UC Berkeley-2019-《深度學習與應用自然語言處理》實戰課程分享

課程介紹

    本課程將自然語言處理作為一套探索和推理文字資料的方法的使用，特別關註NLP的實際應用—以新的創造性方式使用Python中現有的NLP方法和庫(而不是探索它們背後的核心演演算法)。

    學生將學會應用和擴充套件現有的NLP Python庫(包括scikit-learning、keras、gensim和spacy )來解決文字處理問題。主講內容包括text-driven的forecasting和prediction(涉及與文字分類或回歸相關的問題)；實驗設計；文字的表示，包括源自語言結構的特徵(如詞性、命名物體、語法和共指消解)，以及單詞、句子和檔案的低維表示的特徵；處於聚類的目的探索文字相似性；資訊提取(提取文字中提到的物體之間的關係)；以及人機互動中涉及的NLP問題。本課程將集中討論解決這些問題的現代神經方法(包括CNN、RNN、LSTMs和Attention的結構)，以及經典方法(邏輯/線性回歸、貝葉斯模型)。

    本課程主要面向一系列學科(包括資訊、英語、社會學、公共政策、新聞、電腦科學、法律等)的學生。他們對文字資料科學感興趣，可以用Python程式設計，但可能沒有比較扎實的技術背景。

    文末附課程資料下載地址

課程主頁

     http://people.ischool.berkeley.edu/~dbamman/info256.html

課程大綱

課程資料下載地址

連結: https://pan.baidu.com/s/1OqVFDxRfxHcuPR-AQaizhw

提取碼: p7ey

往期精品內容推薦

Jacob Eisenstein《自然語言處理》最新經典教材免費分享

2019年新書-《PyTorch實戰-一個解決問題的方法》精品教材分享

MIT深度學習基礎-2019影片課程分享

斯坦福NLP組-2019-《CS224n: NLP與深度學習》-分享

2018-Github最熱門機器學習開源專案Top10分享

工業級實戰 – 一文教會你基於Docker在Kubernetes上部署深度學習模型

實戰經驗分享-少量資料NLP場景下進行深度學習訓練的建議

BatchNorm有效性原理解析

機器學習聖經《樣式識別與機器學習(PRML)-2018》pdf分享

DeepMind-1123-深度學習與強化學習高階課程分享（帶中英文字幕）

好書推薦-《深度學習基礎-構建下一代機器學習演演算法》免費下載

吳恩達-中文完整版《Mechine Learning Yearning》分享

10月最新-深度強化學習聖經-《Reinforcement Learning-第二版》