開發(fā)經(jīng)理
互聯(lián)網(wǎng)
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

NLP自然語言處理算法及案例

李善思

前阿里巴巴 數(shù)據(jù)架構(gòu)師

前阿里巴巴數(shù)據(jù)架構(gòu)師，對大數(shù)據(jù)、自然語言處理、圖像識別、Python、Java相關(guān)技術(shù)有深入的研究，積累了豐富的實踐經(jīng)驗。在工業(yè)領(lǐng)域曾參與了燃煤優(yōu)化、設(shè)備故障診斷項目，正泰光伏電池片和組件EL圖像檢測項目；在自然語言處理方面，擔(dān)任導(dǎo)購機(jī)器人項目的架構(gòu)師，主導(dǎo)開發(fā)機(jī)器人的語義理解、短文本相似度匹配、上下文理解，以及通過自然語言檢索產(chǎn)品庫，在項目中構(gòu)建了NoSQL+文本檢索等大數(shù)據(jù)架構(gòu)，也同時負(fù)責(zé)問答對的整理和商品屬性的提取，帶領(lǐng)NLP團(tuán)隊構(gòu)建語義解析層。具備深厚的大模型理論知識和實踐經(jīng)驗，熟悉國內(nèi)外大模型的發(fā)展趨勢和應(yīng)用場景。曾在實際項目中應(yīng)用RAG，對色差檢測有深入理解和實踐操作、并使用大模型提取關(guān)鍵信息等。
重要參與項目：
1.正泰太陽能單多晶電池片（組件）的EL瑕疵檢測：使用人工智能圖像識別算法智能判斷瑕疵，幫助節(jié)省人工。本項目還與MES對接得到太陽能組件信息以及瑕疵缺陷的標(biāo)準(zhǔn)（每個客戶的瑕疵定義不同）用以幫助算法正確判斷是否是缺陷。
2.化纖絲餅表面瑕疵檢測項目：使用人工智能圖像識別算法結(jié)合拍攝裝置輸入軟硬一體的解決方案，并且與現(xiàn)場設(shè)備進(jìn)行對接獲取必要信息，幫助節(jié)省人工檢測成本。
3.數(shù)字化工廠項目：針對工廠的數(shù)字化、自動化、智能化做詳細(xì)的調(diào)研與方案的撰寫。

前阿里巴巴數(shù)據(jù)架構(gòu)師，對大數(shù)據(jù)、自然語言處理、圖像識別、Python、Java相關(guān)技術(shù)有深入的研究，積累了豐富的實踐經(jīng)驗。在工業(yè)領(lǐng)域曾參與了燃煤優(yōu)化、設(shè)備故障診斷項目，正泰光伏電池片和組件EL圖像檢測項目；在自然語言處理方面，擔(dān)任導(dǎo)購機(jī)器人項目的架構(gòu)師，主導(dǎo)開發(fā)機(jī)器人的語義理解、短文本相似度匹配、上下文理解，以及通過自然語言檢索產(chǎn)品庫，在項目中構(gòu)建了NoSQL+文本檢索等大數(shù)據(jù)架構(gòu)，也同時負(fù)責(zé)問答對的整理和商品屬性的提取，帶領(lǐng)NLP團(tuán)隊構(gòu)建語義解析層。具備深厚的大模型理論知識和實踐經(jīng)驗，熟悉國內(nèi)外大模型的發(fā)展趨勢和應(yīng)用場景。曾在實際項目中應(yīng)用RAG，對色差檢測有深入理解和實踐操作、并使用大模型提取關(guān)鍵信息等。 重要參與項目： 1.正泰太陽能單多晶電池片（組件）的EL瑕疵檢測：使用人工智能圖像識別算法智能判斷瑕疵，幫助節(jié)省人工。本項目還與MES對接得到太陽能組件信息以及瑕疵缺陷的標(biāo)準(zhǔn)（每個客戶的瑕疵定義不同）用以幫助算法正確判斷是否是缺陷。 2.化纖絲餅表面瑕疵檢測項目：使用人工智能圖像識別算法結(jié)合拍攝裝置輸入軟硬一體的解決方案，并且與現(xiàn)場設(shè)備進(jìn)行對接獲取必要信息，幫助節(jié)省人工檢測成本。 3.數(shù)字化工廠項目：針對工廠的數(shù)字化、自動化、智能化做詳細(xì)的調(diào)研與方案的撰寫。

課程費(fèi)用

6800.00 /人

課程時長

2天

成為教練

課程簡介

學(xué)習(xí)完本門課程，您將對自然語言處理技術(shù)有更深入的了解。掌握分詞、詞性標(biāo)注、命名實體識別、文本分類、文本生成、聊天機(jī)器人等;課程基于時下比較流行的深度學(xué)習(xí)框架-PyTorch，其中更涉及深度學(xué)習(xí)主流框架LSTM模型以及自然語言處理的詞向量。

