簡介:本次課程,最大程度基于實(shí)際項(xiàng)目需要,介紹主流的自然語言處理方法,涉及的主要術(shù)語以及術(shù)語解釋,采用Google成熟的機(jī)器學(xué)習(xí)框架tensorflow進(jìn)行編碼實(shí)現(xiàn)。課程涉及中文分詞、邏輯回歸、word2vec以及RNN的算法實(shí)現(xiàn) ,全部以中文素材進(jìn)行模型訓(xùn)練,最大限度貼近實(shí)戰(zhàn)。
學(xué)員通過課程學(xué)習(xí)可以掌握目前互聯(lián)網(wǎng)企業(yè)應(yīng)用的基本NLP框架,熟悉模型訓(xùn)練、模型分發(fā)和使用的流程,最終可以應(yīng)用到實(shí)際生產(chǎn)項(xiàng)目中。
第1章 快速了解機(jī)器學(xué)習(xí)
第2章 自然語言處理入門
第3章 自然語言進(jìn)階
- 視頻: 3-1 word2vec損失函數(shù)和優(yōu)化器選擇 (04:11)
- 視頻: 3-2 RNN處理NLP簡介 (02:18)
- 視頻: 3-3 RNN代碼結(jié)構(gòu)簡介 (01:47)
- 視頻: 3-4 字符預(yù)處理和模型相關(guān)數(shù)據(jù)保存 (07:54)
- 視頻: 3-5 建立字典和模型參數(shù) (01:36)
- 視頻: 3-6 構(gòu)建LSTM單元 (08:37)
- 視頻: 3-7 構(gòu)建RNN3層網(wǎng)絡(luò) (15:33)
- 視頻: 3-8 構(gòu)建RNN圖計算 (12:31)
- 視頻: 3-9 RNN模型訓(xùn)練 (07:46)
- 視頻: 3-10 從二進(jìn)制文件取出相關(guān)數(shù)據(jù) (06:25)
- 視頻: 3-11 使用模型生成小說 (08:29)
- 視頻: 3-12 模型生成內(nèi)容展示 (01:37)
- 視頻: 3-13 課程總結(jié)與展望 (01:41)