☆ 1、如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
      ☆ 2、在課程結束之后,授課老師會留給學員手機和E-mail,免費提供半年的課程技術支持，以便保證培訓后的繼續消化；
      ☆3、合格的學員可享受免費推薦就業機會。
      ☆4、合格學員免費頒發相關工程師等資格證書，提升您的職業資質。

• 第一部分：自然語言處理入門
  學習文本處理的基礎知識，包括詞干分解和詞形還原，探索情感分析的機器學習方法，并建立一個詞性標注模型。
  包括：
  自然語言處理簡介：簡要介紹如何構建自然語言處理管道。
  文本處理：學習通過以下方式整理來自不同來源的文本以進一步處理這些文本：清理、標準化并拆分為單個單詞或標記。
  利用樸素貝葉斯的垃圾郵件分類器：學習如何使用樸素貝葉斯算法構建垃圾郵件分類器。
  利用 HMM 進行詞性標注：介紹多個詞性標注方法，并深入講解隱馬爾可夫模型。
  書蟲：學習如何使用 IBM Watson 構建簡單的問答代理。
  實戰項目 1：詞性標注技術
  第二部分：自然語言運算
  學習詞匯嵌入和深度學習注意機制等進階技術，并使用遞歸神經網絡結構建立一個機器翻譯模型。
  包括：
  特征提取和嵌入：利用詞袋、TF-IDF、Word2Vec 和 GloVE 等方法轉換文本，以提取可以用于機器學習模型的特征。
  主題建模：學習如何使用潛在狄利克雷分析 (LDA) 將文檔集合劃分為主題。在 Lab 中，你會將此模型應用到一個新聞數據庫上。
  情感分析：學習如何使用幾種機器學習分類器（包括遞歸神經網絡）預測文字情感，并將所學知識運用到影評數據庫中。
  序列到序列：學習一種特定的 RNN 架構，用于從一種序列生成另一種序列。這些 RNN 適合聊天機器人、機器翻譯等應用！
  深度學習注意力機制：注意力是近期最重要的深度學習創新技術之一。在此部分，你將學習注意力，并在 Lab 中了解注意力的基本實現過程。
  RNN Keras Lab：此部分將為機器翻譯部分做好準備。在此部分，你將有機會在 Keras 中獲得 RNN 實操經驗。
  云端計算設置說明：概述了為 GPU 加速訓練配置遠程環境的步驟。
  實戰項目 2：機器翻譯
  第三部分：自然語言交流
  學習可以將語音和文本相互轉化的語音交互界面技術，并使用深度學習網絡搭建一個語音識別模型。
  包括：
  語音用戶界面簡介：熟悉語音用戶界面的原則和應用，并了解 Alexa 的技能。
  語音識別：了解 ASR 管道的工作原理。