课程介绍

注意0：欲购买此课程，获取安全购买链接，索要正版授权学习平台账号，务必加咨询QQ：2536379620
注意1：由于编码原因，试听课程视频画面清晰度不如最终购买的视频。最终购买视频的画面清晰度可参见以下两张图。图1   图2
注意2：正版良心视频，购买后有机会和原作者直接短暂技术交流。

自然语言处理（NLP）企业级项目 系列课程合集，共包含5门课程，依次是：医疗命名实体识别、火车票识别、 新闻文本分类、属性级情感分析、实体关系抽取。3个NLP经典任务，2个真实 商业项目。

课程资料：
完整代码:已随课上传，下 载相应附件即可。

适合人群

用过Pytorch、有Python基础、了 解NLP常见算法

课程大纲

章节1:项目一 命名实体 识别Pytorch Bert_LSTM_CRF
课时1Pytorch BiLSTM_CRF医疗命名实体识别13:36                            免费试听
课时2解析文字和实体标签对应关系(1)10:47
课时3解析文字和实体标签对应关系(2)14:00
课时4解析文字和实体标签对应关系(3)12:54
课时5拆分训练集和测试集12:12
课时6生成词表和标签表缓存文件16:00
课时7定义Dataset数据集和等长切分文本(1)07:53
课时8定义Dataset数据集和等长切分文本(2)10:59
课时9DataLoader句子填充PAD和MASK18:52
课时10定义BiLSTM模型14:40
课时11CRF维特比解码和模型训练(1)08:59
课时12CRF维特比解码和模型训练(2)11:27
课时13模型测试及分类评估指标08:12
课时14Bug修复和Kaggle 模型训练(1)09:32
课时15Bug修复和Kaggle 模型训练(2)12:03
课时16模型下载和seqeval评估指标13:36
课时17模型预测与信息提取(1)07:31
课时18模型预测与信息提取(2)11:33
课时19文本项目源码

章节2:项目二 图卷积_ 火车票识别Pytorch LSTM_GCN
课时20LSTM_GCN 火车票识别项目简介13:33
课时21图卷积神经网络(GNN / GCN)扫盲11:59
课时22GCN邻接矩阵标准化公式解读(1)10:38
课时23GCN邻接矩阵标准化公式解读(2)08:15
课时24PaddleOCR识别火车票信息(1)17:34
课时25PaddleOCR识别火车票信息(2)14:53
课时26创建图结构并计算邻接矩阵(1)08:00
课时27创建图结构并计算邻接矩阵(2)11:11
课时28创建图结构并计算邻接矩阵(3)10:02
课时29创建图结构并计算邻接矩阵(4)11:40
课时30生成词表和标签表缓存文件10:21
课时31定义单文件数据加载方法07:14
课时32LSTM提取节点句子特征向量08:26
课时33定义图卷积神经网络模型05:50
课时34加载训练数据并训练模型09:26
课时35模型测试及多分类评估指标07:57
课时36模型预测进行火车票信息识别09:19
课时37文本项目源码

章节3:项目三新闻文本分类Pytorch Bert_TextCNN
课时38新闻文本分类项目介绍12:06
课时39训练数据导入和句子长度统计10:58
课时40社区简介及transformers安装19:36
课时41BertTokenizer分词和编码18:47
课时42自定义Dataset和BertTokenizer分词12:59
课时43Bert_TextCNN模型定义和精简过程19:47
课时44模型训练和内存溢出报错问题08:34
课时45Sklearn多分类评估指标10:23
课时46Kaggle GPU资源做模型训练实录(1)13:14
课时47Kaggle GPU资源做模型训练实录(2)15:14
课时48模型测试和测试集评估指标计算09:33
课时49模型预测和文本分类项目总结05:19
课时50文本项目源码

章节4:项目四 电商评论情感分析Pytorch Bert_Atepc
课时51电商评论属性级情感分析项目11:08
课时52LCF-ATEPC模型结构详解11:36
课时53数据预处理与异常值剔除(1)08:21
课时54数据预处理与异常值剔除(2)12:30
课时55社区简介及transformers安装19:36
课时56BertTokenizer分词和编码18:47
课时57自定义Dataset类和Bert分词15:35
课时58计算权重参数并批量加载数据(1)13:12
课时59计算权重参数并批量加载数据(2)14:56
课时60Bert_CRF 实体BIO标签预测12:19
课时61BertAttention 实体情感预测(1)08:55
课时62BertAttention 实体情感预测(2)07:10
课时63损失计算和模型训练06:45
课时64模型准确率等评估指标计算25:02
课时65Kaggle GPU资源模型训练过程15:10
课时66模型缓存文件下载和模型测试16:25
课时67模型预测和情感分析项目总结14:16
课时68文本项目源码

章节5:项目五实体关系抽取Pytorch Bert_CasRel
课时69实体关系抽取项目介绍(1)10:39
课时70实体关系抽取项目介绍(2)09:32
课时71模型结构详解与局限性分析11:47
课时72DuIE2.0数据集分析与关系表生成17:22
课时73社区简介及transformers安装19:36
课时74BertTokenizer分词和编码18:47
课时75BertTokenizer分词不可逆问题11:18
课时76构建Dataset数据集和BERT分词11:54
课时77解析json数据并计算实体位置(1)08:59
课时78解析json数据并计算实体位置(2)11:36
课时79Dataloader 批量加载数据(1)11:53
课时80Dataloader 批量加载数据(2)18:54
课时81定义模型预测Subject实体首尾位置12:48
课时82Object实体首尾矩阵预测(1)11:55
课时83Object实体首尾矩阵预测(2)08:39
课时84自定义损失函数并反向传播20:33
课时85计算关系三元组和评估指标(1)25:28
课时86计算关系三元组和评估指标(2)14:33
课时87Kaggle GPU资源模型训练实录13:06
课时88模型缓存文件下载和模型测试16:24
课时89模型预测与关系三元组提取05:56
课时90文本项目源码