使用深度学习模型升级自然语言处理知识

Word2Vec、Glove、FastText、通用句子编码器、GRU、LSTM、Conv1D、Seq2Seq、机器翻译、聊天机器人等等

你会学到什么
使用深度学习模型升级自然语言处理知识

MP4 |视频:h264，1280×720 |音频:AAC，44.1 KHz
语言：英语+中英文字幕（云桥网络 机译）|大小解压后:4.12GB |时长:8h 18m

要求
机器学习，自然语言处理基础，线性代数，Python，张量流，Keras

自然语言处理是机器学习领域的一个热门话题。

本课程是使用深度学习方法的自然语言处理高级课程。

在开始本课程之前，请阅读第2课的指南，以获得本课程的最佳体验。

本课程从配置和安装所有需要的资源开始，包括安装Tensor Flow 1。X CPU/GPU，Cuda和Keras。如果你有图形处理器卡，你可以使用它来快速加速你的模型的训练过程。然而，如果你没有图形处理器卡，你可以使用谷歌可乐按照说明操作。
之后，我们将在第2章回顾深度学习的主要概念，以便将它们应用到自然语言处理领域，为您的主要章节提供坚实的背景。

在主要的第3章中，我们将研究主要的深度学习库和自然语言处理模型，例如

-单词嵌入，

– Word2Vec，

-手套，

-快速文本，

-通用句子编码器，

– RNN，

– GRU，

– LSTM，

-1D的回旋，

– Seq2Seq，

-记忆网络，

-和注意力机制。

本课程为您提供了许多不同数据集的示例，例如

-谷歌新闻，

– Yelp评论，

-亚马逊评论，

– IMDB审查，

——圣经文集等和不同的文本文集。

在第四章的期末考试中，你将通过实际应用来实践你的知识，例如

-多类情感分析，

-文本生成，

-机器翻译，

-开发聊天机器人等。

对于编码，我们将使用TensorFlow、Keras、Google Colab和许多Python库。

如果你需要自然语言处理或机器学习方面的背景知识，我向你推荐我的课程

用于机器学习和数据挖掘的Python或

Python和自然语言处理

这门课是给谁的
寻找使用深度学习方法的自然语言处理高级课程的专业人士