NLP自然語言處理技術高級工程師培訓班其它上課時間：

• 2021/3/26至2021/3/29 北京

• 2021/6/27至2021/6/30 北京

• 2021/7/24至2021/7/27 杭州

• 2021/9/26至2021/9/29 上海

• 2021/10/26至2021/10/29 北京

• 2021/11/27至2021/11/30 珠海

• 2021/12/24至2021/12/27 北京

1.系統(tǒng)架構師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員。

課程介紹：
Python是數(shù)據(jù)分析最常用的語言之一，中文自然語言處理（簡稱NLP）是計算機科學領域與人工智能領域中的一個重要方向。它研究能實現(xiàn)人與計算機之間用自然語言進行有效通信的各種理論和方法。NLP是一門融語言學、機器學習、統(tǒng)計學、大數(shù)據(jù)以及人工智能等于一體的科學。本課程偏重實戰(zhàn)，不僅系統(tǒng)介紹了NLP涉及的知識點，同時也教會大家如何實際應用與開發(fā)。
本次培訓主要介紹NLP所需要了解的Python科學包、正則表達式以及檢索技術的知識。包括NLP相關的各個知識點：詞法分析技術、句法分析技術、常用的向量化方法，介紹機器學習的一些基本概念，重點突出NLP常用的分類算法、聚類算法，同時還分享了幾個案例。每個部分都有對應源數(shù)據(jù)和完整代碼，供實戰(zhàn)使用。
自然語言處理（NLP）屬于人工智能與計算機語言學的交叉領域，處理的是計算機與人類語言之間的交互問題。隨著人機交互需求的日益增長，計算機具備處理當前主要自然語言的能力已經成為了一個必然趨勢。
本培訓適合通信、金融、保險、制造、醫(yī)藥、教育科研、市場調研、連鎖零售和電子商務等行業(yè)的數(shù)據(jù)分析人員，通過本課程的學習，將對NLP與數(shù)據(jù)科學領域中的概念有一個充分的了解，并能將這些知識應用到日常工作中。

課程大綱

課程模塊

課程主題主要內容及案例和演示

模塊一NLP和深度學習發(fā)展概況和最新動態(tài)

1.NLP歷史現(xiàn)在及為什么需要學習NLP技術

2.NLP實現(xiàn)機器學習，聊天機器人，情感分析和語義搜索

模塊二NLP與PYTHON編程

3.Python環(huán)境搭建及開發(fā)工具安裝

4.NLP常用PYTHON開發(fā)包的介紹

5.Jieba安裝、介紹及使用

6.StanfordNLP在Python環(huán)境中安裝、介紹及使用

7.Hanlp在Python環(huán)境中安裝、介紹及使用

模塊三

快速掌握NLP技術之分詞、詞性標注和關鍵字提取

08.分詞、詞性標注及命名實體識別介紹及應用

09.準確分詞之加載自定義字典分詞

10.準確分詞之動態(tài)調整詞頻和字典

11.詞性標注代碼實現(xiàn)及信息提取

12.人名、地名、機構名等關鍵命名實體識別

13.TextRank算法原理介紹

14.基于TextRank關鍵詞提取

模塊四句法與文法

16.依存句法與語義依存分析

17.依存句法樹解析（子樹遍歷，遞歸搜索，葉子節(jié)點提取等）

18.名詞短語塊挖掘

19.自定義語法與CFG

模塊五N-GRAM文本挖掘

20.N-GRAM算法介紹

21.N-GRAM生成詞語對

22.TF-IDF算法介紹應用

23.基于TF-IDF挖掘符合語言規(guī)范的N-GRAM

模塊六

表示學習與關系嵌入

24.語言模型

25.詞向量

26.深入理解Word2vec算法層次sofmax

27.深入理解Word2vec算法負采樣

28.6.4基于Word2vec技術的詞向量、字向量訓練

模塊七

深度學習之卷積神經網(wǎng)絡

29.BP神經網(wǎng)絡

30.徹底理解深度學習指卷積神經網(wǎng)絡

31.CNN文本分類

32.CNN文本分類算法模塊

33.CNN文本分類模型詳解數(shù)據(jù)預處理

34.CNN文本分類模型測試與部署

模塊八深度學習之遞歸神經網(wǎng)絡

35.遞歸網(wǎng)絡

36.LSTM

37.LSTM文本分類原理

38.LSTM文本分類代碼架構

39.LSTM文本分類代碼詳解

40.LSTM文本分類模型預測與部署

模塊九

特定領域命名實體識別NER技術

41.基于深度學習醫(yī)藥保險命名實體識別課題背景介紹

42.醫(yī)藥保險命名實體和實體關系體系建立和命名實體分類規(guī)范

43.醫(yī)藥保險命名實體識別相關前沿技術和難點

44.基于深度學習醫(yī)藥保險命名實體識別的算法模塊設計

45.數(shù)據(jù)的采集，清洗，數(shù)據(jù)機器自動標注及轉化為深度學習格式

46.模型本地Lib庫封裝

47.部署tensorflow訓練好的模型為云服務

48.算法設計及代碼實現(xiàn)

49.代碼調試，參數(shù)優(yōu)化及深度剖析（深入理解）

課程主講

張老師：阿里大數(shù)據(jù)高級專家，國內資深的大數(shù)據(jù)、Python技術專家，在Python技術編程、NLP自然語言處理、CV領域有很深造詣技術進行了多年的深入的研究，更主要的是這些技術在大量的實際項目中得到廣泛的應用，曾使用Tensorflow，Caffe，Keras等深度學習框架完成過多項圖像，語音，nlp，搜索相關的人工智能實際項目，研發(fā)經驗豐富。同時具有多年授課培訓經驗，講課通熟易懂，代碼風格簡潔清晰。