986分钟
自然语言处理实战
随着计算机和互联网的蓬勃发展，自然语言文本数量呈现出爆炸性增长，这极大推动了自然语言处理技术的快速进步。越来越多的应用场景呼唤着高效、精准的自然语言处理技术，无论是社交媒体的情感分析，还是智能客服的问…
随着计算机和互联网的蓬勃发展，自然语言文本数量呈现出爆炸性增长，这极大推动了自然语言处理技术的快速进步。越来越多的应用场景呼唤着高效、精准的自然语言处理技术，无论是社交媒体的情感分析，还是智能客服的问答系统，都离不开自然语言处理的支撑。
本课程将带您深入自然语言处理的实战领域，基于百度深度学习框架飞桨PaddlePaddle，通过一系列精心设计的实战项目，让您系统掌握文本分类、情感分析和基于问答检索的自然语言处理系统的核心技术。
您将学习到如何运用深度学习算法对文本进行高效分类，如何准确捕捉文本中的情感倾向，以及如何构建高效的问答检索系统。在实战过程中，您将亲自动手，通过代码实现各个功能模块，从而加深对自然语言处理技术的理解和应用。
无论您是自然语言处理领域的初学者，还是希望提升实战技能的从业者，本课程都将为您提供宝贵的学习机会和实践平台。让我们一起在实战中探索自然语言处理的奥秘，共同迎接自然语言处理技术的美好未来！
课程导读
NLP课程-理论部分
一、自然语言处理概述
- 1.自然语言处理概述-1-01
- 2.自然语言处理概述-1-02
- 3.自然语言处理概述-1-03
- 4.自然语言处理概述-1-04-1自然语言处理的主要任务
- 5.自然语言处理概述-1-04-2飞桨简介
二、文本分析处理技术
- 1.文本分析处理技术-1-综述
- 2.1文本分析处理技术-2-1 预处理
- 2.2文本分析处理技术-2-2 文本表示
- 2.3文本分析处理技术-2-3 特征降维
- 3.1文本分析处理技术-3-1 文本分类
- 3.2文本分析处理技术-3-2 文本聚类
- 4.文本分析处理技术-4-信息检索
三、语义表示
- 1.语义表示-01
- 2.语义表示-02
- 3.语义表示-03
- 4.语义表示-04-循环神经网络
- 5.语义表示-05-句子篇章表示
四、情感分类理论
- 1.情感分类-理论-1-概述
- 2.情感分类-理论-2-机器学习方法
五、多文本分类
- 1.文本多分类-01-传统机器学习方法
- 2.文本多分类-02-深度学习方法
六、问答系统理论
- 1.问答系统-理论-1问答系统与知识图谱
- 2.问答系统-理论-2知识图谱问答
- 3.问答系统-理论-3社区问答
- 4.问答系统-理论-4文本问答
七、序列标注
- 1.序列标注-理论-1-概述
- 2.序列标注-2-机器学习模型
- 3.序列标注-3-深度模型与命名实体店识别
八、词向量-预训练模型
- 1.词向量训练模型-1-词向量
- 2.词向量训练模型-2-预训练模型
- 3.词向量训练模型-3-Bert
- 4.词向量训练模型-4-ERNIE
九、注意力机制
NLP课程-实验部分
十、情感分析
- 1.基于目标的情感分类代码运行
- 2.基于目标的情感分析任务
- 3.句子级别的情感分类
- 4.句子级别情感分类代码运行-g
十一、文本多分类
- 1.文本多分类
- 2.文本多分类代码演示-g
十二、命名实体识别
- 1.NER代码讲解
- 2.NER代码演示-g
十三、QA
- 1.QA代码讲解
- 2.QA代码演示
课程总结
课后测试
百度技术培训中心/张日崇
百度技术的布道者和赋能者/博士