• 章節1： 課程學習指南，購前必讀【免費觀看】 立即學習
• 課時1　 課程學習指南，購前必讀【免費觀看】 立即學習

• 章節2： 什么是文本挖掘（免費觀看） 立即學習
• 課時2　 什么是文本挖掘（免費觀看） 08:57 立即學習

• 章節3： 文本挖掘的基本流程和任務（免費觀看） 立即學習
• 課時3　 文本挖掘的基本流程和任務（免費觀看） 08:19 立即學習

• 章節4： 文本挖掘的基本思路（免費觀看） 立即學習
• 課時4　 文本挖掘的基本思路（免費觀看） 06:52 立即學習

• 章節5： 語料數據化時需要考慮的工作（免費觀看） 立即學習
• 課時5　 語料數據化時需要考慮的工作（免費觀看） 06:49 立即學習

• 章節6： 本課程數據下載 立即學習
• 課時6　 本課程數據下載 立即學習
• 課時7　 學習資料1 立即學習

• 章節1： Python常用IDE簡介（免費觀看） 立即學習
• 課時8　 Python常用IDE簡介（免費觀看） 10:28 立即學習

• 章節2： Anaconda的安裝與配置（免費觀看） 立即學習
• 課時9　 Anaconda的安裝與配置（免費觀看） 14:05 立即學習

• 章節3： Jupyter Notebook的基本操作（免費觀看） 立即學習
• 課時10　 Jupyter Notebook的基本操作（免費觀看） 11:58 立即學習

