我要報(bào)名

咨詢(xún)電話(huà)：
手　　機(jī)：	郵箱：

培訓(xùn)收益

課程中通過(guò)細(xì)致講解，使學(xué)員掌握該技術(shù)的本質(zhì)。具體收益包括：

1.掌握NLP基礎(chǔ)；

2.關(guān)鍵詞提取與文本分類(lèi)方法

3.文本向量化與句法分析方法

4.NLP與深度學(xué)習(xí)技術(shù)的相應(yīng)算法；

5.理解并掌握Tensorflow框架。

培訓(xùn)特色

本次培訓(xùn)從實(shí)戰(zhàn)的角度對(duì)自然語(yǔ)言處理（NLP）進(jìn)行了全面的剖析，并結(jié)合實(shí)際案例分析和探討NLP的應(yīng)用場(chǎng)景，給NLP相關(guān)從業(yè)人員以指導(dǎo)和啟迪。

課程大綱

第一天上午 NLP入門(mén)與基礎(chǔ)介紹（一）

1.NLP的基本概念

2.NLP的發(fā)展歷程

3.NLP主要研究方向

1)句法語(yǔ)義分析

2)信息抽取

3)文本挖掘

4)機(jī)器翻譯

5)信息檢索

6)問(wèn)答系統(tǒng)

7)對(duì)話(huà)系統(tǒng)

第一天下午 NLP入門(mén)與基礎(chǔ)介紹（二）

4.NLP的基礎(chǔ)

1)分詞

?正向最大匹配算法

?逆向最大匹配算法

?雙向最大匹配算法

?基于N-gram語(yǔ)言模型的分詞

?基于HMM的分詞方法

?基于CRF的分詞法法

2)文本基本處理

?文本提取

?正在表達(dá)式

?本文統(tǒng)計(jì)

3)詞性標(biāo)注

?基于最大熵的詞性標(biāo)注

?基于統(tǒng)計(jì)最大概率輸出詞性

?基于HMM詞性標(biāo)注

?基于CRF的詞性標(biāo)注

4)命名實(shí)體識(shí)別

?基于CRF的命名實(shí)體識(shí)別

5.案例

1)在線(xiàn)中文分詞系統(tǒng)實(shí)戰(zhàn)

2)命名實(shí)體識(shí)別接口開(kāi)發(fā)

3)基于詞性標(biāo)注的關(guān)鍵詞提取

第二天上午 關(guān)鍵詞提取與文本分類(lèi)（一）

1.關(guān)鍵詞提取概述

2.關(guān)鍵詞提取算法

1)TF-IDF

2)LSA/LSI算法

3)PLSA算法

4)LDA算法

第二天下午 關(guān)鍵詞提取與文本分類(lèi)（二）

3.文本分類(lèi)算法

1)樸素貝葉斯

2)線(xiàn)性分類(lèi)器

3)支持向量機(jī)

4)Bagging模型

5)Boosting模型

6)淺層神經(jīng)網(wǎng)絡(luò)

4.案例

1)新聞主題提取

2)新聞分類(lèi)實(shí)戰(zhàn)

第三天上午 文本向量化與句法分析（一）

1.文本向量化概述

2.文本向量化常用算法

1)詞袋算法

2)HashTF算法

3)Word2Vec算法

4)Glove算法

第三天下午 文本向量化與句法分析（二）

3.句法分析概述

4.句法分析常用算法

1)PCFG算法

2)條件隨機(jī)場(chǎng)算法

5.案例

1)文本情感分析的開(kāi)發(fā)示例

2)基于依存句法分詞的問(wèn)句相似度計(jì)算

第四天上午 NLP與深度學(xué)習(xí)（一）

1.深度學(xué)習(xí)概述

1)神經(jīng)網(wǎng)絡(luò)

2)損失函數(shù)

3)梯度下降

2.深度學(xué)習(xí)常用算法

1)CNN

2)RNN

3)GRU

4)LSTM

第四天下午 NLP與深度學(xué)習(xí)（二）

3.Tensorflow框架學(xué)習(xí)

1)Tensorflow簡(jiǎn)介

2)Tensorflow安裝

3)Tensorflow基礎(chǔ)使用

?圖(graphs)

?會(huì)話(huà)(session)

?張量(tensor)

?變量(Variable)

