AI深度學(xué)習(xí)NLP自然語言處理零基礎(chǔ)教程

本課程采用由淺入深,層層遞進(jìn)的講解方式. 在解析理論算法的同時(shí), 更加注重代碼實(shí)踐. 每一個(gè)知識點(diǎn), 每一個(gè)專題都以代碼驅(qū)動, 案例終結(jié). 讓學(xué)生們學(xué)懂, 學(xué)通, 學(xué)會.

全套視頻教程+筆記+源碼百度云盤下載地址：

http://yun.itheima.com/course/832.html
在線觀看全集視頻

課程內(nèi)容

11. Pytorch基礎(chǔ)知識

2. 自然語言處理入門

3. 文本預(yù)處理

4. HMM和CRF

5. RNN, LSTM, GRU

6. Transformer

課程亮點(diǎn)

1、對自然語言處理技術(shù)感興趣的在校生和應(yīng)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。

1，課程由淺到深，由原理到實(shí)踐，適合自然語言處理入門學(xué)習(xí)。2，代碼驅(qū)動, 結(jié)合實(shí)際案例模型, 培養(yǎng)真實(shí)代碼開發(fā)能力和解決實(shí)際問題的能力。

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(luò)案例

3. Pytorch構(gòu)建分類器案例

自然語言處理入門

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

2. 介紹NLP的行業(yè)主流應(yīng)用和當(dāng)前熱點(diǎn)

文本預(yù)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(qiáng)

6. 新聞主題分類任務(wù)的案例

HMM和CRF

1. 介紹HMM的原理和特點(diǎn)

2. 介紹CRF的原理和特點(diǎn)

第77節(jié) - http://v.itheima.com/軟件測試/14-總結(jié).mp4

RNN系列模型

1. RNN模型介紹和代碼實(shí)踐

2. LSTM模型介紹和代碼實(shí)踐

3. GRU模型介紹和代碼實(shí)踐

4. 注意力機(jī)制原理介紹和代碼實(shí)踐

5. 人名分類器的案例

6. 英譯法任務(wù)的案例

RNN系列模型

1. 認(rèn)識Transformer的架構(gòu)

2. 詳解Transformer的輸入部分和代碼實(shí)現(xiàn)

3. 詳解Transformer的編碼器部分和代碼實(shí)現(xiàn)

4. 詳解Transformer的解碼器部分和代碼實(shí)現(xiàn)

5. 詳解Transformer的輸出部分和代碼實(shí)現(xiàn)

6. 基于Transformer架構(gòu)的copy任務(wù)測試

7. 基于Transformer構(gòu)建語言模型的案例