• 章節4： NLTK的安裝與設置（免費觀看） 立即學習
• 課時11　 NLTK的安裝與設置（免費觀看） 06:06 立即學習

• 章節5： 什么是語料庫（免費觀看） 立即學習
• 課時12　 什么是語料庫（免費觀看） 13:43 立即學習

• 章節6： 準備《射雕》語料庫 立即學習
• 課時13　 準備《射雕》語料庫 13:08 立即學習

• 章節7： 實戰作業：準備工具與素材 立即學習
• 課時14　 實戰作業：準備工具與素材 01:00 立即學習

• 章節8： 本章課件下載 立即學習
• 課時15　 本章課件下載 立即學習
• 課時16　 學習資料1 立即學習

• 章節1： 分詞原理簡介（免費觀看） 立即學習
• 課時17　 分詞原理簡介（免費觀看） 08:02 立即學習

• 章節2： 結巴分詞的基本用法（免費觀看） 立即學習
• 課時18　 結巴分詞的基本用法（免費觀看） 06:38 立即學習

• 章節3： 使用自定義詞典和搜狗細胞詞庫 立即學習
• 課時19　 使用自定義詞典和搜狗細胞詞庫 09:55 立即學習

• 章節4： 去除停用詞 立即學習
• 課時20　 去除停用詞 11:07 立即學習

• 章節5： 詞性標注及其他 立即學習
• 課時21　 詞性標注及其他 06:30 立即學習

• 章節6： 實戰作業：《射雕》一書分詞 立即學習
• 課時22　 實戰作業：《射雕》一書分詞 01:00 立即學習

• 章節7： 本章課件下載 立即學習
• 課時23　 本章課件下載 立即學習
• 課時24　 學習資料1 立即學習

• 章節1： 詞頻統計（免費觀看） 立即學習
• 課時25　 詞頻統計（免費觀看） 08:25 立即學習

• 章節2： 詞云概述（免費觀看） 立即學習
• 課時26　 詞云概述（免費觀看） 05:03 立即學習

• 章節3： wordcloud包的安裝 立即學習
• 課時27　 wordcloud包的安裝 08:10 立即學習

• 章節4： 繪制詞云 立即學習
• 課時28　 繪制詞云 13:13 立即學習

• 章節5： 自定義詞云形狀（背景） 立即學習
• 課時29　 自定義詞云形狀（背景） 09:35 立即學習

• 章節6： 自定義詞云顏色 立即學習
• 課時30　 自定義詞云顏色 10:35 立即學習

• 章節7： 實戰作業：優化射雕詞云 立即學習
• 課時31　 實戰作業：優化射雕詞云 01:00 立即學習

• 章節8： 本章課件下載 立即學習
• 課時32　 本章課件下載 立即學習
• 課時33　 學習資料1 立即學習

• 章節1： 詞袋模型 立即學習
• 課時34　 詞袋模型 07:33 立即學習

• 章節2： 詞袋模型的gensim實現 立即學習
• 課時35　 詞袋模型的gensim實現 10:55 立即學習

• 章節3： 用Pandas生成文檔-詞條矩陣 立即學習
• 課時36　 用Pandas生成文檔-詞條矩陣 11:16 立即學習

• 章節4： 用sklearns生成文檔-詞條矩陣 立即學習
• 課時37　 用sklearns生成文檔-詞條矩陣 11:41 立即學習

• 章節5： 從詞袋模型到N-gram模型 立即學習
• 課時38　 從詞袋模型到N-gram模型 06:50 立即學習

• 章節6： 文本信息的分布式表示 立即學習
• 課時39　 文本信息的分布式表示 09:51 立即學習

• 章節7： 共現矩陣 立即學習
• 課時40　 共現矩陣 05:56 立即學習

• 章節8： NNLM模型的突破 立即學習
• 課時41　 NNLM模型的突破 05:19 立即學習

• 章節9： word2vec一出，滿座皆驚 立即學習
• 課時42　 word2vec一出，滿座皆驚 15:17 立即學習

• 章節10： 實戰作業 立即學習
• 課時43　 實戰作業 立即學習

• 章節11： 本章課件下載 立即學習
• 課時44　 本章課件下載 立即學習
• 課時45　 學習資料1 立即學習

• 章節1： 關鍵詞提取的基本思路 立即學習
• 課時46　 關鍵詞提取的基本思路 06:43 立即學習

• 章節2： TF-IDF 算法 立即學習
• 課時47　 TF-IDF 算法 05:53 立即學習

• 章節3： TF-IDF算法的jieba實現 立即學習
• 課時48　 TF-IDF算法的jieba實現 11:09 立即學習

• 章節4： TF-IDF算法的sklearn實現 立即學習
• 課時49　 TF-IDF算法的sklearn實現 05:39 立即學習

• 章節5： TF-IDF算法的gensim實現 立即學習
• 課時50　 TF-IDF算法的gensim實現 05:35 立即學習

• 章節6： TextRank算法 立即學習
• 課時51　 TextRank算法 08:16 立即學習

• 章節7： 實戰作業 立即學習
• 課時52　 實戰作業 立即學習
• 課時53　 學習資料1 立即學習

• 章節8： 本章課件下載 立即學習
• 課時54　 本章課件下載 立即學習
