学堂在线 自然语言处理训练营2024「已完结」

1-课程介绍/

[2.8M] 1.1-01_NLP简介_v1.pdf

[ 16M] 1.1-1.1_什么是自然语言处理

[ 46M] 1.2-1.2_自然语言处理的挑战

[ 24M] 1.3-1.3_自然语言处理的重要性

[ 87M] 1.4-1.4_自然语言处理典型任务及应用

[ 34M] 1.5-1.5_推荐阅读

2-NLP模型基础/

[4.2M] 2.1-02_NLP模型基础_v1.pdf

[ 94M] 2.1-2.1_词表示

[ 72M] 2.2-2.2_分布式词表示

[ 33M] 2.2-Word2VecTransE案例（更新）.zip

[ 69M] 2.3-2.3_词嵌入

[ 31M] 2.4-2.4_神经网络

[ 50M] 2.5-2.5_神经网络训练

[140M] 2.6-2.6_循环神经网络

[ 69M] 2.7-2.7_卷积神经网络

[119M] 2.8-2.8_transformer

4-预训练语言模型/

[4.1M] 4.1-04_预训练_v1.pdf

[ 28M] 4.1-4.1 基于特征的预训练模型

[ 49M] 4.2-4.2 基于特征的方法

[ 96M] 4.3-4.3 基于微调的方法

[ 60M] 4.4-4.4 BERT之后的预训练模型

5-知识图谱/

[4.0M] 5.1-05_知识图谱.pdf

[ 83M] 5.1-5.1什么是知识图谱

[ 79M] 5.2-5.2 知识表示学习

[335K] 5.2-情感分析案例.zip

[ 97M] 5.3-5.3 知识表示学习的关键挑战

6-序列标注与信息抽取/

[1.9M] 6.1-06_序列标注.pdf

[118M] 6.1-6.1_序列标注

[ 21M] 6.2-6.2_词性标注

[ 18M] 6.3-6.3_信息抽取简介

[ 34M] 6.4-6.4_命名实体识别

[ 72M] 6.5-6.5_命名实体分类与实体链接

7-文本分类与关系抽取/

[3.8M] 7.1-07_文本分类与关系抽取.pdf

[6.0M] 7.1-7.1_文本分类

[187M] 7.2-7.2_关系抽取

[4.4M] 7.2-预训练模型应用实例-更新版.zip

[ 56M] 7.3-7.3_事件抽取

8-文本匹配与信息检索/

[4.7M] 8.1-08_信息检索.pdf

[ 57M] 8.1-8.1_信息检索简介

[ 48M] 8.2-8.2_传统IR模型

[ 66M] 8.3-8.3_词嵌入IR模型

[128M] 8.4-8.4_神经IR模型

9-文档分析与阅读理解/

[6.8M] 9.1-09_机器问答_v3.pdf

[ 31M] 9.1-9.1_机器问答简介

[108M] 9.2-9.2_机器阅读理解

[2.6M] 9.2-法律智能问答案例.zip

[ 14M] 9.3-9.3_开放域问答

[107M] 9.4-9.4_知识图谱问答

10-文本生成/

[ 16M] 10.1-10.1_文本生成简介

[5.5M] 10.1-10_文本生成_v3.pdf

[ 18M] 10.2-10.2_传统文本生成方式

[ 76M] 10.3-10.3_基于神经网络的文本生成

[ 96M] 10.4-10.4_文本生成任务以及挑战

[ 15M] 10.5-10.5_当前趋势和未来

11-NLP前沿介绍/

[ 19M] 11.1-11-NLP前沿_v1.pdf

[138M] 11.1-少次学习&知识驱动的自然语言处理（高天宇）

[4.1M] 11.2-ChatGPT技术.pdf

[ 65M] 11.2-对抗学习

[4.0M] 11.3-后ChatGPT时代.pdf

[ 55M] 11.3-强化学习

[149M] 11.4-ChatGPTGPT4背后的关键技术

[126M] 11.5-后 ChatGPT 时代的 NLP 研究路线

12-直播回放/

[ 43M] 12.1-实验一.zip

[ 23M] 12.1-实验一布置+答疑

[ 77M] 12.2-实验二布置+答疑

[2.2M] 12.2-第四次实训案例-讲解.pdf

[ 58M] 12.3-实验一汇报、讲解+答疑

[9.1M] 12.4-实验三布置+答疑

[ 22M] 12.5-实验二讲解+答疑

[ 27M] 12.6-实验四布置+答疑

[ 12M] 12.7-实验三讲解+答疑

[ 12M] 12.8-实验五布置+答疑

[ 97M] 12.9-实验四讲解+答疑

[ 15M] 12.10-实验六布置+答疑

[ 78M] 12.11-实验五汇报、讲解+直播答疑

[ 24M] 12.12-实验六讲解+答疑