查看: 2469|回复: 1

2017年重磅人工智能课程《机器读心术之深度学习大战自然语言处理》即将开课

[复制链接]
论坛徽章:
852
Kafka徽章
日期:2017-07-11 14:21:47Hadoop研习者初级
日期:2017-06-22 17:25:01Hive徽章
日期:2017-06-22 17:21:55python徽章
日期:2017-06-22 17:17:36scala徽章
日期:2017-06-22 17:16:20LATEX徽章
日期:2017-06-22 17:06:30统计徽章
日期:2017-06-15 17:35:57python徽章
日期:2017-06-15 17:35:32spss初级
日期:2017-06-15 17:35:01Excel徽章
日期:2017-06-15 17:34:13Oracle研习者高级
日期:2017-06-15 17:32:25算法导论徽章
日期:2017-06-22 17:29:02
发表于 2017-5-1 00:15 | 显示全部楼层 |阅读模式

模型 数据分析 自然语言处理 文本挖掘 机器读心术 自然语言

自然语言数据是大数据的主要形态之一,每个企业几乎都积存有大量的文字,语音数据,互联网公司有网站上的评论留言论坛帖子,移动运营商有文字短信息,电子商务平台有客服录音,证券公司需要处理大量的上市公司年报资料,IT企业积累了大量的技术文档等等。自然语言处理(NLP)是机器学习当前最神秘,最红火,最具难度,也最让引人关注的分支。在搜索引擎,语音识别,情感分析,大批量文档处理,机器翻译,自动应答等各个领域有着前程无可限量的应用。NLP能发挥威力的场景不胜枚举。过去受限于企业的处理能力,面对宝山空手而归,现在随着深度学习技术在NLP中的应用,一大批成熟度高的算法模型应运而生,在NLP几乎所有的子领域都取得巨大突破,现在从深度学习的角度去学习NLP,可谓正逢其时。
去年我们开设了《机器读心术之自然语言处理与文本挖掘》课程,讲述了以统计学习方法为主要手段的NLP技术,为业界培养大批具有NLP处理能力的分析师,课程内容广受好评,听众也一直强烈要求开办深度学习在NLP中应用的后续课程。一年后,我们终于开设《机器读心术之深度学习在自然语言处理中的应用》,希望和大家一起在技术上再攀高峰!自然语言处理和深度学习领域的特点是适合读的成熟教材很少,但有浩瀚如烟的一大堆论文构成整个知识体系的各种细节,所以体系化这些知识,是学习者面对的首要困难。其次,这些领域大多涉及深涩艰难的数学算法,比如自然语言处理里用到的各种概率图模型:隐马尔科夫,较大熵,条件随机场等,深度学习里面常涉及到的LSTM,生成式对抗网络等,数学基础稍差的人,估计即使花上几年去读,也不可能取得多大的自我进展。知识难以理解的程度超出了很多学习者的极限。所以我开设这门课的“卖点”就是:用最通俗的语言,讲解这些机器领域里最深奥的知识,使即使数学基础不扎实,理解能力不超群的大众,也能通过课程掌握这些前沿领域的细节技术,并且应用在自己的场景里去完成某些事情。本课程努力讲解为一个自洽的体系,即听众即使对深度学习和自然语言处理没有任何知识,也可以通过听课程的头两周达到入门水平,可以接着听后面的讲授内容,当然如果听众能有时间去参加《机器读心术之神经网络与深度学习》《机器读心术之自然语言处理与文本挖掘》两门课程进行详细学习更好,我们为三门“机器读心术”有关系列课程提供了整体报名优惠套餐(见下面“课程福利”项)。

课程大纲:
第1课 深度学习知识要览,两小时入门深度学习。
第2课 自然语言数据是大数据的主要形态,任何企业都需要自然语言处理技术。自然语言处理(NLP)场景概述,两小时入门NLP。深度学习初试牛刀,在推荐系统中结合自然语言处理的应用,一举解决新商品上架时的冷启动问题
第3课 基于深度学习的语言模型,词向量与embedding。google神器word2vec详解与内幕揭秘,部署和训练word2vec从此一剑走天下,用word2vec轻松实现文本分类,文本相似性判断,文本自动摘要,新闻自动配图
第4课 集外词怎样求embedding?多种解决方案,中文集外词解决方案,段向量与基于深度学习的情感分析,实际分析长篇大论的影评是好评还是差评?
第5课 更加复杂的情感分析问题:新浪微博情感倾向性分析,集体情感趋势分析:舆情监控,大企业公关部门和政府管理部门的管控利器
第6课 LSTM详解,用LSTM解决集外词编码问题,准确率惊人的基于LSTM的命名实体识别解决方案,横扫一切可转化为标注问题的场景
第7课 Encoder-Decoder-Attention机制,横扫一切“从序列到序列”场景的终极模型,机器翻译,文本自动摘要,聊天机器人等都可归结为此类场景下的问题。谷歌机器翻译技术解读,BBC新闻结合计算机视觉的语音识别(唇语识别)
第8课 “春天丽日照晴川,十里桃花映满山。燕子呢喃寻旧梦,清风拂面柳如烟”,谁敢相信这是机器写的诗?庖丁解牛剖析“机器湿人”。把生成式对抗网络的思路迁移到自然语言处理(序列处理)场景:SeqGAN,利用SeqGAN创作诗歌,假冒奥巴马演讲词,写贝多芬式的音乐
第9课 下一个人工智能热点(自然语言处理,爬虫技术,图论算法,图数据库等多项技术的综合应用):知识图谱简介,深度学习用于知识图谱,在文本中用卷积网络和LSTM析取实体之间的语义关系,怎样用知识图谱构建QA系统(聊天机器人)?

