NLP自然语言处理集训营2【共78章，更新至第72章 40G】

通过这套课程，你将获得：

• 精通自然语言处理技术，相当于掌握了AI领域最核心的技能！

• 完成AI小白到大神的逆袭！

• 可获得专业、权威的结业证书，证明自己！

• 优秀学员可获得名企就业/实习内推机会，甚至面试绿色通道！

这套课程适合：

• 有一定Python编程基础的学员，但不需要NLP相关基础

• 想找自然语言处理/算法相关工作的学员

• 试图学好但缺乏正确指点的学员

• 想转型从事AI工作的学员

第1章: 课程宣传片
任务1： 自然语言处理训练营 10:46
第2章: 课程介绍以及NLP概论
任务2： 训练营介绍 课程体系介绍 13:42
任务3： NLP定义以及歧义性 13:56
任务4： 案例：机器翻译01 26:37
任务5： 案例：机器翻译02 31:21
任务6： NLP的应用场景 08:52
任务7： NLP的关键技术 22:27
任务8： 算法复杂度介绍 24:37
任务9： 课后答疑 27:06
第3章: 时间复杂度与问答系统
任务10： 简单的复杂度的回顾 04:01
任务11： 归并排序 17:16
任务12： Master Theorem 21:10
任务13： 斐波那契数的时间复杂度 18:30
任务14： 斐波那契数的空间复杂度 17:39
任务15： 斐波那契数的循环实现 10:34
任务16： P vs NP vs NP Hard vs NP Complete 19:32
任务17： 问答系统介绍 39:39
第4章: Review Session 1
任务18： Review 一只狗和两只猫的故事 ——心理学与DL,RL-01 26:13
任务19： Review 一只狗和两只猫的故事 ——心理学与DL,RL-02 28:25
第5章: 文本处理技术(1)
任务20： 文本处理的流程 10:40
任务21： 分词-前向最大匹配 22:12
任务22： 分词-后向最大匹配 12:16
任务23： 分词-考虑语言模型 26:55
任务24： 分词-维特比算法 48:03
任务25： 拼写错误纠正 25:55
第6章: 文本处理技术(2) —— 19年2月12日
任务26： 拼写纠错（2） 10:43
任务27： 拼写纠错（3） 16:00
任务28： 停用词过滤，Stemming操作 14:54
任务29： 文本的表示 14:22
任务30： 文本的相似度 22:46
任务31： tf-idf 文本表示 21:52
任务32： 词向量介绍 30:30
任务33： 学习词向量 26:48
任务34： 倒排表 24:53
第7章: 语言模型———19年2月14日
任务35： Noisy Channel Model 14:55
任务36： 语言模型介绍 05:57
任务37： Chain Rule和Markov Assumption 25:38
任务38： Unigram, Bigram, N-gram 11:46
任务39： 估计语言模型的概率 19:03
任务40： 评估语言模型：Perplexity 23:14
任务41： Add-one Smoothing 12:13
任务42： Add-K Smoothing 07:32
任务43： Interpolation 11:35
第8章: Review 基于几个例子，书写动态规划——-19年2月16日
任务44： 2019.2.17Review 基于几个例子，书写动态规划-01 28:44
任务45： 2019.2.17Review 基于几个例子，书写动态规划-02 16:02
任务46： 2019.2.17Review 基于几个例子，书写动态规划-03 22:48
第9章: 拼写纠错实战（语言模型，Noisy Channel Model）——19年2月16日
任务47： Lesson6直播 02:24:13
第10章: 专家系统与朴素贝叶斯——19年2月19日
任务48： 01在训练数据里没有见过的怎么处理？ 09:55
任务49： 02Good-Turning Smoothing 24:51
任务50： 03利用语言模型生成句子 17:14
任务51： 04专家系统与基于概率统计学习 09:07
任务52： 05专家系统介绍 31:36
任务53： 06逻辑推理 20:30
任务54： 07Case Study 风控 07:53
任务55： 08一些难题 17:12
任务56： 09机器学习介绍01 26:19
任务57： 10机器学习介绍02 23:44
任务58： 11朴素贝叶斯介绍 22:24
任务59： 12Case Study 垃圾邮件过滤 20:17
第11章: Python函数式编程—–2019年2月21日
任务60： lambda表达式 05:20
任务61： map函数的应用 07:20
任务62： filter过滤器 05:40
任务63： reduce函数 05:59
任务64： python三大推导式 10:37
任务65： 闭包 11:09
任务66： 装饰器一 05:31
任务67： 装饰器二 09:51
第12章: Python数据处理—–2019年2月21日
任务68： 初识numpy 06:42
任务69： numpy数组的创建 13:13
任务70： numpy的矢量化运算 06:03
任务71： numpy的花式索引 18:38
任务72： numpy数组转置和轴对换 11:33
任务73： 条件逻辑转数组 09:06
任务74： 数学运算与排序 08:58
任务75： numpy文件处理 10:02
任务76： 线性代数函数和随机漫步例子 08:13
