NLP自然语言处理应用实战

2021年7月26日-8月1日，青海西宁

课程简介

实验课程注重代码实践，更注重落地应用

《自然语言处理》课程是python机器学习和深度学习的进阶课程，通过学习这门课程，你会了解自然语言处理的基本概念和应用场景，掌握通过python来对语音或文本进行处理、并利用机器学习和深度学习算法进行建模，解决人机对话、机器翻译、情感分析和语音识别等实际问题。

本课程主要培养训练学员掌握python实现中文自动分词，词性标注，句法分析，自然语言生成，文本分类，信息检索，信息抽取，文字校对，问答系统，机器翻译，自动摘要，文字蕴涵。

课程涵盖10+实战项目，且侧重技能不同，学员的知识体系会更加全面。

从传统NLP技术到基于深度学习的NLP技术，帮助学员理解技术深层次的本质关系。

课程大纲

实验课程注重代码实践，更注重落地应用

1、自然语言处理概念及应用
理论	自然语言理解自然语言处理与大数据应用系统关系自然语言处理应用场景文本分析流程正则表达式 NLTK工具包
实验	1.NLTK工具包使用 2.WordCloud 制作词云
2、NLP相似度模型
理论	文本相似度 LDA
实验	NLP相似度模型
3、NLP结合机器学习
理论	1.如何为文本做相似度 2.如何为文本做分类 3.如何为文本做聚类
实验	1.中文短文本分类 2.中文短文本聚类
4、NLP结合深度学习
理论	深度学习基础自然语言处理与深度学习
实验	1.word2Vec影评数据分析
5、NLP结合深度学习
理论	RNN LSTM Keras
实验	DL中文短文本分类实验
6、NLP应用：人机对话
理论	1.自动问答系统的组成 2.词法分析、句法分析、语义分析 3.文本信息抽取，匹配 Chartterbot Tensorflow Seq2seq
实验	1.聊天机器人 2.基于TensorFlow的DeepQA聊天机器人
7、NLP应用：情感分析系统
理论	情感分析应用 CNN fasttext
实验	1.使用LSTM进行情感分析 2.使用CNN进行情感分析 3.使用fasttext进行情感分析
8、NLP应用：机器翻译
理论	1.机器翻译实现原理 2.seq2seq模型 3.中英文对照数据处理 4.模型选择：encoder和decoder 5.翻译结果评估
实验	1.中英文翻译系统实现
9、NLP应用：语音识别
理论	6.语音识别系统实现原理 7.如何搭建声学模型和语言模型
实验	2.语音识别系统实现
10、NLP应用：基于文本的个性化推荐
理论	推荐系统
实验	基于文本的个性化推荐系统

实力专家主讲

历届好评最多的实力派讲师

任老师

原IBM大数据架构师，Cloudera管理/开发/分析/数据科学家认证讲师。主导研发了10+大数据及人工智能相关产品，并获得软件著作权，其中《人工智能开发平台》和《AI量化投资平台》广受用户好评。长期服务于国内外优质客户，行业覆盖银行、保险、电信运营商、制造等。主要负责过的项目有：中国移动500节点+大数据运维保障，上海金融产业园智能投顾系统建设，某芯片制造人工智能缺陷检测项目，某保险大数据治理项目等。