| 課程級(jí)別 | 高級(jí) |
| 培訓(xùn)周期 | 一周以內(nèi) |
| 上課時(shí)間 | 白天班 |
| 上課地址 | 北京市豐臺(tái)夏家胡同育芳園東里3號(hào)樓B座 |
1.掌握NLP基礎(chǔ)；
2.關(guān)鍵詞提取與文本分類方法
3.文本向量化與句法分析方法
4.NLP與深度學(xué)習(xí)技術(shù)的相應(yīng)算法；
5.理解并掌握Tensorflow框架。
關(guān)于舉辦自然語(yǔ)言處理（NLP）培訓(xùn)班的通知
培訓(xùn)地點(diǎn) | 北京 | 上海 |
培訓(xùn)時(shí)間 | 10月 11-15日 | 12月 20-24日 |
一、 培訓(xùn)收益
課程中通過(guò)細(xì)致講解，使學(xué)員掌握該技術(shù)的本質(zhì)。具體收益包括：
1.掌握NLP基礎(chǔ)；
2.關(guān)鍵詞提取與文本分類方法
3.文本向量化與句法分析方法
4.NLP與深度學(xué)習(xí)技術(shù)的相應(yīng)算法；
5.理解并掌握Tensorflow框架。
二、 培訓(xùn)特色
本次培訓(xùn)從實(shí)戰(zhàn)的角度對(duì)自然語(yǔ)言處理（NLP）進(jìn)行了的剖析，并結(jié)合實(shí)際案例分析和探討NLP的應(yīng)用場(chǎng)景，給NLP相關(guān)從業(yè)人員以指導(dǎo)和啟迪。
三、 日程安排
日程 | 培訓(xùn)模塊 | 培訓(xùn)內(nèi)容 |
天 上午 | NLP入門(mén)與基礎(chǔ)介紹（一） | 1. NLP的基本概念 2. NLP的發(fā)展歷程 3. NLP主要研究方向 1) 句法語(yǔ)義分析 2) 信息抽取 3) 文本挖掘 4) 機(jī)器翻譯 5) 信息檢索 6) 問(wèn)答系統(tǒng) 7) 對(duì)話系統(tǒng) |
天 下午 | NLP入門(mén)與基礎(chǔ)介紹（二） | 4. NLP的基礎(chǔ) 1) 分詞 2 正向大匹配算法 2 逆向大匹配算法 2 雙向大匹配算法 2 基于N-gram語(yǔ)言模型的分詞 2 基于HMM的分詞方法 2 基于CRF的分詞法法 2) 文本基本處理 2 文本提取 2 正在表達(dá)式 2 本文統(tǒng)計(jì) 3) 詞性標(biāo)注 2 基于大熵的詞性標(biāo)注 2 基于統(tǒng)計(jì)大概率輸出詞性 2 基于HMM詞性標(biāo)注 2 基于CRF的詞性標(biāo)注 4) 命名實(shí)體識(shí)別 2 基于CRF的命名實(shí)體識(shí)別 5. 案例 1) 在線中文分詞系統(tǒng)實(shí)戰(zhàn) 2) 命名實(shí)體識(shí)別接口開(kāi)發(fā) 3) 基于詞性標(biāo)注的關(guān)鍵詞提取 |
第二天 上午 | 關(guān)鍵詞提取與文本分類（一） | 1. 關(guān)鍵詞提取概述 2. 關(guān)鍵詞提取算法 1) TF-IDF 2) LSA/LSI算法 3) PLSA算法 4) LDA算法 |
第二天 下午 | 關(guān)鍵詞提取與文本分類（二） | 3. 文本分類算法 1) 樸素貝葉斯 2) 線性分類器 3) 支持向量機(jī) 4) Bagging模型 5) Boosting模型 6) 淺層神經(jīng)網(wǎng)絡(luò) 4. 案例 1) 新聞主題提取 2) 新聞分類實(shí)戰(zhàn) |
第三天 上午 | 文本向量化與句法分析（一） | 1. 文本向量化概述 2. 文本向量化常用算法 1) 詞袋算法 2) HashTF算法 3) Word2Vec算法 4) Glove算法 |
第三天 下午 | 文本向量化與句法分析（二） | 3. 句法分析概述 4. 句法分析常用算法 1) PCFG算法 2) 條件隨機(jī)場(chǎng)算法 5. 案例 1) 文本情感分析的開(kāi)發(fā)示例 2) 基于依存句法分詞的問(wèn)句相似度計(jì)算 |
第四天 上午 | NLP與深度學(xué)習(xí)（一） | 1. 深度學(xué)習(xí)概述 1) 神經(jīng)網(wǎng)絡(luò) 2) 損失函數(shù) 3) 梯度下降 2. 深度學(xué)習(xí)常用算法 1) CNN 2) RNN 3) GRU 4) LSTM |
