自然语言处理之基于深度学习的中文命名实体识别（NER）实战

学习完本门课程，您将对自然语言处理技术有更深入的了解，彻底学习中文命名实体识别技术

*   01 中文命名实体识别课程案例演示.mp4 09:09

*   02 中文命名实体识别开篇.mp4 11:20

*   03 命名实体识别相关概念讲解.mp4 10:43

*   04 Anaconda安装.mp4 09:18

*   05 Anaconda配置.mp4 06:15

*   06 Anaconda创建虚拟环境.mp4 08:16

*   07 Anaconda虚拟环境使用.mp4 12:40

*   08 cuda安装与测试.mp4 09:25

*   09 cudnn安装与配置及GPU环境测试.mp4 11:15

*   10 jupyter中怎么使用虚拟环境.mp4 07:49

*   11 Pycharm的安装配置及使用.mp4 14:39

*   12 循环神经网络能干什么.mp4 04:19

*   13 循环神经网络理论讲解.mp4 09:23

*   14 LSTM简介.mp4 08:54

*   15 LSTM原理深入理解.mp4 10:32

*   16 LSTM与神经网络及循环神经网络之间的关系.mp4 11:44

*   17 BiLSTM+CRF模型讲解.mp4 09:22

*   18 整个工程目录架构讲解.mp4 12:16

*   19 数据集简介及环境搭建.mp4 13:18

*   20 数据集加载方法讲解.mp4 14:02

*   21 数据集加载方法测试.mp4 11:00

*   22 更新指定编码开始.mp4 10:49

*   23 BIO编码校验及更改.mp4 16:40

*   24 BIO编码校验方法测试.mp4 12:04

*   25 BIO编码转BIOES编码.mp4 15:52

*   26 编码转换方法测试.mp4 11:41

*   27 更新指定编码完成.mp4 12:44

*   28 构建字典映射.mp4 10:50

*   29 通用构建item及频率方法.mp4 09:03

*   30 词典映射构建完成.mp4 13:22

*   31 构建标签映射.mp4 09:08

*   32 数据预处理开始.mp4 10:03

*   33 数据预处理结束.mp4 13:23

*   34 批量数据管理开始.mp4 11:08

*   35 数据填充讲解.mp4 12:15

*   36 批量数据管理结束.mp4 09:09

*   37 模型参数定义开始.mp4 11:24

*   38 模型参数定义完成.mp4 17:36

*   39 train方法中数据加载及编码转换讲解.mp4 10:16

*   40 train方法中字典构建及数据预处理讲解.mp4 14:13

*   41 模型配置讲解.mp4 11:30

*   42 模型配置加载与保存讲解.mp4 11:49

*   43 统一日志方法编写.mp4 10:35

*   44 统一日志方法验证.mp4 09:41

*   45 模型代码编编写上.mp4 13:36

*   46 模型代码编写下.mp4 14:08

*   47 embedding_layer详细讲解.mp4 11:50

*   48 biLSTM_layer详细讲解.mp4 12:23

*   49 project_layer详细讲解.mp4 11:26

*   50 crf_loss_layer上详细讲解.mp4 14:53

*   51 crf_loss_layer下详细讲解.mp4 07:02

*   52 viterbi_decode详细讲解.mp4 07:43

*   53 模型运行方法代码讲解.mp4 11:06

*   54 模型评估方法代码编写与讲解.mp4 13:14

*   55 编码转换讲解.mp4 07:41

*   56 模型训练部分代码完成.mp4 16:22

*   57 模型整体创建部分代码完成.mp4 12:34

*   58 模型加载词向量上..mp4 10:13

*   59 加载词向量完成.mp4 08:06

*   60 模型整体评估方法讲解.mp4 11:36

*   61 模型保存方法讲解.mp4 08:19

*   62 代码整体优化和修复bug.mp4 08:52

*   63 加载词向量调试讲解.mp4 10:11

*   64 过滤测试中的词.mp4 08:40

*   65 整体代码完成.mp4 10:09

*   66 整体训练讲解.mp4 16:27

*   67 模型使用项目工程创建.mp4 10:11

*   68 加载maps文件获取数据.mp4 08:54

*   69 使用模型主体方法完成.mp4 09:12

*   70 模型及输入方法测试.mp4 12:20

*   71 模型使用方法测试及调试完成.mp4 12:38

*   72 模型使用命令行方式完成.mp4 15:05

*   73 Postman工具安装及使用讲解.mp4 08:33

*   74 命名实体识别api工程搭建.mp4 09:47

*   75 命名实体识别api方式使用完成.mp4 09:13

*   76 命名实体识别web界面演示及功能实现.mp4 11:21

*   77 命名实体识别web前后台通信完成.mp4 13:39

