讲解方式: 

本课程采用由浅入深,层层递进的讲解方式. 在解析理论算法的同时, 更加注重代码实践. 每一个知识点, 每一个专题都以代码驱动, 案例终结. 让学生们学懂, 学通, 学会.

课程亮点：

1，课程由浅到深，由原理到实践，适合自然语言处理入门学习。

2，代码驱动, 结合实际案例模型, 培养真实代码开发能力和解决实际问题的能力。

课程内容：

1. Pytorch基础知识

2. 自然语言处理入门

3. 文本预处理

4. HMM和CRF

5. RNN, LSTM, GRU

6. Transformer

适用人群：

1、对自然语言处理技术感兴趣的在校生和应届生。

2、希望从事人工智能行业高薪工作的在职人员。

3、对自然语言处理技术感兴趣的相关人员。

基础课程主讲内容包括：

第一章: Pytorch基础知识

1. Pytorch基础元素和函数

2. Pytorch构建神经网络案例

3. Pytorch构建分类器案例

第二章: 自然语言处理入门

1. 介绍NLP的发展历史, 关键时间节点

2. 介绍NLP的行业主流应用和当前热点

第三章: 文本预处理

1. 文本处理的基本方法

2. 文本张量的表示方法

3. 文本的数据分析方法

4. 文本的特征处理方法

5. 文本的数据增强

6. 新闻主题分类任务的案例

第四章: HMM和CRF

1. 介绍HMM的原理和特点

2. 介绍CRF的原理和特点

第五章: RNN系列模型

1. RNN模型介绍和代码实践

2. LSTM模型介绍和代码实践

3. GRU模型介绍和代码实践

4. 注意力机制原理介绍和代码实践

5. 人名分类器的案例

6. 英译法任务的案例

第六章: Transformer

1. 认识Transformer的架构

2. 详解Transformer的输入部分和代码实现

3. 详解Transformer的编码器部分和代码实现

4. 详解Transformer的解码器部分和代码实现

5. 详解Transformer的输出部分和代码实现

6. 基于Transformer架构的copy任务测试

7. 基于Transformer构建语言模型的案例