杨帅
开发组长/高级工程师/技术专家

擅长领域:机器学习、深度学习、自然语言处理

讲师介绍:长期从事机器学习深度学习研究,在自然语言处理领域有一定认知

NLP:

自然语言处理基于Bert的中文命名实体识别实战

课程目标:

学习完本门课程,您将对自然语言处理技术有更深入的了解,彻底掌握中文命名实体识别技术。

适用人群:

自然语言处理从业者、深度学习爱好者

课程简介:

命名实体识别作为自然语言处理的基础技术之一,在自然语言处理上游各个任务(问答系统、机器翻译、对话系统等)重扮演者十分重要的角色,因此深入掌握命名实体识别技术,是作为自然语言处理从业者毕本技能,本课程理论与实践相结合,希望能给大家带来帮助。

课程要求:

(1)开发环境:Python3.6.5 Tensorflow1.13.1;
(2)开发工具:Pycharm;

(3)学员基础:需要一定的Python基础,及深度学习基础;

(4)学院收货:掌握命名实体识别关键技术;

(5)学院资料:见课程资料;

(6)课程亮点:全程实战操作,徒手撸代码。

>
共65课时(已更新65课时)| ¥188.00| 119人学习过开始学习
NLP:

自然语言处理基于深度学习的中文命名实体识别实战

课程目标:

学习完本门课程,您将对自然语言处理技术有更深入的了解,彻底掌握中文命名实体识别技术。

适用人群:

自然语言处理从业者、深度学习爱好者

课程简介:

命名实体识别作为自然语言处理的基础技术之一,在自然语言处理上游各个任务(问答系统、机器翻译、对话系统等)重扮演者十分重要的角色,因此深入掌握命名实体识别技术,是作为自然语言处理从业者毕本技能,本课程理论与实践相结合,希望能给大家带来帮助。

课程要求:

(1)开发环境:Python3.6.5 Tensorflow1.13.1;
(2)开发工具:Pycharm;

(3)学员基础:需要一定的Python基础,及深度学习基础;

(4)学院收货:掌握命名实体识别关键技术;

(5)学院资料:见课程资料;

(6)课程亮点:全程实战操作,徒手撸代码。



>
共77课时(已更新77课时)| ¥388.00| 448人学习过开始学习
NLP:

自然语言处理--词向量视频教学(word embedding)

自然语言处理教程,该课程着重讲解词向量(Word embedding),词向量是深度学习技术在自然语言处理中应用的基础,因此掌握好词向量是学习深度学习技术在自然语言处理用应用的重要环节。本课程从One-hot编码开始,word2vec、fasttext到glove讲解词向量技术的方方面面,每个技术点环节都有相应的小案例,以增加同学们学习兴趣。同时在课程最后整合案例的方式给大家展示词向量技术在相似度计算中的典型应用。希望我们的课程能帮助更多的NLPper。>
共62课时(已更新62课时)| ¥208.00| 892人学习过开始学习

最近学员 累计3236

最新评论

手机看
关注公众号

关注公众号

下载APP

下载APP

客服 帮助 返回
顶部