深度之眼NLP项目1v多视频课程，由优库it资源网整理发布原画质已完结版。本课是一套自然语言处理（NLP）相关技术系统化知识体系化课程，该课程包含多个模块，涵盖了NLP的理论知识和实战项目应用。围绕大量的实战案例与练习，带你加深对NLP技术的理解和掌握，快速提升实际项目经验。
深度之眼-推荐系统1V多项目小班
【有三AI】人工智能：计算机视觉体系化进阶升级版
深度之眼人工智能Paper年度会员课程合集（CV方向）
深度之眼人工智能Paper年度会员课程合集（NLP方向）
.
├── 1-1_项目一、类搜狐新闻场景下的中文分词器-录播/
│ ├── [235M] 1-1_11-理论-基于语言模型的机械分词器
│ ├── [1.5G] 1-2_11-实践-从头构建一个基于语言模型的机械分词器
│ ├── [415M] 1-3_12-理论-序列标注的分词方法
│ ├── [613M] 1-4_12-实践-基于新闻语料，构建CRF、BiLSTM-CRF的分词器
│ ├── [683M] 1-5_13-理论-剖析jieba和HanLP源码
│ ├── [1.3G] 1-6_13-实践-使用UML工具图，剖析Jieba开源代码
│ ├── [512M] 1-7_14-理论-分词的策略融合和场景应用
│ └── [331M] 1-8_14-实践-融合机械切分与模型切分，打造属于你的工业级分词器
├── 1-2_工程化部署-录播@认准一手完整 www.ukoou.com/
│ ├── [671M] 1-1_21-理论-微服务、测试与GPU
│ ├── [758M] 1-2_21-实践-封装微服务，编写测试用例和脚本，并观察gpu
│ ├── [758M] 1-3_22-理论-Docker、CICD与K8S
│ └── [607M] 1-4_22-实践-构建镜像与CICD脚本
├── 1-3_项目二、类新浪门户场景下的关键词提取-录播/
│ ├── [435M] 1-1_31-理论-基于tfidf和textrank的关键词提取
│ ├── [474M] 1-2_31-实践-基于tfidf和textrank的关键词提取系统
│ ├── [384M] 1-3_32-理论-主题模型和新词发现的关键词提取
│ └── [483M] 1-4_32-实践-为关键词提取系统融入主题词和新词
├── 1-4_项目三、实体识别-录播/
│ ├── [401M] 1-1_41-理论部分-传统序列标注下的实体识别
│ ├── [475M] 1-2_41-实践部分-实体识别的初步实践
│ ├── [368M] 1-3_42-理论部分-成熟的传统实体识别系统
│ ├── [377M] 1-4_42-实践部分-搭建一个成熟的传统实体识别系统
│ ├── [534M] 1-5_43-理论部分-基于CNN和RNN的实体识别
│ ├── [563M] 1-6_43-实践部分-融入IDCNN和LatticeLSTM
│ ├── [840M] 1-7_44-理论部分-Bert及其变体的实体识别
│ ├── [644M] 1-8_44-实践部分-使用Bert及其变体，更上一层楼
│ ├── [429M] 1-9_45-理论部分-HMM、CRF、Bert调参经验
│ ├── [370M] 1-10_45-实践部分-HMM、CRF、Bert调参经验
│ ├── [426M] 1-11_46-理论部分-数据增强、标签分布不均衡、loss选择、正则化、ONNX推理加速
│ └── [584M] 1-12_46-实践部分-数据增强、标签分布不均衡、loss选择、正则化、ONNX推理加速
├── 1-5_项目四、文本分类-录播/
│ ├── [453M] 1-1_51-理论部分-集成学习和常用的深度学习分类模型
│ ├── [662M] 1-2_51-实战部分-实战集成学习RF、XGBoost和深度学习BiLSTM、TextCNN、
│ ├── [659M] 1-3_52-理论部分-长文本分类和模型蒸馏
│ └── [485M] 1-4_52-实战部分-实现Longformer、使用DisttilBertTextBrewe
├── 1-6_项目五、文本摘要-录播/
│ ├── [2.3G] 1-1_61-理论-文本摘要任务综述
