课程费用

6800.00 /人

课程时长

2

成为教练

课程简介

学习完本门课程,您将对自然语言处理技术有更深入的了解。掌握分词、词性标注、命名实体识别、文本分类、文本生成、聊天机器人等;课程基于时下比较流行的深度学习框架-PyTorch,其中更涉及深度学习主流框架LSTM模型以及自然语言处理的词向量。

目标收益

快速入门自然语言处理
掌握深度学习PyTorch框架使用方法
熟练进行项目开发
提供实战模板,快速提升深度学习的实际项目经验
了解目前技术趋势

培训对象

1. 有python开发基础的
2. 有机器学习经验的

课程大纲

第一章
自然语言处理定义及应用
自然语言处理应用案例讲解
自然语言的定义
应用现状
主流深度学习框架介绍
本课程需要用到的环境介绍与部署
1、Python
2、Pytorch
第二章
自然语言处理中的常用库介绍
1.Numpy&sklearn
2.gensim
3.NLTK
4.jieba
第三章
传统机器学习与神经网络
传统机器学习方式
1、Tf-idf讲解
2、朴素贝叶斯讲解
神经网络
1、激活函数
2、神经元
3、隐藏层
案例:新闻分类(垃圾邮件分类)
第四章
分词详解、词性标注与实体识别
分词算法讲解
1、语言模型和中文分词
2、基于词典分词
3、基于统计学分词
词性标注算法讲解(HMM)
命名实体识别算法讲解(CRF)
案例:中文分词实战
案例:中文命名实体识别实战
第五章
卷积网络与循环神经网络
卷积神经网络讲解
1、卷积层
2、池化层
示例:使用TextCNN文本分类
循环神经网络讲解
1、RNN
2、LSTM
3、GRU
使用RNN系列做文本分类
第六章
Seq2seq+attention详解
词向量
Attention注意力机制
Transformer机制
案例:诗歌生成
使用seq2seq打造聊天机器人
第七章
Bert详解
Bert模型本质内容
RoBert,tinyBert,Albert等派生框架
熟悉Bert训练方式
学会使用Bert处理下游任务
实战案例:
Bert处理意图识别任务
Bert处理中文阅读理解任务
第一章
自然语言处理定义及应用
自然语言处理应用案例讲解
自然语言的定义
应用现状
主流深度学习框架介绍
本课程需要用到的环境介绍与部署
1、Python
2、Pytorch
第二章
自然语言处理中的常用库介绍

1.Numpy&sklearn
2.gensim
3.NLTK
4.jieba
第三章
传统机器学习与神经网络

传统机器学习方式
1、Tf-idf讲解
2、朴素贝叶斯讲解
神经网络
1、激活函数
2、神经元
3、隐藏层
案例:新闻分类(垃圾邮件分类)
第四章
分词详解、词性标注与实体识别

分词算法讲解
1、语言模型和中文分词
2、基于词典分词
3、基于统计学分词
词性标注算法讲解(HMM)
命名实体识别算法讲解(CRF)
案例:中文分词实战
案例:中文命名实体识别实战
第五章
卷积网络与循环神经网络

卷积神经网络讲解
1、卷积层
2、池化层
示例:使用TextCNN文本分类
循环神经网络讲解
1、RNN
2、LSTM
3、GRU
使用RNN系列做文本分类
第六章
Seq2seq+attention详解

词向量
Attention注意力机制
Transformer机制
案例:诗歌生成
使用seq2seq打造聊天机器人
第七章
Bert详解

Bert模型本质内容
RoBert,tinyBert,Albert等派生框架
熟悉Bert训练方式
学会使用Bert处理下游任务
实战案例:
Bert处理意图识别任务
Bert处理中文阅读理解任务

课程费用

6800.00 /人

课程时长

2

预约体验票 我要分享

近期公开课推荐

近期公开课推荐

提交需求