|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/natural-language-processingnlp-using-ml-dltf-in-python/
课程评论：没有评论
课程名称：从基础到高级的自然语言处理（NLP）使用Python 课程概述： 本课程旨在汇聚多种与自然语言处理相关的主题，为希望深入了解NLP的学员提供系统性的知识。自然语言处理在过去几年中备受关注，相关知识分散在不同的地方。本课程强调实践与理论相结合，内容包含80%的动手实践和20%的理论学习，旨在帮助学员独立开展NLP项目。 学习内容包括： 1. 基础、中级及高级NLP概念 2. 使用NLTK、正则表达式、Stanford NLP、TextBlob进行文本处理和清洗 3. 实体消解 4. 文本特征提取 5. 词嵌入技术，包括Word2vec和GloVe 6. 词义消歧 7. 语音识别 8. 两字符串之间的相似度计算 9. 语言翻译 10. 计算语言学 11. 使用随机森林、朴素贝叶斯和XgBoost进行分类 12. 使用深度学习（TensorFlow的tf.keras）进行分类 13. 情感分析 14. K-means聚类 15. 主题建模 16. 如何评估模型的表现与适用性：偏差与方差的关系 本课程为希望深入掌握自然语言处理技能的学习者提供了全面的学习机会，既包括理论知识，也强调实际应用。
As practitioner of NLP, I am trying to bring many relevant topics under one umbrella in following topics. The NLP has been most talked about for last few years and the knowledge has been spread across multiple places. 1. The content (80% hands on and 20% theory) will prepare you to work independently on NLP projects2. Learn - Basic, Intermediate and Advance concepts3. NLTK, regex, Stanford NLP, TextBlob, Cleaning4. Entity resolution5. Text to Features6. Word embedding7. Word2vec and GloVe8. Word Sense Disambiguation9. Speech Recognition10. Similarity between two strings11. Language Translation12. Computational Linguistics13. Classifications using Random Forest, Naive Bayes and XgBoost14. Classifications using DL with Tensorflow (tf.keras)15. Sentiment analysis16. K-means clustering17. Topic modeling18. How to know models are good enough Bias vs Variance