第13章: 词性标注-实战 （2019年2月23日）
任务77： 词性标注-实战（1） 20:20
任务78： 词性标注–实战（2） 56:47
任务79： 词性标注-实战（3） 29:32
任务80： 词性标注-实战（4） 30:02
任务81： 词性标注-实战（5） 12:10
第14章: Pandas与Matplotlib—–2019年2月26日
任务82： 初识series类型 12:58
任务83： 初识dataframe 14:06
任务84： 重新索引、数学运算和数据对齐 11:56
任务85： dataframe和series之间的运算和排序 09:29
任务86： 层次化索引 12:35
任务87： dataframe的层次化索引的访问和汇总运算 08:32
任务88： pandas读写csv文件 13:37
任务89： pandas读取excel文件并画图 07:15
任务90： matplotlib可视化及学习方法建议 11:39
第15章: Python爬虫框架Scrapy的使用—–2019年2月26日
任务91： 虚拟环境的搭建 05:38
任务92： 创建第一个爬虫项目 04:44
任务93： 调试运行爬虫程序 06:33
任务94： 13-scrapy shell调试方法进行元素定位 06:34
任务95： 访问首页列表中的url 06:49
任务96： 获取帖子标题和内容 07:23
任务97： 处理帖子内容中的特殊标签 07:31
任务98： 获取帖子发送时间及位于的楼数 09:41
任务99： 爬虫的bug调试与修复 08:10
任务100： 数据持久化代码开发 16:57
任务101： 数据入库 11:11
第16章: 2019.2.24Review importance sample negtive sample nce
任务102： importance sample negtive sample nce-01 25:50
任务103： importance sample negtive sample nce-02 28:13
任务104： importance sample negtive sample nce-03 38:41
第17章: 逻辑回归—–2019年2月28日
任务105： 精确率和召回率 32:17
任务106： 逻辑回归介绍 34:03
任务107： 逻辑回归是线性分类器 07:35
任务108： 逻辑回归的目标函数 18:58
任务109： 梯度下降法 23:32
任务110： 逻辑回归的梯度下降法 37:45
任务111： 当线性可分的时候 02:08
第18章: Review 关于面试的话题—–2019年3月2日
任务112： 关于面试的话题-01 20:17
任务113： 关于面试的话题-02 26:00
任务114： 关于面试的话题-03 19:46
第19章: 直播—–2019年3月2日
任务115： 直播-01 12:39
任务116： 直播-02 11:38
任务117： 直播-03 11:37
任务118： 直播-04 17:03
任务119： 直播-05 09:01
任务120： 直播-06 13:39
任务121： 直播-07 06:39
任务122： 直播-08 24:31
任务123： 直播-09 17:13
任务124： 直播-10 15:34
任务125： 直播-11 14:48
第20章: —–2019年3月5日
任务126： 当数据线性可分割的时候 07:36
任务127： 限制参数变得太大 17:13
任务128： 模型复杂度与过拟合 46:03
任务129： 怎么避免过拟合 08:00
任务130： 正则介绍 11:00
任务131： L1 VS L2 29:58
第21章: Review 数据结构串讲—–2019年3月9日
任务132： review 数据结构串讲-01 32:22
任务133： review 数据结构串讲-02 37:00
第22章: 2019年3月9日 直播
任务134： Affective Computing & 情绪识别实战 41:08
任务135： 交叉验证（1） 09:08
任务136： 交叉验证（2） 21:47
任务137： 正则的作用 12:40
任务138： MLE VS MAP介绍 13:25
任务139： 正则的使用 28:52
第23章: —–2019年3月12日
任务140： 交叉验证 18:46
任务141： 参数搜索策略 27:49
任务142： 高级：正则的灵活应用 27:30
任务143： 总结 05:29
任务144： MLE与MAP 33:17
第24章: —–2019年3月15日
任务145： Lasso Regression介绍 10:01
任务146： 特征选择技术 25:35
任务147： LASSO介绍 12:18
任务148： Coordinate Descent 10:04
任务149： Coordinate Descent for LASSO 19:33
任务150： 其他LASSO Solver 03:39
第25章: Review 变分推断 指数族家族 lda—20190316
免费 任务151： 变分推断 指数族家族 lda 52:50
第26章: Optimization—20190316 直播
任务152： Optimization 15:04
任务153： Optimization is Everywhere 26:27
任务154： Optimization – Categories 10:30
任务155： Convex Optimization-Global vs Local Optimal 04:06
