课程 \前沿技术 \自然语言处理 \天善学院自然语言处理之AI深度学习顶级实战课程

天善学院自然语言处理之AI深度学习顶级实战课程

  • 视频目录
  • 评论
说明:
免责声明:点击查看详情
教程目录:
章节1: NLP和深度学习发展概况和最新动态

1. NLP历史现在及为什么需要学习NLP技术
2. NLP实现机器学习,聊天机器人,情感分析和语义搜索

章节2: NLP与PYTHON编程

3. Python环境搭建及开发工具安装
4. NLP常用PYTHON开发包的介绍
5. Jieba安装、介绍及使用
6. Stanford NLP 在Python环境中安装、介绍及使用
7. Hanlp 在Python环境中安装、介绍及使用

章节3: 快速掌握NLP技术之分词、词性标注和关键字提取

08. 分词、词性标注及命名实体识别介绍及应用
09. 准确分词之加载自定义字典分词
10. 准确分词之动态调整词频和字典
11. 词性标注代码实现及信息提取
12. 人名、地名、机构名等关键命名实体识别
13. TextRank算法原理介绍
14. 基于TextRank关键词提取

章节4: 句法与文法

16. 依存句法与语义依存分析
17. 依存句法树解析(子树遍历,递归搜索,叶子节点提取等)
18. 名词短语块挖掘
19. 自定义语法与CFG

章节5: N-GRAM文本挖掘

20. N-GRAM算法介绍
21. N-GRAM生成词语对
22. TF-IDF算法介绍应用
23. 基于TF-IDF挖掘符合语言规范的N-GRAM

章节6: 表示学习与关系嵌入

24. 语言模型
25. 词向量
26. 深入理解Word2vec算法层次sofmax
27. 深入理解Word2vec算法负采样
28. 6.4 基于Word2vec技术的词向量、字向量训练

章节7: 深度学习之卷积神经网络

29. BP神经网络
30. 彻底理解深度学习指卷积神经网络
31. CNN文本分类
32. CNN文本分类算法模块
33. CNN文本分类模型详解数据预处理
34. CNN文本分类模型测试与部署

章节8: 深度学习之递归神经网络

35. 递归网络
36. LSTM
37. LSTM文本分类原理
38. LSTM文本分类代码架构
39. LSTM文本分类代码详解
40. LSTM文本分类模型预测与部署

章节9: 特定领域命名实体识别NER技术

41. 基于深度学习医药保险命名实体识别课题背景介绍
42. 医药保险命名实体和实体关系体系建立和命名实体分类规范
43. 医药保险命名实体识别相关前沿技术和难点
44. 基于深度学习医药保险命名实体识别的算法模块设计
45. 数据的采集,清洗,数据机器自动标注及转化为深度学习格式
46. 模型本地Lib库封装
47. 部署tensorflow训练好的模型为云服务
48. 算法设计及代码实现
49. 代码调试,参数优化及深度剖析(深入理解)