使用TensorFlow进行自然语言处理

深度学习已经彻底改变了自然语言处理（NLP）领域，过去许多NLP问题需要大量人工设计特征的工作，如今通过深度学习可以高效地建模和解决。 在本课程中，你将学习TensorFlow以及Keras的基础知识，其中Keras是基于Python的TensorFlow高级接口。接着，你将学习构建词嵌入及其他向量表示方法，包括Skip-gram模型、连续词袋模型（CBOW）以及全局向量表示（GloVe）。随后，你将掌握卷积神经网络、循环神经网络以及长短期记忆网络（LSTM）的基本原理，并利用这些模型解决诸如命名实体识别、文本生成和机器翻译等NLP任务。最后，你还将学习基于Transformer的架构，并实现问答系统（使用BERT）和图像描述生成等应用。 通过本课程的学习，你将建立起扎实的自然语言处理基础，并具备使用TensorFlow构建各类NLP解决方案的实际能力。