【新全】2019 NLP(自然语言处理)之Bert课程
感谢大家对课程的喜欢，欢迎大家关注我们的公众号：「AI派」 ，回复「B站」，可以下载所有全套的视频、课件、PPT、源代码、数据集等~
视频选集
（1/52）
1.1 课程简介(P1)
05:00
2.2 BERT任务目标概述(P2)
05:28
3.3 传统解决方案遇到的问题(P3)
11:10
4.4 注意力机制的作用(P4)
06:58
5.5 self-attention计算方法(P5)
11:26
6.6 特征分配与softmax机制(P6)
09:21
7.7 Multi-head的作用(P7)
09:10
8.8 位置编码与多层堆叠(P8)
07:19
9.9 transformer整体架构梳理(P9)
10:58
10.10 BERT模型训练方法(P10)
09:38
11.11 训练实例(P11)
09:48
12.13 BERT开源项目简介(P12)
07:36
13.14 项目参数(P13)
12:09
14.15 数据读取模块(P14)
07:41
15.16 数据预处理模块(P15)
09:38
16.17 tfrecord制作(P16)
11:36
17.18 Embedding层的作用(P17)
07:30
18.19 加入额外编码特征(P18)
09:24
19.20 加入位置编码特征(P19)
05:13
20.21 mask机制(P20)
08:50
21.22 构建QKV矩阵(P21)
12:39
22.23 完成Transformer模块构建(P22)
09:57
23.24 训练BERT模型(P23)
08:52
24.26 中文分类数据与任务概述(P24)
06:00
25.27 读取处理自己的数据集(P25)
09:07
26.29 训练BERT中文分类模型(P26)
09:10
27.30 命名实体识别数据分析与任务目标(P27)
11:28
28.32 NER标注数据处理与读取(P28)
13:24
29.33 构建BERT与CRF模型(P29)
12:41
30.34 词向量模型通俗解释(P30)
08:15
31.35 模型整体框架(P31)
10:11
32.37 训练数据构建(P32)
05:12
33.38 CBOW与Skip-gram模型(P33)
08:21
34.39 负采样方案(P34)
07:41
35.40 数据与任务流程(P35)
10:37
36.42(P36)
06:35
37.43 batch数据制作(P37)
12:25
38.44 网络训练(P38)
12:37
39.45 可视化展示(P39)
06:20
40.46 RNN网络模型解读(P40)
11:53
41.47 NLP应用领域与任务简介(P41)
08:41
42.49 项目流程解读(P42)
10:42
43.50 加载词向量特征(P43)
08:03
44.51 正负样本数据读取(P44)
07:15
45.52 构建LSTM网络模型(P45)
10:17
46.53 训练与测试效果(P46)
10:46
47.55 数据与任务介绍(P47)
07:04
48.56 整体模型架构(P48)
04:50
49.57 数据-标签-语料库处理(P49)
10:17
50.58 输入样本填充补齐(P50)
09:25
51.59 训练网络模型(P51)
10:01
52.60 医疗数据集（糖尿病）实体识别(P52)
09:58
顶部