【最新】2021年自然语言处理(NLP)算法学习路线！

╰半夏微凉° 2022-11-17 13:56 312阅读 0赞

NLP近几年非常火，且发展特别快。像BERT、GPT-3、图神经网络、知识图谱等技术应运而生。我们正处在信息爆炸的时代、面对每天铺天盖地的网络资源和论文、很多时候**我****们面临的问题并不是缺资源，而是找准资源并高效学习**。但很多时候你会发现，花费大量的时间在零零散散的内容上，但最后发现效率极低，浪费了很多宝贵的时间。为了迎合大家学习的需求，我们这次重磅推出了**《自然****语言处理精英训练营》。**

课程覆盖了从经典的**机器学习、文本处理技术、序列模型、深度学习、预训练模型、知识图谱、图神经网络**所有必要的技术，**30+项目案例**帮助你在实战中学习成长。**5个月时间博导级大咖全程辅导答疑、帮你告别疑难困惑。**

**01 课程大纲**

**第一部分：机器学习基础篇**

#### **第1章：自然语言处理概述** ####

*  | 什么是自然语言处理及现状和前景
 *  | 自然语言处理应用
 *  | 自然语言处理经典任务
 *  | 学习自然语言处理技术

#### **第2章：数据结构与算法基础** ####

*  | 时间复杂度、空间复杂度
 *  | 斐波那契数列的时间和空间复杂度
 *  | 动态规划算法
 *  | 经典的DP问题

**第3章：机器学习基础 - 逻辑回归**

####     ####

#### **第4章：机器学习基础 - 模型的泛化** ####

###  ###

**第二部分：文本处理篇**

#### **第5章：分词、词的标准化、过滤** ####

#### **第6章：文本的表示** ####

####  ####

**第7章：【项目作业】豆瓣电影评分预测**

**第8章：词向量技术**

#### **第9章：【项目作业】智能客服问答系统** ####

#### **第10章：语言模型** ####

###  ###

**第三部分：自然语言处理与深度学习**

####     ####

#### **第11章：深度学习基础** ####

#### **第12章：Pytorch的使用** ####

*  | 环境安装
 *  | Pytorch与Numpy的语法比较
 *  | Pytorch中的Autograd用法
 *  | Pytorch的Forward函数

#### **第13章：RNN与LSTM** ####

#### **第14章：Seq2Seq模型与注意力机制** ####

#### **第15章：【项目作业】智能营销文案生成** ####

#### **第16章：动态词向量与ELMo技术** ####

#### **第17章：自注意力机制与Transformer** ####

#### **第18章：BERT与ALBERT** ####

#### **第19章：【项目作业】基于闲聊的对话系统搭建** ####

*  | 对话系统介绍
 *  | 常见的对话系统技术
 *  | 闲聊型对话系统框架
 *  | 语料库的准备及数据的处理

#### **第20章：GPT与XLNet** ####

###  ###

**第四部分、信息抽取**

#### **第21章：命名实体识别与实体消歧** ####

#### **第22章：关系抽取** ####

#### **第23章：依存文法分析** ####

#### **第24章：知识图谱** ####

*  | 知识图谱以及重要性
 *  | 知识图谱中的实体和关系
 *  | 利用非结构化数据构造知识图谱
 *  | 知识图谱的设计

#### **第25章：【项目作业】搭建基于医疗知识图谱的问答系统** ####

###  ###

**第五部分：图神经网络以及其他前沿主题**

#### **第26章：模型的压缩** ####

#### **第27章：图神经网络** ####

*  | 卷积神经网络的回顾
 *  | 图神经网络发展历程
 *  | 图卷积神经网络（GCN）
 *  | GAT详解

####     ####

#### **第28章：【项目作业】新闻文本摘要生成** ####

#### **第29章：图神经网络与其他应用** ####

#### **第30章：贝叶斯深度学习与不确定性** ####

**限时推出：《返学费计划》你学习我买单**

**仅限99人，****关于活动和课程其他的细节**

**添加课程顾问微信**

**报名、课程咨询**

**????????????**

![81af8b3315e2108d9b0b4faabddcc8d4.png][]