• 課時55　 學習資料1 立即學習

• 章節1： 主題模型概述 立即學習
• 課時56　 主題模型概述 13:02 立即學習

• 章節2： 主題模型的sklearn實現 立即學習
• 課時57　 主題模型的sklearn實現 12:25 立即學習

• 章節3： 主題模型的gensim實現 立即學習
• 課時58　 主題模型的gensim實現 15:57 立即學習

• 章節4： 實戰作業 立即學習
• 課時59　 實戰作業 立即學習

• 章節5： 本章課件下載 立即學習
• 課時60　 本章課件下載 立即學習
• 課時61　 學習資料1 立即學習

• 章節1： 基本概念 立即學習
• 課時62　 基本概念 07:38 立即學習

• 章節2： 詞條相似度：word2vec訓練 立即學習
• 課時63　 詞條相似度：word2vec訓練 10:07 立即學習

• 章節3： 詞條相似度：word2vec應用 立即學習
• 課時64　 詞條相似度：word2vec應用 09:24 立即學習

• 章節4： 文檔相似度的詞袋模型實現 立即學習
• 課時65　 文檔相似度的詞袋模型實現 07:52 立即學習

• 章節5： doc2vec 立即學習
• 課時66　 doc2vec 09:55 立即學習

• 章節6： 文檔聚類 立即學習
• 課時67　 文檔聚類 09:05 立即學習

• 章節7： 實戰作業 立即學習
• 課時68　 實戰作業 立即學習

• 章節8： 本章課件下載 立即學習
• 課時69　 本章課件下載 立即學習
• 課時70　 學習資料1 立即學習

• 章節1： 文本分類概述 立即學習
• 課時71　 文本分類概述 11:07 立即學習

• 章節2： 樸素貝葉斯算法 立即學習
• 課時72　 樸素貝葉斯算法 07:11 立即學習

• 章節3： 算法的sklearn實現 立即學習
• 課時73　 算法的sklearn實現 10:27 立即學習

• 章節4： 算法的NLTK實現 立即學習
• 課時74　 算法的NLTK實現 06:44 立即學習

• 章節5： 實戰作業 立即學習
• 課時75　 實戰作業 立即學習
• 課時76　 學習資料1 立即學習

• 章節6： 本章課件下載 立即學習
• 課時77　 本章課件下載 立即學習
• 課時78　 學習資料1 立即學習

• 章節1： 情感分析概述 立即學習
• 課時79　 情感分析概述 17:56 立即學習

• 章節2： 情感分析的詞袋模型實現 立即學習
• 課時80　 情感分析的詞袋模型實現 07:29 立即學習

• 章節3： 情感分析的分布式表達實現 立即學習
• 課時81　 情感分析的分布式表達實現 10:12 立即學習

• 章節4： 實戰作業 立即學習
• 課時82　 實戰作業 立即學習
• 課時83　 學習資料1 立即學習

• 章節5： 本章課件下載 立即學習
• 課時84　 本章課件下載 立即學習
• 課時85　 學習資料1 立即學習

• 章節1： 自動摘要的基本原理 立即學習
• 課時86　 自動摘要的基本原理 13:10 立即學習

• 章節2： 自動摘要的效果評價 立即學習
• 課時87　 自動摘要的效果評價 09:03 立即學習

• 章節3： 文檔自動摘要的Python實現 立即學習
• 課時88　 文檔自動摘要的Python實現 12:50 立即學習

• 章節4： 實戰作業 立即學習
• 課時89　 實戰作業 立即學習

• 章節5： 本章課件下載 立即學習
• 課時90　 本章課件下載 立即學習
• 課時91　 學習資料1 立即學習

• 章節1： RNN的基本原理 立即學習
• 課時92　 RNN的基本原理 13:55 立即學習

• 章節2： LSTM的基本原理 立即學習
• 課時93　 LSTM的基本原理 13:16 立即學習

• 章節3： Keras+TensorFlow組合的優勢 立即學習
• 課時94　 Keras+TensorFlow組合的優勢 05:32 立即學習

• 章節4： Keras+TensorFlow組合的安裝 立即學習
• 課時95　 Keras+TensorFlow組合的安裝 05:46 立即學習

• 章節5： LSTM案例：數據準備 立即學習
• 課時96　 LSTM案例：數據準備 13:58 立即學習

• 章節6： LSTM案例：模型擬合 立即學習
• 課時97　 LSTM案例：模型擬合 11:23 立即學習

• 章節7： LSTM+word2vec案例：數據準備 立即學習
• 課時98　 LSTM+word2vec案例：數據準備 13:38 立即學習

• 章節8： LSTM+word2vec案例：模型擬合 立即學習
• 課時99　 LSTM+word2vec案例：模型擬合 09:46 立即學習

• 章節9： 實戰作業 立即學習
• 課時100　 實戰作業 立即學習

• 章節10： 本章課件下載 立即學習
• 課時101　 本章課件下載 立即學習
• 課時102　 學習資料1 立即學習