自然语言处理之基于深度学习的中文命名实体识别(NER)实战

课程目标:学习完本门课程,您将对自然语言处理技术有更深入的了解,彻底掌握中文命名实体识别技术

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
4分 共147课时,共25小时47分钟
现价¥488.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

学习完本门课程,您将对自然语言处理技术有更深入的了解,彻底掌握中文命名实体识别技术

适用人群

自然语言处理从业者、深度学习爱好者

课程简介

命名实体识别作为自然语言处理的基础技术之一,在自然语言处理上游各个任务(问答系统、机器翻译、对话系统等)重扮演者十分重要的角色,因此深入掌握命名实体识别技术,是作为自然语言处理从业者毕本技能,本课程理论与实践相结合,希望能给大家带来帮助。

课程要求:

(1)开发环境:Python3.6.5 Tensorflow1.13.1;
(2)开发工具:Pycharm;

(3)学员基础:需要一定的Python基础,及深度学习基础;

(4)学院收货:掌握命名实体识别关键技术;

(5)学院资料:见课程资料;

(6)课程亮点:全程实战操作,徒手撸代码。

动手学NER51cto.png

234.png

学员评价.jpg

1中文命名实体识别课程案例演示 [免费试看]
09:10
2中文命名实体识别开篇 [免费试看]
11:20
3命名实体识别相关概念讲解
10:43
4Anaconda安装
09:19
5Anaconda配置
06:15
6Anaconda创建虚拟环境
08:16
7Anaconda虚拟环境使用
12:40
8cuda安装与测试
09:25
9cudnn安装与配置及GPU环境测试
11:15
10jupyter中怎么使用虚拟环境
07:49
11Pycharm的安装配置及使用
14:39
12循环神经网络能干什么
04:19
13循环神经网络理论讲解
09:23
14LSTM简介
08:54
15LSTM原理深入理解
10:32
16LSTM与神经网络及循环神经网络之间的关系
11:45
17BiLSTM+CRF模型讲解
09:22
18整个工程目录架构讲解
12:16
19数据集简介及环境搭建
13:18
20数据集加载方法讲解
14:02
讲师介绍
Bruce
讲师评分4.5分
目前就职于中科院某研究所,长期从事深度学习与机器学习研究工作,在自然语言处理、知识图谱及问答系统等领域有很深造诣,主持多项科技专项,并带领团队深入一线研发并落地,舆情监控系统、智能对话系统及 智能案件系统等。申请发明专利2项、部级科技进步二等奖一次,在SIGIR、CIKM及AAAI的国际会议发表多篇文章。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载