黑马程序员AI大模型NLP自然语言处理保姆级教程，PyTorch实现Transformer完整代码解析+预训练模型，一套搞定文本分类/翻译/情感分析等实战项目
本套视频教程所有配套资料领取方式如下：
关注黑马程序员公 粽 号，回复关键词：260427
【AI大模型学习路线图】展开查看更多内容
https://www.bilibili.com/opus/1129722427782201345
如何下载资料
https://www.bilibili.com/opus/443715248901563958
人工智能开发热门教程：
AI大模型开发：BV1h1VbzHER2
Python语言进阶：BV1U2WmzfEqp
Python数据分析：BV1ReshzoEgG
机器学习：BV1Fzszz4Ek7
深度学习与神经网络：BV1c5yrBcEEX
NLP自然语言处理：BV1GByoBfE73
AI-OpenCV图像处理：BV1Fo4y1d7JL
人工智能深度学习：BV1L4411v7fB
图像与视觉处理：BV1Rz4y1R7Mb
========================================================================
本课程基于深度学习Pytorch框架，聚焦NLP核心技术与Transformer体系，面向有深度学习基础的学习者。以“原理拆解+代码实操”为核心，将复杂的Transformer架构（输入嵌入、位置编码、多头注意力、编码器/解码器）通过“公式解读+步骤拆解+可视化分析”讲透，衔接梯度下降、反向传播等已有知识。
案例覆盖文本分类、机器翻译、情感分析等经典任务，代码逐行解析Transformer从搭建到训练的全流程，兼顾理论深度与工程实用性。讲解逻辑从基础工具到传统模型，再到Transformer与预训练模型逐步递进，既巩固已有基础，又高效吸收NLP专属知识，助力快速上手实战。
========================================================================
视频选集
（182/189）
NLP自然语言处理课程导学
11:15
Day01-01.NLP阶段大纲介绍(理解)
22:29
Day01-02.NLP发展简史介绍(了解)
14:03
Day01-03.NLP应用场景介绍(了解)
13:06
Day01-04.文本预处理的主要模块介绍(理解)
36:10
Day01-05.如何创建沙箱及关联PyCharm(掌握)
23:57
Day01-06.jieba分词_精确模式介绍(掌握)
21:05
Day01-07.jieba分词_全模式介绍(理解)
04:43
Day01-08.jieba分词_搜索引擎模式介绍(掌握)
12:05
Day01-09.jieba分词_繁体字(理解)
03:06
Day01-10.jieba分词_用户自定义词典(理解)
14:16
Day01-11.文本预处理_NER和POS解释(理解)
24:03
Day01-12.文件张量表示法_one-hot编码介绍(理解)
13:16
Day01-13.one-hot编码_获取(理解)
29:48
Day01-14.one-hot编码_使用(理解)
05:48
Day01-15.one-hot编码_简单实现思路(掌握)
10:32
Day01-16.word2vec_CBOW原理介绍(理解)
45:31
Day02-01.Word2Vec之SkipGram词向量解释(理解)
09:54
Day02-02.FastText_环境搭建(掌握)
14:34
Day02-03.FastText_词向量模型的训练和保存(掌握)
09:05
Day02-04.FastText_加载_查看_模型效果检验(掌握)
11:39
Day02-05.FastText_模型参数设定(掌握)
06:55
Day02-06.WordEmbedding和Word2Vec的区别(理解)
27:55
Day02-07.WordEmbedding_获取词向量(掌握)
24:31
Day02-08.WordEmbedding_查看词向量的相似性(了解)
22:43
Day02-09.文本分析_标签数据分布查看(理解)
26:14
Day02-10.扩展_map()函数功能介绍(理解)
12:42
Day02-11.文本分析_句子长度分布分析(理解)
15:51
