課程介紹
自然語言處理Word2Vec視頻培訓課程:自然語言處理中重要的算法,word2vec原理,詞向量模型。教程從語言模型入手,詳解詞向量構造原理與求解算法。理論與實戰結合,使用深度學習框架Tensorflow從零開始打造word2vec詞向量,word2vec訓練模型。對於海量中文數據演示如何使用Gensim庫對中文維基百科數據進行詞向量建模。 專屬會員卡優惠鏈接:http://edu.csdn.net/lecturer/1079 更多精彩課程正在緊張籌劃中~
課程收益
會使用深度學習框架Tensorflow從零開始打造word2vec詞向量
掌握自然語言處理最重要模型word2vec,實例演示實現方法與Gensim庫的使用。
講師介紹
唐宇迪更多講師課程
計算機博士,專注於機器學習與計算機視覺領域,深度學習領域一線實戰講師。在圖像識別領域有着豐富經驗,實現過包括人臉識別,物體識別,關鍵點檢測等多種應用的新算法。 參與多個國家級計算機視覺項目,多年數據領域培訓經驗,豐富的教學講解經驗,出品多套機器學習與深度學習系列課程,課程生動形象,風格通俗易懂。
課程大綱
第1章:Word2Vec原理
1.課程簡介 4:36
2.自然語言處理與深度學習(數據,代碼,PPT下載----->點擊箭頭) 11:58
3.語言模型 6:15
4.N-gram模型 8:32
5.詞向量 9:27
6.神經網絡模型 10:02
7.Hierarchical Softmax 10:01
8.CBOW模型實例 11:20
9.CBOW求解目標 5:39
10.銻度上升求解 10:10
11.負採樣模型 7:15
第2章:Gensim構造詞向量模型
1.使用Gensim庫構造詞向量 6:21
2.維基百科中文數據處理 10:26
3.Gensim構造word2vec模型 8:51
4.測試模型相似度結果 7:42
5.影評情感分類任務概述 17:48
6.基於詞袋模型訓練分類器 11:08
7.準備word2vec輸入數據 10:46
8.使用gensim構建word2vec詞向量 16:35
第3章:Tensorflow實戰word2vec
1.環境配置 6:00
2.中文數據預處理 11:06
3.word2vec模型構造 10:36
4.構造圖計算模型 7:53
5.word2vec訓練 10:46
6.模型訓練模塊 10:18
7.迭代預測效果 8:39
大家可以點擊【查看詳情】查看我的課程