├── 01-NLP-课程简介
├── 02-NLP课程概述
├── 03-NLP导论-常见任务
├── 04-NLP导论-技术演进历史
├── 05-NLP环境准备
├── 06-NLP文本表示-概述
├── 07-NLP文本表示-分词-英文分词
├── 08-NLP文本表示-分词-英文分词-BPE算法
├── 09-NLP文本表示-分词-中文分词
├── 10-NLP文本表示-分词-分词工具概述
├── 11-NLP文本表示-分词-分词工具jieba-分词模式
├── 12-NLP文本表示-分词-分词工具jieba-分词模式-API
├── 13-NLP文本表示-分词-分词工具jieba-自定义词典
├── 14-NLP文本表示-词表示-one-hot&语义化词向量-概述
├── 15-NLP文本表示-词表示-语义化词向量-Word2Vec概述
├── 16-NLP文本表示-词表示-Word2Vec原理-Skip-Gram
├── 17-NLP文本表示-词表示-Word2Vec原理-CBOW
├── 18-NLP文本表示-词表示-Word2Vec获取公开词向量
├── 19-NLP文本表示-词表示-语义化词向量-应用
├── 20-NLP文本表示-词表示-训练词向量
├── 21-NLP文本表示-词表示-语义化词向量训练实操
├── 22-NLP文本表示-词表示-语义化词向量应用
├── 23-NLP文本表示-词表示-语义化词向量编码
├── 24-NLP文本表示-词表示-语义化词向量应用-OOV问题
├── 25-NLP文本表示-词表示-上下文相关词向量
├── 26-NLP传统序列模型-RNN概述
├── 27-NLP传统序列模型-RNN基础结构
├── …
├── 37-NLP传统序列模型-RNN案例概述
├── 38-NLP传统序列模型-RNN案例数据集说明
├── …
├── 67-NLP传统序列模型-LSTM概述
├── 68-NLP传统序列模型-LSTM基础结构
├── …
├── 73-NLP传统序列模型-LSTM案例概述
├── 74-NLP传统序列模型-LSTM案例数据处理
├── …
├── 87-NLP-Seq2Seq概述
├── 88-NLP-Seq2Seq模型结构-编码器
├── 89-NLP-Seq2Seq模型结构-解码器
├── …
├── 107-NLP-Seq2Seq总结
├── 108-NLP-Attention机制概述
├── 109-NLP-Attention机制工作原理
├── …
├── 116-NLP-Transformer概述
├── 117-NLP-Transformer核心思想
├── 118-NLP-Transformer整体结构
├── 119-NLP-Transformer模型结构-编码器
├── …
├── 136-NLP-Transformer模型训练和推理机制
├── 137-NLP-Transformer API概述
├── …
├── 149-NLP-Transformer哈佛版本核心源码解读
├── 150-NLP预训练模型概述
├── 151-NLP预训练模型-分类
├── 152-NLP预训练模型-GPT概述
├── …
├── 156-NLP预训练模型-BERT概述
├── …
├── 161-NLP预训练模型-T5预训练&微调
├── 162-NLP预训练模型-HF概述
├── 163-NLP预训练模型-HF模型加载-AutoModel
├── …
├── 169-NLP预训练模型-HF-Datasets概述
├── …
├── 182-NLP预训练模型案例-模型定义
├── 183-NLP预训练模型案例-模型训练
├── 184-NLP预训练模型案例-模型推理
├── 185-NLP预训练模型案例-模型评估
├── 186-NLP预训练模型案例-测试
└── 187-NLP预训练模型案例-带任务头的预训练模型