任务156： 判断一个函数是凸函数 33:35
任务157： 解决一个具体问题1 17:21
任务158： 解决一个具体问题2 21:15
第27章: —2019年3月21日
任务159： 回顾凸函数 04:26
任务160： 介绍Set Cover Problem 05:15
任务161： Approach1- Exhaustive Search 05:35
任务162： Approach2-贪心算法 07:31
任务163： Approach3-Optimization 28:32
任务164： 总结 08:52
任务165： 回顾-逻辑回归的梯度下降法 02:27
任务166： 梯度下降法的复杂度 04:06
任务167： 梯度下降法的收敛分析 12:49
任务168： 凸函数性质以及L-Lipschitz条件 22:31
任务169： 收敛性推导 27:39
第28章: —2019年3月22日
任务170： Linear Classifier 10:49
任务171： Margin的计算 08:21
任务172： SVM的目标函数：Hard constraint
任务173： SVM的目标函数：Soft constraint
任务174： Hinge Loss
任务175： Primal-Dual介绍
第29章: Review attention transformer bert
任务176： attention transformer bert-01
任务177： attention transformer bert-02
第30章: Capstone项目介绍—2019.03.26
任务178： Capstone项目介绍
第31章: —2019年3月26日
任务179： LinearSVM的缺点
任务180： 数据映射到高维
任务181： 拉格朗日-等号条件处理
任务182： 拉格朗日-不等号条件处理
任务183： KKT条件
任务184： SVM的KKT条件
任务185： Primal-Dual介绍
任务186： SVM的Dual推导
任务187： Kernel Trick
第32章: —2019年3月23日
任务188： 信息抽取介绍 直播
任务189： 命名实体识别介绍
任务190： 简历分析场景
任务191： 搭建NER分类器
任务192： 方法介绍
任务193： 基于规则的方法
任务194： 投票决策方法
任务195： 特征工程与特征表示01
任务196： 特征工程与特征表示02
任务197： 问答
第33章: –2019年3月28日
任务198： 信息抽取介绍
任务199： Ontological Relation
任务200： 关系抽取方法介绍
任务201： 基于规则的方法
任务202： 基于监督学习的方法
第34章: 20190330 Review Session： cnn rnn transformer对比
任务203： cnn rnn transformer对比-01
任务204： cnn rnn transformer对比-02
第35章: —2019年3月30日 直播
任务205： 关系抽取
任务206： bootstrap算法的缺点
任务207： SnowBall算法
任务208： 生成模板
任务209： 生成tuple与模板评估
任务210： 评估记录+过滤
任务211： SnowBall总结
第36章: –2019年4月2日
任务212： Entity Disambiguation (实体消歧)介绍
任务213： 实体消歧算法
任务214： Entity Resolution(实体统一)
任务215： 实体统一算法
任务216： Co-reference Resolution(指代消解)介绍
第37章: –2019年4月9日
任务217： 什么是句法分析
任务218： 句法分析的应用
任务219： 语法
任务220： PCFG
任务221： 评估语法树
任务222： 寻找最好的树
任务223： CNF Form
任务224： CKY算法
第38章: –2019年4月11日
任务225： 时序模型
任务226： HMM的介绍
任务227： HMM的应用例子
任务228： HMM的参数
任务229： HMM中的Inference问题
任务230： HMM中的F B算法1
任务231： HMM中的F B算法2
任务232： HMM中的F B算法3
第39章: –2019年4月13日 直播
任务233： Data Representation
任务234： Latent Variable Models
任务235： Complete vs Incomplete Case
任务236： MLE for Complete and Incomplete Case
任务237： EM Derivation
任务238： Remarks on EM
任务239： K-means
任务240： K-means Cost Function
任务241： MLE for GMM
第40章: 20190413 Review 模拟面试(mp3)
任务242： 模拟面试(mp3)-01
任务243： 模拟面试(mp3)-02
第41章: –2019年4月18日
任务244： HMM中的参数
任务245： Complete vs Incomplete Case
任务246： Complete Case
任务247： Incomplete Case
任务248： EM算法回顾
任务249： F B算法回顾
任务250： 估计PI 08:05
任务251： 估计B 12:14
任务252： 估计A 39:19
第42章: 20190420 Review 公司实际项目串讲
