- 章节1： NLP和深度学习发展概况和最新动态
- 课时1： NLP历史现在及为什么需要学习NLP技术 免费 21:03
- 课时2：NLP实现机器学习，聊天机器人，情感分析和语义搜索 免费 32:57
- 章节2： NLP与PYTHON编程
- 课时3： Python环境搭建及开发工具安装 免费 15:31
- 课时4：NLP常用PYTHON开发包的介绍 免费 19:58
- 课时5：Jieba安装、介绍及使用 21:32
- 课时6：Stanford NLP 在Python环境中安装、介绍及使用 16:17
- 课时7：Hanlp 在Python环境中安装、介绍及使用 17:29
- 章节3： 快速掌握NLP技术之分词、词性标注和关键字提取
- 课时8：分词、词性标注及命名实体识别介绍及应用 14:31
- 课时9：准确分词之加载自定义字典分词01 17:35
- 课时10：准确分词之加载自定义字典分词02 19:36
- 课时11：准确分词之动态调整词频和字典 18:01
- 课时12：词性标注代码实现及信息提取 11:02
- 课时13：人名、地名、机构名等关键命名实体识别 20:03
- 课时14：TextRank算法原理介绍 28:12
- 课时15：基于TextRank关键词提取 14:07
- 章节4： 句法与文法
- 课时16：依存句法与语义依存分析 免费 26:17
- 课时17：依存句法树解析（子树遍历，递归搜索，叶子节点提取等） 20:41
- 课时18：名词短语块挖掘 27:35
- 课时19：自定义语法与CFG 21:46
- 章节5： N-GRAM文本挖掘
- 课时20：N-GRAM算法介绍 13:44
- 课时21：N-GRAM生成词语对 13:36
- 课时22：TF-IDF算法介绍应用 12:33
- 课时23：基于TF-IDF挖掘符合语言规范的N-GRAM 23:36
- 章节6： 表示学习与关系嵌入
- 课时24：语言模型 09:37
- 课时25：词向量 25:25
- 课时26：深入理解Word2vec算法层次sofmax 30:21
- 课时27：深入理解Word2vec算法负采样 23:05
- 课时28：6.4 基于Word2vec技术的词向量、字向量训练 43:43
- 章节7： 深度学习之卷积神经网络
- 课时29：BP神经网络 29:11
- 课时30：彻底理解深度学习指卷积神经网络 31:23
- 课时31：CNN文本分类 20:19
- 课时32：CNN文本分类算法模块 37:50
- 课时33：CNN文本分类模型详解数据预处理 16:49
- 课时34：CNN文本分类模型测试与部署 06:55
- 章节8： 深度学习之递归神经网络
- 课时35：递归网络 29:10
- 课时36：LSTM 25:38
- 课时37：LSTM文本分类原理 07:20
- 课时38： LSTM文本分类代码架构 12:04
- 课时39：LSTM文本分类代码详解 23:21
- 课时40：LSTM文本分类模型预测与部署 12:32
- 章节9： 特定领域命名实体识别NER技术
- 课时41：基于深度学习医药保险命名实体识别课题背景介绍 36:40
- 课时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 35:19
- 课时43：医药保险命名实体识别相关前沿技术和难点 17:01
- 课时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) 24:54
- 课时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） 21:24
- 课时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（上） 23:02
- 课时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（下） 26:26
- 课时48：模型本地Lib库封装（上） 27:41
- 课时49：模型本地Lib库封装（下） 17:25
- 课时50： 部署tensorflow训练好的模型为云服务（上） 22:15
- 课时51：部署tensorflow训练好的模型为云服务（下） 21:01
- 课时52：算法设计及代码实现1 55:52
- 课时53：算法设计及代码实现2 26:43
- 课时54：代码调试，参数优化及深度剖析（深入理解）1 42:40
- 课时55：代码调试，参数优化及深度剖析（深入理解）2 43:06