Day02-12.文本分析_正负样本长度散点分布(理解)
07:04
Day02-13.扩展_chain()函数介绍(理解)
12:22
Day02-14.文本分析_词汇统计(掌握)
06:35
Day02-15.文本分析_高频形容词词云(掌握)
35:22
Day02-16.扩展_zip()函数用法解释(理解)
14:14
Day02-17.文本特征处理_n-gram代码演示(掌握)
10:02
Day02-18.扩展_如何计算两个文本的相似度(理解)
08:35
Day03-01.文本长度规范_代码实现(掌握)
23:37
Day03-02.回译数据增强法介绍(了解)
13:31
Day03-03.RNN模型简介(了解)
15:26
Day03-04.RNN的分类介绍(掌握)
14:15
Day03-05.RNN的模型结构(理解)
11:30
Day03-06.RNN代码_基础版(掌握)
20:27
Day03-07.RNN代码_修改句子长度(理解)
03:27
Day03-08.RNN代码_修改隐藏层及总结(理解)
16:39
Day03-09.LSTM模型_原理图解(上)_理解
20:59
Day03-10.LSTM模型_原理图解(下)_理解
26:11
Day03-11.Bi-LSTM模型_介绍(理解)
08:13
Day03-12.LSTM模型_代码实现(掌握)
18:01
Day03-13.GRU模型_原理图解(掌握)
33:37
Day03-14.GRU模型_代码演示(掌握)
16:50
Day03-15. RNN人名分类案例_需求介绍(了解)
12:37
Day03-16.RNN人名分类案例_获取全局字母表和国家名(掌握)
16:20
Day03-17.RNN人名分类案例_读取数据到内存(掌握)
11:22
Day03-18.RNN人名分类案例_构建数据集对象(掌握)
21:03
Day03-19.RNN人名分类案例_构建数据加载器对象(掌握)
11:38
Day04-01.扩展_LogSoftmax()函数讲解(理解)
13:25
Day04-02.全球人名分类案例_搭建RNN模型(掌握)
21:38
Day04-03.全球人名分类案例_测试RNN模型(理解)
20:08
Day04-04.全球人名分类案例_搭建LSTM和GRU模型(掌握)
10:24
Day04-05.全球人名分类案例_测试三种模型(理解)
34:28
Day04-06.全球人名分类案例_RNN模型训练(掌握)
44:38
Day04-07.全球人名分类案例_LSTM模型训练(掌握)
08:04
Day04-08.全球人名分类案例_GRU模型训练(掌握)
07:29
Day04-09.全球人名分类案例_三种模型可视化(了解)
18:18
Day04-10.全球人名分类案例_RNN模型预测(掌握)
23:13
Day04-11.全球人名分类案例_思路总结(理解)
05:00
Day05-01.注意力机制介绍(了解)
24:30
Day05-02.注意力机制_QKV简介(理解)
13:52
Day05-03.注意力机制_实现步骤介绍(理解)
37:26
Day05-04.Seq2Seq架构_任务介绍(理解)
34:01
Day05-05.Seq2Seq架构_加入注意力机制(理解)
18:04
Day05-06.扩展1_普通的Encoder_Decoder框架(理解)
08:12
Day05-07.扩展2_加入注意力机制的Encoder_Decoder框架(理解)
24:41
Day05-08.扩展3_注意力概率分布的计算方式(理解)
21:23
Day05-09.扩展4_软注意力_硬注意力_自注意力机制简介(理解)
14:55
Day05-10.常见的注意力计算规则介绍(掌握)
25:38
Day05-11.扩展_bmm()函数简介(理解)
20:02
Day05-12.注意力机制_代码实现(掌握)
31:18
Day05-13.注意力机制_测试代码(掌握)
05:56
Day05-14.注意力机制_参数解释(理解)
34:59
Day06-01.英译法案例_需求介绍(理解)
14:54
Day06-02.英译法案例_如何配置CUDA环境及测试(上)(掌握)
20:21
Day06-03.英译法案例_如何配置CUDA环境_实操(掌握)
10:59
Day06-04.扩展_配置CUDA环境总结(了解)
02:51
Day06-05.英译法案例_数据清洗函数(掌握)
15:41
