感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
詳細培訓大綱
- 介紹NLP
- 理解NLP
- NLP框架
- NLP的商業應用
- 從網頁抓取數據
- 使用各種API檢索文本數據
- 處理並存儲文本語料庫,保存內容和相關元數據
- 使用Python的優勢及NLTK速成課程
- 實踐理解語料庫與數據集
- 為什麼需要語料庫?
- 語料庫分析
- 數據屬性類型
- 不同語料庫的文件格式
- 為NLP應用準備數據集
- 理解句子結構
- NLP組件
- 自然語言理解
- 形態分析 - 詞幹提取、分詞、標註語法成分
- 句法分析
- 語義分析
- 處理歧義
- 文本數據預處理
- 語料庫 - 原始文本
- 句子分詞
- 原始文本的詞幹提取
- 原始文本的詞形還原
- 移除停用詞
- 語料庫 - 原始句子
- 單詞分詞
- 詞形還原
- 處理項 - 文檔/文檔 - 項矩陣
- 將文本Token化並轉換為n-grams及句子
- 實踐與定制化預處理
- 語料庫 - 原始文本
- 分析文本數據
- NLP基本特徵
- 解析器和解析
- 詞性標註和標註器
- 命名實體識別
- n-grams
- 詞袋模型
- NLP統計特徵
- 用於NLP的線性代數概念
- 用於NLP的概率理論
- TF-IDF
- 向量空間模型
- 編碼器和解碼器
- 歸一化
- 概率模型
- 高級特徵工程與NLP
- word2vec基礎
- word2vec模型組件
- word2vec模型的邏輯
- word2vec概念的擴展
- word2vec模型的應用
- 案例研究:詞袋模型的應用:使用簡化及真實Luhn演算法進行自動文本摘要
- NLP基本特徵
- 文檔聚類、分類和主題建模
- 文檔聚類與模式挖掘(分層聚類,k-means,聚類等)
- 使用TFIDF、Jaccard和餘弦距離度量比較和分類文檔
- 使用樸素貝葉斯和最大熵進行文檔分類
- 識別重要文本元素
- 降維:主成分分析、奇異值分解,非負矩陣分解
- 使用潛在語義分析進行主題建模和信息檢索
- 實體提取、情感分析與高級主題建模
- 正面與負面:情感的程度
- 項目反應理論
- 詞性標註及其應用:找出文本中提到的人物、地點和組織
- 高級主題建模:潛在狄利克雷分配
- 案例研究
- 挖掘非結構化用戶評論
- 產品評論數據的情感分類與可視化
- 挖掘搜索日誌以了解使用模式
- 文本分類
- 主題建模
最低要求
了解NLP原理,並認識到AI在商業中的應用
21 小時
客戶評論 (1)
個人支持
Simon the 2nd - Cboost
課程 - ROS: Programming for Robotics
機器翻譯