Python数据分析–玩转文本挖掘，资源教程下载

课程名称

    Python数据分析–玩转文本挖掘，资源教程下载

课程介绍

文本挖掘（TM），又称自然语言处理（NLP），是AI时代炙手可热的数据分析挖掘前沿领域，本次课程将会从最基础的分词、词袋模型、分布式表示等概念开始，全面介绍文本挖掘技术，特别会针对目前最热的word2vec，gensim等 结合实际案例进行学习，帮助学员从零基础直接升级至业界的**技术前沿。

课程目录

Python数据分析系列视频课程–玩转文本挖掘.zip

1-1 什么是文本挖掘.mp4

1-2 文本挖掘的基本流程和任务.mp4

1-3 文本挖掘的基本思路.mp4

1-4 语料数据化时需要考虑的工作.mp4

2-1 Python常用IDE简介.mp4

2-2 Anaconda的安装与配置.mp4

2-3 Jupyter Notebook的基本操作.mp4

2-4 NLTK的安装与配置.mp4

2-5 什么是语料库.mp4

2-6 准备《射雕》语料库.mp4

3-1 分词原理简介.mp4

3-2 结巴分词的基本用法.mp4

3-3 使用自定义词典和搜狗细胞词库.mp4

3-4 去除停用词.mp4

3-5 词性标注及其他.mp4

4-1 词频统计.mp4

4-2 词云概述.mp4

4-3 wordcloud包的安装.mp4

4-4 绘制词云.mp4

4-5 设置词云背景模板.mp4

4-6 修改词云颜色.mp4

5-1 词袋模型.mp4

5-2 词袋模型的gensim实现.mp4

5-3 用Pandas生成文档词条矩阵.mp4

5-4 用sklearns生成文档-词条矩阵.mp4

5-5 从词袋模型到N-gram模型.mp4

5-6 文本信息的分布式表示.mp4

5-7 共现矩阵.mp4

5-8 NNLM模型的突破.mp4

5-9 word2vec一出，满座皆惊.mp4

6-6 TextRank算法.mp4

6-1 关键词提取的基本思路.mp4

6-2 TF-IDF 算法.mp4

6-3 TF-IDF算法的jieba实现.mp4

6-4 TF-IDF算法的sklearn实现.mp4

6-5 TF-IDF算法的gensim实现.mp4

7-1 主题模型概述.mp4

7-2 主题模型的sklearn实现.mp4

7-3 主题模型的gensim实现.mp4

8-1 基本概念.mp4

8-2 词条相似度：word2vec训练.mp4

8-3 词条相似度：word2vec应用.mp4

8-4 文档相似度的词袋模型实现.mp4

8-5 doc2vec.mp4

8-6 文档聚类.mp4

9-1 文本分类概述.mp4

9-2 朴素贝叶斯算法.mp4

9-3 算法的sklearn实现.mp4

9-4 算法的NLTK实现.mp4

10-1 情感分析概述.mp4

10-2 情感分析的词袋模型实现.mp4

10-3 情感分析的分布式表达实现.mp4

11-1 自动摘要的基本原理.mp4

11-2 自动摘要的效果评价.mp4

11-3 自动摘要的python实现.mp4

12-1 RNN的基本原理.mp4

12-2 LSTM的基本原理.mp4

12-3 Keras+TensorFlow组合的优势.mp4

12-4 Keras+TensorFlow组合的安装.mp4

12-5 案例1：数据准备.mp4

12-6 案例1：模型拟合.mp4

12-7 案例2：数据准备.mp4

12-8 案例2：模型拟合.mp4

资源下载

此资源下载价格为15学分，VIP免费，请先登录

充值比例 1元=1学分
资源失效，请咨询客服
客服QQ 980264305