DL實戰課程推薦-從0到1構建一個Chatbot系統

課程大綱及資源介紹

    課時1     系統整體架構介紹：整體介紹如何基於Tensorflow的sequence to sequence庫和一個由Reddit 評論構成的超大資料庫構成的Chatbot系統。

    文字資料及程式碼地址：                

https://pythonprogramming.net/chatbot-deep-learning-python-tensorflow/

    課時2     系統資料準備：下載及準備好資料。對於機器學習任務來說，往往需要一個輸入，一個輸出。對於神經網路而言，這意味著需要一個輸入層和一個輸出層。對於Chatbot而言，值意味著需要把資料分為兩個部分，及問題和答案，問題是輸入，答案就是期望的輸出。

    文字資料及程式碼地址：https://pythonprogramming.net/

    課時3     快取資料：之前介紹如何預處理資料，本節如何構建一個資料庫來快取資料。

    文字資料及程式碼地址：https://pythonprogramming.net/

    課時4     如何把資料載入進入模型-1：知道如何預處理和快取、迭代資料之後，本節主要介紹如何把資料輸入模型中。

    文字資料及程式碼地址：

https://pythonprogramming.net/insert-logic-chatbot-deep-learning-python-tensorflow/

    課時5     如何把資料載入進入模型-2：知道如何預處理和快取、迭代資料之後，本節主要介紹如何把資料輸入模型中。

    文字資料及程式碼地址：https://pythonprogramming.net/

    課時6     如何構建大量的訓練資料：主要介紹兩種方式來構造大量的訓練資料，用於模型訓練。

    文字資料及程式碼地址：https://pythonprogramming.net/

    課時7     如何訓練模型：本節主要介紹如何基於Tensorflow來訓練一個Seq2Seq的Chatbot模型，如何使用GPU加速。

GPU雲地址（付費）：https://goo.gl/sY3M7Y

    Tensorflow原始碼地址：https://github.com/daniel-kukiela/nmt-chatbot

    文字資料及程式碼地址：https://pythonprogramming.net/

    課時8     神經機器翻譯介紹：主要介紹與Neural Machine Translation（NMT）相關的基本概念。

    文字資料及程式碼地址：https://pythonprogramming.net/bidirectional-attention-mechanism-chatbot-deep-learning-python-tensorflow/

    課時9     如何與Chatbot進行互動：之前，我們介紹瞭如何構建資料，如何訓練模型。最後，介紹一下如何部署模型，如何基於訓練好的模型，搭建一個Chatbot互動系統。

    文字資料及程式碼地址：https://pythonprogramming.net/interacting-chatbot-deep-learning-python-tensorflow/