自然语言处理之AI深度学习顶级实战课程
课程名称：
老师介绍：
aopu老师：5年以上的AI核心算法研发工作经历，南京东南大学计算机硕士，曾在电信，卫宁等公司担任高级算法工程师，数据科学家和AI部门负责人。
扫描二维码，后台回复：
获取
课程大纲：
1、NLP和深度学习发展概况和最新动态
1.1 NLP历史及现在（原理）
1.2 NLP实现机器翻译，聊天机器人，情感分类和语义搜索（原理）
2、NLP与PYTHON编程
2.1 PYTHON环境搭建及开发工具安装（实战演示）
2.2 NLP常用PYTHON开发包的介绍（实战演示）
2.3 Jieba安装、介绍及使用（实战演示）
2.4 Stanford NLP 在Python环境中安装、介绍及使用（实战演示）
2.5 Hanlp 在Python环境中安装、介绍及使用（实战演示）
3、快速掌握NLP技术之分词、词性标注和关键字提取
3.1 分词、词性标注及命名实体识别介绍及应用（原理）
3.2 准确分词之加载自定义字典分词（代码实现及代码讲解）
3.3 准确分词之动态调整词频和字典顺序（代码实现及代码讲解）
3.4 词性标注代码实现及信息提取（代码实现及代码讲解）
3.5 人名、地名、机构名等关键命名实体信识别（代码实现及代码讲解）
3.6 TextRank算法原理介绍（原理）
3.7 基于TextRank关键词提取（代码实现及代码讲解）
4、句法与文法
4.1 依存句法和语义依存分析介绍（原理）
4.2 依存句法树解析（子树遍历，递归搜索，叶子节点提取等）（代码实现及代码讲解）
4.3 名词短语块挖掘（chunking）（代码实现及代码讲解）
4.4 动名词短语块挖掘（代码实现及代码讲解）
4.5 自定义语法提取任意短语（代码实现及代码讲解)）
5、N-GRAM文本挖掘
5.1 N-GRAM算法介绍（原理）
5.2 N-GRAM生成词语对（代码实现及代码讲解）
5.3 TF-IDF算法介绍及应用（原理）
5.4 基于TF-IDF挖掘符合语言规范的N-GRAM（代码实现及代码讲解）
6、表示学习与关系嵌入
6.1 语言模型（原理）
6.2 词向量（原理）
6.3 深入理解Word2vec算法（原理）
6.4 基于Word2vec技术的词向量，字向量训练（代码实现及代码讲解）
7、深度学习之卷积神经网络
7.1 深度学习必知必会bp神经网络（原理）
7.2 彻底理解深度学习之卷积神经网络（原理）
7.3 基于CNN文本分类（代码实现及代码讲解）
7.3.1 CNN文本分类原理
7.3.2 CNN文本分类算法结构
7.3.3 CNN文本分类代码详解
7.3.4 CNN文本分类模型测试和部署
8、深度学习之递归神经网络
8.1 彻底理解深度学习之递归神经网络（原理）
8.2 彻底理解LSTM，双向LSTM,GRU（原理）
8.3 基于双向LSTM文本分类（代码实现及代码讲解）
8.3.1 LSTM文本分类原理
8.3.2 LSTM文本分类算法结构
8.3.3 LSTM文本分类代码详解
8.3.4 LSTM文本分类模型测试和部署
9、特定领域命名实体识别NER技术
9.1 命名实体识别及最新算法介绍（核心项目介绍）
9.2 深入理解基于膨胀卷积神经网络的NER算法（核心项目介绍）
9.3 训练样本准备及机器自动标注（核心项目代码实战及代码讲解）
9.4 基于膨胀卷积神经网络的NER代码实现及详解（核心项目代码实战及代码讲解）
9.5 Tensorfow下模型Flask接口云端部署，评价，调用（核心项目代码实战及代码讲解）
