NLP-Python 中的自然语言处理（理论与项目）
使用 Spacy、NLTK、PyTorch 进行自然语言处理，使用动手项目进行自然语言处理
讲师：AI Sciences
口袋资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
你将会学到的
- • 自然语言处理 (NLP) 在数据科学中的重要性。
- • 从经典序列模型转向基于深度学习的序列模型的原因。
- • 从一开始就用 Python 中的示例完全解开基本概念。
- • 带有示例的 NLP 深度学习模型的详细信息。
- • 深度学习理论概念的总结。
- • 使用 Python 进行实用描述和实时编码。
- • Deep PyTorch（Facebook 的深度学习框架）。
- • 最先进的 NLP 模型的使用和应用。
- • 为自动文本生成和语言翻译器构建你自己的应用程序。
- • 以及更多…
课程内容
26 个章节 • 258 个讲座 • 总时长 23 小时 35 分钟展开所有章节
介绍6 个讲座 • 17 分钟
简介（正则表达式）5 个讲座 • 21 分钟
元字符（正则表达式）26 个讲座 • 1 小时 47 分钟
模式对象（正则表达式）7 个讲座 • 30 分钟
更多元字符（正则表达式）4 个讲座 • 19 分钟
字符串修改（正则表达式）5 个讲座 • 18 分钟
单词和标记（文本预处理）6 个讲座 • 28 分钟
情感分类（文本预处理）13 个讲座 • 1 小时 24 分钟
语言无关标记化（文本预处理）12 个讲座 • 1 小时 17 分钟
文本规范化（文本预处理）5 个讲座 • 21 分钟
还有 16 个章节
要求
- • 不需要先验知识。你将从基本概念开始，慢慢建立你对该主题的知识。
- • 愿意学习和实践。
- • Python 知识将是一个加分项。
说明
综合课程说明：
自然语言处理 (NLP) 是人工智能 (AI) 的一个分支，它是计算机以口语和书写方式理解人类语言的能力。人类语言通常被称为自然语言。
人类也有不同的传感器。例如，耳朵执行听的功能，眼睛执行看的功能。类似地，计算机具有用于阅读的程序和用于收集音频的麦克风。正如人脑处理输入一样，计算机程序处理特定输入。在处理过程中，程序将输入转换为计算机可以理解的代码。
本课程，自然语言处理 (NLP)，Python 理论与实践，向你介绍文本数据机器学习的概念、工具和技术。你将学习 NLP 领域的基本概念和新兴趋势。你还将了解使用深度学习方法对不同 NLP 应用程序的实施和评估。
为什么使用 Python 进行自然语言处理？
Python 是 NLP 最受欢迎的语言，这要归功于它用于文本分析和计算机可用数据提取的扩展工具和库。本课程将带你了解多种文本预处理技术，从正则表达式和文本规范化等基础知识到字符串匹配、语言模型和词嵌入等复杂主题。
你将考虑使用英语中的大多数示例来理解算法。但是算法可以适应任何语言。（因此，没有语言/语法依赖性。）你将接触到最先进的包（NLTK、Gensim、SpaCy）以及框架（PyTorch）以及 Python 中广泛的实现/面向编码的内容。本课程的主要重点是为机器学习模型准备文本数据。
尽管我们有关于深度学习的单独课程，但我们确实在本课程中简要介绍了有用的概念，以使本课程更加独立。
这门 NLP 课程有何不同？
课程内容非常具体，切中要害。学习材料是理论概念和实际应用的完美结合。已包含示例和示例代码，以帮助你更清晰地掌握每个概念。每个 NLP 概念的结构和呈现方式都使你易于理解。
高质量的视频内容、引人入胜的课程材料、评估问题、课程笔记和讲义是你将获得的额外福利。如有任何疑问，你可以联系我们友好的团队。
本课程鼓励你快速进步。在每个模块结束时，你将有机会复习你通过家庭作业/任务/活动学到的所有内容。它们旨在根据你所学的概念和方法评估/进一步构建你的学习。这些任务中的大多数都是基于编码的，它们对于让你开始并继续实施很有用。
上一个模块中的两个小项目——神经机器/语言翻译器和一点点修改语言翻译器和构建聊天机器人——专注于该领域的创新应用。这些迷你项目可帮助你应用预处理文本的概念。你将使用 Python 库使用诸如词性标记、词形还原和标记化等技术。
NLP 在过去十年中取得了巨大的进步，它已经从研究实验室跨越到现实世界的应用程序。虽然开始在这个领域可能是一个具有挑战性的追求，但本课程为你提供了一个清晰且可操作的路线图。它使完成职业目标的任务变得更加容易。
本课程价格具有竞争力，物有所值，因为你可以以相对较低的成本学习 NLP 的概念和方法。这一系列简短的视频和详细的代码笔记本缩短了你的学习曲线。
立即开始学习此 NLP 课程！
课程内容：
这个完整的课程包括以下主题：
一、简介
一个。动机
一世。什么是自然语言处理 (NLP)？
ii. 为什么 NLP 很重要？
iii. 什么是神经语言建模？
iv. 语音识别中如何使用语言模型？
五、聊天机器人
湾。软件
一世。斯帕西
ii. NLTK
iii. 根西姆
iv. PyTorch
2.文本预处理
一个。常用表达
一世。正则表达式模式
湾。文本规范化
一世。词标记化
ii. 字节对编码
iii. 子词
iv. 词规范化、词形还原和词干化
v. 分句
C。字符串匹配
一世。编辑距离
ii. 最小编辑距离
iii. 动态规划
iv. NumPy 中最小编辑距离的实现
3.词嵌入
一个。语言模型
一世。词汇
ii. 马尔可夫模型
iii. N-克
iv. 新序列生成
v. 使用一个热向量的语言建模
六。One-Hot 编码的局限性
湾。词嵌入的线性子空间
一世。术语-文档-矩阵
ii. Tf-Idf
iii. 潜在语义分析：SVD
iv. 词同现矩阵
v. 词嵌入：SVD
六。限制
C。Word2Vec
一世。跳过语法模型
ii. 上下文和目标抽样
iii. 分层 SoftMax
iv. 负采样
d。更多关于嵌入
一世。手套
ii. 快文
iii. BERT
e. 类比
一世。余弦相似度
ii. 类比的例子
iii. 嵌入中的偏差
4. 深度学习的自然语言处理
一个。神经网络
湾。递归神经网络的类型
一世。一对一
ii. 一对多
iii. 多对一
iv. 多对多
v. 双向 RNN
六。深度 RNN
C。用于 NLP 的高级 RNN 架构
一世。编码器-解码器模型
ii. 注意力模型
5. 项目
一个。神经机器/语言翻译器
湾。稍微修改语言翻译器并构建聊天机器人。
成功完成本课程后，你将能够：
- · 将概念应用于任何语言以构建定制的 NLP 模型。
- · 以更实用的方式学习机器学习概念。
- · 了解使用真实数据集的 NLP 方法。
本课程适用于：
- · 完成自然语言处理的初学者。
- · 想要为 NLP 提升 Python 编程技能的人。
- · 对数字和编程充满热情的人。
- · 数据科学家。
- · 数据分析师。
- · 机器学习从业者。
此课程面向哪些人：
- • 完成自然语言处理的初学者。
- • 想要为 NLP 提升 Python 编程技能的人。
- • 对数据科学和机器学习充满热情的个人。
- • 数据科学家。
- • 数据分析师。
- • 机器学习从业者。
