论坛元老
- 威望
- 0
- 贡献
- 16
- 热心值
- 1
- 金币
- 4022
- 注册时间
- 2020-8-31
|
讲解方式:
本课程采用由浅入深,层层递进的讲解方式. 在解析理论算法的同时, 更加注重代码实践. 每一个知识点, 每一个专题都以代码驱动, 案例终结. 让学生们学懂, 学通, 学会.
课程亮点：
1，课程由浅到深，由原理到实践，适合自然语言处理入门学习。
2，代码驱动, 结合实际案例模型, 培养真实代码开发能力和解决实际问题的能力。
课程内容：
1. Pytorch基础知识
2. 自然语言处理入门
3. 文本预处理
4. HMM和CRF
5. RNN, LSTM, GRU
6. Transformer
适用人群：
1、对自然语言处理技术感兴趣的在校生和应届生。
2、希望从事人工智能行业高薪工作的在职人员。
3、对自然语言处理技术感兴趣的相关人员。
基础课程主讲内容包括：
第一章: Pytorch基础知识
1. Pytorch基础元素和函数
2. Pytorch构建神经网络案例
3. Pytorch构建分类器案例
第二章: 自然语言处理入门
1. 介绍NLP的发展历史, 关键时间节点
2. 介绍NLP的行业主流应用和当前热点
第三章: 文本预处理
1. 文本处理的基本方法
2. 文本张量的表示方法
3. 文本的数据分析方法
4. 文本的特征处理方法
5. 文本的数据增强
6. 新闻主题分类任务的案例
第四章: HMM和CRF
1. 介绍HMM的原理和特点
2. 介绍CRF的原理和特点
第五章: RNN系列模型
1. RNN模型介绍和代码实践
2. LSTM模型介绍和代码实践
3. GRU模型介绍和代码实践
4. 注意力机制原理介绍和代码实践
5. 人名分类器的案例
6. 英译法任务的案例
第六章: Transformer
1. 认识Transformer的架构
2. 详解Transformer的输入部分和代码实现
3. 详解Transformer的编码器部分和代码实现
4. 详解Transformer的解码器部分和代码实现
5. 详解Transformer的输出部分和代码实现
6. 基于Transformer架构的copy任务测试
7. 基于Transformer构建语言模型的案例
|
|
[复制链接]
发表于 2021-2-16 18:57
