[AI/大数据] Ai工程师-自然语言处理实战(Python版)|唐宇迪

适合人群：

人工智能方向的同学们，数据科学，自然语言处理工程师

你将会学到：

学习自然语言处理必备基础知识点，核心算法原理与实战应用技巧。熟练使用Python工具包进行项目实战

课程简介：

AI工程师-自然语言处理实战课程旨在用最接地气的方式讲解复杂的算法原理，基于真实数据集，通过实际案例进行项目实战。整个体系内容包括200+课时，20个项目实战，覆盖当下热门技术与经典框架实战。学习路线主要包括三大阶段：1.学习Python在自然语言处理领域必备工具包使用方法2.机器学习与深度学习在NLP领域常用算法原理与应用实践3.基于经典框架展开项目实战(Tensorflow,Keras)。课程整体风格通俗易懂，实战案例驱动，提供全部课程所需数据，代码，课件。

课程目录：
第1章课程简介(16分钟2节)
1-1课程简介[12:21]
1-2环境配置[03:46]

第2章NLP常用工具包实战(2小时6分钟14节)
2-1Python字符串处理[11:50]
2-2正则表达式基本语法[09:06]
2-3正则常用符号[09:02]
2-4常用函数介绍[09:51]
2-5NLTK工具包简介[07:54]
2-6停用词过滤[07:11]
2-7词性标注[08:21]
2-8数据清洗实例[10:17]
2-9Spacy工具包[09:55]
2-10名字实体匹配[06:56]
2-11恐怖袭击分析[11:07]
2-12统计分析结果[07:57]
2-13结巴分词器[08:42]
2-14词云展示[08:37]

第3章Pandas工具包实战(4小时31分钟19节)
3-1Pandas基本操作[14:46]
3-2Pandas概述[12:12]
3-3Pandas索引[13:43]
3-4groupby操作[12:08]
3-5数值运算[13:27]
3-6对象操作[13:05]
3-7对象操作2[13:10]
3-8merge操作[12:31]
3-9显示设置[07:25]
3-10数据透视表[13:40]
3-11时间操作[11:47]
3-12时间序列操作[12:12]
3-13Pandas常用操作[16:16]
3-14Pandas常用操作2[13:54]
3-15Groupby操作延伸[20:25]
3-16字符串操作[10:16]
3-17索引进阶[11:10]
3-18Pandas绘图操作[16:27]
3-19大数据处理技巧[32:36]

第4章案例实战：商品信息可视化与文本分析(1小时17分钟8节)
4-1任务概述[09:44]
4-2商品类别划分[10:11]
4-3商品类别可视化展示[11:20]
4-4描述长度对价格的影响[08:20]
4-5词云展示[11:02]
4-6tf-idf结果[09:48]
4-7降维可视化展示[08:30]
4-8聚类与主题模型[08:30]

第5章贝叶斯算法(52分钟5节)
5-1贝叶斯算法概述[06:58]
5-2贝叶斯推导实例[07:37]
5-3贝叶斯拼写纠错实例[11:46]
5-4垃圾邮件过滤实例[14:09]
5-5贝叶斯实现拼写检查器[12:20]

第6章新闻分类任务实战(1小时11分钟6节)
6-1文本分析与关键词提取[12:11]
6-2相似度计算[11:43]
6-3新闻数据与任务简介[10:19]
6-4TF-IDF关键词提取[13:28]
6-5LDA建模[09:09]
6-6基于贝叶斯算法进行新闻分类[14:53]

第7章HMM隐马尔科夫模型(1小时33分钟10节)
7-1马尔科夫模型[07:22]
7-2隐马尔科夫模型基本出发点[07:33]
7-3组成与要解决的问题[05:37]
7-4暴力求解方法[09:03]
7-5复杂度计算[05:42]
7-6前向算法[13:26]
7-7前向算法求解实例[13:07]
7-8Baum-Welch算法[09:28]
7-9参数求解[06:28]
7-10维特比算法[15:43]

第8章HMM工具包实战(31分钟4节)
8-1hmmlearn工具包[06:49]
8-2工具包使用方法[08:20]
8-3中文分词任务[05:22]
8-4实现中文分词[10:44]

第9章走进深度学习-神经网络算法(1小时21分钟8节)
9-1深度学习概述[11:27]
9-2挑战与常规套路[09:40]
9-3用K近邻来进行分类[10:01]
9-4超参数与交叉验证[10:30]
9-5线性分类[09:34]
9-6损失函数[09:17]
9-7正则化惩罚项[07:19]
9-8softmax分类器[13:38]

第10章神经网络整体架构(1小时10分钟6节)
10-1目标函数形象解读[06:46]
10-2问题细节[11:48]
10-3反向传播[15:16]
10-4整体架构[10:11]
10-5实例演示[10:38]
10-6过拟合解决方案[15:53]

第11章语言模型(1小时18分钟9节)
11-1语言模型[06:15]
11-2N-gram模型[08:32]
11-3词向量[09:27]
11-4神经网络模型[10:02]
11-5Hierarchical Softmax[10:01]
11-6CBOW模型实例[11:20]
11-7CBOW求解目标[05:39]
11-8锑度上升求解[10:10]
11-9负采样模型[07:15]

第12章使用Gemsim构建词向量(33分钟4节)
12-1使用Gensim库构造词向量[06:21]
12-2维基百科中文数据处理[10:26]
12-3Gensim构造word2vec模型[08:51]
12-4测试模型相似度结果[07:42]

第13章基于word2vec的分类任务(55分钟4节)
13-1影评情感分类[17:48]
13-2基于词袋模型训练分类器[11:08]
13-3准备word2vec输入数据[10:46]
13-4使用gensim构建word2vec词向量（新）[15:50]