*   78 命名实体识别web项目完成.mp4 12:52

*   79 卷积神经网络简介.mp4 07:17

*   80 卷积神经网络中的卷积讲解.mp4 09:24

*   81 卷积神经网络中的池化讲解.mp4 05:49

*   82 通用卷积神经网络讲解.mp4 07:08

*   83 膨胀卷积神经网络原理.mp4 10:52

*   84 IDCNN原理及简单实现讲解.mp4 09:04

*   85 参数设置及框架架构搭建.mp4 09:21

*   86 IDCNN参数设置及层次设计讲解.mp4 09:08

*   87 IDCNN_layer层讲解上.mp4 09:40

*   88 IDCNN_layer层讲解中.mp4 09:56

*   89 IDCNN_layer层讲解下.mp4 09:49

*   90 IDCNN_project层详细讲解.mp4 09:11

*   91 IDCNN模型整体训练讲解.mp4 16:18

*   92 IDCNN模型命令行使用方式讲解.mp4 11:46

*   93 IDCNN模型web使用方式详细讲解.mp4 09:02

*   94 引入Self-attention的原因.mp4.mp4 13:12

*   95 Self-attention原理讲解上.mp4 10:18

*   96 Self-attention原理讲解下.mp4 10:35

*   97 Self-attention遗留的问题讲解.mp4 09:55

*   98 Transformer架构及可视化讲解.mp4 12:28

*   99 Bert开篇讲解.mp4 09:20

*   100 ELMO技术原理详细讲解.mp4 09:35

*   101 Bert第一种训练方式讲解.mp4 10:28

*   102 Bert第二种训练方式讲解.mp4 09:55

*   103 Bert如何用于情感分析与文本分类.mp4 06:31

*   104 Bert如何用于槽位填充.mp4 05:24

*   105 Bert如何解决自然语言推理问题..mp4 09:34

*   106 Bert用于阅读理解任务.mp4 11:04

*   107 Bert总结.mp4 10:31

*   108 基于Bert命名实体识别工程目录介绍.mp4 09:24

*   109 基于bert命名实体识别环境搭建.mp4 09:55

*   110 lstm_crf_layer层init方法讲解.mp4 11:43

*   111 网络整体架构搭建讲解.mp4 08:33

*   112 双向RNN模型巧妙设计讲解.mp4 06:45

*   113 bilstm_layer层更加简洁方式实现讲解.mp4 07:28

*   114 project_bilstm_layer层另外一种实现详细讲.mp4 13:50

*   115 project_crf_layer层详细讲解.mp4 08:48

*   116 crf_layer层详细讲解.mp4 09:12

*   117 如何使用bert来创建自己模型上.mp4 09:52

*   118 如何使用bert来创建自己模型下.mp4 09:17

*   119 datalodaer中数处理类讲解.mp4 14:45

*   120 NER数据处理类讲解上.mp4 07:25

*   121 输入数据面向对象封装.mp4 08:15

*   122 获取标签方法详细讲解.mp4 10:00

*   123 NER数据处理类完成.mp4 08:09

*   124 数据预处理类debug详细讲解.mp4 11:09

*   125 run中的参数规范编写上.mp4 10:56

*   126 run中的参数规范编写下.mp4 09:02

*   127 基于Bert的训练方法中的Bert参数获取讲解.mp4 10:12

*   128 获取Bert中的tokenization创建tokenize.mp4 09:21

*   129 构建estimator中的RunConfig详细讲解.mp4 10:45

*   130 加载数据集详细讲解体现面向对象的好处.mp4 09:05

*   131 加载数据集验证完成.mp4 08:02

*   132 转换TFRecord开始.mp4 08:51

*   133 转换TFRecord完成.mp4 08:25

*   134 对每一个样本进行编码处理详细讲解.mp4 08:13

*   135 feature转换完成..mp4 09:30

*   136 读取数据格式转换开始.mp4 08:26

*   137 读取数据格式转换完成.mp4 06:48

*   138 数据根数转换debug上.mp4 20:47

*   139 数据转换debug下.mp4 09:36

*   140 dev数据格式化输出.mp4 09:00

*   141 整体框架搭建完毕.mp4 13:16

*   142 具体构建模型开始.mp4 11:19

*   143 模型训练构建完成.mp4 10:50

*   144 模型评估构建完成.mp4 08:58

*   145 模型训练讲解.mp4 08:59

*   146 代码优化及模型重点讲解.mp4 09:02

*   147 模型测试讲解及最终总结.mp4 09:16