【加密】JM045 – 自然语言处理之动手学NER [7.5G]

【加密】JM045 – 自然语言处理之动手学NER [7.5G]

┣━━01.视频 [3.7G]
┃ ┣━━第1章、动手命名实体识别开篇 [33.4M]
┃ ┃ ┣━━1.1动手学命名实体识别课程简介.vep [16.9M]
┃ ┃ ┣━━1.2课程案例演示.vep [6.2M]
┃ ┃ ┗━━1.3命名实体识别基础知识讲解.vep [10.3M]
┃ ┣━━第2章、动手学命名实体识别之环境搭建 [253.5M]
┃ ┃ ┣━━2.1Anaconda安装.vep [20.4M]
┃ ┃ ┣━━2.2Anaconda配置.vep [13.1M]
┃ ┃ ┣━━2.3Anaconda创建虚拟环境..vep [10.5M]
┃ ┃ ┣━━2.4Anaconda虚拟环境使用.vep [24.5M]
┃ ┃ ┣━━2.5cuda安装与测试.vep [15.7M]
┃ ┃ ┣━━2.6cudnn安装与配置及GPU环境测试.vep [18.2M]
┃ ┃ ┣━━2.7jupyter中怎么使用虚拟环境.vep [12.3M]
┃ ┃ ┗━━2.8Pycharm的安装配置及使用.vep [138.6M]
┃ ┣━━第3章、深度学习基础之卷积神经网络 [19.8M]
┃ ┃ ┣━━3.1卷积神经网络简介.vep [6.5M]
┃ ┃ ┣━━3.2卷积神经网络中的卷积讲解.vep [8M]
┃ ┃ ┗━━3.3卷积神经网络中的池化讲解.vep [5.2M]
┃ ┣━━第4章、深度学习基础之循环神经网络 [10.7M]
┃ ┃ ┣━━4.1循环神经网络能干什么.vep [3.1M]
┃ ┃ ┗━━4.2循环神经网络讲解.vep [7.6M]
┃ ┣━━第5章、深度学习基础之LSTM [24M]
┃ ┃ ┣━━5.1LSTM简介.vep [9M]
┃ ┃ ┣━━5.2LSTM深入理解.vep [6.8M]
┃ ┃ ┗━━5.3LSTM与神经网络及循环神经网络之间的关系.vep [8.2M]
┃ ┣━━第6章、基于BiLSTM+CRF的中文命名实体识别实战 [1.3G]
┃ ┃ ┣━━6.10编码转换方法测试.vep [28.4M]
┃ ┃ ┣━━6.11更新指定编码完成.vep [100.4M]
┃ ┃ ┣━━6.12构建字典映射.vep [62.9M]
┃ ┃ ┣━━6.13通用构建item及频率方法.vep [13.2M]
┃ ┃ ┣━━6.14词典映射构建完成.vep [17.8M]
┃ ┃ ┣━━6.15构建标签映射.vep [15.9M]
┃ ┃ ┣━━6.16数据预处理开始.vep [12.6M]
┃ ┃ ┣━━6.17数据预处理结束.vep [21.5M]
┃ ┃ ┣━━6.18批量数据管理开始.vep [21.2M]
┃ ┃ ┣━━6.19数据填充讲解.vep [18.5M]
┃ ┃ ┣━━6.1BiLSTM+CRF模型架构讲解.vep [7.2M]
┃ ┃ ┣━━6.20批量数据管理结束.vep [23.5M]
┃ ┃ ┣━━6.21模型参数定义开始.vep [12.2M]
┃ ┃ ┣━━6.22模型参数定义完成.vep [32.4M]
┃ ┃ ┣━━6.23train方法中数据加载及编码转换讲解.vep [24.2M]
┃ ┃ ┣━━6.24train方法中字典构建及数据预处理讲解.vep [25.5M]
┃ ┃ ┣━━6.25模型配置讲解.vep [18.5M]
┃ ┃ ┣━━6.26模型配置加载与保存讲解.vep [58.2M]
┃ ┃ ┣━━6.27统一日志方法编写.vep [18.1M]
┃ ┃ ┣━━6.28统一日志方法验证.vep [19.9M]
