深度之眼-NLP项目1v多「已完结」

1-1_项目一、类搜狐新闻场景下的中文分词器-录播/

[235M] 1-1_11-理论-基于语言模型的机械分词器

[1.5G] 1-2_11-实践-从头构建一个基于语言模型的机械分词器

[415M] 1-3_12-理论-序列标注的分词方法

[613M] 1-4_12-实践-基于新闻语料，构建CRF、BiLSTM-CRF的分词器

[683M] 1-5_13-理论-剖析jieba和HanLP源码

[1.3G] 1-6_13-实践-使用UML工具图，剖析Jieba开源代码

[512M] 1-7_14-理论-分词的策略融合和场景应用

[331M] 1-8_14-实践-融合机械切分与模型切分，打造属于你的工业级分词器

1-2_工程化部署-录播@认准一手完整 www.ukoou.com/

[671M] 1-1_21-理论-微服务、测试与GPU

[758M] 1-2_21-实践-封装微服务，编写测试用例和脚本，并观察gpu

[758M] 1-3_22-理论-Docker、CICD与K8S

[607M] 1-4_22-实践-构建镜像与CICD脚本

1-3_项目二、类新浪门户场景下的关键词提取-录播/

[435M] 1-1_31-理论-基于tfidf和textrank的关键词提取

[474M] 1-2_31-实践-基于tfidf和textrank的关键词提取系统

[384M] 1-3_32-理论-主题模型和新词发现的关键词提取

[483M] 1-4_32-实践-为关键词提取系统融入主题词和新词

1-4_项目三、实体识别-录播/

[401M] 1-1_41-理论部分-传统序列标注下的实体识别

[475M] 1-2_41-实践部分-实体识别的初步实践

[368M] 1-3_42-理论部分-成熟的传统实体识别系统

[377M] 1-4_42-实践部分-搭建一个成熟的传统实体识别系统

[534M] 1-5_43-理论部分-基于CNN和RNN的实体识别

[563M] 1-6_43-实践部分-融入IDCNN和LatticeLSTM

[840M] 1-7_44-理论部分-Bert及其变体的实体识别

[644M] 1-8_44-实践部分-使用Bert及其变体，更上一层楼

[429M] 1-9_45-理论部分-HMM、CRF、Bert调参经验

[370M] 1-10_45-实践部分-HMM、CRF、Bert调参经验

[426M] 1-11_46-理论部分-数据增强、标签分布不均衡、loss选择、正则化、ONNX推理加速

[584M] 1-12_46-实践部分-数据增强、标签分布不均衡、loss选择、正则化、ONNX推理加速

1-5_项目四、文本分类-录播/

[453M] 1-1_51-理论部分-集成学习和常用的深度学习分类模型

[662M] 1-2_51-实战部分-实战集成学习RF、XGBoost和深度学习BiLSTM、TextCNN、

[659M] 1-3_52-理论部分-长文本分类和模型蒸馏

[485M] 1-4_52-实战部分-实现Longformer、使用DisttilBertTextBrewe

1-6_项目五、文本摘要-录播/

[2.3G] 1-1_61-理论-文本摘要任务综述

[392M] 1-2_61-实践-指标实现和讲解

[162M] 1-3_62-理论-抽取式文本摘要

[435M] 1-4_62-实践-抽取式文本摘要模型实现和讲解

[118M] 1-5_63-理论-生成式文本摘要

[391M] 1-6_63-实践-生成式文本摘要模型实现和讲解

[149M] 1-7_64-理论-预训练摘要模型生成

[463M] 1-8_64-实践-基于预训练文本摘要模型实现和讲解

[145M] 1-9_65-理论-文本要模-进阶思考

[483M] 1-10_65-实践-相关模型的实现和讲解

1-7_项目6对话系统/

[147M] 1-1_71-理论-初识问答系统

[448M] 1-2_71-实践-实战基于ES的检索式问答

[139M] 1-3_72-理论-经典的检索式问答系统

[469M] 1-4_72-实践-从头实现一个传统的FAQ问答系统

[937M] 1-5_73-理论部分-基于预训练模型的检索问答

[453M] 1-6_73-实践-实战基于bert的检索问答

[1.2G] 1-7_74-理论部分-比对学习下的文本匹配

[417M] 1-8_74-实践-实践SimCSE

[ 99M] 1-9_75-理论部分-生成式问答系统

[376M] 1-10_75-实践-实战gpt2对话生成

1-8_项目七、知识图谱录播/

[ 268] 1-1_课件资料

[173M] 1-2_1、知识图谱简介

[131M] 1-3_2、实体识别模型：序列标注vsBiaffine

[397M] 1-4_3、实体识别模型代码

[134M] 1-5_4、关系抽取与指代消歧

[404M] 1-6_5、关系抽取与指代消歧代码

[317M] 1-7_6、实体(术语)标准化：系统搭建，模型实现

[221M] 1-8_7、基于知识库的推荐系统

[232M] 1-9_8、KGAT代码复现

1-9_Promptlearning-前沿讲解/

[ 239] 1-1_课件资料

[544M] 1-2_1、[理论]小样本学习概述.mov

[292M] 1-3_2、[实践]经典小样本学习实践

[137M] 1-4_3、[理论]自然文本生成

[125M] 1-5_4、[理论]提示学习概述

[229M] 1-6_5、[实践]文本分类与提示学习实践

[243M] 1-7_6、[实践]NER与提示学习

NLP项目班1v多会议沟通/

@认准一手完整 www.ukoou.com

[141M] 1-1_nlp项目一对多17

[227M] 1-2_nlp项目1对多16

[100M] 1-3_nlp项目1对多15

[184M] 1-4_nlp项目1对多14

[184M] 1-5_nlp项目1对多13

[ 88M] 1-6_nlp项目1对多12

[140M] 1-7_nlp项目1对多11

[132M] 1-8_nlp项目1对多10

[ 79M] 1-9_nlp项目1对多-09

[159M] 1-10_nlp项目1对多08

[174M] 1-11_nlp项目1对多07

[170M] 1-12_nlp项目1对多06

[ 96M] 1-13_nlp项目班05

[ 76M] 1-14_nlp项目1对多04

[118M] 1-15_nlp项目1对多03

[142M] 1-16_NLP项目班1v多会议沟通（1）

[245M] 1-17_9月21日，meeting

[ 295] 1-18_课件资料

[152M] 1-19_NLP项目1v多会议沟通（2）

资料代码/