求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Modeler   Code  
会员   
 
 
 
开班计划 | 技术学院 | 管理学院 | 嵌入式学院 | 机械 | 军工学院 | 定向培养 | 专家指导  
 电话 English
成功案例   品质保证
 
   
成功案例
某交通信 Oracle数据库
某通信设 Python数据分
某通信设 Python数据分
某综合性 人工智能与机器学习
某工程研 数据库设计与优化
知名财险 Oracle数据库
某金融公 Mysql集群与性

相关课程  
并发、大容量、高性能数据库
高级数据库架构设计师
Hadoop原理与实践
HBase原理与高级应用
Oracle 数据仓库
数据仓库和数据挖掘
Oracle数据库开发与管理
 
全部课程 >人工智能  
自然语言处理(NLP)
1519 次浏览  23 次
李老师
自然语言处理博士毕业,具有超过10年的自然语言研究和应用经验。
 
时间地点: 北京、上海、 深圳根据报名开班
课程费用:5500元/人
 
企业内训:可以根据企业需求,定制内训,详见 内训学习手册


认证方式:
培训前了解能力模型。
培训后进行能力评测:
  • 在线考试
  • 能力分析,给出学习建议
  • 合格者颁发证书,作为职业技能资格证明


    本课程讲解自然语言的处理基本原理、应用领域和核心技术问题,讲解关键词提取、文本分析和句法分类的核心算法,并结合Tensorflow讲解程序实现。

    培训目标:

    • 了解NLP基础知识
    • 理解关键词提取与文本分类
    • 文本向量化与句法分析
    • NPL与深度学习
    • 业内经验交流
    培训对象:对人工智能有基础知识
    学员基础:具有一定编程经验。
    授课方式: 定制课程 + 案例讲解 + 小组讨论,60%案例讲解,40%实践演练

    培训内容:3天

    NLP基础知识概览
    1.NLP的基础概念
    2.NLP的发展历程
    3.NLP主要研究方向
      1)句法语义分析
      2)信息抽取
      3)文本挖掘
      4)机器翻译
      5)信息检索
      6)问答系统
      7)对话系统
    NLP基本算法和实践 1.NLP的基础
      1)分词
      • 正向最大匹配算法
      • 逆向最大匹配算法
      • 双向最大匹配算法
      • 基于N-gram语言模型的分词
      • 基于HMM的分词方法
      • 基于CRF的分词方法
      2)文本基本处理
      • 文本提取
      • 正在表达式
      • 本文统计
      3)词性标注
      • 基于最大熵的词性标注
      • 基于统计最大概率输出词性
      • 基于HMM词性标注
      • 基CRF的词性标注
      4)命名实体识别
      • 基于CRF的命名实体识别
    2.案例
      1)在线中文分回系统实战
      2)命名实体识别接口1开发
      3)基于词性标注的关键词提取
    关键词提取 1.关键词提取概述
    2.关键词提取算法
      1)FT-IDF
      2)LSA/LSI算法
      3)PLSA算法
      4)LDA算法
    文本分类 1.文本分类算法
      1)朴素贝叶斯
      2)线性分类器
      3)支持向量机
      4)Bagging模型
      5)Boosting模型
      6)浅层神经网络
    2.案例
      1)新闻主题提取
      2)新闻分类实战
    文本向量化 1.文本向量化概述
    2.文本向量化常用算法
      1)词袋算法
      2)HashTF算法
      3)Word2Vec算法
      4)Glove算法
    句法分析 1.句法分析概述
    2 .句法分析常用算法
      1)PCFG算法
      2)条件随机场算法
    3.案例
      1)文本情感分析的开发示例
      2)基于依存句法分词的问句相似度计算
    NLP与深度学习的结合 1.深度学习概述
      1)神经网终
      2)损失函数
      3)梯度下降
    2.深度学习常用算法
      1)CNN
      2)RNN
      3)GRU
      4)LSTM
    NLP与深度学习的技术实现案例 1.Tensorflow框架学习
      1)Tensorflow简介
      2)Tensorflow安装
      3)Tensorflow基础使用
      • 图(graphs)
      • 会话(session)
      • 张量(tensor)
      • 变量(Variable)
      4)Tensorflow线性回归以及分类的简单使用
      5)Tensorflow中各种优化器的介绍
    2.案例
      1)基于CNN的文本分类
      2)基于RNN的歌词生成
      3)基于LSTM的机器翻译
      4)基于Seq2seq的问答系统
     
    1519 次浏览  23 次
    其他人还看了课程
    机器学习系统实践  697 次浏览
    知识图谱建模与应用  500 次浏览
    人工智能前沿:对抗式生成网络GAN  781 次浏览
    机器学习与大数据的应用结合  2077 次浏览
    基于R的影响预测模型建立实战  827 次浏览
    基于AI和大数据的知识图谱培训  777 次浏览
    定制内训



    最新活动计划
    MBSE(基于模型的系统工程) 10-20[北京]
    软件详细设计、建模与编档 11-1[北京]
    人工智能、机器学习& TensorFlow 11-5[北京]
    需求分析最佳实践与沙盘演练 11-11[北京]
    产品经理与产品管理 11-18[北京]
    软件架构设计方法、案例与实践 10-22[上海]
    云计算、微服务与分布式架构 10-28[上海]
    大数据平台搭建与高性能计算 10-29[上海]
     讲座 基于模型的质量管理
     讲师:俎涛
     时间:2020年10月25日