Day06-06.英译法案例_数据预处理函数(掌握)
31:47
Day06-07.英译法案例_构建数据集对象(掌握)
16:38
Day06-08.英译法案例_获取数据加载器对象(掌握)
08:44
Day06-09.英译法案例_构建基于GRU的编码器(掌握)
23:37
Day06-10.英译法案例_测试基于GRU的编码器(理解)
17:05
Day06-11.英译法案例_基于GRU的无Attention的解码器_思路分析(理解)
05:20
Day06-12.英译法案例_构建基于GRU解码器(无Attention)(掌握)
20:30
Day06-13.英译法案例_测试基于GRU的无Attention解码器(理解)
39:38
Day06-14.英译法案例_基于GRU有Attention的解码器_思路分析(掌握)
20:23
Day06-15.英译法案例_基于GRU有Attention的解码器_代码实现_上(掌握)
11:36
Day06-16.英译法案例_基于GRU有Attention的解码器_代码实现_下(掌握)
16:03
Day07-01.英译法案例_带注意力机制的解码器层_测试代码(理解)
27:18
Day07-02.英译法案例_模型搭建_总结(理解)
06:23
Day07-03.Teacher Forcing_教师强制(理解)
11:36
Day07-04.英译法案例_模型训练_单批次(掌握)
34:19
Day07-05.扩展_view()函数演示(理解)
05:27
Day07-06.英译法案例_模型训练_完整代码(掌握)
36:54
Day07-07.英译法案例_模型训练_总结(理解)
04:09
Day07-08.英译法案例_模型预测_代码实现(掌握)
26:24
Day07-09.英译法案例_模型预测_代码测试(掌握)
22:37
Day07-10.英译法案例_绘制张量图(了解)
17:46
Day07-11.Transformer框架_由来介绍(了解)
15:23
Day07-12.Transformer架构介绍_文字版(理解)
23:19
Day07-13.Transformer架构图_上(理解)
20:05
Day07-14.Transformer架构图_下(理解)
16:46
Day08-01.学习Transformer架构的路线(理解)
18:10
Day08-02.Transformer架构_词嵌入层代码实现(掌握)
24:01
Day08-03.Transformer架构_位置编码层原理介绍(理解)
30:05
Day08-04.Transformer架构_位置编码总结(理解)
06:43
Day08-05.Transformer架构_位置编码层_代码实现(掌握)
24:45
Day08-06.Transformer架构_位置编码层_代码测试(理解)
18:49
Day08-07.扩展_上三角矩阵演示(理解)
18:31
Day08-08.扩展_下三角矩阵演示(理解)
08:32
Day08-09.扩展_掩码张量的可视化(理解)
05:51
Day08-10.扩展_masked_fill()函数介绍(理解)
13:52
Day08-11.Transformer架构_注意力机制代码实现及测试(掌握)
30:45
Day08-12.多头注意力机制_原理图(上)_理解
19:20
Day08-13.多头注意力机制_原理图(下)_理解
08:26
Day08-14.多头注意力机制_代码实现(掌握)
25:07
Day08-15.多头注意力机制_代码测试(理解)
15:21
Day08-16.前馈全连接层_代码实现及测试(掌握)
11:58
Day09-01.规范化层_代码实现(掌握)
21:21
Day09-02.规范化层_代码测试(理解)
07:09
Day09-03.扩展_BN和LN的区别(理解)
06:50
Day09-04.子层结构搭建_代码实现(掌握)
16:23
Day09-05.子层结构搭建_代码测试(理解)
18:43
Day09-06.编码器层_代码实现(掌握)
14:55
Day09-07.编码器层_代码测试(理解)
15:16
Day09-08.编码器_代码实现及测试(掌握)
24:55
Day09-09.解码器层_代码实现(掌握)
13:52
Day09-10.解码器层_代码测试(理解)
18:17
Day09-11.解码器_代码实现及测试(掌握)
28:13
