人工智能方向名企NLP第4+7期，视频+资料百度云

01-核心能力提升班自然语言处理方向004期

1.1语言模型与语法树

10.1CNN卷积神经网络

11.1RNN循环神经网络

12.1Transformer与BERT，大规模预训练问题

13.1面向服务的智能客户机器人与新闻自动摘要生成

14.1高级人工智能知识

2.1爬虫、搜索引擎与自动路径决策

3.1动态规划与编辑距离

4.1自然语言理解初步

5.1经典机器学习一

6.1深度学习

7.1经典机器学习二

8.1经典机器学习三：非监督、半监督、主动学习

9.1word2vec

02-导师制名企实训班自然语言处理方向004期-项目一

1.1项目导论与中文词向量实践

2.1基于Seq2Seq架构的模型搭建

3.1NLG过程的优化与项目Inference

4.1OOV和Word-repetition问题的改进

5.1基于Transformer特征提取器的改进

6.1BERT在抽取式任务中的效果

7.1预训练模型在摘要任务中的改进

8.1项目总结与回顾

03-基于大规模预训练模型的机器阅读理解-项目二

1.1机器阅读理解发展及任务解析

2.1常见机器阅读理解模型（一）

3.1常见机器阅读理解模型（二）

4.1BERT与机器阅读理解

5.1BERT的模型变体

6.1其它阅读理解相关模型

7.1模型集成与部署

8.1项目总结

04-企业级任务型对话机器人-项目三

1.1智能对话系统导论

10.1端到端的对话系统和智能对话系统在工业中

2.1使用RASA制作你的第一个对话机器人

3.1深入RASA源码和定制化你的对话机器人

4.1代码课-基于rasa做KBQA

5.1自然语言理解（NLU）

6.1HuggingFace’sTransformer和基于规则的对话状态跟踪

7.1基于模型的对话跟踪和基于规则的DialoguePolicy

8.1代码课-NLU和DST联合建模方法

9.1基于模版的对话生成和有限状态机（FSM）

05-数据分析与Python程序设计基础

1.1Python数据智能编程基础

2.1Python格式化数据处理-Pandas

3.1数据可视化

4.1网络信息分析

5.1文本信息自动化处理

6.1Python办公自动化

7.1服务器、数据库与分布式系统

06-微软九步AI学习法-人工智能核心知识强化课程

1.1搜索树，图算法，深度优化与广度优化，算法的时间复杂度

1.2第一周作业讲解

2.1神经网络基础，tensorflow和pytorch框架

3.1深度卷积网络与计算机图像1

3.2深度卷积网络与计算机图像2

4.1循环神经网络，文本表征，词向量初步，文本自动分类

5.1Seq2Sequence，机器自动翻译，ImageCaption,Attention机制

6.1贝叶斯，决策树，随机森林，SVM模型

7.1加课：seq2seq的代码及作业的讲解

07-0基础Python入门

1.1Python基础入门

2.1Python编程入门

3.1常用模块-numpy

4.1常用模块-pandas

5.1数据可视化

6.1Python办公自动化

08-深度学习框架选修课

1.1tensorflow基础知识以及高级apikeras

2.1搭建模型和进阶操作

3.1tensorflow实践项目“大杂烩”

