2米资源网

01自然语言处理通用框架BERT原理解读

01 BERT课程简介_ev.mp4

02 BERT任务目标概述_ev.mp4

03 传统解决方案遇到的问题_ev.mp4

04 注意力机制的作用_ev.mp4

05 self-attention计算方法_ev.mp4

06特征分配与softmax机制_ev.mp4

07 Multi-head的作用_ev.mp4

08 位置编码与多层堆叠_ev.mp4

09 transformer整体架构梳理_ev.mp4

10 BERT模型训练方法_ev.mp4

11 训练实例_ev.mp4

02谷歌开源项目BERT源码解读与应用实例

01 BERT开源项目简介_ev.mp4

02项目参数配置_ev.mp4

03 数据读取模块_ev.mp4

04 数据预处理模块_ev.mp4

05 tfrecord数据源制作_ev.mp4

06 Embedding层的作用_ev.mp4

07 加入额外编码特征_ev.mp4

08 加入位置编码特征_ev.mp4

09 mask机制的作用_ev.mp4

10 构建QKV矩阵_ev.mp4

11 完成Transformer模块构建_ev.mp4

12 训练BERT模型_ev.mp4

03项目实战-基于BERT的中文情感分析实战

01中文分类数据与任务概述_ev.mp4

02读取处理自己的数据集_ev.mp4

03 训练BERT中文分类模型_ev.mp4

04项目实战-基于BERT的中文命名实体识别识别实战

01命名实体识别数据分析与任务目标_ev.mp4

02 NER标注数据处理与读取_ev.mp4

03 构建BERT与CRF模型_ev.mp4

05必备基础知识点-woed2vec模型通俗解读

01 词向量模型通俗解释_ev.mp4

02 模型整体框架_ev.mp4

03 训练数据构建_ev.mp4

04 CBOW与Skip-gram模型_ev.mp4

05 负采样方案_ev.mp4

06必备基础-掌握Tensorflow如何实现word2vec模型

01 数据与任务流程_ev.mp4

02 数据清洗_ev.mp4

03 batch数据制作_ev.mp4

04 网络训练_ev.mp4

05 可视化展示_ev.mp4

07必备基础知识点-RNN网络架构与情感分析应用实例

01 RNN网络模型解读_ev.mp4

02 NLP应用领域与任务简介_ev.mp4

03 项目流程解读_ev.mp4

04 加载词向量特征_ev.mp4

05 正负样本数据读取_ev.mp4

06构建LSTM网络模型_ev.mp4

07 训练与测试效果_ev.mp4

08 LSTM情感分析_ev.mp4

08医学糖尿病数据命名实体识别

01 数据与任务介绍_ev.mp4

02 整体模型架构_ev.mp4

03数据-标签-语料库处理_ev.mp4

04 训练网络模型_ev.mp4

05医疗数据集（糖尿病）实体识别_ev.mp4

06 输入样本填充补齐_ev.mp4

配套资源

唐宇迪 自然语言处理通用框架-BERT实战
百度网盘分享地址： 链接: https://pan.baidu.com/s/1Chmzdw2WAxhSFPrQmpm9bA?pwd=xcy8 提取码: xcy8