1、培訓(xùn)過(guò)程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽(tīng)；
       2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
       3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。☆合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書(shū)，提升職業(yè)資質(zhì)。專注高端技術(shù)培訓(xùn)15年，端海學(xué)員的能力得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)，端海的證書(shū)受到廣泛認(rèn)可。

• 第一部份【1】
  1、NLP入門(mén)與基礎(chǔ)介紹（一）
  1.NLP的基本概念 2.NLP的發(fā)展歷程 3.NLP主要研究方向 1)句法語(yǔ)義分析 2)信息抽取 3)文本挖掘 4)機(jī)器翻譯 5)信息檢索 6)問(wèn)答系統(tǒng) 對(duì)話系統(tǒng)
  第一部份【2】
  1、NLP入門(mén)與基礎(chǔ)介紹（二）
  4.NLP的基礎(chǔ) 1)分詞 ?正向最大匹配算法 ?逆向最大匹配算法 ?雙向最大匹配算法 ?基于N-gram語(yǔ)言模型的分詞 ?基于HMM的分詞方法 ?基于CRF的分詞法法 2)文本基本處理 ?文本提取 ?正在表達(dá)式 ?本文統(tǒng)計(jì) 3)詞性標(biāo)注 ?基于最大熵的詞性標(biāo)注 ?基于統(tǒng)計(jì)最大概率輸出詞性 ?基于HMM詞性標(biāo)注 ?基于CRF的詞性標(biāo)注 4)命名實(shí)體識(shí)別 ?基于CRF的命名實(shí)體識(shí)別 5.案例 1)在線中文分詞系統(tǒng)實(shí)戰(zhàn) 2)命名實(shí)體識(shí)別接口開(kāi)發(fā) 基于詞性標(biāo)注的關(guān)鍵詞提取
  第二部份【1】
  1、關(guān)鍵詞提取與文本分類(lèi)（一）
  1.關(guān)鍵詞提取概述 2.關(guān)鍵詞提取算法 1)TF-IDF 2)LSA/LSI算法 3)PLSA算法 LDA算法
  第二部份【2】
  1、關(guān)鍵詞提取與文本分類(lèi)（二）
  3.文本分類(lèi)算法 1)樸素貝葉斯 2)線性分類(lèi)器 3)支持向量機(jī) 4)Bagging模型 5)Boosting模型 6)淺層神經(jīng)網(wǎng)絡(luò) 4.案例 1)新聞主題提取 新聞分類(lèi)實(shí)戰(zhàn)
  第三部份【1】
  1、文本向量化與句法分析（一）
  1.文本向量化概述 2.文本向量化常用算法 1)詞袋算法 2)HashTF算法 3)Word2Vec算法 Glove算法
  第三部份【2】
  1、文本向量化與句法分析（二）
  3.句法分析概述 4.句法分析常用算法 1)PCFG算法 2)條件隨機(jī)場(chǎng)算法 5.案例 1)文本情感分析的開(kāi)發(fā)示例 基于依存句法分詞的問(wèn)句相似度計(jì)算
  第四部份【1】
  1、NLP與深度學(xué)習(xí)（一）
  1.深度學(xué)習(xí)概述 1)神經(jīng)網(wǎng)絡(luò) 2)損失函數(shù) 3)梯度下降 2.深度學(xué)習(xí)常用算法 1)CNN 2)RNN 3)GRU LSTM
  第四部份【2】
  1、NLP與深度學(xué)習(xí)（二）
  3.Tensorflow框架學(xué)習(xí) 1)Tensorflow簡(jiǎn)介 2)Tensorflow安裝 3)Tensorflow基礎(chǔ)使用 ?圖(graphs) ?會(huì)話(session) ?張量(tensor) ?變量(Variable) 4)Tensorflow線性回歸以及分類(lèi)的簡(jiǎn)單使用 5)Tensorflow中各種優(yōu)化器的介紹 4.案例 1)基于CNN的文本分類(lèi) 2)基于RNN的歌詞生成 3)基于LSTM的機(jī)器翻譯 基于Seq2Seq的問(wèn)答系統(tǒng)