更多学习资料
01理论基于语言模型的机械切分.mp4
高并发是分布架构设计必须的因素之一，它通常是指，独立访问（或者有独立的数据库）的服务单元，springcloud就是这些微服务的大管家，采用了微服务这种架构之后，项目的数量会非常多，springcloud需要管理好这些微服务需要很多框架支持。
02实践-从头构建一个基于语言模型的机械分词器.mp4
03-序列标注的分词方法.mp4
04基于新闻语料，构建CRF、BiLSTM-CRF分词器.mp4
05理论-剖析Jieba开源代码.mp4
06实践-使用UMI图，剖析Jieba开源代码.mp4
07-分词的策略融合与场景应用.mp4
08-融合机械切分与模型切分，打造属于你的工业级分词.mp4
09-微服务、测试与GPU.mp4
0开营.mp4
10-封装微服务、编写测试用例和脚本、并观察GPU.mp4
11-DockerCICD与K8S.mp4
12实践部分-构建镜像与CICD脚本.mp4
13理论部分-基于tfidf和textrank的关键词提取..mp4
14实践部分-基于tfidf和textrank的关键词提取系统直播课.mp4
15理论部分-主题模型和新词发现的关键词提取..mp4
16实践部分-为关键词提取系统融入主题词和新词直播课.mp4
17模式面试.mp4
18理论部分-传统序列标注下的实体识别..mp4
19实践部分-实体识别的初步实践直播课.mp4
20理论部分-成熟的传统实体识别系统..mp4
21实践部分-搭建一个成熟的传统实体识别系统直播课.mp4
22理论部分-基于CNN和RNN的实体识别..mp4
23实践部分-融入IDCNN和LatticeLSTM直播课.mp4
24理论部分-从Transformer到Bert..mp4
25实践部分-Bert的初步实践直播课.mp4
26理论部分-Bert调参及其变体..mp4
27实践部分-Bert调参和变体实践直播课.mp4
28理论部分-一些深度学习实践技巧..mp4
29实践部分-一些深度学习实践技巧直播课.mp4
30理论- 文本分类.mp4
31实践-实现BERT分类模型直.mp4
32实现BERT模型的蒸馏直播课.mp4
33理论-模型蒸馏..mp4.mp4
34实践-实现transD模型直播课.mp4
35理论-知识图谱的构建.mp4
36实践-使用neo4j搭建知识图谱直播课.mp4.mp4
376.2-理论-知识图谱的应用..mp4
38理论-抽取式摘要模型..mp4.mp4
39理论-生成式摘要模型..mp4.mp4
40NLP大厂实训课程分享会9.1.mp4.mp4