│ ├── [392M] 1-2_61-实践-指标实现和讲解
│ ├── [162M] 1-3_62-理论-抽取式文本摘要
│ ├── [435M] 1-4_62-实践-抽取式文本摘要模型实现和讲解
│ ├── [118M] 1-5_63-理论-生成式文本摘要
│ ├── [391M] 1-6_63-实践-生成式文本摘要模型实现和讲解
│ ├── [149M] 1-7_64-理论-预训练摘要模型生成
│ ├── [463M] 1-8_64-实践-基于预训练文本摘要模型实现和讲解
│ ├── [145M] 1-9_65-理论-文本要模-进阶思考
│ └── [483M] 1-10_65-实践-相关模型的实现和讲解
├── 1-7_项目6对话系统/
│ ├── [147M] 1-1_71-理论-初识问答系统
│ ├── [448M] 1-2_71-实践-实战基于ES的检索式问答
│ ├── [139M] 1-3_72-理论-经典的检索式问答系统
│ ├── [469M] 1-4_72-实践-从头实现一个传统的FAQ问答系统
│ ├── [937M] 1-5_73-理论部分-基于预训练模型的检索问答
│ ├── [453M] 1-6_73-实践-实战基于bert的检索问答
│ ├── [1.2G] 1-7_74-理论部分-比对学习下的文本匹配
│ ├── [417M] 1-8_74-实践-实践SimCSE
│ ├── [ 99M] 1-9_75-理论部分-生成式问答系统
│ └── [376M] 1-10_75-实践-实战gpt2对话生成
├── 1-8_项目七、知识图谱录播/
│ ├── [ 268] 1-1_课件资料
│ ├── [173M] 1-2_1、知识图谱简介
│ ├── [131M] 1-3_2、实体识别模型：序列标注vsBiaffine
│ ├── [397M] 1-4_3、实体识别模型代码
│ ├── [134M] 1-5_4、关系抽取与指代消歧
│ ├── [404M] 1-6_5、关系抽取与指代消歧代码
│ ├── [317M] 1-7_6、实体(术语)标准化：系统搭建，模型实现
│ ├── [221M] 1-8_7、基于知识库的推荐系统
│ └── [232M] 1-9_8、KGAT代码复现
├── 1-9_Promptlearning-前沿讲解/
│ ├── [ 239] 1-1_课件资料
│ ├── [544M] 1-2_1、【理论】小样本学习概述.mov
│ ├── [292M] 1-3_2、【实践】经典小样本学习实践
│ ├── [137M] 1-4_3、【理论】自然文本生成
│ ├── [125M] 1-5_4、【理论】提示学习概述
│ ├── [229M] 1-6_5、【实践】文本分类与提示学习实践
│ └── [243M] 1-7_6、【实践】NER与提示学习
├── NLP项目班1v多会议沟通/
│ ├── @认准一手完整 www.ukoou.com
│ ├── [141M] 1-1_nlp项目一对多17
│ ├── [227M] 1-2_nlp项目1对多16
│ ├── [100M] 1-3_nlp项目1对多15
│ ├── [184M] 1-4_nlp项目1对多14
│ ├── [184M] 1-5_nlp项目1对多13
│ ├── [ 88M] 1-6_nlp项目1对多12
│ ├── [140M] 1-7_nlp项目1对多11
│ ├── [132M] 1-8_nlp项目1对多10
│ ├── [ 79M] 1-9_nlp项目1对多-09
│ ├── [159M] 1-10_nlp项目1对多08
│ ├── [174M] 1-11_nlp项目1对多07
│ ├── [170M] 1-12_nlp项目1对多06
│ ├── [ 96M] 1-13_nlp项目班05
│ ├── [ 76M] 1-14_nlp项目1对多04
│ ├── [118M] 1-15_nlp项目1对多03
│ ├── [142M] 1-16_NLP项目班1v多会议沟通（1）
│ ├── [245M] 1-17_9月21日，meeting
│ ├── [ 295] 1-18_课件资料
│ └── [152M] 1-19_NLP项目1v多会议沟通（2）
└── 资料代码/