4)Tensorflow線(xiàn)性回歸以及分類(lèi)的簡(jiǎn)單使用

5)Tensorflow中各種優(yōu)化器的介紹

4.案例

1)基于CNN的文本分類(lèi)

2)基于RNN的歌詞生成

3)基于LSTM的機(jī)器翻譯

4)基于Seq2Seq的問(wèn)答系統(tǒng)

第五天 業(yè)內(nèi)經(jīng)驗(yàn)交流

楊老師

楊老師 國(guó)內(nèi)重點(diǎn)大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院副教授，北京理工大學(xué)計(jì)算機(jī)學(xué)院博士，主要研究方向：自然語(yǔ)文處理、NLP中文信息處理、計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)等，在研究領(lǐng)域發(fā)表SCI、核心期刊論文30余篇。是XX科技公司的創(chuàng)始人，主要研究方向：自然語(yǔ)文處理、NLP中文信息處理、計(jì)算機(jī)視覺(jué)、具有豐富的教學(xué)和實(shí)踐經(jīng)驗(yàn)，授課過(guò)程中理論與實(shí)踐相結(jié)合，氣氛活躍，深受廣大學(xué)員喜愛(ài)。

楊老師 計(jì)算機(jī)博士，目前就職于中科院某研究所，長(zhǎng)期從事深度學(xué)習(xí)與機(jī)器學(xué)習(xí)研究工作，在NLP與CV領(lǐng)域有很深造詣，主持多項(xiàng)科技專(zhuān)項(xiàng)，并帶領(lǐng)團(tuán)隊(duì)深入一線(xiàn)研發(fā)并落地，XXX視頻監(jiān)控與分析系統(tǒng)、XXX輿情監(jiān)控系統(tǒng)、XXX智能對(duì)話(huà)系統(tǒng)及 XXX森林防火無(wú)人機(jī)跟拍系統(tǒng)等。申請(qǐng)發(fā)明專(zhuān)利2項(xiàng)、部級(jí)科技進(jìn)步二等獎(jiǎng)一次，在SIGIR、CIKM及AAAI的國(guó)際會(huì)議發(fā)表多篇文章。

趙老師 計(jì)算機(jī)博士，目前主要研究方向包括電子推薦、智能決策和大數(shù)據(jù)分析等。主持國(guó)家自然科學(xué)基金2項(xiàng)、中國(guó)博士后科研基金、上海市浦江人才、IBM Shared University Research以及多項(xiàng)企業(yè)合作課題等項(xiàng)目。已在《管理科學(xué)學(xué)報(bào)》、《系統(tǒng)工程學(xué)報(bào)》、Knowledge and Information Systems ,Information Processing & Management，Information Systems Frontiers等國(guó)內(nèi)外刊物和學(xué)術(shù)會(huì)議發(fā)表論文90多篇，其中被SCI、EI收錄40多篇。出版著作和教材《智能化的流程管理》、《客戶(hù)智能》、《商務(wù)智能（第四版）》、《商務(wù)智能 數(shù)據(jù)分析的管理視角（第三版）》、《數(shù)據(jù)挖掘?qū)嵱冒咐返榷嗖俊?/p>

鄒老師 中國(guó)科學(xué)院副研究員，碩博期間主持研發(fā)大型行業(yè)建模軟件，代碼量100萬(wàn)行(從底層開(kāi)發(fā)是考慮后期維護(hù)和產(chǎn)權(quán))。負(fù)責(zé)軟件所有內(nèi)容：市場(chǎng)分析、算法選擇與定制、代碼實(shí)現(xiàn)；已在全國(guó)20多家科研或生產(chǎn)單位使用。成立中國(guó)科學(xué)院鄒博人工智能研究中心（杭州站），在翔創(chuàng)、天識(shí)、?？桶畹裙緭?dān)任技術(shù)顧問(wèn)，研究方向機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、計(jì)算幾何，應(yīng)用于大型氣象設(shè)備的圖像與文本挖掘、股票交易與預(yù)測(cè)、量子化學(xué)醫(yī)藥路徑尋優(yōu)、傳統(tǒng)農(nóng)資產(chǎn)品價(jià)格預(yù)測(cè)和決策等領(lǐng)域。2017年主持科研項(xiàng)目榮獲國(guó)土資源科學(xué)技術(shù)一等獎(jiǎng)。

我要報(bào)名

在線(xiàn)報(bào)名：自然語(yǔ)言處理（NLP）培訓(xùn)班(上海)