第四天 下午 | NLP與深度學(xué)習(xí)（二） | 3. Tensorflow框架學(xué)習(xí) 1) Tensorflow簡(jiǎn)介 2) Tensorflow安裝 3) Tensorflow基礎(chǔ)使用 2 圖(graphs) 2 會(huì)話(session) 2 張量(tensor) 2 變量(Variable) 4) Tensorflow線性回歸以及分類的簡(jiǎn)單使用 5) Tensorflow中各種優(yōu)化器的介紹 4. 案例 1) 基于CNN的文本分類 2) 基于RNN的歌詞生成 3) 基于LSTM的機(jī)器翻譯 4) 基于Seq2Seq的問(wèn)答系統(tǒng) |
第五天 | 業(yè)內(nèi)經(jīng)驗(yàn)交流 | |
四、 授課
覃老師 上海大學(xué)物理學(xué)碩士，創(chuàng)業(yè)公司合伙人，技術(shù)總監(jiān)。機(jī)器學(xué)習(xí)，深度學(xué)習(xí)領(lǐng)域多年開(kāi)發(fā)研究經(jīng)驗(yàn)，精通算法原理與編程實(shí)踐。曾使用Tensorflow，Caffe，Keras等深度學(xué)習(xí)框架完成過(guò)多項(xiàng)圖像，語(yǔ)音，nlp，相關(guān)的人工智能實(shí)際項(xiàng)目，研發(fā)經(jīng)驗(yàn)豐富。擁有兩項(xiàng)專利。同時(shí)具有多年授課培訓(xùn)經(jīng)驗(yàn)，講課通熟易懂，代碼風(fēng)格簡(jiǎn)潔清晰。
楊老師 計(jì)算機(jī)博士，目前就職于中科院某研究所，長(zhǎng)期從事深度學(xué)習(xí)與機(jī)器學(xué)習(xí)研究工作，在NLP與CV領(lǐng)域有很深造詣，主持多項(xiàng)科技專項(xiàng)，并帶領(lǐng)團(tuán)隊(duì)深入研發(fā)并落地，XXX視頻監(jiān)控與分析系統(tǒng)、XXX輿情監(jiān)控系統(tǒng)、XXX智能對(duì)話系統(tǒng)及 XXX森林防火無(wú)人機(jī)跟拍系統(tǒng)等。申請(qǐng)發(fā)明專利2項(xiàng)、部級(jí)科技進(jìn)步二等獎(jiǎng)一次，在SIGIR、CIKM及AAAI的國(guó)際會(huì)議發(fā)表多篇文章。
趙老師 計(jì)算機(jī)博士，目前主要研究方向包括電子、智能決策和大數(shù)據(jù)分析等。主持自然科學(xué)基金2項(xiàng)、中國(guó)博士后科研基金、上海市浦江人才、IBM Shared University Research以及多項(xiàng)企業(yè)合作課題等項(xiàng)目。已在《管理科學(xué)學(xué)報(bào)》、《系統(tǒng)工程學(xué)報(bào)》、Knowledge and Information Systems ,Information Processing & Management，Information Systems Frontiers等國(guó)內(nèi)外刊物和學(xué)術(shù)會(huì)議發(fā)表論文90多篇，其中被SCI、EI收錄40多篇。出版著作和教材《智能化的流程管理》、《客戶智能》、《商務(wù)智能（第四版）》、《商務(wù)智能 數(shù)據(jù)分析的管理視角（第三版）》、《數(shù)據(jù)挖掘?qū)嵱冒咐返榷嗖俊?/span>
五、 培訓(xùn)費(fèi)用
培訓(xùn)費(fèi)9800元/人（含培訓(xùn)費(fèi)、場(chǎng)地費(fèi)、考試證書(shū)費(fèi)、資料費(fèi)、學(xué)習(xí)期間午餐），食宿可統(tǒng)一安排，費(fèi)用自理。請(qǐng)學(xué)員帶身份證復(fù)印件一張。
本課程由中國(guó)信息化培訓(xùn)中心頒發(fā)《自然語(yǔ)言處理（NLP）工程師》證書(shū)，證書(shū)查詢：www.zpedu.com; 證書(shū)可作為專業(yè)技術(shù)人員職業(yè)能力考核的證明，以及專業(yè)技術(shù)人員崗位聘用、任職、定級(jí)和晉升職務(wù)的重要依據(jù)。
六、 報(bào)名回執(zhí)（自然語(yǔ)言處理（NLP））
單位名稱 （開(kāi)票名稱） | ||||||
快遞地址 | 郵編 | |||||
聯(lián) 系 人 | 職位 | |||||
傳真 | ||||||
學(xué)員姓名 | 身份證號(hào) （做證書(shū)使用） | 培訓(xùn)地點(diǎn) | 是否住宿 | |||
溫馨提示
