講解方式:

　　本課程采用由淺入深,層層遞進的講解方式. 在解析理論算法的同時, 更加注重代碼實踐. 每一個知識點, 每一個專題都以代碼驅(qū)動, 案例終結(jié). 讓學生們學懂, 學通, 學會。

　　課程亮點：

　　1，課程由淺到深，由原理到實踐，適合自然語言處理入門學習。

　　2，代碼驅(qū)動, 結(jié)合實際案例模型, 培養(yǎng)真實代碼開發(fā)能力和解決實際問題的能力。

　　課程內(nèi)容：

　　1. Pytorch基礎(chǔ)知識

　　2. 自然語言處理入門

　　3. 文本預處理

　　4. HMM和CRF

　　5. RNN, LSTM, GRU

　　6. Transformer

　　適用人群：

　　1、對自然語言處理技術(shù)感興趣的在校生和應屆生。

　　2、希望從事人工智能行業(yè)高薪工作的在職人員。

　　3、對自然語言處理技術(shù)感興趣的相關(guān)人員。

　　基礎(chǔ)課程主講內(nèi)容包括：

　　第一章: Pytorch基礎(chǔ)知識

　　1. Pytorch基礎(chǔ)元素和函數(shù)

　　2. Pytorch構(gòu)建神經(jīng)網(wǎng)絡案例

　　3. Pytorch構(gòu)建分類器案例

　　第二章: 自然語言處理入門

　　1. 介紹NLP的發(fā)展歷史, 關(guān)鍵時間節(jié)點

　　2. 介紹NLP的行業(yè)主流應用和當前熱點

　　第三章: 文本預處理

　　1. 文本處理的基本方法

　　2. 文本張量的表示方法

　　3. 文本的數(shù)據(jù)分析方法

　　4. 文本的特征處理方法

　　5. 文本的數(shù)據(jù)增強

　　6. 新聞主題分類任務的案例

　　第四章: HMM和CRF

　　1. 介紹HMM的原理和特點

　　2. 介紹CRF的原理和特點

　　第五章: RNN系列模型

　　1. RNN模型介紹和代碼實踐

　　2. LSTM模型介紹和代碼實踐

　　3. GRU模型介紹和代碼實踐

　　4. 注意力機制原理介紹和代碼實踐

　　5. 人名分類器的案例

　　6. 英譯法任務的案例

　　第六章: Transformer

　　1. 認識Transformer的架構(gòu)

　　2. 詳解Transformer的輸入部分和代碼實現(xiàn)

　　3. 詳解Transformer的編碼器部分和代碼實現(xiàn)

　　4. 詳解Transformer的解碼器部分和代碼實現(xiàn)

　　5. 詳解Transformer的輸出部分和代碼實現(xiàn)

　　6. 基于Transformer架構(gòu)的copy任務測試

　　7. 基于Transformer構(gòu)建語言模型的案例

掌握行業(yè)熱門技術(shù)

是每個程序員都應該重視的事情

AI深度學習自然語言處理NLP零基礎(chǔ)入門如此重要，你還沒學?

點擊或搜索黑馬程序員B站

觀看全集視頻

- 完整配套資料領(lǐng)取方式 -

(視頻+講義+源碼+筆記+資料)

黑馬程序員視頻庫

搜索《AI深度學習自然語言處理NLP零基礎(chǔ)入門》