TA的每日心情 | 怒
3 小时前 |
|---|
签到天数: 1262 天 [LV.10]以坛为家III
管理员
 
- 积分
- 5057
|
课程目标
$ I# _3 y6 T; r1 D) ]1 u$ Z) Z& o掌握自然语言处理中最重要的模型Word2Vec的原理以及如何使用gensim库与Tensorflow进行建模。5 Q0 b7 \0 q0 k; V D5 i$ z
9 h4 y9 X4 ^8 W8 |8 S适用人群
, O. \4 D4 N: Q9 f# X; Y从事机器学习方向人员1 @) W' F$ t, ?% Q
0 S2 S: y8 h8 z, N课程简介4 C: `" ^1 x3 Z1 H: n
自然语言处理中最重要的算法，词向量模型。课程从语言模型入手，详解词向量构造原理与求解算法。理论与实战结合，使用Tensorflow从零开始打造word2vec词向量模型。对于海量中文数据演示如何使用Gensim库对中文维基百科数据进行词向量建模。
+ I; E3 E7 s1 P+ b" }# M9 p( [
- _" X& a) z |/ M0 ]
3 B. ^: ?2 C- L+ v5 E第1章Word2Vec原理1小时35分钟11节
4 ~) W/ J. J" i! G1-1课程简介04:36
6 ~/ d' ~% L% k1-2自然语言处理与深度学习11:58) |: g: y; A1 h* ^7 q6 O, y
1-3语言模型06:16
7 P4 E+ c* A6 t( B0 C& B1-4N-gram模型08:32
" i; j8 F R5 B9 }; y1 p1-5词向量09:27' R J- A2 | v; ^2 i+ d0 s/ Q
1-6神经网络模型10:02
, o$ | G r$ _6 l1-7Hierarchical Softmax10:01; @6 g4 U2 q7 {8 `
1-8CBOW模型实例11:20
; P9 `" n* U- H8 J2 @" ^, m# k1-9CBOW求解目标05:395 R! B% O1 t0 O% C, W" M( r, x
1-10梯度上升求解10:10) f7 b/ q9 g' F& p
1-11负采样模型07:155 E5 i3 s, S4 ]0 R; N( |
0 X7 {# ~4 v- Y3 s第2章Gensim构造词向量模型33分钟4节( V5 b% p. u3 A t. y; d c
2-1使用Gensim库构造词向量06:217 W( ~6 z1 B. N( P
2-2维基百科中文数据处理10:27
& Y! @& x! k) J( G" r+ m9 u2-3Gensim构造word2vec模型08:52/ K* z+ q s5 _$ O' w: I6 B& g- w9 X
2-4测试模型相似度结果07:42
6 L2 t+ f% X8 ]; j' K, I7 \: z3 j2 Y: t0 ^* l5 ^& b
第3章Tensorflow实战word2vec1小时5分钟7节
- \5 d6 V( l3 ]3-1环境配置06:00
) D/ V2 |7 a: ?; R1 d3-2中文数据预处理11:06- S6 R) l S7 g3 c1 F
3-3word2vec模型构造10:36
: P4 G; m* W2 q' c0 h3 J3-4构造图计算模型07:54 x* P' q: N* W8 s! M
3-5word2vec训练10:47
+ I2 v, X& W7 g9 ^+ q+ C3-6模型训练模块10:18
$ ?1 ^- T7 k2 C! M2 D3-7迭代预测效果08:39- K1 ]( }0 {& L% n$ K* o3 h
& `5 z2 p: j C+ S- r
4 i2 ~8 k! @" H9 T* N3 B) u6 ~9 |: l& V& Z2 g' \# k9 k
; u" z; i% s6 D3 X- v" J1 j5 I) m
6 `; b( _1 c, E. ^% X4 g% C/ |! a
链接：
& S- N; ` L/ s4 v5 w
1 h' |) t* o* U; W5 y
6 i O; R5 l/ T3 V0 H5 o# O# |* E m; |4 v
|
|
[复制链接]
发表于 2017-10-14 10:02:17
发表于 2017-10-14 10:46:09