4.1pytorch基础知识

5.1pytorch神经网络搭建

09-人工智能基础能力提升课

1.1编程基础

2.1数据分析基础

3.1机器学习的基本方法

4.1机器学习的基本方法（二）

5.1神经网络的基本原理与方法（一）

6.1神经网络的基本原理与方法（二）

7.1卷积神经网络（一）

8.1卷积神经网络（二）

9.1图像目标检测

10-公开课

公开课-AI算法工程师被裁的原因是什么？-20210127.mp4

01、第一章人工智能导论

Github简明教程.pdf

第一章第1节：人工智能导论.mp4

人工智能导论.pptx

人工智能导论–课程代码.zip

02、第二章机器学习初探

abcnews-date-text(1).zip

k-means-clustering-of-1-million-headlines.zip

Lecture-02(1).pptx

lecture-02.zip

第二章第1节：机器学习初探.mp4

机器学习初探–课程代码.zip

03、第三章机器学习一

第三章第1节：机器学习一.mp4

机器学习一.pptx

课堂代码.zip

04、第四章机器学习二

heart.zip

Lecture-04(1).pptx

第四章第1节：机器学习二.mp4

第四章-逻辑回归诊断心脏病(1).zip

第四章-逻辑回归诊断心脏病.zip

课程代码.zip

05、第五章机器学习三

ccf_offline_stage1_train.zip

第五章第1节：机器学习三.mp4

第五章–决策树.zip

机器学习3.pptx

课堂代码(1).zip

06、第六章深度学习初步

Lecture-06.pptx

Lecture-06.zip

mnist_test.zip

mnist_train.zip

第六章–ensemble.zip

第六章第1节：深度学习初步.mp4

07、第七章深度学习进阶

Lecture-07(2).zip

Lecture-07.pptx

第七章第1节：深度学习进阶.mp4

第七章–深度学习进阶.zip

08、第八章RNN

Lecture-08(1).pptx

RNN课堂代码.zip

第八章–LSTM结构.zip

第八章第1节：RNN.mp4

09、第九章CNN

Lecture-09.pptx

lecture-09.zip

第九章–验证码识别.zip

第九章第1节：CNN.mp4

数据文件.zip

10、第十章自然语言处理

Lecture-10.pptx

lecture-10.zip

第一十章第1节：自然语言处理.mp4

作业.docx

11、第十一章计算机视觉CV

week11作业文档.docx

第一十一章第1节：计算机视觉CV.mp4

开课吧AI核心课CV概论资料包.zip

12、第十二章商业智能BI

BI预习资料0401.pdf

第一十二章第1节：商业智能BI.mp4

13、第十三章作业讲解

第一十三章第1节：作业讲解.mp4

课堂代码(1).zip

14、第十四章新增视频

1.pptx

2020-神经网络框架原理训练营资料.zip

Build-neural-network-from-scrach-Lesson-02.zip

Lesson-01-代码复现与参考答案.zip

Lesson-03.zip

第一十四章第1节：新增视频（一）.mp4

第一十四章第2节：新增视频（二）.mp4

第一十四章第3节：新增视频（三）.mp4

01、第一章自然语言处理的基本过程

第一章第1节：自然语言处理的基本过程.mp4

自然语言处理的基本过程.pptx.zip

自然语言处理的基本过程–标准答案.zip

自然语言处理的基本过程–作业.zip

02、第二章向量空间模型

1_向量空间模型.pptx.zip

第二章第1节：向量空间模型.mp4

作业–使用PCA进行降维可视化.zip

作业-答案.zip

03、第三章自然语言理解初步

realdonaldtrump.csv.zip

第三章第1节：自然语言理解初步.mp4

自然语言处理初步.pptx.zip

作业.docx

04、第四章语言模型与概率图模型

CRF_NER.zip

ner_dataset.csv.zip

第四章第1节：语言模型与概率图模型.mp4

语言模型和概率图模型.pptx

作业文档.docx

05、第五章词向量模型Word2Vec

1_词向量.pptx.zip

第五章第1节：词向量模型Word2Vec.mp4

作业(1).docx

06、第六章Transformer与BERT，大规模预训练问题

大规模预训练问题–作业题.ipynb.zip

第六章第1节：Transformer与BERT，大规模预训练问题.mp4

预训练模型.pptx

07、第七章自然语言生成

第七章第1节：自然语言生成.mp4

文本生成.pptx.zip

作业(2).docx

08、第八章自然语言处理与人工智能前沿

NLP前沿.pptx.zip

第八章第1节：自然语言处理与人工智能前沿.mp4

自然语言处理与人工智能前沿.docx