課程簡(jiǎn)介
學(xué)習(xí)完本門課程，您將對(duì)自然語(yǔ)言處理技術(shù)有更深入的了解。掌握分詞、詞性標(biāo)注、命名實(shí)體識(shí)別、文本分類、文本生成、聊天機(jī)器人等;課程基于時(shí)下比較流行的深度學(xué)習(xí)框架-PyTorch，其中更涉及深度學(xué)習(xí)主流框架LSTM模型以及自然語(yǔ)言處理的詞向量。
目標(biāo)收益
快速入門自然語(yǔ)言處理
掌握深度學(xué)習(xí)PyTorch框架使用方法
熟練進(jìn)行項(xiàng)目開(kāi)發(fā)
提供實(shí)戰(zhàn)模板，快速提升深度學(xué)習(xí)的實(shí)際項(xiàng)目經(jīng)驗(yàn)
了解目前技術(shù)趨勢(shì)
培訓(xùn)對(duì)象
1. 有python開(kāi)發(fā)基礎(chǔ)的
2. 有機(jī)器學(xué)習(xí)經(jīng)驗(yàn)的
課程大綱
|
第一章 自然語(yǔ)言處理定義及應(yīng)用 |
自然語(yǔ)言處理應(yīng)用案例講解 自然語(yǔ)言的定義 應(yīng)用現(xiàn)狀 主流深度學(xué)習(xí)框架介紹 本課程需要用到的環(huán)境介紹與部署 1、Python 2、Pytorch |
|
第二章 自然語(yǔ)言處理中的常用庫(kù)介紹 |
1.Numpy&sklearn 2.gensim 3.NLTK 4.jieba |
|
第三章 傳統(tǒng)機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò) |
傳統(tǒng)機(jī)器學(xué)習(xí)方式 1、Tf-idf講解 2、樸素貝葉斯講解 神經(jīng)網(wǎng)絡(luò) 1、激活函數(shù) 2、神經(jīng)元 3、隱藏層 案例：新聞分類（垃圾郵件分類） |
|
第四章 分詞詳解、詞性標(biāo)注與實(shí)體識(shí)別 |
分詞算法講解 1、語(yǔ)言模型和中文分詞 2、基于詞典分詞 3、基于統(tǒng)計(jì)學(xué)分詞 詞性標(biāo)注算法講解（HMM） 命名實(shí)體識(shí)別算法講解（CRF） 案例：中文分詞實(shí)戰(zhàn) 案例：中文命名實(shí)體識(shí)別實(shí)戰(zhàn) |
|
第五章 卷積網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò) |
卷積神經(jīng)網(wǎng)絡(luò)講解 1、卷積層 2、池化層 示例：使用TextCNN文本分類 循環(huán)神經(jīng)網(wǎng)絡(luò)講解 1、RNN 2、LSTM 3、GRU 使用RNN系列做文本分類 |
|
第六章 Seq2seq+attention詳解 |
詞向量 Attention注意力機(jī)制 Transformer機(jī)制 案例：詩(shī)歌生成 使用seq2seq打造聊天機(jī)器人 |
|
第七章 Bert詳解 |
Bert模型本質(zhì)內(nèi)容 RoBert，tinyBert，Albert等派生框架 熟悉Bert訓(xùn)練方式 學(xué)會(huì)使用Bert處理下游任務(wù) 實(shí)戰(zhàn)案例： Bert處理意圖識(shí)別任務(wù) Bert處理中文閱讀理解任務(wù) |
|
第一章 自然語(yǔ)言處理定義及應(yīng)用 自然語(yǔ)言處理應(yīng)用案例講解 自然語(yǔ)言的定義 應(yīng)用現(xiàn)狀 主流深度學(xué)習(xí)框架介紹 本課程需要用到的環(huán)境介紹與部署 1、Python 2、Pytorch |
|
第二章 自然語(yǔ)言處理中的常用庫(kù)介紹 1.Numpy&sklearn 2.gensim 3.NLTK 4.jieba |
|
第三章 傳統(tǒng)機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò) 傳統(tǒng)機(jī)器學(xué)習(xí)方式 1、Tf-idf講解 2、樸素貝葉斯講解 神經(jīng)網(wǎng)絡(luò) 1、激活函數(shù) 2、神經(jīng)元 3、隱藏層 案例：新聞分類（垃圾郵件分類） |
|
第四章 分詞詳解、詞性標(biāo)注與實(shí)體識(shí)別 分詞算法講解 1、語(yǔ)言模型和中文分詞 2、基于詞典分詞 3、基于統(tǒng)計(jì)學(xué)分詞 詞性標(biāo)注算法講解（HMM） 命名實(shí)體識(shí)別算法講解（CRF） 案例：中文分詞實(shí)戰(zhàn) 案例：中文命名實(shí)體識(shí)別實(shí)戰(zhàn) |
|
第五章 卷積網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò) 卷積神經(jīng)網(wǎng)絡(luò)講解 1、卷積層 2、池化層 示例：使用TextCNN文本分類 循環(huán)神經(jīng)網(wǎng)絡(luò)講解 1、RNN 2、LSTM 3、GRU 使用RNN系列做文本分類 |
|
第六章 Seq2seq+attention詳解 詞向量 Attention注意力機(jī)制 Transformer機(jī)制 案例：詩(shī)歌生成 使用seq2seq打造聊天機(jī)器人 |
|
第七章 Bert詳解 Bert模型本質(zhì)內(nèi)容 RoBert，tinyBert，Albert等派生框架 熟悉Bert訓(xùn)練方式 學(xué)會(huì)使用Bert處理下游任務(wù) 實(shí)戰(zhàn)案例： Bert處理意圖識(shí)別任務(wù) Bert處理中文閱讀理解任務(wù) |
近期公開(kāi)課推薦