┃ ┃ ┣━━6.29模型代码编编写上.vep [22.5M]
┃ ┃ ┣━━6.2整个工程目录架构讲解.vep [33.4M]
┃ ┃ ┣━━6.30模型代码编写下.vep [23.9M]
┃ ┃ ┣━━6.31embedding_layer详细讲解.vep [42.9M]
┃ ┃ ┣━━6.32biLSTM_layer详细讲解.vep [16.5M]
┃ ┃ ┣━━6.33project_layer详细讲解.vep [12.8M]
┃ ┃ ┣━━6.34crf_loss_layer上详细讲解.vep [14M]
┃ ┃ ┣━━6.35crf_loss_layer下详细讲解.vep [7.7M]
┃ ┃ ┣━━6.36viterbi_decode详细讲解.vep [28.8M]
┃ ┃ ┣━━6.37模型运行方法代码讲解.vep [14.5M]
┃ ┃ ┣━━6.38模型评估方法代码编写与讲解.vep [16.4M]
┃ ┃ ┣━━6.39编码转换讲解.vep [9.1M]
┃ ┃ ┣━━6.3数据集简介及环境搭建.vep [39.8M]
┃ ┃ ┣━━6.40模型训练部分代码完成.vep [19.8M]
┃ ┃ ┣━━6.41模型整体创建部分代码完成.vep [28.9M]
┃ ┃ ┣━━6.42模型加载词向量上.vep [16.6M]
┃ ┃ ┣━━6.43加载词向量完成.vep [9.6M]
┃ ┃ ┣━━6.44模型整体评估方法讲解.vep [18.4M]
┃ ┃ ┣━━6.45模型保存方法讲解.vep [12.7M]
┃ ┃ ┣━━6.46代码整体优化和修复bug.vep [21.4M]
┃ ┃ ┣━━6.47加载词向量调试讲解.vep [47.5M]
┃ ┃ ┣━━6.48过滤测试中的词.vep [9.9M]
┃ ┃ ┣━━6.49整体代码完成.vep [14.7M]
┃ ┃ ┣━━6.4数据集加载方法讲解.vep [52.9M]
┃ ┃ ┣━━6.50整体训练讲解.vep [19.1M]
┃ ┃ ┣━━6.5数据集加载方法测试.vep [99.5M]
┃ ┃ ┣━━6.6更新指定编码开始.vep [13.9M]
┃ ┃ ┣━━6.7BIO编码校验及更改.vep [20.5M]
┃ ┃ ┣━━6.8BIO编码校验方法测试.vep [24.6M]
┃ ┃ ┗━━6.9BIO编码转BIOES编码.vep [21M]
┃ ┣━━第7章、命名实体识别项目案例 [231.9M]
┃ ┃ ┣━━7.10命名实体识别web界面演示及功能实现.vep [15.8M]
┃ ┃ ┣━━7.11命名实体识别web前后台通信完成.vep [19.5M]
┃ ┃ ┣━━7.12命名实体识别web项目完成.vep [16.5M]
┃ ┃ ┣━━7.1案例项目工程创建.vep [21.6M]
┃ ┃ ┣━━7.2加载maps文件获取数据.vep [10.2M]
┃ ┃ ┣━━7.3使用模型主体方法完成.vep [26.5M]
┃ ┃ ┣━━7.4模型及输入方法测试.vep [15.4M]
┃ ┃ ┣━━7.5模型使用方法测试及调试完成.vep [53.3M]
┃ ┃ ┣━━7.6模型使用命令行方式完成.vep [17.6M]
┃ ┃ ┣━━7.7Postman工具安装及使用讲解.vep [10.3M]
┃ ┃ ┣━━7.8命名实体识别api工程搭建.vep [12.1M]
┃ ┃ ┗━━7.9命名实体识别api方式使用完成.vep [12.8M]
┃ ┣━━第8章、基于IDCNN+CRF的中文命名实体识别实战 [180.2M]
┃ ┃ ┣━━8.10IDCNN模型整体训练详细讲解.vep [34.3M]
