series之间的运算和排序
第86任务： 层次化索引
第87任务： dataframe的层次化索引的访问和汇总运算
第88任务： pandas读写csv文件
第89任务： pandas读取excel文件并画图
第90任务： matplotlib可视化及学习方法建议
第91任务： 虚拟环境的搭建
第92任务： 创建第一个爬虫项目
第93任务： 调试运行爬虫程序
第94任务： 13-scrapy shell调试方法进行元素定位
第95任务： 访问首页列表中的url
第96任务： 获取帖子标题和内容
第97任务： 处理帖子内容中的特殊标签
第98任务： 获取帖子发送时间及位于的楼数
第99任务： 爬虫的bug调试与修复
第100任务： 数据持久化代码开发
第101任务： 数据入库
第102任务： importance sample negtive sample nce-01
第103任务： importance sample negtive sample nce-02
第104任务： importance sample negtive sample nce-03
第105任务： 精确率和召回率
第106任务： 逻辑回归介绍
第107任务： 逻辑回归是线性分类器
第108任务： 逻辑回归的目标函数
第109任务： 梯度下降法
第110任务： 逻辑回归的梯度下降法
第111任务： 当线性可分的时候
第112任务： 关于面试的话题-01
第113任务： 关于面试的话题-02
第114任务： 关于面试的话题-03
第115任务： 直播-01
第116任务： 直播-02
第117任务： 直播-03
第118任务： 直播-04
第119任务： 直播-05
第120任务： 直播-06
第121任务： 直播-07
第122任务： 直播-08
第123任务： 直播-09
第124任务： 直播-10
第125任务： 直播-11
第126任务： 当数据线性可分割的时候
第127任务： 限制参数变得太大
第128任务： 模型复杂度与过拟合
第129任务： 怎么避免过拟合
第130任务： 正则介绍
第131任务： L1 VS L2
第132任务： review 数据结构串讲-01
第133任务： review 数据结构串讲-02
第134任务： Affective Computing & 情绪识别实战
第135任务： 交叉验证（1）
第136任务： 交叉验证（2）
第137任务： 正则的作用
第138任务： MLE VS MAP介绍
第139任务： 正则的使用
第140任务： 交叉验证
第141任务： 参数搜索策略
第142任务： 高级：正则的灵活应用
第143任务： 总结
第144任务： MLE与MAP
第145任务： Lasso Regression介绍
第146任务： 特征选择技术
第147任务： LASSO介绍
第148任务： Coordinate Descent
第149任务： Coordinate Descent for LASSO
第150任务： 其他LASSO Solver
第151任务： 变分推断 指数族家族 lda
第152任务： Optimization
第153任务： Optimization is Everywhere
第154任务： Optimization – Categories
第155任务： Convex Optimization-Global vs Local Optimal
第156任务： 判断一个函数是凸函数
第157任务： 解决一个具体问题1
第158任务： 解决一个具体问题2
第159任务： 回顾凸函数
第160任务： 介绍Set Cover Problem
第161任务： Approach1- Exhaustive Search
第162任务： Approach2-贪心算法
第163任务： Approach3-Optimization
第164任务： 总结
第165任务： 回顾-逻辑回归的梯度下降法
第166任务： 梯度下降法的复杂度
第167任务： 梯度下降法的收敛分析
第168任务： 凸函数性质以及L-Lipschitz条件
第169任务： 收敛性推导
第170任务： Linear Classifier
第171任务： Margin的计算
第172任务： SVM的目标函数：Hard constraint
第173任务： SVM的目标函数：Soft constraint
第174任务： Hinge Loss
第175任务： Primal-Dual介绍
第176任务： attention transformer bert-01
第177任务： attention transformer bert-02
第178任务： Capstone项目介绍
第179任务： LinearSVM的缺点
第180任务： 数据映射到高维
第181任务： 拉格朗日-等号条件处理
第182任务： 拉格朗日-不等号条件处理
第183任务： KKT条件
第184任务： SVM的KKT条件
第185任务： Primal-Dual介绍
第186任务： SVM的Dual推导
第187任务： Kernel Trick
第188任务： 信息抽取介绍 直播
第189任务： 命名实体识别介绍
第190任务： 简历分析场景
第191任务： 搭建NER分类器
第192任务： 方法介绍
第193任务： 基于规则的方法
第194任务： 投票决策方法
第195任务： 特征工程与特征表示01
第196任务： 特征工程与特征表示02
第197任务： 问答
第198任务： 信息抽取介绍