目標(biāo)收益

快速入門自然語言處理
掌握深度學(xué)習(xí)PyTorch框架使用方法
熟練進(jìn)行項目開發(fā)
提供實戰(zhàn)模板，快速提升深度學(xué)習(xí)的實際項目經(jīng)驗
了解目前技術(shù)趨勢

培訓(xùn)對象

1. 有python開發(fā)基礎(chǔ)的
2. 有機(jī)器學(xué)習(xí)經(jīng)驗的

課程大綱

第一章
自然語言處理定義及應(yīng)用 		自然語言處理應(yīng)用案例講解
自然語言的定義
應(yīng)用現(xiàn)狀
主流深度學(xué)習(xí)框架介紹
本課程需要用到的環(huán)境介紹與部署
1、Python
2、Pytorch
第二章
自然語言處理中的常用庫介紹
 1.Numpy&sklearn
2.gensim
3.NLTK
4.jieba
第三章
傳統(tǒng)機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)
 傳統(tǒng)機(jī)器學(xué)習(xí)方式
1、Tf-idf講解
2、樸素貝葉斯講解
神經(jīng)網(wǎng)絡(luò)
1、激活函數(shù)
2、神經(jīng)元
3、隱藏層
案例：新聞分類（垃圾郵件分類）
第四章
分詞詳解、詞性標(biāo)注與實體識別
 分詞算法講解
1、語言模型和中文分詞
2、基于詞典分詞
3、基于統(tǒng)計學(xué)分詞
詞性標(biāo)注算法講解（HMM）
命名實體識別算法講解（CRF）
案例：中文分詞實戰(zhàn)
案例：中文命名實體識別實戰(zhàn)
第五章
卷積網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)
 卷積神經(jīng)網(wǎng)絡(luò)講解
1、卷積層
2、池化層
示例：使用TextCNN文本分類
循環(huán)神經(jīng)網(wǎng)絡(luò)講解
1、RNN
2、LSTM
3、GRU
使用RNN系列做文本分類
第六章
Seq2seq+attention詳解
 詞向量
Attention注意力機(jī)制
Transformer機(jī)制
案例：詩歌生成
使用seq2seq打造聊天機(jī)器人
第七章
Bert詳解
 Bert模型本質(zhì)內(nèi)容
RoBert，tinyBert，Albert等派生框架
熟悉Bert訓(xùn)練方式
學(xué)會使用Bert處理下游任務(wù)
實戰(zhàn)案例：
Bert處理意圖識別任務(wù)
Bert處理中文閱讀理解任務(wù)
第一章
自然語言處理定義及應(yīng)用
自然語言處理應(yīng)用案例講解
自然語言的定義
應(yīng)用現(xiàn)狀
主流深度學(xué)習(xí)框架介紹
本課程需要用到的環(huán)境介紹與部署
1、Python
2、Pytorch
第二章
自然語言處理中的常用庫介紹
1.Numpy&sklearn
2.gensim
3.NLTK
4.jieba
第三章
傳統(tǒng)機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)
傳統(tǒng)機(jī)器學(xué)習(xí)方式
1、Tf-idf講解
2、樸素貝葉斯講解
神經(jīng)網(wǎng)絡(luò)
1、激活函數(shù)
2、神經(jīng)元
3、隱藏層
案例：新聞分類（垃圾郵件分類）
第四章
分詞詳解、詞性標(biāo)注與實體識別
分詞算法講解
1、語言模型和中文分詞
2、基于詞典分詞
3、基于統(tǒng)計學(xué)分詞
詞性標(biāo)注算法講解（HMM）
命名實體識別算法講解（CRF）
案例：中文分詞實戰(zhàn)
案例：中文命名實體識別實戰(zhàn)
第五章
卷積網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)
卷積神經(jīng)網(wǎng)絡(luò)講解
1、卷積層
2、池化層
示例：使用TextCNN文本分類
循環(huán)神經(jīng)網(wǎng)絡(luò)講解
1、RNN
2、LSTM
3、GRU
使用RNN系列做文本分類
第六章
Seq2seq+attention詳解
詞向量
Attention注意力機(jī)制
Transformer機(jī)制
案例：詩歌生成
使用seq2seq打造聊天機(jī)器人
第七章
Bert詳解
Bert模型本質(zhì)內(nèi)容
RoBert，tinyBert，Albert等派生框架
熟悉Bert訓(xùn)練方式
學(xué)會使用Bert處理下游任務(wù)
實戰(zhàn)案例：
Bert處理意圖識別任務(wù)
Bert處理中文閱讀理解任務(wù)

活動詳情

提交需求