┃ ┃ ┣━━8.11IDCNN模型命令行使用方式讲解.vep [20.9M]
┃ ┃ ┣━━8.12IDCNN模型web使用方式详细讲解.vep [13.1M]
┃ ┃ ┣━━8.1通用卷积神经网络讲解.vep [18.1M]
┃ ┃ ┣━━8.2Dilated CNN理论及原理深入讲解.vep [10.7M]
┃ ┃ ┣━━8.3IDCNN理论及原理深入解析.vep [13.8M]
┃ ┃ ┣━━8.4IDCNN工程创建及框架架构搭建.vep [14.5M]
┃ ┃ ┣━━8.5IDCNN参数设置及层次设计讲解.vep [9.3M]
┃ ┃ ┣━━8.6IDCNN_layer层讲解上.vep [11.8M]
┃ ┃ ┣━━8.7IDCNN_layer层讲解中.vep [11.5M]
┃ ┃ ┣━━8.8DCNN_layer层讲解下.vep [11.6M]
┃ ┃ ┗━━8.9IDCNN_project层详细讲解.vep [10.6M]
┃ ┗━━第9章、Bert相关理论详细详解 [96.9M]
┃ ┣━━9.10Bert如何解决自然语言推理问题.vep [6.2M]
┃ ┣━━9.11Bert如何应用于机器阅读理解任务.vep [8.7M]
┃ ┣━━9.12Bert总结.vep [8.9M]
┃ ┣━━9.1引入Self-attention的原因.vep [8.3M]
┃ ┣━━9.2Self-attention原理讲解上.vep [7.1M]
┃ ┣━━9.3Self-attention遗留的问题讲解.vep [14M]
┃ ┣━━9.4Transformer架构及可视化讲解.vep [17.7M]
┃ ┣━━9.5Bert开篇讲解.vep [5.1M]
┃ ┣━━9.6ELMO技术原理详细讲解.vep [6.9M]
┃ ┣━━9.7Bert第一种训练方式讲解.vep [6.3M]
┃ ┣━━9.8Bert如何用于情感分析与文本分类.vep [4.3M]
┃ ┗━━9.9Bert如何用于槽位填充.vep [3.5M]
┃ ┣━━第10章、基于Bert+LSTM+CRF的中文命名实体识别实战 [910.8M]
┃ ┃ ┣━━10.10利用bert来创建自己模型上.vep [28.6M]
┃ ┃ ┣━━10.11利用bert来创建自己模型下.vep [12.8M]
┃ ┃ ┣━━10.12datalodaer中数处理类讲解.vep [43.1M]
┃ ┃ ┣━━10.13NER数据处理类讲解上.vep [7.8M]
┃ ┃ ┣━━10.14输入数据面向对象封装.vep [10.5M]
┃ ┃ ┣━━10.15获取标签方法详细讲解.vep [12M]
┃ ┃ ┣━━10.16NER数据处理类完成.vep [11.8M]
┃ ┃ ┣━━10.17数据预处理类debug详细讲解.vep [70.7M]
┃ ┃ ┣━━10.18run中的参数规范编写上.vep [10.9M]
┃ ┃ ┣━━10.19run中的参数规范编写下.vep [12.9M]
┃ ┃ ┣━━10.1基于Bert命名实体识别工程目录介绍.vep [16.3M]
┃ ┃ ┣━━10.20基于Bert的训练方法中的Bert参数获取讲解.vep [13.2M]
┃ ┃ ┣━━10.21获取Bert中的tokenization创建tokenizer.vep [30.8M]
┃ ┃ ┣━━10.22构建estimator中的RunConfig详细讲解.vep [14.3M]
┃ ┃ ┣━━10.23加载数据集详细讲解体现面向对象的好处.vep [14.3M]
┃ ┃ ┣━━10.24加载数据集验证完成.vep [27.9M]
┃ ┃ ┣━━10.25转换TFRecord开始.vep [10.1M]