第199任务： Ontological Relation
第200任务： 关系抽取方法介绍
第201任务： 基于规则的方法
第202任务： 基于监督学习的方法
第203任务： cnn rnn transformer对比-01
第204任务： cnn rnn transformer对比-02
第205任务： 关系抽取
第206任务： bootstrap算法的缺点
第207任务： SnowBall算法
第208任务： 生成模板
第209任务： 生成tuple与模板评估
第210任务： 评估记录+过滤
第211任务： SnowBall总结
第212任务： Entity Disambiguation (实体消歧)介绍
第213任务： 实体消歧算法
第214任务： Entity Resolution(实体统一)
第215任务： 实体统一算法
第216任务： Co-reference Resolution(指代消解)介绍
第217任务： 什么是句法分析
第218任务： 句法分析的应用
第219任务： 语法
第220任务： PCFG
第221任务： 评估语法树
第222任务： 寻找最好的树
第223任务： CNF Form
第224任务： CKY算法
第225任务： 时序模型
第226任务： HMM的介绍
第227任务： HMM的应用例子
第228任务： HMM的参数
第229任务： HMM中的Inference问题
第230任务： HMM中的F B算法1
第231任务： HMM中的F B算法2
第232任务： HMM中的F B算法3
第233任务： Data Representation
第234任务： Latent Variable Models
第235任务： Complete vs Incomplete Case
第236任务： MLE for Complete and Incomplete Case
第237任务： EM Derivation
第238任务： Remarks on EM
第239任务： K-means
第240任务： K-means Cost Function
第241任务： MLE for GMM
第242任务： 模拟面试(mp3)-01
第243任务： 模拟面试(mp3)-02
第244任务： HMM中的参数
第245任务： Complete vs Incomplete Case
第246任务： Complete Case
第247任务： Incomplete Case
第248任务： EM算法回顾
第249任务： F B算法回顾
第250任务： 估计PI
第251任务： 估计B
第252任务： 估计A
第253任务： 公司实际项目串讲-01
第254任务： 公司实际项目串讲-02
第255任务： 公司实际项目串讲-03
第256任务： 有向图与无向图模型
第257任务： 生成模型与判别模型
第258任务： Log-Linear Model
第259任务： Log-Linear Model与多元逻辑回归
第260任务： CRF介绍
第261任务： Inference问题
第262任务： 参数估计
第263任务： wordvector词向量
第264任务： Global Generation of Distributed Representation
第265任务： How to Learn Word2Vec-Intuition
第266任务： Skip-Gram Model
第267任务： 语料库
第268任务： Word2Vec代码
第269任务： 训练SkipGram问题
第270任务： SkipGram另一种目标函数构建
第271任务： SkipGram的negative sampling
第272任务： 评估词向量
第273任务： 词向量在推荐系统中的应用
第274任务： 梯度提升树
第275任务： 答疑
第276任务： Word2vec
第277任务： Learning with Subword
第278任务： When subword is needed
第279任务： Learn Embedding from Language Model
第280任务： What are potential solutions
第281任务： Elmo at Glance
第282任务： Category of Word Representation
第283任务： 神经网络介绍
第284任务： 激活函数
第285任务： MLP
第286任务： 多层神经网络
第287任务： Universal Approximation Theorem
第288任务： Biological Inspiration
第289任务： 回顾神经网络
第290任务： 神经网络的损失函数
第291任务： BP算法的核心流程
第292任务： 对输出层的梯度计算
第293任务： 对隐含层的梯度计算
第294任务： 对参数的梯度计算
第295任务： 对BP算法的总结
第296任务： gradient checking
第297任务： 深度学习与非凸函数
第298任务： 深度学习中的Plateau
第299任务： SGD的收敛条件
第300任务： Early Stopping
第301任务： 为什么需要递归神经网络？
第302任务： 递归神经网络介绍
第303任务： 语言模型
第304任务： RNN的深度
第305任务： 梯度爆炸和梯度消失
第306任务： Gradient Clipping
第307任务： LSTM的介绍
第308任务： LSTM的应用
