介绍：
├─章节1：
│      1. NLP和深度学习发展概况和最新动态
│      2. NLP实现机器学习，聊天机器人，情感分析和语义搜索.mp4
│
├─章节2： NLP与python编程
│      3. Python环境搭建及开发工具安装.mp4
│      4. NLP常用PYTHON开发包的介绍.mp4
│      5. Jieba安装、介绍及使用.mp4
│      6. Stanford NLP 在Python环境中安装、介绍及使用.mp4
│      7. Hanlp 在Python环境中安装、介绍及使用.mp4
│
├─章节3： 快速掌握NLP技术之分词、词性标注和关键字提取
│      08. 分词、词性标注及命名实体识别介绍及应用.mp4
│      09. 准确分词之加载自定义字典分词01.mp4
│      10. 准确分词之加载自定义字典分词02.mp4
│      11. 准确分词之动态调整词频和字典.mp4
│      12. 词性标注代码实现及信息提取.mp4_
│      13. 人名、地名、机构名等关键命名实体识别.mp4
│      14. TextRank算法原理介绍.mp4
│      15. 基于TextRank关键词提取.mp4
│
├─章节4： 句法与文法
│      16. 依存句法与语义依存分析.mp4
│      17. 依存句法树解析（子树遍历，递归搜索，叶子节点提取等）.mp4      
│      18. 名词短语块挖掘.mp4
│      19. 自定义语法与CFG.mp4
│
├─章节5： N-GRAM文本挖掘
│      20. N-GRAM算法介绍.mp4
│      21. N-GRAM生成词语对.mp4
│      22. TF-IDF算法介绍应用.mp4
│      23. 基于TF-IDF挖掘符合语言规范的N-GRAM.mp4
│
├─章节6： 表示学习与关系嵌入
│      24. 语言模型.mp4
│      25. 词向量.mp4
│      26. 深入理解Word2vec算法层次sofmax.mp4
│      27. 深入理解Word2vec算法负采样.mp4
│      28. 6.4 基于Word2vec技术的词向量、字向量训练.mp4
│
├─章节7： 深度学习之卷积神经网络
│      29. BP神经网络.mp4
│      30. 彻底理解深度学习指卷积神经网络.mp4
│      31. CNN文本分类.mp4
│      32. CNN文本分类算法模块.mp4
│      33. CNN文本分类模型详解数据预处理.mp4
│      34. CNN文本分类模型测试与部署.mp4
│
├─章节8： 深度学习之递归神经网络
│      35. 递归网络.mp4
│      36. LSTM.mp4
│      37. LSTM文本分类原理.mp4
│      38. LSTM文本分类代码架构.mp4
│      39. LSTM文本分类代码详解.mp4
│      40. LSTM文本分类模型预测与部署.mp4
│
├─章节9： 特定领域命名实体识别NER技术
│       41. 基于深度学习医药保险命名实体识别课题背景介绍.mp4
│       42. 医药保险命名实体和实体关系体系建立和命名实体分类规范.mp4
│       43. 医药保险命名实体识别相关前沿技术和难点.mp4
│       44. 基于深度学习医药保险命名实体识别的算法模块设计(上).mp4
│       45. 基于深度学习医药保险命名实体识别的算法模块设计（下）.mp4
│       46. 数据的采集，清洗，数据机器自动标注及转化为深度学习格式.mp4
│       47. 数据的采集，清洗，数据机器自动标注及转化为深度学习格式.mp4
│       48. 模型本地Lib库封装（上）.mp4
│       49. 模型本地Lib库封装（下）.mp4
│       50. 部署tensorflow训练好的模型为云服务（上）.mp4
│       51. 部署tensorflow训练好的模型为云服务（下）.mp4
│       52. 算法设计及代码实现1.mp4
│       53. 算法设计及代码实现2.mp4
│       54. 代码调试，参数优化及深度剖析（深入理解）1.mp4
│       55. 代码调试，参数优化及深度剖析（深入理解）2.mp4
│
├─源码
│
├─自然语言处理-配套课件链接.docx
百度网盘下载地址：