第14章NLP-文本特征方法对比(51分钟6节)
14-1任务概述[10:52]
14-2词袋模型[06:34]
14-3词袋模型分析[11:59]
14-4TFIDF模型[08:04]
14-5word2vec词向量模型[08:29]
14-6深度学习模型[05:17]

第15章递归网络模型(33分钟3节)
15-1递归神经网络（RNN）概述[08:39]
15-2RNN网络细节[11:54]
15-3LSTM网络架构[12:36]

第16章卷积网络模型(1小时10分钟6节)
16-1卷积神经网络的应用[14:55]
16-2卷积层解释[12:53]
16-3卷积计算过程[12:30]
16-4pading与stride[13:13]
16-5卷积参数共享[08:09]
16-6池化层原理[08:24]

第17章Tensorflow基本操作(1小时21分钟6节)
17-1Tensorflow简介与安装[15:45]
17-2Tensorflow中的变量[08:10]
17-3变量常用操作[13:38]
17-4实现线性回归算法[15:14]
17-5Mnist数据集简介[12:53]
17-6逻辑回归算法[15:26]

第18章Tensorflow卷积神经网络(1小时4分钟4节)
18-1神经网络结构[16:21]
18-2卷积网络结构基本定义[17:42]
18-3卷积神经网络迭代[13:52]
18-4Cifar-10图像分类任务[16:17]

第19章RNN递归神经网络实战(58分钟4节)
19-1RNN网络基本架构[11:58]
19-2实现RNN网络架构[13:27]
19-3RNN实现自己的小demo[13:54]
19-4RNN预测时间序列[18:49]

第20章项目实战：CNN应用于文本分类任务(52分钟4节)
20-1CNN应用于文本分类任务[13:28]
20-2文本分类任务特征定义[15:55]
20-3卷积网络定义[08:20]
20-4完成预测分类任务[15:10]

第21章项目实战：LSTM情感分析(1小时7分钟5节)
21-1RNN网络架构[12:21]
21-2LSTM网络架构[12:00]
21-3案例：使用LSTM进行情感分类[13:13]
21-4情感数据集处理[13:06]
21-5基于word2vec的LSTM模型[17:14]

第22章项目实战：NLP-相似度模型(54分钟7节)
22-1任务概述[05:40]
22-2数据展示[05:53]
22-3正负样本制作[08:41]
22-4数据预处理[07:49]
22-5网络模型定义[11:24]
22-6基于字符的训练[09:19]
22-7基于句子的相似度训练[05:52]

第23章Seq2Seq网络架构(43分钟4节)
23-1Seq2Seq网络基本架构[07:15]
23-2Seq2Seq网络应用[09:10]
23-3Seq2Seq基本模型[14:29]
23-4Attention机制[13:02]

第24章项目实战：对话机器人(54分钟6节)
24-1效果演示[08:27]
24-2参数配置与数据加载[12:55]
24-3数据处理[08:52]
24-4词向量与投影[09:18]
24-5seq网络[08:23]
24-6网络训练[06:55]

第25章项目实战：动手打造自己的输入法(51分钟4节)
25-1数据准备[17:08]
25-2网络结构概述[08:53]
25-3加载数据[11:01]
25-4训练测试模型[14:31]

第26章项目实战：机器人写唐诗(1小时18分钟8节)
26-1任务概述与环境配置[04:18]
26-2参数配置[11:17]
26-3数据预处理模块[14:10]
26-4batch数据制作[12:39]
26-5RNN模型定义[08:52]
26-6完成训练模块[12:45]
26-7训练唐诗生成模型[04:35]
26-8测试唐诗生成效果[09:31]

第27章项目实战：NMT机器翻译框(1小时26分钟5节)
27-1机器翻译框架概述[16:59]
27-2参数设置[14:34]
27-3数据加载[19:09]
27-4网络结构定义[20:26]
27-5训练模型[15:12]

第28章项目实战：LSTM时间序列预测任务(1小时7分钟8节)
28-1时间序列模型[09:23]
28-2网络结构与参数定义[07:52]
28-3构建LSTM模型[06:40]
28-4训练模型与效果展示[11:15]
28-5多序列预测结果[11:09]
28-6股票数据预测[07:13]
28-7数据预处理[08:03]
28-8预测结果展示[06:24]

第29章项目实战：Keras文本分类实战(1小时4分钟8节)
29-1文本数据读取预处理[08:09]
29-2基本模型[09:33]
29-3Embeeding-layer效果[10:47]
29-4准备词向量数据[09:02]
29-5词嵌入训练结果[07:45]
29-6加入LSTM层效果[05:05]
29-7加入卷积层效果[03:32]
29-8参数调优[10:36]

第30章项目实战：地址邮编多序列任务(45分钟6节)
30-1数据与目标[06:41]
30-2字符表制作[06:41]
30-3数据读取[05:17]
30-4数据增强[12:27]
30-5网络模型[07:53]
30-6测试效果[07:00]

第31章项目实战：基于Keras的序列网络实战(1小时4分钟8节)
31-1网络模型解读[10:17]
31-2数据介绍与读取[07:29]
31-3配置文件制作[06:19]
31-4编码器模型[06:50]
31-5解码器模型[04:25]
31-6制作训练batch数据[13:24]
31-7测试数据准备[08:05]
31-8完成测试模块[07:16]

第32章项目实战：Keras实战模板总结(54分钟8节)
32-1模板目录结构[05:28]
32-2模型与训练结构[05:50]
32-3评论数据集与任务目标[04:03]
32-4数据准备[10:30]
32-5模型整体架构[08:59]
32-6准备模型[10:44]
32-7训练网络[04:34]
32-8多标签训练[04:15]