返回

《自然语言处理实用指南：NLP 终身学习伴侣》

导航
上一页
第1条 至 第50条
下一页
免费
第 1 节 发刊词：课程设计的初衷
免费
第 2 节 NLP 的需求仍然快速增长
免费
第 3 节 如何学习 NLP
免费
第 4 节 什么是自然语言处理
免费
第 5 节 从 NLU 到 NLG
免费
第 6 节 为什么自然语言处理比理解图像难
免费
第 7 节 一种含义多种表法方式
免费
第 8 节 从一个简单的机器翻译说起（上）
免费
第 9 节 从一个简单的机器翻译说起 （中）
免费
第 10 节 从一个简单的机器翻译说起（下）
免费
第 11 节 常见 NLP 应用场景：智能问答系统
免费
第 12 节 常见 NLP 应用场景：文本生成
免费
第 13 节 常见 NLP 应用场景：机器翻译
免费
第 14 节 常见 NLP 应用场景：情感分析
免费
第 15 节 常见 NLP 应用场景：聊天机器人
免费
第 16 节 常见 NLP 应用场景：虚假新闻检测
免费
第 17 节 常见 NLP 应用场景：文本主题分类
免费
第 18 节 常见 NLP 应用场景：信息抽取
免费
第 19 节 自然语言处理基础的三个维度
免费
第 20 节 自然语言处理的关键技术：分词
免费
第 21 节 自然语言处理的关键技术：词性分析
免费
第 22 节 自然语言处理的关键技术：语义理解
免费
第 23 节 自然语言处理的关键技术：命名实体识别
免费
第 24 节 自然语言处理的关键技术：依存文法分析
免费
第 25 节 自然语言处理的关键技术：句法分析
免费
第 26 节 自然语言处理的关键技术：自然语言处理技术概览
免费
第 27 节 为什么要重视这些：复杂度分析
免费
第 28 节 递归函数的复杂度：时间
免费
第 29 节 递归函数的复杂度：空间
免费
第 30 节 动态规划算法：斐波那契数列循环实现
免费
第 31 节 动态规划算法：最大递增子串
免费
第 32 节 动态规划算法：换硬币问题
免费
第 33 节 DTW 算法和应用：DTW 算法介绍
免费
第 34 节 DTW 算法和应用：DTW 的应用场景（上）
免费
第 35 节 DTW 算法和应用：DTW的应用场景（下）
免费
第 36 节 DTW 算法和应用：DTW 算法实现
免费
第 37 节 逻辑回归中的条件概率：逻辑回归中的应用
免费
第 38 节 逻辑回归中的条件概率：理解基准
免费
第 39 节 逻辑回归中的条件概率：分类问题（上）
免费
第 40 节 逻辑回归中的条件概率：分类问题（中）
免费
第 41 节 逻辑回归中的条件概率：分类问题（下）
免费
第 42 节 逻辑回归中的条件概率：逻辑函数
免费
第 43 节 逻辑回归中的条件概率：样本条件概率（上）
免费
第 44 节 逻辑回归中的条件概率：样本条件概率（下）
免费
第 45 节 逻辑回归的目标函数：最大似然估计
免费
第 46 节 逻辑回归的目标函数：最大似然估计（硬币案例）
免费
第 47 节 逻辑回归的似然函数：所有样本的似然函数
免费
第 48 节 逻辑回归的目标函数：逻辑回归的最大似然估计（上）
免费
第 49 节 逻辑回归的目标函数：逻辑回归的最大似然估计（中）
免费
第 50 节 逻辑回归的目标函数：逻辑回归的最大似然估计（下）
上一页
第1条 至 第50条
下一页