首页 AI学术青年与开发者社区

NLP工程师入门实践:基于深度学习的自然语言处理

开课时间:2月开课,每周定时更新
开课时长:三大模块,预计20个课时
NLP领域 基础入门
会员免费
现价:¥599.00
原价:¥699.00

  开通会员,立省599元 立即开通

  当前课程,会员领券立减59元>>

课程介绍
【课程概述 】

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。

 
【讲师介绍】

玖强,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CVPR、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。

 

【课程目录 】
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 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 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的文本检索和图文检索模型搭建,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
  5. PyTorch实践:Image captioning/图像描述自动生成最新方法讲解与实践
三、文本分类
  1. 什么是文本分类?
  2. 基于CNN的文本分类模型
  3. 基于RNN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
  7. PyTorch实践:Visual question answering结合图像信息的问答模型实践
 
【学习方式 】
在线听课 + 在线答疑 + 交流互动 + 社区辅导
 

Q:参加本门课程有什么要求?

A: 本次课程适合具备一定编程基础的开发人员,以及对自然语言处理和深度学习有兴趣的践行者。

Q:会有实际上机演示和动手操作吗?课程是否提供代码和数据集?

A:有,课程进行中涉及实战项目老师都会准备上机演示部分,学员可以学习老师的实践经验。并会提供详细代码和数据;

Q:本课程怎么答疑?

A:本次课程老师会集中直播答疑。

课程目标
  • 理解深度学习与自然语言处理技术,并能够结合自己的行业,运用学到的模型去解决问题。最后,通过本课程,个人的视野得到极大的扩展,面对各种各样的数据,不再茫然,具备独立分析数据的能力。
适合人群
  • 本次课程主要适合具备一定编程基础的开发人员,以及对自然语言处理和深度学习有兴趣的践行者。

相关课程

开课日期:2月开课,每周定时更新开始
NLP领域 基础入门 40758

授课教师

新加坡南洋理工大学 博士
微信扫码分享课程