自然語言數(shù)據(jù)是大數(shù)據(jù)的主要形態(tài)之一，每個企業(yè)幾乎都積存有大量的文字，語音數(shù)據(jù)，互聯(lián)網(wǎng)公司有網(wǎng)站上的評論留言論壇帖子，移動運營商有文字短信息，電子商務平臺有客服錄音，證券公司需要處理大量的上市公司年報資料，IT企業(yè)積累了大量的技術文檔等等。自然語言處理（NLP）是機器學習當前最神秘，最紅火，最具難度，也最讓引人關注的分支。在搜索引擎，語音識別，情感分析，大批量文檔處理，機器翻譯，自動應答等各個領域有著前程無可限量的應用。NLP能發(fā)揮威力的場景不勝枚舉。過去受限于企業(yè)的處理能力，面對寶山空手而歸，現(xiàn)在隨著深度學習技術在NLP中的應用，一大批成熟度高的算法模型應運而生，在NLP幾乎所有的子領域都取得巨大突破，現(xiàn)在從深度學習的角度去學習NLP，可謂正逢其時。
第1部份 深度學習知識要覽，兩小時入門深度學習。
第2部份 自然語言數(shù)據(jù)是大數(shù)據(jù)的主要形態(tài)，任何企業(yè)都需要自然語言處理技術。自然語言處理（NLP）場景概述，兩小時入門NLP。深度學習初試牛刀，在推薦系統(tǒng)中結(jié)合自然語言處理的應用，一舉解決新商品上架時的冷啟動問題
第3部份 基于深度學習的語言模型，詞向量與embedding。google神器word2vec詳解與內(nèi)幕揭秘，部署和訓練word2vec從此一劍走天下，用word2vec輕松實現(xiàn)文本分類，文本相似性判斷，文本自動摘要，新聞自動配圖
第4部份 集外詞怎樣求embedding？多種解決方案，中文集外詞解決方案，段向量與基于深度學習的情感分析，實際分析長篇大論的影評是好評還是差評？
第5部份 更加復雜的情感分析問題：新浪微博情感傾向性分析，集體情感趨勢分析：輿情監(jiān)控，大企業(yè)公關部門和政府管理部門的管控利器
第6部份 LSTM詳解，用LSTM解決集外詞編碼問題，準確率驚人的基于LSTM的命名實體識別解決方案，橫掃一切可轉(zhuǎn)化為標注問題的場景
第7部份 Encoder-Decoder-Attention機制，橫掃一切“從序列到序列”場景的終極模型，機器翻譯，文本自動摘要，聊天機器人等都可歸結(jié)為此類場景下的問題。谷歌機器翻譯技術解讀，BBC新聞結(jié)合計算機視覺的語音識別（唇語識別）
第8部份 “春天麗日照晴川，十里桃花映滿山。燕子呢喃尋舊夢，清風拂面柳如煙”，誰敢相信這是機器寫的詩？庖丁解牛剖析“機器濕人”。把生成式對抗網(wǎng)絡的思路遷移到自然語言處理（序列處理）場景：SeqGAN，利用SeqGAN創(chuàng)作詩歌，假冒奧巴馬演講詞，寫貝多芬式的音樂
第9部份 下一個人工智能熱點（自然語言處理，爬蟲技術，圖論算法，圖數(shù)據(jù)庫等多項技術的綜合應用）：知識圖譜簡介，深度學習用于知識圖譜，在文本中用卷積網(wǎng)絡和LSTM析取實體之間的語義關系，怎樣用知識圖譜構建QA系統(tǒng)（聊天機器人）？ |
合作伙伴與授權機構
總部李老師
