51CTO Python自然语言处理-BERT实战

自然语言处理BERT模型实战

第八章：医学糖尿病数据命名实体识别

第二章：谷歌开源项目BERT源码解读与应用实例

第六章：必备基础-掌握Tensorflow如何实现word2vec模型

第七章：必备基础知识点-RNN网络架构与情感分析应用实例

第三章：项目实战-基于BERT的中文情感分析实战

第四章：项目实战-基于BERT的中文命名实体识别实战

第五章：必备基知识点-word2vec模型通俗解读

第一章：自然语言处理通用框架BERT原理解读

1-1 BERT课程简介.mp4 12.44M

1-10 BERT模型训练方法.mp4 13.45M

1-11 训练实例.mp4 14.89M

1-2 BERT任务目标概述.mp4 7.57M

1-3 传统解决方案遇到的问题.mp4 14.94M

1-4 注意力机制的作用.mp4 9.50M

1-5 self-attention计算方法.mp4 15.62M

1-6 特征分配与softmax机制.mp4 13.42M

1-7 Multi-head的作用.mp4 12.73M

1-8 位置编码与多层堆叠.mp4 10.87M

1-9 transformer整体架构梳理.mp4 15.27M

2-1 BERT开源项目简介.mp4 21.45M

2-10 构建QKV矩阵.mp4 27.66M

2-11 完成Transformer模块构建.mp4 23.00M

2-12 训练BERT模型.mp4 30.50M

2-2 项目参数配置.mp4 52.51M

2-3 数据读取模块.mp4 27.79M

2-4 数据预处理模块.mp4 24.44M

2-5 tfrecord制作.mp4 28.49M

2-6 Embedding层的作用.mp4 17.76M

2-7 加入额外编码特征.mp4 23.58M

2-8 加入位置编码特征.mp4 12.82M

2-9 mask机制.mp4 20.85M

3-1 中文分类数据与任务概述.mp4 35.80M

3-2 读取处理自己的数据集.mp4 29.75M

3-3 训练BERT中文分类模型.mp4 38.14M

4-1 命名实体识别数据分析与任务目标.mp4 17.36M

4-2 NER标注数据处理与读取.mp4 36.89M

4-3 构建BERT与CRF模型.mp4 36.54M

5-1 词向量模型通俗解释.mp4 11.45M

5-2 模型整体框架.mp4 15.11M

5-3 训练数据构建.mp4 8.47M

5-4 CBOW与Skip-gram模型.mp4 13.01M

5-5 负采样方案.mp4 14.57M

6-1 数据与任务流程.mp4 25.95M

6-2 数据清洗.mp4 13.96M

6-3 batch数据制作.mp4 25.61M

6-4 网络训练.mp4 25.81M

6-5 可视化展示.mp4 22.87M

7-1 RNN网络模型解读.mp4 16.13M

7-2 NLP应用领域与任务简介.mp4 18.31M

7-3 项目流程解读.mp4 23.65M

7-4 加载词向量特征.mp4 17.72M

7-5 正负样本数据读取.mp4 19.68M

7-6 构建LSTM网络模型.mp4 26.44M

7-7 训练与测试效果.mp4 47.01M

8-1 数据与任务介绍.mp4 11.46M

8-2 整体模型架构.mp4 8.09M

8-3 数据-标签-语料库处理.mp4 19.66M

8-4 输入样本填充补齐.mp4 17.69M

8-5 训练网络模型.mp4 21.02M

8-6 医疗数据集（糖尿病）实体识别.mp4 46.71M

数据代码.txt 0.11kb