實(shí)踐入門NLP：基于深度學(xué)習(xí)的自然語言處理

本文作者： AI慕課學(xué)院

2018-01-22 16:39

導(dǎo)語：特別是最近兩年，基于深度學(xué)習(xí)的自然語言處理逐漸取得了一定進(jìn)展，在人機(jī)對(duì)話、問答系統(tǒng)、語言翻譯等方向的應(yīng)用也一直是自然語言處理中的熱門話題。

【雷鋒網(wǎng)-AI慕課學(xué)院按】1月初，在被譽(yù)為“機(jī)器閱讀理解界ImageNet”的斯坦福SQuAD（Stanford Question Answering Dataset）文本理解挑戰(zhàn)賽上，微軟亞洲研究院的R-NET模型率先取得了82.650的最高分率，在EM（ExactMatch 精準(zhǔn)匹配)指標(biāo)上首次超越人類在2016年創(chuàng)下的82.304。同時(shí)，阿里IDST、騰訊NLP、科大訊飛等也在該榜單名列前茅。

可以說，自然語言的研究歷史雖然還不是很長，但近些年在谷歌、IBM、斯坦福、阿里巴巴、Facebook等NLP領(lǐng)域的核心企業(yè)和研究所的推動(dòng)下，其取得的成績，足以顯示它在人工智能領(lǐng)域乃至整個(gè)計(jì)算機(jī)科學(xué)研究的重要性和廣闊應(yīng)用前景。

特別是最近兩年，基于深度學(xué)習(xí)的自然語言處理逐漸取得了一定進(jìn)展，在人機(jī)對(duì)話、問答系統(tǒng)、語言翻譯等方向的應(yīng)用也一直是自然語言處理中的熱門話題，而這些應(yīng)用的實(shí)現(xiàn)，基本依賴于底層技術(shù)和模型的進(jìn)步，再加上自然語言處理領(lǐng)域也算是一個(gè)多學(xué)科交叉的行業(yè)，自然語言處理的未來發(fā)展對(duì)于很多相關(guān)學(xué)科和方向都具有深遠(yuǎn)的影響力。

實(shí)踐入門NLP：基于深度學(xué)習(xí)的自然語言處理

那么，對(duì)于非NLP相關(guān)科班出身的我們來說，如何才能踏入NLP的學(xué)習(xí)圈子？如何才能選擇低成本，高效率的方式來入門和學(xué)習(xí)NLP呢？

【NLP工程師入門實(shí)踐班】

——基于深度學(xué)習(xí)的自然語言處理

開車?yán)玻?！還不趕緊上車?。?/p>

【課程亮點(diǎn)】

三大模塊，五大應(yīng)用，手把手快速入門NLP

算法+實(shí)踐，搭配典型行業(yè)應(yīng)用

海外博士講師，豐富項(xiàng)目經(jīng)驗(yàn)

專業(yè)學(xué)習(xí)社群，隨到隨學(xué)

【適合人群】

本次課程主要適合具備一定編程基礎(chǔ)的開發(fā)人員，以及對(duì)自然語言處理和深度學(xué)習(xí)有興趣的踐行者。

【課程概述】

本課程將首先介紹自然語言處理的發(fā)展現(xiàn)狀與挑戰(zhàn)，同時(shí)，講解深度學(xué)習(xí)和自然語言處理的結(jié)合應(yīng)用。除了基本算法外，本課程還配備實(shí)踐環(huán)節(jié)，從一些典型的方向：機(jī)器翻譯、文本分類、問答等。最后，將和大家討論NLP的行業(yè)展望以及和各行各業(yè)的結(jié)合，比如醫(yī)療行業(yè)等。

【開課時(shí)間】

2018年2月上線，錄制回放視頻可隨時(shí)在線反復(fù)觀看。

【講師介紹】

新加坡南洋理工大學(xué) 玖強(qiáng)博士

精通算法，軟硬兼修，目前主要研究方向是計(jì)算機(jī)視覺和自然語言處理結(jié)合，例如，圖像/視頻理解, 圖像/視頻自動(dòng)描述生成，人機(jī)對(duì)話，多模態(tài)檢索。

在算法和神經(jīng)網(wǎng)絡(luò)方面，側(cè)重卷積神經(jīng)網(wǎng)絡(luò)，遞歸神經(jīng)網(wǎng)絡(luò)，增強(qiáng)學(xué)習(xí)，對(duì)抗學(xué)習(xí)，無監(jiān)督學(xué)習(xí)等。發(fā)表多篇人工智能及計(jì)算機(jī)視覺頂級(jí)會(huì)議和期刊，包括ICCV、AAAI oral、PR等，并為多個(gè)會(huì)議和期刊審稿人。

曾在中科院參與負(fù)責(zé)基于龍芯的安全芯片項(xiàng)目，后成功轉(zhuǎn)行深度學(xué)習(xí)領(lǐng)域，講課風(fēng)格深入淺出通俗易懂，有獨(dú)家學(xué)習(xí)和轉(zhuǎn)行經(jīng)驗(yàn)。

【課程目錄】

第一模塊 NLP發(fā)展歷史介紹和展望