Day09-12.输出部分_代码实现(掌握)
10:41
Day09-13.输出部分_代码测试(理解)
18:47
Day09-14.完整的Transformer架构搭建_上(掌握)
18:06
Day09-15.完整的Transformer架构搭建_下(掌握)
08:43
Day09-16.Transformer架构测试_上(理解)
19:50
Day09-17.Transformer架构组件介绍(理解)
13:08
Day09-18.Transformer架构测试_下(理解)
13:23
Day10-01.Fasttext_简介及环境搭建(理解)
16:36
Day10-02.Fasttext_哈夫曼树介绍(理解)
30:11
Day10-03.Fasttext_负采样介绍(理解)
26:31
Day10-04.Fasttext_直接训练_代码实现(掌握)
32:00
Day10-05.Fasttext优化_数据预处理(掌握)
06:59
Day10-06.Fasttext优化_调整训练轮数和学习率(掌握)
09:16
Day10-07.Fasttext优化_调整NGram和损失函数(掌握)
09:33
Day10-08.Fasttext优化_自动调参(掌握)
10:19
Day10-09.Fasttext优化_多分类多标签任务(掌握)
11:35
Day10-10.Fasttext_模型保存和加载(掌握)
09:32
Day10-11.Fasttext_词向量迁移介绍(理解)
04:26
Day10-12.迁移学习介绍(理解)
20:44
Day10-13.常见的预训练NLP模型介绍(理解)
32:57
Day10-14.Transformers库介绍及环境搭建(理解)
15:53
Day10-15.NLP任务_Pipeline方式_文本分类(掌握)
22:37
Day10-16.NLP任务_Pipeline方式_特征提取(掌握)
15:46
Day10-17.NLP任务_Pipeline方式_完形填空(掌握)
11:58
Day11-01.pipeline方式_阅读理解任务(理解)
12:36
Day11-02.pipeline方式_文本摘要任务(理解)
09:37
Day11-03.pipeline方式_NER任务(理解)
12:29
Day11-04.自动模型方式_文本分类任务(掌握)
35:41
Day11-05.自动模型方式_特征提取任务(掌握)
16:55
Day11-06.自动模型方式_完形填空任务(掌握)
21:29
Day11-07.自动模型方式_阅读理解任务(掌握)
27:31
Day11-08.自动模型方式_文本摘要任务(理解)
16:33
Day11-09.自动模型方式_NER任务(理解)
29:28
Day11-10.具体模型方式_完形填空任务(掌握)
20:02
Day11-11.迁移学习_中文分类案例_数据加载(掌握)
32:11
Day11-12.迁移学习_中文分类案例_数据预处理(掌握)
20:20
Day12-01.迁移学习_中文分类案例_模型搭建(掌握)
21:39
Day12-02.迁移学习_中文分类案例_模型训练(掌握)
29:22
Day12-03.迁移学习_中文分类案例_模型评估(掌握)
18:08
Day12-04.迁移学习_中文填空案例_数据预处理(掌握)
28:01
Day12-05.迁移学习_中文填空案例_模型搭建(掌握)
08:57
Day12-06.迁移学习_中文填空案例_模型训练(掌握)
12:20
Day12-07.迁移学习_中文填空案例_模型评估(掌握)
08:29
Day12-08.迁移学习_NSP案例_自定义数据集对象(掌握)
26:08
Day12-09.迁移学习_NSP案例_数据预处理(掌握)
15:41
Day12-10.迁移学习_NSP案例_模型搭建(掌握)
04:07
Day12-11.迁移学习_NSP案例_模型训练和评估(掌握)
15:15
Day12-12.BERT模型介绍(理解)
28:58
Day12-13.BERT模型架构介绍(理解)
10:56
Day12-14.BERT预训练任务_MLM和NSP介绍(理解)
16:32
Day12-15.BERT模型总结(理解)
04:58
Day12-16.ELMo模型介绍(理解)
16:21
Day12-17.GPT模型介绍(理解)
15:23
【直播课】零基础Python数据+AI实战训练营
玩转数据解析
顶部