一、課程介紹：
Python是數(shù)據(jù)分析最常用的語(yǔ)言之一，中文自然語(yǔ)言處理（簡(jiǎn)稱NLP）是計(jì)算機(jī)科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個(gè)重要方向。它研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法。NLP是一門(mén)融語(yǔ)言學(xué)、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、大數(shù)據(jù)以及人工智能等于一體的科學(xué)。本課程偏重實(shí)戰(zhàn)，不僅系統(tǒng)介紹了NLP涉及的知識(shí)點(diǎn)，同時(shí)也教會(huì)大家如何實(shí)際應(yīng)用與開(kāi)發(fā)。
本次培訓(xùn)主要介紹NLP所需要了解的Python科學(xué)包、正則表達(dá)式以及檢索技術(shù)的知識(shí)。包括NLP相關(guān)的各個(gè)知識(shí)點(diǎn)：詞法分析技術(shù)、句法分析技術(shù)、常用的向量化方法，介紹機(jī)器學(xué)習(xí)的一些基本概念，重點(diǎn)突出NLP常用的分類算法、聚類算法，同時(shí)還分享了幾個(gè)案例。每個(gè)部分都有對(duì)應(yīng)源數(shù)據(jù)和完整代碼，供實(shí)戰(zhàn)使用。
自然語(yǔ)言處理（NLP）屬于人工智能與計(jì)算機(jī)語(yǔ)言學(xué)的交叉領(lǐng)域，處理的是計(jì)算機(jī)與人類語(yǔ)言之間的交互問(wèn)題。隨著人機(jī)交互需求的日益增長(zhǎng)，計(jì)算機(jī)具備處理當(dāng)前主要自然語(yǔ)言的能力已經(jīng)成為了一個(gè)必然趨勢(shì)。
本培訓(xùn)適合通信、金融、保險(xiǎn)、制造、醫(yī)藥、教育科研、市場(chǎng)調(diào)研、連鎖零售和電子商務(wù)等行業(yè)的數(shù)據(jù)分析人員，通過(guò)本課程的學(xué)習(xí)，將對(duì)NLP與數(shù)據(jù)科學(xué)領(lǐng)域中的概念有一個(gè)充分的了解，并能將這些知識(shí)應(yīng)用到日常工作中。

二、培訓(xùn)對(duì)象
1.系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開(kāi)發(fā)人員。
2.牽涉到網(wǎng)絡(luò)采集、處理和規(guī)劃的負(fù)責(zé)人、設(shè)計(jì)人員。
3.政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)等以互聯(lián)網(wǎng)信息為數(shù)據(jù)來(lái)源單位的負(fù)責(zé)人。
4.高校、科研院所牽涉到人工智能與機(jī)器學(xué)習(xí)的項(xiàng)目負(fù)責(zé)人。

三、詳細(xì)培訓(xùn)內(nèi)容介紹

模塊一
NLP和深度學(xué)習(xí)發(fā)展概況和最新動(dòng)態(tài)
1. NLP歷史現(xiàn)在及為什么需要學(xué)習(xí)NLP技術(shù)
2. NLP實(shí)現(xiàn)機(jī)器學(xué)習(xí)，聊天機(jī)器人，情感分析和語(yǔ)義搜索

模塊二
NLP與PYTHON編程
3. Python環(huán)境搭建及開(kāi)發(fā)工具安裝
4. NLP常用PYTHON開(kāi)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(shù)之分詞、詞性標(biāo)注和關(guān)鍵字提取
08. 分詞、詞性標(biāo)注及命名實(shí)體識(shí)別介紹及應(yīng)用
09. 準(zhǔn)確分詞之加載自定義字典分詞
10. 準(zhǔn)確分詞之動(dòng)態(tài)調(diào)整詞頻和字典
11. 詞性標(biāo)注代碼實(shí)現(xiàn)及信息提取
12. 人名、地名、機(jī)構(gòu)名等關(guān)鍵命名實(shí)體識(shí)別
13. TextRank算法原理介紹
14. 基于TextRank關(guān)鍵詞提取

模塊四
句法與文法
16. 依存句法與語(yǔ)義依存分析
17. 依存句法樹(shù)解析（子樹(shù)遍歷，遞歸搜索，葉子節(jié)點(diǎn)提取等）
18. 名詞短語(yǔ)塊挖掘
19. 自定義語(yǔ)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(yǔ)對(duì)
22. TF-IDF算法介紹應(yīng)用
23. 基于TF-IDF挖掘符合語(yǔ)言規(guī)范的N-GRAM

模塊六
表示學(xué)習(xí)與關(guān)系嵌入
24. 語(yǔ)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(fù)采樣
28. 6.4 基于Word2vec技術(shù)的詞向量、字向量訓(xùn)練

模塊七
深度學(xué)習(xí)之卷積神經(jīng)網(wǎng)絡(luò)
29. BP神經(jīng)網(wǎng)絡(luò)
30. 徹底理解深度學(xué)習(xí)指卷積神經(jīng)網(wǎng)絡(luò)
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(shù)據(jù)預(yù)處理
34. CNN文本分類模型測(cè)試與部署

模塊八
深度學(xué)習(xí)之遞歸神經(jīng)網(wǎng)絡(luò)
35. 遞歸網(wǎng)絡(luò)
36. LSTM
37. LSTM文本分類原理
38. LSTM文本分類代碼架構(gòu)
39. LSTM文本分類代碼詳解
40. LSTM文本分類模型預(yù)測(cè)與部署

模塊九
特定領(lǐng)域命名實(shí)體識(shí)別NER技術(shù)
41. 基于深度學(xué)習(xí)醫(yī)藥保險(xiǎn)命名實(shí)體識(shí)別課題背景介紹
42. 醫(yī)藥保險(xiǎn)命名實(shí)體和實(shí)體關(guān)系體系建立和命名實(shí)體分類規(guī)范
43. 醫(yī)藥保險(xiǎn)命名實(shí)體識(shí)別相關(guān)前沿技術(shù)和難點(diǎn)
44. 基于深度學(xué)習(xí)醫(yī)藥保險(xiǎn)命名實(shí)體識(shí)別的算法模塊設(shè)計(jì)
45. 數(shù)據(jù)的采集，清洗，數(shù)據(jù)機(jī)器自動(dòng)標(biāo)注及轉(zhuǎn)化為深度學(xué)習(xí)格式
46. 模型本地Lib庫(kù)封裝
47. 部署tensorflow訓(xùn)練好的模型為云服務(wù)
48. 算法設(shè)計(jì)及代碼實(shí)現(xiàn)
49. 代碼調(diào)試，參數(shù)優(yōu)化及深度剖析（深入理解）