课程介绍

• 

  唐宇迪

  高校教师 / 培训机构讲师

  计算机博士，专注于机器学习与计算机视觉领域，深度学习领域一线实战专家，善于实现包括人脸识别，物体识别，关键点检测等多种应用的最新算法。参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。

• 主题说明

  自然语言处理中一个很重要的研究方向就是语义的情感分析（Sentiment Analysis）。例如IMDB上有很多关于电影的评论，那么我们就可以通过Sentiment Analysis来评估某部电影的口碑，（如果它才刚刚上映的话）甚至还可以据此预测它是否能够卖座。与此相类似，国内的豆瓣上也有很多对影视作品或者书籍的评论内容亦可以作为情感分析的语料库。对于那些电子商务网站而言，针对某一件商品，我们也可以看到留言区里为数众多的评价内容，那么同类商品中，哪个产品受消费者喜爱呢？或许对商品评论的情感分析可以告诉我们答案。

• 适合对象

  对AI/深度学习/文本挖掘感兴趣的学生和工程师

• 学习要点

  自然语言处理中重要的算法，词向量模型。

  本课程从语言模型入手，详解词向量构造原理与求解算法。理论与实战结合， 基于深度学习主流框架Tensorflow实例演示如何用深度学习来进行文本分类任务，其中涉及深度学习主流架构LSTM模型以及自然语言处理中流行的word2vec词向量建模方法，分模块解读如何用框架一步步完成整个网络架构。

   

  课程大纲：

  1.LSTM网络结构概述

  2.文本数据处理

  3.word2vec词向量模型

  4.网络结构搭建

  5.网络模型训练

   

  ---

   

  扫码下方二维码回复“自然语言”加入课程交流群

  

• 课时安排

  课程安排如下：

  19:45—20:00  学员提前入场

  20:00—21:00  讲师上课

  21:00—21:30  讲师答疑环节