第309任务： Bi-Directional LSTM
第310任务： Gated Recurrent Unit
第311任务： 问答系统讲解01
第312任务： 问答系统讲解02
第313任务： Representation Learning
第314任务： What makes good representation-01
第315任务： What makes good representation-02
第316任务： What makes good representation-03
第317任务： Why Deep
第318任务： Why Deep Learning Hard to Train
第319任务： Ways to Solve Training
第320任务： Dropout 介绍
第321任务： 为什么Dropout防止过拟合现象
第322任务： 机器翻译
第323任务： Multimodal Learning
第324任务： Seq2Seq模型
第325任务： Seq2Seq训练介绍
第326任务： Inference Decoding
第327任务： Exhaustic Search
第328任务： Beam Search
第329任务： 回顾Multimodal Learning
第330任务： Attention注意力机制介绍
第331任务： 看图说话介绍
第332任务： 图像识别的注意力机制
第333任务： 基于GAN及强化学习的文本生成-01
第334任务： 基于GAN及强化学习的文本生成-02
第335任务： 回顾Seq2Seq模型
第336任务： Seq2Seq的Attention
第337任务： Self-Attention1
第338任务： Self-Attention2
第339任务： 深度文本匹配-01
第340任务： 深度文本匹配-02
第341任务： 回顾Attention
第342任务： RNN LSTM-based models
第343任务： Transformer的结构
第344任务： Each Encoder Block
第345任务： Self-Attention
第346任务： Add Normalize
第347任务： BERT概念
第348任务： 回顾Language model
第349任务： masked Language model
第350任务： masked Language model存在的问题
第351任务： LSTM
第352任务： BERT训练过程
第353任务： PGM领域
第354任务： 主题模型
第355任务： 回顾不同模型的范畴Model Estimation
第356任务： 预测的过程
第357任务： GD，SGD，Adagrad算法
第358任务： 回顾LDA
第359任务： 举例说明生成的过程
第360任务： 从官方的角度讲解生成的过程
第361任务： α到θi的生成
第362任务： 举例说明生成文章
第363任务： gibbs sampler
第364任务： collapsed gibbs sampling-01
第365任务： collapsed gibbs sampling-02
第366任务： collapsed gibbs sampling-03
第367任务： collapsed gibbs sampling-04
第368任务： collapsed gibbs sampling-05
第369任务： 推导过程01
第370任务： 推导过程02
第371任务： 推导过程03
第372任务： Gibbs采样01
第373任务： Gibbs采样02
第374任务： Web-Scale Information Extraction in KnowItAll-01
第375任务： Web-Scale Information Extraction in KnowItAll-02
第376任务： 核函数
第377任务： 直播-01
第378任务： 直播-02
第379任务： 直播-03
第380任务： 直播-04
第381任务： 直播-05
第382任务： 直播-06
第383任务： 直播-07
第384任务： 直播-01
第385任务： 直播-02
第386任务： 直播-03
第387任务： 直播-04
第388任务： 直播-05
第389任务： 直播-06
第390任务： 利用CRF模型做命名实体识别-01
第391任务： 利用CRF模型做命名实体识别-02
第392任务： 基于语料库训练Glove词向量模型-01
第393任务： 基于语料库训练Glove词向量模型-02
第394任务： GMM-01
第395任务： GMM-02
第396任务： GMM-03
第397任务： XLNet-Bert Autoregressive LM
第398任务： 改进思路
第399任务： Bert 的目标函数
第400任务： permutation
第401任务： pytorch实现skip-gram
第402任务： Airbnb（KDD 2018 best Paper）-01
第403任务： Airbnb（KDD 2018 best Paper）-02
第404任务： 直播-01
第405任务： 直播-02
第406任务： 直播-03
第407任务： 直播-04
第408任务： Review Project3讲解
第409任务： 直播-01
第410任务： 直播-02
第411任务： 直播-03
第412任务： 直播-04
第413任务： 直播-05
第414任务： 直播-06
评论0