優(yōu)質(zhì)課程，只為有追求的你
課程名稱：
自然語言處理之AI深度學(xué)習(xí)頂級實戰(zhàn)課程
老師介紹：
aopu老師：5年以上的AI核心算法研發(fā)工作經(jīng)歷，南京東南大學(xué)計算機碩士，曾在電信，衛(wèi)寧等公司擔任高級算法工程師，數(shù)據(jù)科學(xué)家和AI部門負責人。
負責深度學(xué)習(xí)，機器學(xué)習(xí)等AI前言算法的研發(fā)和商業(yè)項目的落地，對自然語言處理，圖像處理，數(shù)據(jù)挖掘，機器學(xué)習(xí)，深度學(xué)習(xí)等領(lǐng)域有豐富的項目和工程經(jīng)驗。授課內(nèi)容均為企業(yè)實戰(zhàn)項目，授課經(jīng)驗豐富，善于培養(yǎng)學(xué)生的思維能力，創(chuàng)新能力，獲得廣大學(xué)員一致好評，具有很高的人氣。
學(xué)習(xí)方式：
錄播課程，開課即學(xué)
在線反復(fù)觀看，有效期2年
上課方式：錄播學(xué)習(xí)+VIP會員群+獨享問答中心+在線答疑 +2年反復(fù)觀看
課程大綱：
1、NLP和深度學(xué)習(xí)發(fā)展概況和最新動態(tài)
1.1 NLP歷史及現(xiàn)在（原理）
1.2 NLP實現(xiàn)機器翻譯，聊天機器人，情感分類和語義搜索（原理）
2、NLP與PYTHON編程
2.1 PYTHON環(huán)境搭建及開發(fā)工具安裝（實戰(zhàn)演示）
2.2 NLP常用PYTHON開發(fā)包的介紹（實戰(zhàn)演示）
2.3 Jieba安裝、介紹及使用（實戰(zhàn)演示）
2.4 Stanford NLP 在Python環(huán)境中安裝、介紹及使用（實戰(zhàn)演示）
2.5 Hanlp 在Python環(huán)境中安裝、介紹及使用（實戰(zhàn)演示）
3、快速掌握NLP技術(shù)之分詞、詞性標注和關(guān)鍵字提取
3.1 分詞、詞性標注及命名實體識別介紹及應(yīng)用（原理）
3.2 準確分詞之加載自定義字典分詞（代碼實現(xiàn)及代碼講解）
3.3 準確分詞之動態(tài)調(diào)整詞頻和字典順序（代碼實現(xiàn)及代碼講解）
3.4 詞性標注代碼實現(xiàn)及信息提取（代碼實現(xiàn)及代碼講解）
3.5 人名、地名、機構(gòu)名等關(guān)鍵命名實體信識別（代碼實現(xiàn)及代碼講解）
3.6 TextRank算法原理介紹（原理）
3.7 基于TextRank關(guān)鍵詞提取（代碼實現(xiàn)及代碼講解）
4、句法與文法
4.1 依存句法和語義依存分析介紹（原理）
4.2 依存句法樹解析（子樹遍歷，遞歸搜索，葉子節(jié)點提取等）（代碼實現(xiàn)及代碼講解）
4.3 名詞短語塊挖掘（chunking）（代碼實現(xiàn)及代碼講解）
4.4 動名詞短語塊挖掘（代碼實現(xiàn)及代碼講解）
4.5 自定義語法提取任意短語（代碼實現(xiàn)及代碼講解)）
5、N-GRAM文本挖掘
5.1 N-GRAM算法介紹（原理）
5.2 N-GRAM生成詞語對（代碼實現(xiàn)及代碼講解）
5.3 TF-IDF算法介紹及應(yīng)用（原理）
5.4 基于TF-IDF挖掘符合語言規(guī)范的N-GRAM（代碼實現(xiàn)及代碼講解）
6、表示學(xué)習(xí)與關(guān)系嵌入
6.1 語言模型（原理）
6.2 詞向量（原理）
6.3 深入理解Word2vec算法（原理）
6.4 基于Word2vec技術(shù)的詞向量，字向量訓(xùn)練（代碼實現(xiàn)及代碼講解）
7、深度學(xué)習(xí)之卷積神經(jīng)網(wǎng)絡(luò)
7.1 深度學(xué)習(xí)必知必會bp神經(jīng)網(wǎng)絡(luò)（原理）
7.2 徹底理解深度學(xué)習(xí)之卷積神經(jīng)網(wǎng)絡(luò)（原理）
7.3 基于CNN文本分類（代碼實現(xiàn)及代碼講解）
7.3.1 CNN文本分類原理
7.3.2 CNN文本分類算法結(jié)構(gòu)
7.3.3 CNN文本分類代碼詳解
7.3.4 CNN文本分類模型測試和部署
8、深度學(xué)習(xí)之遞歸神經(jīng)網(wǎng)絡(luò)
8.1 徹底理解深度學(xué)習(xí)之遞歸神經(jīng)網(wǎng)絡(luò)（原理）
8.2 徹底理解LSTM，雙向LSTM,GRU（原理）
8.3 基于雙向LSTM文本分類（代碼實現(xiàn)及代碼講解）
8.3.1 LSTM文本分類原理
8.3.2 LSTM文本分類算法結(jié)構(gòu)
8.3.3 LSTM文本分類代碼詳解
8.3.4 LSTM文本分類模型測試和部署
9、特定領(lǐng)域命名實體識別NER技術(shù)
9.1 命名實體識別及最新算法介紹（核心項目介紹）
9.2 深入理解基于膨脹卷積神經(jīng)網(wǎng)絡(luò)的NER算法（核心項目介紹）
9.3 訓(xùn)練樣本準備及機器自動標注（核心項目代碼實戰(zhàn)及代碼講解）
9.4 基于膨脹卷積神經(jīng)網(wǎng)絡(luò)的NER代碼實現(xiàn)及詳解（核心項目代碼實戰(zhàn)及代碼講解）
9.5 Tensorfow下模型Flask接口云端部署，評價，調(diào)用（核心項目代碼實戰(zhàn)及代碼講解）
