自然语言处理

为帮助你快速展开学习，请第一时间了解本纳米学位提供的服务内容，帮助你更高效地完成课程。

通过本节学习，你将了解如何更好的使用教室，以及教室的所有功能。

通过本节学习，你将了解课程所涵盖的服务及重要的注意点，这将帮助你制定更高效的学习计划

Arpan 将简要介绍如何构建自然语言处理管道。

‘学习通过以下方式整理来自不同来源的文本以进一步处理这些文本：清理、标准化并拆分为单个单词或标记。'

在此部分，你将学习如何使用朴素贝叶斯算法构建垃圾邮件分类器。

Luis 将简要介绍多个词性标注方法，并深入讲解隐马尔可夫模型。

学习如何使用 IBM Watson 构建简单的问答代理。

在此项目中，你将构建一个隐马尔可夫模型，用于使用通用标签集进行词性标注。

Project Description - 词性标注

Project Rubric - 词性标注

学习如何利用 Google Cloud 上的 GPU 进行机器学习和科学计算。

利用亚马逊的 GPU 更快速地训练神经网络。在这节课，你将学习如何设置 AWS 实例并用 GPU 训练神经网络。

利用词袋、TF-IDF、Word2Vec 和 GloVE 等方法转换文本，以提取可以用于机器学习模型的特征。

在此部分，你将学习如何使用潜在狄利克雷分析 (LDA) 将文档集合划分为主题。在 Lab 中，你会将此模型应用到一个新闻数据库上。

在这一课里，Luis 将带给你夯实的深度学习与神经网络的基础知识。你也将在教室里亲手用 python 实现梯度下降法与反向传播。

深入学习神经网络中的回归。

Mat 会向你介绍另一个误差函数，并带领你使用 numpy 矩阵乘法实现梯度下降。

现在你已经了解了什么是神经网络。在这一课中你将学会几种方法，以提升神经网络的训练效果。

在这个项目中，你将从头开始构建和训练你自己的神经网络，预测特定一天中的共享单车用户数。加油！

Project Description - 你的第一个神经网络

Project Rubric - 你的第一个神经网络

这节课中，你将会学习几个最常用的学习模型的评判标准。

在这一部分中我们会手把手教你 Google 的深度学习框架 Tensorflow。你也将有能力将它应用于图像数据集中。

在这一部分中我们将手把手教你使用Keras。你将会使用它去分析电影评论。

Ortal 将介绍循环神经网络，这是一种能够基于输入序列进行识别和运作的机器学习模型。

Luis 解释了长短期记忆网络（LSTM）和类似的架构，它们具有保持长期记忆的好处。

学习如何使用几种机器学习分类器（包括递归神经网络）预测文字情感，并将所学知识运用到影评数据库中。

在此部分，你将学习一种特定的 RNN 架构，用于从一种序列生成另一种序列。这些 RNN 适合聊天机器人、机器翻译等应用！

注意力是近期最重要的深度学习创新技术之一。在此部分，你将学习注意力，并在 Lab 中了解注意力的基本实现过程。

此部分将为机器翻译部分做好准备。在此部分，你将有机会在 Keras 中获得 RNN 实操经验。

概述了为 GPU 加速训练配置远程环境的步骤（注意：自然语言处理纳米学位课程不提供 AWS 积分）

将在自然语言处理课程中学到的技能运用到一个很有挑战性但是收获会颇丰的机器翻译任务中。 祝你好运！

Project Description - 项目 2：机器翻译

Project Rubric - 项目 2：机器翻译

‘熟悉语音用户界面的原则和应用，并了解 Alexa 的技能。'

了解 ASR 管道的工作原理。

构建一个将用在端到端自动语音识别管道中的深度神经网络。

Project Description - 项目：DNN 语音识别器

Project Rubric - 项目：DNN 语音识别器

在这节课，你将通过实施 word2vec 模型学习神经网络中的嵌入。

邀请好友加入课程，拿 200 元现金红包！
好友也获得最高￥320 购课优惠，轻松开启学习之路