任务253： 公司实际项目串讲-01 19:36
任务254： 公司实际项目串讲-02 18:22
任务255： 公司实际项目串讲-03 27:44
第43章: –2019年4月20日
任务256： 有向图与无向图模型 16:27
任务257： 生成模型与判别模型 01:10
任务258： Log-Linear Model 03:30
任务259： Log-Linear Model与多元逻辑回归 18:52
任务260： CRF介绍 09:50
任务261： Inference问题 09:45
任务262： 参数估计 36:35
第44章: –2019年4月24日
任务263： wordvector词向量 15:35
任务264： Global Generation of Distributed Representation 20:32
任务265： How to Learn Word2Vec-Intuition 03:29
任务266： Skip-Gram Model 20:53
任务267： 语料库 33:56
任务268： Word2Vec代码 23:26
第45章: –2019年4月26日
任务269： 训练SkipGram问题 05:18
任务270： SkipGram另一种目标函数构建 09:00
任务271： SkipGram的negative sampling 33:08
任务272： 评估词向量 08:56
任务273： 词向量在推荐系统中的应用 23:51
第46章: 20190427 Review 梯度提升树
任务274： 梯度提升树 41:34
任务275： 答疑 12:49
第47章: –2019年4月27日 直播
任务276： Word2vec 20:52
任务277： Learning with Subword 17:54
任务278： When subword is needed 13:52
任务279： Learn Embedding from Language Model 06:47
任务280： What are potential solutions 08:41
任务281： Elmo at Glance 30:03
任务282： Category of Word Representation 36:28
第48章: 20190430 神经网络
任务283： 神经网络介绍 11:14
任务284： 激活函数 20:00
任务285： MLP 19:02
任务286： 多层神经网络 03:56
任务287： Universal Approximation Theorem 06:02
任务288： Biological Inspiration 05:11
第49章: –20190507 梯度计算
任务289： 回顾神经网络 05:00
任务290： 神经网络的损失函数 13:30
任务291： BP算法的核心流程 05:30
任务292： 对输出层的梯度计算 20:28
任务293： 对隐含层的梯度计算 15:05
任务294： 对参数的梯度计算 08:25
任务295： 对BP算法的总结 08:54
第50章: –20190509
任务296： gradient checking 05:51
任务297： 深度学习与非凸函数 03:02
任务298： 深度学习中的Plateau 03:17
任务299： SGD的收敛条件 08:02
任务300： Early Stopping 10:21
任务301： 为什么需要递归神经网络？ 03:23
任务302： 递归神经网络介绍 15:48
任务303： 语言模型 11:19
任务304： RNN的深度 02:32
任务305： 梯度爆炸和梯度消失 16:07
任务306： Gradient Clipping 05:23
任务307： LSTM的介绍 10:07
任务308： LSTM的应用 08:47
任务309： Bi-Directional LSTM 07:55
任务310： Gated Recurrent Unit 06:03
第51章: 20190511 review 问答系统讲解
任务311： 问答系统讲解01 26:36
任务312： 问答系统讲解02 37:37
第52章: 2019年5月11日 直播
任务313： Representation Learning 17:05
任务314： What makes good representation-01 40:42
任务315： What makes good representation-02 25:37
任务316： What makes good representation-03 27:23
任务317： Why Deep 18:56
第53章: 2019年5月15日
任务318： Why Deep Learning Hard to Train 07:22
任务319： Ways to Solve Training 10:38
任务320： Dropout 介绍
任务321： 为什么Dropout防止过拟合现象
任务322： 机器翻译
任务323： Multimodal Learning
任务324： Seq2Seq模型
任务325： Seq2Seq训练介绍
任务326： Inference Decoding
第54章: 2019年5月17日
任务327： Exhaustic Search
任务328： Beam Search
任务329： 回顾Multimodal Learning
任务330： Attention注意力机制介绍
任务331： 看图说话介绍
任务332： 图像识别的注意力机制
