Content
12 Lessons • 0 Quizzes • 0 Challenges
自然语言处理简介
- 1
简介：自然语言处理
- 2
什么是自然语言处理？
- 3
自然语言处理的任务
- 4
传统自然语言处理方法
- 5
深度学习方法在自然语言处理中的应用
- 6
自然语言处理简介总结
理解 TensorFlow 2
- 1
简介：了解 TensorFlow 2
- 2
什么是 TensorFlow 2？
- 3
TensorFlow 2 架构：构建与执行计算图
- 4
Café Le TensorFlow 2：通过类比理解 TensorFlow 2
- 5
回顾：TensorFlow 1
- 6
在TensorFlow中定义输入
- 7
使用 tf.data API 构建数据流水线
- 8
在TensorFlow中定义变量和输出
- 9
在TensorFlow中定义操作
- 10
神经网络相关操作
- 11
Keras：TensorFlow 的模型构建 API
- 12
实现我们的第一个神经网络
- 13
总结：理解 TensorFlow 2
- 14
测验：理解 TensorFlow 2
理解长短期记忆网络
- 1
简介：理解长短期记忆网络
- 2
理解长短期记忆网络
- 3
LSTM 如何解决梯度消失问题
- 4
改进LSTM
- 5
LSTM 的其他变体
- 6
总结：理解长短期记忆网络
- 7
测验：理解长短期记忆网络
Word2vec：学习词嵌入
- 1
Word2vec简介：学习词嵌入
- 2
学习词表示的经典方法
- 3
对 Word2vec 的直观理解
- 4
Skip-Gram算法
- 5
Skip-Gram 算法中的数据生成器与 TensorFlow
- 6
使用 TensorFlow 实现 Skip-Gram 架构
- 7
Skip-Gram模型的训练与评估
- 8
连续词袋算法
- 9
Word2vec 概述：学习词嵌入
- 10
Word2vec 词嵌入学习测验
LSTM 的应用：文本生成
- 1
简介：LSTM的应用——文本生成
- 2
理解数据
- 3
实现语言模型
- 4
使用模型生成新文本
- 5
将LSTM与带窥视孔连接的LSTM以及GRU进行比较
- 6
改进序列模型：束搜索
- 7
改进LSTM：使用单词而非N-gram生成文本
- 8
摘要：LSTM的应用——文本生成
- 9
测验：LSTM的应用——文本生成
高级词向量算法
- 1
简介：高级词向量算法
- 2
GloVe：全局向量表示
- 3
实现GloVe
- 4
为GloVe生成数据
- 5
训练和评估GloVe
- 6
ELMo：消除词向量中的歧义问题
- 7
为ELMo准备输入
- 8
使用ELMo生成嵌入
- 9
ELMo在文档分类中的数据集
- 10
生成文档嵌入
- 11
使用文档嵌入对文档进行分类
- 12
摘要：高级词向量算法
- 13
测验：高级词向量算法
序列到序列学习：神经机器翻译
- 1
简介：序列到序列学习——神经机器翻译
- 2
机器翻译
- 3
理解神经机器翻译
- 4
为神经机器翻译系统准备数据
- 5
定义NMT模型
- 6
注意力机制：分析、计算与实现（concept）
- 7
训练神经机器翻译模型
- 8
BLEU分数：评估机器翻译系统
- 9
可视化注意力模式
- 10
NMT中的推理
- 11
Seq2Seq 模型的其他应用：聊天机器人
- 12
摘要：序列到序列学习——神经机器翻译
- 13
测验：序列到序列学习——神经机器翻译
使用卷积神经网络进行句子分类
- 1
简介：使用卷积神经网络进行句子分类
- 2
介绍卷积神经网络（CNNs）
- 3
理解卷积神经网络：卷积操作
- 4
理解卷积神经网络：池化操作
- 5
理解卷积神经网络：全连接层
- 6
练习：使用CNN在Fashion-MNIST上进行图像分类
- 7
用于句子分类的卷积神经网络：数据转换
- 8
用于句子分类的CNN：下载和准备数据
- 9
用于句子分类的CNN：构建分词器
- 10
句子分类的CNN模型
- 11
使用卷积神经网络进行句子分类
- 12
总结：使用卷积神经网络进行句子分类
- 13
测验：使用CNN进行句子分类
Transformer
- 1
简介：Transformer 模型
- 2
Transformer 架构：编码器、解码器与输出计算
- 3
Transformer 架构：嵌入层
- 4
Transformer架构：残差连接与归一化
- 5
理解 BERT
- 6
使用案例：使用 BERT 回答问题
- 7
用例：实现BERT
- 8
使用BERT训练和评估模型并回答问题
- 9
总结：Transformer模型
- 10
测验：Transformer
使用Transformer进行图像描述生成
- 1
简介：使用Transformer进行图像描述生成
- 2
了解数据
- 3
数据处理与分词
- 4
定义一个 tf.data.Dataset
- 5
用于图像描述生成的机器学习流程
- 6
使用 TensorFlow 实现并训练模型
- 7
定量评估指标
- 8
评估模型并基于模型生成描述
- 9
总结：使用Transformer进行图像描述生成
- 10
测验：使用Transformer进行图像描述生成
最后的说明
- 1
总结
附录：数学基础与高级 TensorFlow
- 1
技术工具简介
- 2
基础数据结构
- 3
特殊类型的矩阵
- 4
概率
- 5
使用 TensorBoard 可视化词嵌入
- 6
附录总结
Certificate of Completion
Showcase your accomplishment by sharing your certificate of completion.
Course Author:Anonymous User