Logo
☆☆☆☆☆
0.0
Advanced
9h

机器学习中的自然语言处理

在本课程中,你将学习文本数据处理技术、词嵌入的创建方法,以及如何使用长短期记忆网络(LSTM)完成语义分析和机器翻译等任务。完成本课程后,你将能够解决工业界常见的实际自然语言处理(NLP)问题,这在文本数据广泛应用的今天极具实用价值。 本课程的代码基于TensorFlow框架——业界领先的机器学习框架之一,以及用于数据分析的Python pandas库。掌握Python和TensorFlow是学习本课程的前提条件。 本课程由AdaptiLab公司开发,该公司专注于评估、引进和提升企业级机器学习人才。课程内容与来自Google、Microsoft、Amazon和Apple的行业机器学习专家共同协作完成。

5 Lessons
Included in Subscription Plan
Personalized Learning
Powered by AI
机器学习中的自然语言处理
在本课程中,你将学习文本数据处理技术、词嵌入的创建方法,以及如何使用长短期记忆网络(LSTM)完成语义分析和机器翻译等任务。完成本课程后,你将能够解决工业界常见的实际自然语言处理(NLP)问题,这在文本数据广泛应用的今天极具实用价值。 本课程的代码基于TensorFlow框架——业界领先的机器学习...

WHAT YOU'LL LEARN

理解自然语言处理中的文本数据处理基本流程

TAKEAWAY SKILLS

Python
Machine Learning
Natural Language Processing
TensorFlow

Content

5 Lessons • 0 Quizzes • 0 Challenges

你将从本课程中学到的内容
  1. 1

    概述

词嵌入
  1. 1

    简介

  2. 2

    术语表

  3. 3

    嵌入(Embeddings)

  4. 4

    Skip-gram

  5. 5

    嵌入矩阵

  6. 6

    候选采样

  7. 7

    嵌入损失

  8. 8

    余弦相似度

  9. 9

    K-最近邻

  10. 10

    测验

语言模型
  1. 1

    简介

  2. 2

    语言模型

  3. 3

    填充

  4. 4

    RNN/LSTM

  5. 5

    Dropout

  6. 6

    多层结构

  7. 7

    LSTM 输出

  8. 8

    计算损失

  9. 9

    预测

  10. 10

    张量索引

  11. 11

    测验

文本分类
  1. 1

    简介

  2. 2

    情感分析

  3. 3

    嵌入(Embeddings)

  4. 4

    双向LSTM

  5. 5

    Logits

  6. 6

    损失

  7. 7

    分类

  8. 8

    改进模型

  9. 9

    测验

Seq2Seq模型
  1. 1

    简介

  2. 2

    训练数据

  3. 3

    终止状态

  4. 4

    组合状态

  5. 5

    编码器-解码器

  6. 6

    注意力

  7. 7

    训练采样器

  8. 8

    解码器对象

  9. 9

    解码输出

  10. 10

    计算损失

  11. 11

    推理解码

  12. 12

    模型优化

  13. 13

    数据集

  14. 14

    测验

  15. 15

    课程总结

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

Reviews

Read reviews from students who have taken this course and share your own experience.

Reviews & Comments (0)