第55章: 20190518 Review 基于GAN及强化学习的文本生成
任务333： 基于GAN及强化学习的文本生成-01
任务334： 基于GAN及强化学习的文本生成-02
第56章: 2019年5月18日 直播
任务335： 回顾Seq2Seq模型
任务336： Seq2Seq的Attention
任务337： Self-Attention1
任务338： Self-Attention2
第57章: 20190525 review 深度文本匹配
任务339： 深度文本匹配-01
任务340： 深度文本匹配-02 20:24
第58章: 2019年5月28日 直播
任务341： 回顾Attention 12:26
任务342： RNN LSTM-based models 08:58
任务343： Transformer的结构 18:06
任务344： Each Encoder Block 04:46
任务345： Self-Attention 29:11
任务346： Add Normalize 29:50
第59章: 2019年5月30日 直播
任务347： BERT概念 17:37
任务348： 回顾Language model 12:37
任务349： masked Language model 23:03
任务350： masked Language model存在的问题 13:03
任务351： LSTM 10:58
任务352： BERT训练过程 28:43
第60章: 2019年6月1日 直播
任务353： PGM领域 21:40
任务354： 主题模型 24:05
任务355： 回顾不同模型的范畴Model Estimation 22:35
任务356： 预测的过程 35:13
第61章: 20190602 review Nlp2 GD，SGD，Adagrad算法
任务357： GD，SGD，Adagrad算法 34:59
第62章: 2019年6月4日 直播
任务358： 回顾LDA 26:19
任务359： 举例说明生成的过程 20:09
任务360： 从官方的角度讲解生成的过程 16:59
任务361： α到θi的生成 25:11
任务362： 举例说明生成文章 07:04
任务363： gibbs sampler 44:30
第63章: 20190612 直播 collapsed gibbs sampling 1
任务364： collapsed gibbs sampling-01 13:03
任务365： collapsed gibbs sampling-02 22:53
任务366： collapsed gibbs sampling-03 34:18
任务367： collapsed gibbs sampling-04 18:47
任务368： collapsed gibbs sampling-05 21:08
第64章: 20190613 直播 collapsed gibbs sampling 2
任务369： 推导过程01 21:17
任务370： 推导过程02 29:39
任务371： 推导过程03 26:23
任务372： Gibbs采样01 26:09
任务373： Gibbs采样02 12:47
第65章: 2019年6月15日 Review
任务374： Web-Scale Information Extraction in KnowItAll-01 33:11
任务375： Web-Scale Information Extraction in KnowItAll-02 29:54
任务376： 核函数 49:55
第66章: 2019年6月15日 直播
任务377： 直播-01 11:35
任务378： 直播-02 16:09
任务379： 直播-03 08:30
任务380： 直播-04 16:53
任务381： 直播-05 21:59
任务382： 直播-06 17:58
任务383： 直播-07 20:16
第67章: 2019年6月20日 直播
任务384： 直播-01 15:21
任务385： 直播-02 16:03
任务386： 直播-03 24:27
任务387： 直播-04 12:35
任务388： 直播-05 19:51
任务389： 直播-06 22:32
第68章: 2019年6月22日 Review
任务390： 利用CRF模型做命名实体识别-01 29:51
任务391： 利用CRF模型做命名实体识别-02 23:37
任务392： 基于语料库训练Glove词向量模型-01 27:40
任务393： 基于语料库训练Glove词向量模型-02 28:19
第69章: 2019年6月22日 直播
任务394： GMM-01 31:17
任务395： GMM-02 36:36
任务396： GMM-03 44:28
第70章: 2019年6月27日 直播
任务397： XLNet-Bert Autoregressive LM 30:11
任务398： 改进思路 20:19
任务399： Bert 的目标函数 20:25
任务400： permutation 33:28
第71章: 2019年6月29日 Review
任务401： pytorch实现skip-gram 55:25
任务402： Airbnb（KDD 2018 best Paper）-01 25:14
任务403： Airbnb（KDD 2018 best Paper）-02 20:19
第72章: 2019年7月4日 直播
任务404： 直播-01 14:34
任务405： 直播-02 36:19
任务406： 直播-03 27:44
任务407： 直播-04