Python-51CTO-Python数据分析系列视频课程–玩转文本挖掘是一系列针对Python数据分析的培训课程，主要内容包括文本挖掘的原理、方法和应用。该课程由51CTO提供的视频教程，主要面向对Python数据分析感兴趣的用户，特别是那些希望在文本挖掘领域有所建树的用户。
课程内容主要包括以下方面：
1. 文本挖掘概述：介绍文本挖掘的基本概念、应用场景和常用工具。
2. Python基础知识：介绍Python编程语言的基础知识，包括语法、数据类型、库和模块等。
3. 文本预处理：讲解如何对文本数据进行预处理，包括分词、去停用词、词干提取等。
4. 文本特征提取：介绍常见的文本特征提取方法，如TF-IDF、Word2Vec、Doc2Vec等。
5. 文本分类算法：讲解常见的文本分类算法，如朴素贝叶斯、支持向量机、深度学习等。
6. 案例分析：通过实际案例分析，演示如何使用Python进行文本挖掘，包括数据收集、数据处理、特征提取、模型训练和评估等。
7. 实战演练：提供实战演练环节，让学员动手实践，加深对文本挖掘的理解和应用。
课程特点：
1. 由专业讲师授课，具有丰富的实践经验和教学经验。
2. 课程内容系统全面，涵盖了文本挖掘的各个方面。
3. 结合实际案例分析，让学员更好地理解和应用文本挖掘技术。
4. 提供实战演练环节，让学员能够动手实践，加深对文本挖掘的理解和应用能力。
总之，Python-51CTO-Python数据分析系列视频课程–玩转文本挖掘是一系列高质量的培训课程，适合对Python数据分析感兴趣的用户，特别是希望在文本挖掘领域有所建树的学员。通过学习该课程，学员可以掌握文本挖掘的核心知识和技能，提高自己的专业能力和水平。
课程截图：
课程目录：
├──1-1 什么是文本挖掘.mp4 32.39M
├──1-2 文本挖掘的基本流程和任务.mp4 24.26M
├──1-3 文本挖掘的基本思路.mp4 21.74M
├──1-4 语料数据化时需要考虑的工作.mp4 26.11M
├──2-1 Python常用IDE简介.mp4 32.15M
├──2-2 Anaconda的安装与配置.mp4 31.21M
├──2-3 Jupyter Notebook的基本操作.mp4 25.51M
├──2-4 NLTK的安装与配置.mp4 30.69M
├──2-5 什么是语料库.mp4 60.50M
├──2-6 准备《射雕》语料库.mp4 59.96M
├──3-1 分词原理简介.mp4 32.60M
├──3-2 结巴分词的基本用法.mp4 33.28M
├──3-3 使用自定义词典和搜狗细胞词库.mp4 45.46M
├──3-4 去除停用词.mp4 52.25M
├──3-5 词性标注及其他.mp4 30.82M
├──4-1 词频统计.mp4 38.46M
├──4-2 词云概述.mp4 22.00M
├──4-3 wordcloud包的安装.mp4 37.31M
├──4-4 绘制词云.mp4 66.21M
├──4-5 设置词云背景模板.mp4 45.61M
├──4-6 修改词云颜色.mp4 53.05M
├──5-1 词袋模型.mp4 33.47M
├──5-2 词袋模型的gensim实现.mp4 56.38M
├──5-3 用Pandas生成文档词条矩阵.mp4 56.58M
├──5-4 用sklearns生成文档-词条矩阵.mp4 57.52M
├──5-5 从词袋模型到N-gram模型.mp4 27.33M
├──5-6 文本信息的分布式表示.mp4 29.78M
├──5-7 共现矩阵.mp4 23.38M
├──5-8 NNLM模型的突破.mp4 23.37M
├──5-9 word2vec一出，满座皆惊.mp4 53.30M
├──6-1 关键词提取的基本思路.mp4 24.67M
├──6-2 TF-IDF 算法.mp4 25.96M
├──6-3 TF-IDF算法的jieba实现.mp4 52.75M
├──6-4 TF-IDF算法的sklearn实现.mp4 27.91M
├──6-5 TF-IDF算法的gensim实现.mp4 27.38M
├──6-6 TextRank算法.mp4 41.64M
├──7-1 主题模型概述.mp4 48.98M
├──7-2 主题模型的sklearn实现.mp4 76.04M
├──7-3 主题模型的gensim实现.mp4 95.95M
├──8-1 基本概念.mp4 29.22M
├──8-2 词条相似度：word2vec训练.mp4 47.75M
├──8-3 词条相似度：word2vec应用.mp4 42.71M
├──8-4 文档相似度的词袋模型实现.mp4 42.60M
├──8-5 doc2vec.mp4 48.04M
├──8-6 文档聚类.mp4 41.86M
├──9-1 文本分类概述.mp4 40.29M
├──9-2 朴素贝叶斯算法.mp4 31.99M
├──9-3 算法的sklearn实现.mp4 49.09M
└──9-4 算法的NLTK实现.mp4 33.69M
├──10-1 情感分析概述.mp4 66.84M
├──10-2 情感分析的词袋模型实现.mp4 35.64M
├──10-3 情感分析的分布式表达实现.mp4 47.16M
├──11-1 自动摘要的基本原理.mp4 24.56M
├──11-2 自动摘要的效果评价.mp4 18.19M
├──11-3 自动摘要的python实现.mp4 38.16M
├──12-1 RNN的基本原理.mp4 23.30M
├──12-2 LSTM的基本原理.mp4 22.81M
├──12-3 Keras+TensorFlow组合的优势.mp4 9.88M
├──12-4 Keras+TensorFlow组合的安装.mp4 9.35M
├──12-5 案例1：数据准备.mp4 36.45M
├──12-6 案例1：模型拟合.mp4 31.85M
├──12-7 案例2：数据准备.mp4 37.53M
├──12-8 案例2：模型拟合.mp4 26.76M
├──资料
| ├──TM10-01.pdf 684.72kb
| ├──TM11-01.pdf 339.54kb
| ├──TM12n-01.pdf 783.83kb
| ├──TM2-01.pdf 876.99kb
| ├──TM3-01.pdf 1.07M
| ├──TM4-01.pdf 1.23M
| ├──TM5-01.pdf 767.66kb
| ├──TM6-01.pdf 721.23kb
| ├──TM7-01.pdf 829.94kb
| ├──TM8-01.pdf 961.02kb
| ├──TM9-01.pdf 635.82kb
| ├──TMData1801101-01.zip 7.19M
| ├──TMData190320-01.zip 7.27M
| ├──TM浣滀笟10-01.pdf 122.79kb
| ├──TM浣滀笟11-01.pdf 113.64kb
| ├──TM浣滀笟12-01.pdf 136.56kb
| ├──TM浣滀笟5-01.pdf 109.51kb
| ├──TM浣滀笟6-01.pdf 125.58kb
| ├──TM浣滀笟7-01.pdf 122.44kb
| ├──TM浣滀笟8-01.pdf 117.65kb
| ├──TM浣滀笟9-01.pdf 117.64kb
| ├──浣滀笟2-01.pdf 116.40kb
| ├──浣滀笟3-01.pdf 114.65kb
| └──浣滀笟4-01.pdf 117.18kb