授课时间:
课程将于2017年9月22日开课,课程持续时间大约为9周

授课对象:
对深度学习与自然语言处理感兴趣者,潜在研究者,爱好者,职业方向准备转型高级数据分析师,迈向数据科学家的朋友。

收获预期:
熟悉深度学习与自然语言处理技术,并知道怎样结合运用到自己的实际工作,将数据挖掘能力从有限的结构化数据延伸到非结构化的海量文字材料。个人技术能力和数据分析能力有明显增长

授课讲师:
tigerfish,知名数据库网站ITPUB创始人,知名数据分析网站炼数成金创始人。数据库专家,数据分析专家,有丰富的IT领域、数学领域的知识经验。他将带领他的数据分析团队完成整个授课工作。

课程福利:
本课程采用打包套餐的福利
1、本课程400元(只学习本门课程,注:报名过【普班】自然语言处理与文本挖掘+【普班】神经网络与深度学习课程的学员获赠本课程免固定学费卡)
2、套餐一600元(本门课程+【快班】自然语言处理与文本挖掘)
3、套餐二600元(本门课程+【快班】神经网络与深度学习)
4、套餐三800元(本门课程+【快班】自然语言处理与文本挖掘+【快班】神经网络与深度学习)

新颖的课程收费形式:“逆向收费”约等于免费学习,仅收取100元固定收费+300元暂存学费,学习圆满则全额奖励返还给学员!

特别说明如下:
本门课程本来打算完全免费,某位大神曾经说过“成功就是正确的方向再加上适度的压力”。考虑到讲师本身要付出巨大的劳动,为了防止一些朋友在学习途中半途而废,浪费了讲师的付出,为此我们计划模仿某些健身课程,使用“逆向收费”的方法。
在 报名时每位报名者收取400元,其中100元为固定 收费,另外300是暂存学费,即如果学员能完成全部课程要求,包括完成全部的书面和互动作业(每周不超过2小时),则300元全款退回。如果学员未能坚持到完全所有的学习计划任务,则会被扣款。期望这种方式可以转化为大家强烈的学习愿望和驱动力!

课程授课方式:
1、 学习方式:老师发布教学资料、教材,幻灯片和视频,学员通过网络下载学习。同时通过论坛互动中老师对学员进行指导及学员之间相互交流。
2、 学习作业:老师每周布置书面及互动作业,学员需按时按质完成作业。
3、 老师辅导:根据作业批改中发现的问题,针对性给予辅导,帮助大家掌握知识。
4、 结业测验:通过测验,完成学业。

您是否对此课程还有疑问,那么请 点击进入 FAQ,您的问题将基本得到解答
全国统一咨询热线 4008-010-006

课程现开始接受报名,报名方式
网上报名 请点击:机器读心术之文本挖掘与自然语言处理
咨询Email :edu01@dataguru.cnedu02@dataguru.cn
课程入门讨论咨询群:
706821899(群内有培训公开课视频供大家免费观看)
咨询QQ: 2222010006 (上班时间在线)

技术热点、 行业资讯,培训课程信息,尽在炼数成金官方微信,低成本传递高端知识!技术成就梦想!欢迎关注!
打开微信,使用扫一扫功能,即刻关注炼数成金官方微信账户,不容错过的精彩,期待您的体验!!!



来源: 2016年校长奉献机器学习较高级课程《机器读心术之文本挖掘与自然语言处理》



回复

使用道具 举报

论坛徽章:
49
知识图谱徽章
日期:2018-06-15 13:47:20Mycat徽章
日期:2016-06-08 14:19:31算法导论徽章
日期:2016-03-16 10:46:38技术内幕徽章
日期:2016-03-03 14:48:52Docker徽章
日期:2016-01-21 11:55:16STATA徽章
日期:2015-10-29 15:15:02perl徽章
日期:2015-09-25 17:35:49大型分布式徽章
日期:2015-09-25 17:35:14R研习者中级
日期:2015-08-20 14:51:11数据陷阱解读徽章
日期:2015-08-13 15:21:45Excel徽章
日期:2015-07-16 10:52:25神经网络徽章
日期:2016-06-30 15:55:39
发表于 2017-5-8 09:12 | 显示全部楼层
黄老师又开新课了,期待期待,学黄老师的课需要花很多时间消化,做笔记,整理材料,每一次都是收获满满
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册 新浪微博登陆

本版积分规则

 

GMT+8, 2018-6-26 01:58 , Processed in 0.138735 second(s), 32 queries .

关闭

扫一扫加入
本版微信群