炼数成金 门户 培训 查看内容

自然语言处理软件实验

2017-3-7 11:58| 发布者: 仙豆| 查看: 522535| 评论: 0|原作者: 仙豆

快速报名入口
快班报名:【快班】自然语言处理软件实验 (随报随学)
自然语言处理(NLP)是人工智能和语言学领域的一个分支学科,同时也是机器学习中最热的一个方向之一。试想想,机器可完全明白人类的语言,并且可以娴熟地使用自然语言与人类沟通,这不就是人工智能的目标?目前,我们处理的数据,并不仅仅只有数值型数据,还包含了大量的文本数据。对于传统的分析技术来说,文本数据中的真正含义无法真正解析出来,是对文本信息的较大浪费。幸好,现在各种文本预处理、文本挖掘技术已日渐成熟,可以帮助我们从文本中提取出更多有意义的信息。

在黄老师的《机器读心术之文本挖掘与自然语言处理》课上,曾提及很多NLP相关的软件,但课程重点并不在于软件的使用上,课程的篇幅限制也不能详细介绍这些软件,那么本课程将为你一一解构,这些软件的使用与应用。

课程大纲:
第一部分:算法软件基础:介绍不同算法工具的基本使用语法
第一课:语言模型SRILM——用SRILM训练语言模型
第二课: 隐马尔可夫模型HTK入门——HTK的安装与使用
第三课: 隐马尔可夫模型HTK深入——HTK使用详解
第四课: 隐马尔可夫模型HTK实例——简单的语音拨号应用程序
第五课: 条件随机场CRF++——CRF++的安装与使用
第六课: 较大熵模型OpenNLP——OpenNLP的安装与基本功能
第七课: 较大熵模型MALLET——MALLET的安装与使用
第八课:中文NLP工具包——FudanNLP入门
第九课:中文NLP工具包——StanfordNLP各个模块介绍

第二部分:实验案例操作
第十课:中文NLP基础,分词处理与词性标注——对比常用的中文分词工具的使用
第十一课:命名实体识别的实现
第十二课:文本分类与情感分析——商品评论倾向性分析
第十三课:文本关键信息提取——关键词提取与文本摘要

开课时间:
本期课程将于12月10日开课,预计课程持续时间15周

课程基础:
学习过自然语言分析NLP课程的学员,想了解具体NLP软件的学员

课程环境:
windows+Linux 虚拟机

收获预期:
可以使用各种NLP工具完成各项NLP任务

授课讲师:
何翠仪,毕业于中山大学统计学专业,炼数成金专职讲师。
在炼数成金上开设了多门关于数据分析与数据挖掘相关的课程,如《大数据的统计学基础》、《大数据的矩阵基础》《金融时间序列分析》等,也曾到不同的公司开展R语言与数据分析的相关培训。对数据分析有深刻认识,曾与不同领域公司合作,参与到多个数据分析的项目中,如华为、广州地铁等

课程试听:


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!

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,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:自然语言处理软件实验
咨询Email :edu01@dataguru.cnedu02@dataguru.cn
课程入门讨论咨询群:
303917420(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!!!
快速报名入口
快班报名:【快班】自然语言处理软件实验 (随报随学)

即将开课

热门文章

     

    GMT+8, 2024-12-10 07:47 , Processed in 10.124075 second(s), 35 queries .