AI壹号堂：自然语言处理动手学Bert文本分类

本套课程为AI壹号堂：自然语言处理动手学Bert文本分类，课程官方售价：328元元。本套课程适用人群：自然语言处理爱好者、人工智能从业人员。

课程概述

Bert作为目前自然语言处理领域最流行的技术之一，文本分类作为自然语言处理领域最常见的任务之一，Pytorch作为目前最流程的深度学习框架之一，三者结合在一起将会产生什么样的花火，本套课程基于Pytorch最新1.4版本来实现利用Bert实现中文文本分类任务，延续动手学系列课程风格，全程手敲代码，跟着杨博一行一行代码撸起来。

课程文件目录：

{1}–课程简介
[1.1]–动手学中文文本分类开篇.mp4
[1.2]–课堂实战试看1.mp4
[1.3]–课堂实战试看2.mp4
[1.4]–课堂实战试看3.mp4
[1.5]–课堂实战试看4.mp4
[1.6]–课堂实战试看5.mp4
[1.7]–自然语言处理简介.mp4
[1.8]–课程资料下载方式.pdf
[1.9]–文本分类简介.mp4
[1.10]–神经网络中的数据格式讲解.mp4
[1.11]–本文分类模型综述.mp4

{2}–Seq2Seq相关理论
[2.1]–RNN理论及相关变体讲解.mp4
[2.2]–seq2seq理论讲解.mp4
[2.3]–seq2seq存在的问题.mp4

{3}–Attention机制
[3.1]–注意力机制理论讲解.mp4
[3.2]–注意力机制数学公式讲解.mp4
[3.3]–引出self-attention的两个问题.mp4

{4}–Bert理论系列基础
[4.1]–self-attention理论讲解..mp4
[4.2]–self-attention数学理论讲解.mp4
[4.3]–Multi-head-self-attention理论讲解.mp4
[4.4]–Transformer理论讲解.mp4
[4.5]–Bert理论讲解及文本分类模型讲解.mp4

{5}–基于Bert的文本分类实战
[5.1]–项目环境构建.及数据集简介.mp4
[5.2]–BruceBert配置类构建上.mp4
[5.3]–BruceBert配置类构建下.mp4
[5.4]–模型构建上.mp4
[5.5]–模型构建下.mp4
[5.6]–模型验证.mp4
[5.7]–bulid_dataset加载数据集讲解.mp4
[5.8]–数据预处理上.mp4
[5.9]–数据预处理下.mp4
[5.10]–数据预处理方法测试..mp4
[5.11]–数据集迭代器上.mp4
[5.12]–数据集迭代器下.mp4
[5.13]–数据迭代器测试.mp4
[5.14]–参数衰减分析.mp4
[5.15]–训练步骤详细讲解.mp4
[5.16]–模型训练详细讲解.mp4
[5.17]–模型训练部分代码完成.mp4
[5.18]–模型评估方法详细讲解.mp4
[5.19]–模型测试方法详细讲解.mp4
[5.20]–模型整体debug上.mp4
[5.21]–模型整体debug中.mp4
[5.22]–模型整体debug下.mp4
[5.23]–GPU下完整训练第一个Epoch.mp4
[5.24]–GPU下完整训练第二个Epoch.mp4
[5.25]–GPU下完整训练第三个Epoch.mp4
[5.26]–GPU下完整训练后模型测试.mp4
[5.27]–GPU下使用Bert非fine-tuning过程.mp4

{6}–基于Bert+CNN的文本分类实战
[6.1]–CNN整体流程讲解.mp4
[6.2]–CNN中的卷积详细讲解.mp4
[6.3]–CNN中的Pooling讲解.mp4
[6.4]–TextCNN中的文本卷积与N-gram关系.mp4
[6.5]–TextCNN原理详细讲解.mp4
[6.6]–TextCNN与CNN区别于联系.mp4
[6.7]–Bert+TextCNN配置类上.mp4
[6.8]–Bert+TextCNN配置类下.mp4
[6.9]–Bert+TextCNN配置类验证.mp4
[6.10]–Bert+TextCNN模型类init方法讲解.mp4
[6.11]–Bert+TextCNN模型forword方法上.mp4
[6.12]–Bert+TextCNN模型forword方法下.mp4
[6.13]–数据加载优化.mp4
[6.14]–卷积后的维度分析讲解.mp4
[6.15]–模型构建完成.mp4
[6.16]–模型训练与预测.mp4

{7}–基于Bert+RNN的文本分类实战
[7.1]–RNN详解.mp4
[7.2]–LSTM详解.mp4
[7.3]–Config类实现及校验.mp4
[7.4]–BruceBertRNN类init函数实现.mp4
[7.5]–BruceBertRNN类forward函数实现.mp4
[7.6]–模型对比与结果分析.mp4

{8}–基于Bert+RCNN的文本分类实战
[8.1]–RCNN理论讲解.mp4
[8.2]–Config类实现及校验.mp4
[8.3]–BruceBertRCNN类init函数实现.mp4
[8.4]–BruceBertRCNN类forward函数实现.mp4
[8.5]–BruceBertRCNN训练过程完整演示.mp4

{9}–基于Bert+DPCNN的文本分类实战
[9.1]–DPCNN理论讲解.mp4
[9.2]–Config类实现及校验.mp4
[9.3]–BruceBertDPCNN类init函数实现.mp4
[9.4]–BruceBertDPCNN类forward函数实现.mp4
[9.5]–BruceBertDPCNN类block函数实现.mp4
[9.6]–模型对比与结果分析.mp4

{10}–基于ERNIE的文本分类实战
[10.1]–ERNIE模型理论讲解.mp4
[10.2]–基于ERNIE+FC文本分类实战演示.mp4
[10.3]–ERNIE+DPCNN文本分类实战演示.mp4

⭐⭐课程视频+课件源码【完整版】