本课程将首先介绍自然语言处理的发展现状与挑战，同时，讲解深度学习和自然语言处理的结合应用。除了基本算法外，本课程还配备实践环节，从一些典型的方向：机器翻译、文本分类、问答等。最后，将和大家讨论NLP的行业展望以及和各行各业的结合，比如医疗行业等。


本课程会用最通俗的语言，讲NLP里最重要的知识，实现最贴近实际的应用。通过这门课，即使您不具备扎实的数学基础，也可以掌握并跟进前沿发展方向。最重要的是，参加完本课程，您不仅仅对NLP有深度了解，更能动手实现模型。


开课安排

2月12日开课

每周更新（节假日顺延）

录播+直播答疑

三大模块，约20课时

  • 优惠价

    原价:¥1599

    ¥ 999

    2.6开始

  • 团购价

    原价:¥1599

    ¥ 699

    4人+成团

  • 学生价

    原价:¥1599

    ¥ 799

    联系客服改价
立即报名

（点击报名，联系客服改价）

讲师介绍

  • 玖强博士

    新加坡南洋理工大学博士

    新加坡南洋理工大学博士，精通算法，软硬兼修，目前主要研究方向是计算机视觉和自然语言处理结合，例如，图像/视频理解, 图像/视频自动描述生成，人机对话，多模态检索。在算法和神经网络方面，侧重卷积神经网络，递归神经网络，增强学习，对抗学习，无监督学习等。发表多篇人工智能及计算机视觉顶级会议和期刊，包括ICCV、AAAI oral、PR等，并为多个会议和期刊审稿人。曾在中科院参与负责基于龙芯的安全芯片项目，后成功转行深度学习领域，讲课风格深入浅出通俗易懂，有独家学习和转行经验。

适合人群

课程大纲

第一模块

  • 第一模块 NLP发展历史介绍和展望

    1. NLP发展现状

    2. 传统NLP方法面临的挑战

    3. Big Data和Deep Learning给NLP带来的变革和机遇

    4. NLP的发展趋势，以及和各行各业的结合应用

第二模块

  • 第二模块 NLP基础技能

    一、数学理论基础

    1. 概率和信息论

    2. 监督学习、半监督学习和非监督学习

    3. 分类与回归模型


    二、自然语言基础

    1. Word vector与Word embedding

    2. 什么是分词、词性标注、依存句法分析等？如何利用开源工具包完成

    3. 什么是统计自然语言处理？


    三、深度学习技术

    1. 卷积神经网络详解

    2. 递归神经网络详解

    3. 深度学习常用工具包解析


第三模块

  • 第三模块 NLP与深度学习应用

    一、文本检索

    1. 什么是文本检索？

    2. 语言模型以及文本表示

    3. 检索模型训练以及测试(文本匹配)

    4. 如何评价检索到的文本好坏？

    5. PyTorch实践: 基于RNN的文本检索模型搭建，训练以及测试


    二、文本生成

    1. 什么是文本生成？

    2. 文本生成的基本模型

    3. 如何评价生成的文本？什么是生成评价指标？

    4. PyTorch实践: 基于RNN的机器人写古诗


    三、本文分类

    1. 什么是文本分类？

    2. 基于CNN的文本分类模型

    3. 基于CNN的文本分类模型

    4. PyTorch实践: CNN文本分类模型 VS RNN文本分类模型


    四、机器翻译

    1. 什么是机器翻译？

    2. 机器翻译的统计学上的数学定义

    3. 机器翻译(seq2seq)模型

    4. PyTorch实践: 搭建并训练基于RNN的encoder-decoder中英翻译模型

    5. PyTorch实践: 拓展练习之--股票预测


    五、问答系统

    1. 问答系统介绍

    2. 基于检索式的传统问答系统

    3. 基于生成模型的问答系统

    4. 如何评价系统好坏？

    5. 如何生成更复杂的对话，情感和图片交互等？

    6. PyTorch实践: 基于RNN实现一个基本的问答模型


Power By AI慕课学院 课程内容版权均归 AI慕课学院 所有