自然语言处理项目实战——BERT模型
体系课

自然语言处理项目实战——BERT模型

  • 自然语言处理(NLP)

快速学习NLP领域核心的算法模型BERT的原理构造与应用实例。

¥299.9
本课程包括
  • 6小时15分钟的视频随时观看
  • 课程包含 5 道测试题
  • 可在APP随时观看
  • 结业证书
你将收获
  • 学习BERT模型原理与实践方法
  • 基于框架展开项目实战,帮助学员快速具备技术实践能力
  • 全代码实操,高效掌握BERT模型的使用

数千家企业正在使用三节课企业版学习

无限制学习2000+门课程,200+精选学习专题

免费申请体验>
课程介绍

自然语言处理-BERT模型实战课程旨在帮助同学们快速学习当下NLP领域最核心的算法模型BERT的原理构造与应用实例。

通俗讲解BERT模型中所涉及的核心知识点(Transformer,self-attention等),基于google开源BERT项目从零开始讲解如何搭建自然语言处理通用框架,通过debug源码详细解读其中每一核心代码模块的功能与作用。基于BERT框架进行中文情感分析与命名实体识别等主流项目实战,掌握BERT模型的实践方法。

适合人群
  • 适合人工智能,自然语言处理方向的同学们
  • 适合企业内中高级AI工程师、算法工程师、NLP工程师等提升框架模型能力
  • 适合人工智能领域、NLP领域的研究生和专家学者参考学习
讲师介绍
同济大学硕士,华东理工大学博士
擅长领域:
  • 人工智能认知与应用
  • 自然语言处理(NLP)
  • 机器学习
著有《跟着迪哥学Python数据分析与机器学习实战》,联通,移动,中信等公司特邀企业培训导师,全国高校教师培训讲师,开展线下与直播培训百余场,具有丰富的授课经验。
课程大纲
共0节 时长0分钟 全部收起
一、自然语言处理通用框架BERT原理解读
共11节 | 1小时16分钟
  • 1.BERT课程简介
    4分钟
  • 2.BERT任务目标概述
    4分钟
  • 3.传统解决方案遇到的问题
    9分钟
  • 4.注意力机制的作用
    5分钟
  • 5.Self-attention计算方法
    9分钟
  • 6.特征分配与softmax机制
    7分钟
  • 7.Multi-head的作用
    7分钟
  • 8.位置编码与多层堆叠
    6分钟
  • 9.Transformer整体架构梳理
    9分钟
  • 10.BERT模型训练方法
    8分钟
  • 11.BERT实例训练
    8分钟
二、谷歌开源项目BERT源码解读与应用实例
共11节 | 1小时16分钟
  • 1.BERT开源项目简介
    6分钟
  • 2.项目参数配置
    10分钟
  • 3.数据读取模块
    6分钟
  • 4.数据预处理模块
    7分钟
  • 5.Tfrecord制作
    9分钟
  • 6.Embedding层的作用
    6分钟
  • 7.加入额外编码特征
    7分钟
  • 8.加入位置编码特征
    4分钟
  • 9.Mask机制
    6分钟
  • 10.构建QKV矩阵
    9分钟
  • 11.完成transformer模块构建
    6分钟
三、项目实战:基于BERT的中文情感分析实战
共3节 | 19分钟
  • 1.中文分类数据与任务概述
    5分钟
  • 2.读取训练数据集
    8分钟
  • 3.训练BERT中文分类模型
    7分钟
四、项目实战:基于BERT的中文命名实体识别实战
共3节 | 31分钟
  • 1.命名实体识别数据分析与任务目标
    10分钟
  • 2.NER标注数据处理与读取
    11分钟
  • 3.构建BERT与CRF模型
    10分钟
五、必备知识点:Word2vec模型通俗解读
共5节 | 34分钟
  • 1.词向量模型通俗解释
    7分钟
  • 2.模型整体框架
    9分钟
  • 3.训练数据构建
    5分钟
  • 4.CBOW与Skip-gram模型
    7分钟
  • 5.负采样方案
    7分钟
六、必备基础:掌握Tensorflow 如何实现Word2vec 模型
共5节 | 39分钟
  • 1.数据与任务流程
    8分钟
  • 2.数据清洗
    5分钟
  • 3.batch数据制作
    10分钟
  • 4.网络训练
    10分钟
  • 5.可视化展示
    5分钟
七、RNN网络架构与情感分析应用实例
共7节 | 56分钟
  • 1.RNN网络模型解读
    10分钟
  • 2.NLP应用领域与任务简介
    7分钟
  • 3.项目流程解读
    9分钟
  • 4.加载词向量特征
    6分钟
  • 5.正负样本数据读取
    6分钟
  • 6.构建LSTM网络模型
    8分钟
  • 7.训练与测试效果
    9分钟
八、医学糖尿病数据命名实体识别
共6节 | 43分钟
  • 1.数据与任务介绍
    6分钟
  • 2.整体模型架构
    4分钟
  • 3.数据——标签——语料库处理
    8分钟
  • 4.输入样本填充补齐
    7分钟
  • 5.训练网络模型
    9分钟
  • 6.医疗数据集(糖尿病)实体识别
    8分钟
课后测试
共5题
购课须知

课程有效期:

自购买课程之日起 365 天,部分参与营销活动产品以活动规则为准,请同学在有效期内学习、观看课程。

上课模式:

课程采取录播模式,请注意自学课无班级微信群、班主任带班及助教批改服务。

注:自学课不支持退款,确保你是真的需要再进行报名,报完名之后还请认真学习。