自然语言处理之AI深度学习顶级实战课程课程介绍:
自然语言处理是 计算机科学领域与人工智能 领域中的一个重要方向。本课程主要讲解NLP和深度学习发展概况和最新动态,NLP与PYTHON编程,分词、词性标注和关键字提取,句法与文法,N-GRAM文本挖掘,表示学习与关系嵌入,卷积神经网络,递归神经网络,特定领域命名实体识别NER技术技术等.
课程目录:
章节1： NLP和深度学习发展概况和最新动态
课时1： NLP历史现在及为什么需要学习NLP技术 21:03
课时2：NLP实现机器学习，聊天机器人，情感分析和语义搜索 32:57
章节2： NLP与PYTHON编程
课时3： Python环境搭建及开发工具安装 15:31
课时4：NLP常用PYTHON开发包的介绍 19:58
课时5：Jieba安装、介绍及使用21:32
课时6：Stanford NLP 在Python环境中安装、介绍及使用16:17
课时7：Hanlp 在Python环境中安装、介绍及使用17:29
章节3： 快速掌握NLP技术之分词、词性标注和关键字提取
课时8：分词、词性标注及命名实体识别介绍及应用14:31
课时9：准确分词之加载自定义字典分词0117:35
课时10：准确分词之加载自定义字典分词0219:36
课时11：准确分词之动态调整词频和字典18:01
课时12：词性标注代码实现及信息提取11:02
课时13：人名、地名、机构名等关键命名实体识别20:03
课时14：TextRank算法原理介绍28:12
课时15：基于TextRank关键词提取14:07
章节4： 句法与文法
课时16：依存句法与语义依存分析 免费26:17
课时17：依存句法树解析（子树遍历，递归搜索，叶子节点提取等）20:41
课时18：名词短语块挖掘27:35
课时19：自定义语法与CFG21:46
章节5： N-GRAM文本挖掘
课时20：N-GRAM算法介绍13:44
课时21：N-GRAM生成词语对13:36
课时22：TF-IDF算法介绍应用12:33
课时23：基于TF-IDF挖掘符合语言规范的N-GRAM23:36
章节6： 表示学习与关系嵌入
课时24：语言模型09:37
课时25：词向量25:25
课时26：深入理解Word2vec算法层次sofmax30:21
课时27：深入理解Word2vec算法负采样23:05
课时28：6.4 基于Word2vec技术的词向量、字向量训练43:43
章节7： 深度学习之卷积神经网络
课时29：BP神经网络29:11
课时30：彻底理解深度学习指卷积神经网络31:23
课时31：CNN文本分类20:19
课时32：CNN文本分类算法模块37:50
课时33：CNN文本分类模型详解数据预处理16:49
课时34：CNN文本分类模型测试与部署06:55
章节8： 深度学习之递归神经网络
课时35：递归网络29:10
课时36：LSTM25:38
课时37：LSTM文本分类原理07:20
课时38： LSTM文本分类代码架构12:04
课时39：LSTM文本分类代码详解23:21
课时40：LSTM文本分类模型预测与部署12:32
章节9： 特定领域命名实体识别NER技术
课时41：基于深度学习医药保险命名实体识别课题背景介绍36:40
课时42：医药保险命名实体和实体关系体系建立和命名实体分类规范35:19
课时43：医药保险命名实体识别相关前沿技术和难点17:01
课时44：基于深度学习医药保险命名实体识别的算法模块设计(上)24:54
课时45：基于深度学习医药保险命名实体识别的算法模块设计（下）21:24
课时46：数据的采集，清洗，数据机器自动标注及转化为深度学习格式（上）23:02
课时47：数据的采集，清洗，数据机器自动标注及转化为深度学习格式（下）26:26
课时48：模型本地Lib库封装（上）27:41
课时49：模型本地Lib库封装（下）17:25
课时50： 部署tensorflow训练好的模型为云服务（上）22:15
课时51：部署tensorflow训练好的模型为云服务（下）21:01
课时52：算法设计及代码实现155:52
课时53：算法设计及代码实现226:43
课时54：代码调试，参数优化及深度剖析（深入理解）142:40
课时55：代码调试，参数优化及深度剖析（深入理解）243:06
