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歷史現在及為什么需要學習NLP技術

2. NLP實現機器學習，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. Stanford NLP?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絡

29. BP神經網絡

30.?徹底理解深度學習指卷積神經網絡

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據預處理

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絡

35.?遞歸網絡

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.?數據的采集，清洗，數據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

49.?代碼調試，參數優(yōu)化及深度剖析（深入理解）