┃ ┃ ┣━━10.26转换TFRecord完成.vep [11.5M]
┃ ┃ ┣━━10.27对每一个样本进行编码处理详细讲解.vep [21.9M]
┃ ┃ ┣━━10.28将数据集转换成Bert训练的数据集格式.vep [11.7M]
┃ ┃ ┣━━10.29feature转换完成.vep [18M]
┃ ┃ ┣━━10.2基于bert命名实体识别环境搭建.vep [39.3M]
┃ ┃ ┣━━10.30读取数据格式转换开始.vep [22.7M]
┃ ┃ ┣━━10.31读取数据格式转换完成.vep [41.2M]
┃ ┃ ┣━━10.32数据转换debug上.vep [38.1M]
┃ ┃ ┣━━10.33数据转换debug下.vep [21.2M]
┃ ┃ ┣━━10.34dev数据格式化输出.vep [14.1M]
┃ ┃ ┣━━10.35整体框架搭建完毕.vep [15.3M]
┃ ┃ ┣━━10.36具体构建模型开始.vep [47.4M]
┃ ┃ ┣━━10.37模型训练构建完成.vep [14M]
┃ ┃ ┣━━10.38模型评估构建完成.vep [35.7M]
┃ ┃ ┣━━10.39模型训练讲解.vep [19.1M]
┃ ┃ ┣━━10.3lstm_crf_layer层init方法讲解.vep [10.8M]
┃ ┃ ┣━━10.40代码优化及模型重点讲解.vep [16.1M]
┃ ┃ ┣━━10.41模型测试讲解及最终总结.vep [16.5M]
┃ ┃ ┣━━10.4网络整体架构搭建讲解.vep [9.3M]
┃ ┃ ┣━━10.5双向RNN模型巧妙设计讲解.vep [8.4M]
┃ ┃ ┣━━10.6bilstm_layer层更加简洁方式实现讲解.vep [8.9M]
┃ ┃ ┣━━10.7project_bilstm_layer层另外一种实现详细讲解.vep [51.6M]
┃ ┃ ┣━━10.8project_crf_layer层详细讲解.vep [10.8M]
┃ ┃ ┗━━10.9crf_layer层详细讲解.vep [59.4M]
┃ ┣━━第11章、基于Tensorflow2.x的命名实体识别实战 [782M]
┃ ┃ ┣━━11.10数据处理代码回顾.vep [26.4M]
┃ ┃ ┣━━11.11LSTM+CRF模型详解上.vep [39.1M]
┃ ┃ ┣━━11.12LSTM+CRF模型详解中.vep [58.7M]
┃ ┃ ┣━━11.13LSTM+CRF模型详解下.vep [27.3M]
┃ ┃ ┣━━11.14模型训练及问题答疑.vep [42.5M]
┃ ┃ ┣━━11.15模型预测.vep [21.6M]
┃ ┃ ┣━━11.16IDCNN理论讲解.vep [27.3M]
┃ ┃ ┣━━11.17IDCNN+CRF代码讲解.vep [38.2M]
┃ ┃ ┣━━11.1命名实体识别简介.vep [117M]
┃ ┃ ┣━━11.2命名实体识别数据标注方法讲解.vep [24.6M]
┃ ┃ ┣━━11.3命名实体是主流方法讲解.vep [32.5M]
┃ ┃ ┣━━11.4HMM与CRF基础补充.vep [30.7M]
┃ ┃ ┣━━11.5数据集加载与预处理讲解.vep [161.7M]
┃ ┃ ┣━━11.6BIO编码校验及转换讲解.vep [28.6M]
┃ ┃ ┣━━11.7字典映射构建讲解.vep [37.2M]
┃ ┃ ┣━━11.8词向量加载讲解.vep [18.7M]
┃ ┃ ┗━━11.9基于BiLSTM模型的明明实体识别讲解.vep [50M]
┗━━00.资料.zip [3.8G]

admin网站管理

收藏 海报 链接