登录
注册
登录
注册
首页
在线实训
师资培训
证书培训
1+X证书
双创工作室
竞赛指导
科普知识
全部分类
业务
课程
班级
公开课
登录
注册
首页
在线实训
师资培训
证书培训
1+X证书
双创工作室
竞赛指导
科普知识
全部分类
业务
课程
班级
公开课
项目前置知识学习
第18任务： 3.1.2 基于字典的one-hot实现
查看课程
任务列表
第1任务： 1.1 自然语言处理概述
第2任务： 2.1 NLP的基本流程
第3任务： 2.2.1 语料字符处理-字符串函数
第4任务： 2.2.2 正则表达式
第5任务： 2.2.3 正则表达式应用
第6任务： 2.3.1 分词：正向最大匹配法
第7任务： 2.3.2 分词：正向最大匹配法实现
第8任务： 2.3.3 分词：逆向最大匹配法
第9任务： 2.4.1 N元语法模型
第10任务： 2.4.2 N元语法模型与分词
第11任务： 2.5.1 隐马尔可夫概述
第12任务： 2.5.2 隐马尔可夫实例
第13任务： 2.5.3 Viterbi算法
第14任务： 2.5.4 Viterbi算法应用
第15任务： 2.6 jieba分词
第16任务： 2.7 去停用词
第17任务： 3.1.1 向量化与独热编码
第18任务： 3.1.2 基于字典的one-hot实现
第19任务： 3.1.3 基于keras的one-hot表示
第20任务： 3.2 词袋模型
第21任务： 3.3 TF-IDF
第22任务： 3.4.1 Word2Vec模型概述
第23任务： 3.4.2 Word2Vec模型训练
第24任务： 3.4.3 Word2Vec模型应用
第25任务： 3.5 Doc2Vec模型
第26任务： 1.1 Python数据可视化概述
第27任务： 1.2 Matplotlib绘图库介绍
第28任务： 1.3 Matplotlib散点图绘制
第29任务： 1.4 Matplotlib绘制折线图
第30任务： 1.5 Matplotlib绘制柱状图
第31任务： 1.6 Matplotlib绘制饼图
第32任务： 2.1 Matplotlib例子的背景介绍
第33任务： 2.2 Matplotlib例子：预处理
第34任务： 2.3 Matplotlib例子：销售额随时间变化的可视化
第35任务： 2.4 Matplotlib例子：星期与销售额关系
第36任务： 2.5 Matplotlib例子：时间销售额与订单量的关系分析
第37任务： 1 PyTorch简介
第38任务： 2.1 创建张量
第39任务： 2.2 张量与数组相互转化
第40任务： 3.1 任务描述：构建一个线性模型
第41任务： 3.2 读取数据
第42任务： 3.3 构建初始模型及损失函数
第43任务： 3.4 test-构建优化器
第44任务： 3.4 构建优化器
第45任务： 3.5 最小化方差（训练）
第46任务： 3.6 执行多轮训练
第47任务： 3.7 训练过程可视化
第48任务： 4.1 案例目标与流程
第49任务： 4.2 加载数据
第50任务： 4.3 加工数据
第51任务： 4.4 模型结构介绍
第52任务： 4.5 构建模型
第53任务： 4.6 模型配置
第54任务： 4.7 模型训练
第55任务： 4.8 执行多轮训练
第56任务： 4.9 模型性能评估
第57任务： 4.10 保存模型
第58任务： 4.11 加载模型
第59任务： 4.12 模型应用
第60任务： 1 引言
第61任务： 2.1 浅层神经网络的局限
第62任务： 2.2 卷积操作
第63任务： 2.3 卷积操作的优势
第64任务： 2.4 池化及全连接
第65任务： 2.5 高维输入及多filter卷积
第66任务： 2.6 实现卷积操作
第67任务： 2.7 将卷积结果可视化
第68任务： 2.8 实现池化操作
第69任务： 3.1 循环神经网络简介
第70任务： 3.2 循环神经网络的常见结构
第71任务： 4.1 LSTM的三个门
第72任务： 4.2 LSTM三个门的计算示例
第73任务： 4.3 实现LSTM操作
第74任务： 4.4 LSTM返回值解读
第75任务： 5.1 加载数据
第76任务： 5.2 数据加工
第77任务： 5.3 搭建循环神经网络
第78任务： 5.4 模型配置
第79任务： 5.5 模型训练
第80任务： 5.6 模型性能验证
第81任务： 1 大模型简介
第82任务： 2.1 Transformer引入
第83任务： 2.2 Transformer整体计算流程-训练阶段
第84任务： 2.3 Transformer整体计算流程-推理阶段
第85任务： 2.4 Input Embedding操作
第86任务： 2.5 注意力机制介绍
第87任务： 2.6 attention层的计算过程01
第88任务： 2.7 attention层的计算过程02
第89任务： 2.8 从单头到多头注意力
第90任务： 2.9 Encoder整体计算流程
第91任务： 2.10 encoder代码实现
第92任务： 2.11 Decoder整体计算过程
第93任务： 2.12 Masked Attention及Decoder输出
第94任务： 2.13 decoder代码实现
第95任务： 2.14 Transformer代码实现
第96任务： 2.15 Transformer的并行计算能力
第97任务： 3.1 生成式预训练模型GPT简介
第98任务： 3.2 GPT预训练流程
第99任务： 3.3 GPT微调流程
第100任务： 4.1 BERT简介
第101任务： 4.2 BERT预训练流程
第102任务： 4.3 BERT微调流程
第103任务： 5.1 HuggingFace简介
第104任务： 5.2 使用pipeline进行情感分析
第105任务： 5.3 将预训练模型下载至本地及调用
第106任务： 5.4 使用pipeline完成其他类型任务
第107任务： 5.5 使用transformers完成机器翻译任务
第108任务： 6 小结
第109任务： 项目前置知识学习配套资料下载.zip
学
习
中
心
TOP
张老师
群1：897428979
群2：642795722
工作时间：9:00 - 18:00
张老师:18927565259
邮箱：
3120701392@qq.com