**02 课程中的部分案例**

<table> 
 <tbody> 
  <tr> 
   <td><p>1. 基于语言模型的语法纠错</p></td> 
  </tr> 
  <tr> 
   <td>&nbsp; &nbsp; &nbsp; &nbsp; 2.&nbsp;基于SkipGram的推荐系统</td> 
  </tr> 
  <tr> 
   <td>&nbsp; &nbsp; &nbsp; &nbsp; 3. 从零实现Word2Vec</td> 
  </tr> 
  <tr> 
   <td>&nbsp; &nbsp; &nbsp; &nbsp; 4. 基于神经网络的人脸识别</td> 
  </tr> 
  <tr> 
   <td>&nbsp; &nbsp; &nbsp; &nbsp; 5. 基于LSTM的情感分析</td> 
  </tr> 
  <tr> 
   <td>&nbsp; &nbsp; &nbsp; &nbsp; 6. 实现AI程序帮助写文章</td> 
  </tr> 
  <tr> 
   <td>&nbsp; &nbsp; &nbsp; &nbsp; 7. 基于Transformer的机器翻译</td> 
  </tr> 
  <tr> 
   <td>&nbsp; &nbsp; &nbsp; &nbsp; 8. 基于知识图谱的风控系统</td> 
  </tr> 
  <tr> 
   <td><p>9. &nbsp;基于知识图谱的个性化教学</p></td> 
  </tr> 
  <tr> 
   <td>&nbsp; &nbsp; &nbsp; &nbsp;10. 利用GCN实现社交推荐</td> 
  </tr> 
  <tr> 
   <td>&nbsp; &nbsp; &nbsp; &nbsp;11. 基于GAT的虚假新闻检测</td> 
  </tr> 
  <tr> 
   <td>&nbsp; &nbsp;&nbsp;<strong>&nbsp; （剩下10+个案例被折叠，完整请咨询...）</strong></td> 
  </tr> 
 </tbody> 
</table>

**03 课程中的部分项目作业**

**    **

**1. 豆瓣电影评分预测**

涉及到的知识点：

*  中文分词技术
 *  独热编码、tf-idf
 *  分布式表示与Word2Vec
 *  BERT向量、句子向量

**2. 智能客服问答系统**

**    **涉及到的知识点**：**

*  问答系统搭建流程
 *  文本的向量化表示
 *  FastText
 *  倒排表
 *  问答系统中的召回、排序

**3. 基于闲聊的对话系统搭建**

**    **涉及到的知识点**：**

*  常见的对话系统技术
 *  闲聊型对话系统框架
 *  数据的处理技术
 *  BERT的使用
 *  Transformer的使用

**4. 搭建基于医疗知识图谱的问答系统**

**    **涉及到的知识点**：**

*  医疗专业词汇的使用
 *  获取问句的意图
 *  问句的解释、提取关键实体
 *  转化为查询语句
 *  文本摘要生成介绍
 *  关键词提取技术
 *  图神经网络的摘要生成
 *  基于生成式的摘要提取技术
 *  文本摘要质量的评估

**04 课程中带读的部分论文**

<table> 
 <tbody> 
  <tr> 
   <td>主题<br></td> 
   <td>论文名称<br></td> 
  </tr> 
  <tr> 
   <td>机器学习<br></td> 
   <td>XGBoost: A Scalable Tree Boosting System</td> 
  </tr> 
  <tr> 
   <td>机器学习<br></td> 
   <td>Regularization and Variable Selection via the Elastic Net</td> 
  </tr> 
  <tr> 
   <td>词向量</td> 
   <td>Evaluation methods for unsupervised word embeddings</td> 
  </tr> 
  <tr> 
   <td>词向量</td> 
   <td>Evaluation methods for unsupervised word embeddings</td> 
  </tr> 
  <tr> 
   <td>词向量</td> 
   <td>GloVe: Global Vectors for Word Representation</td> 
  </tr> 
  <tr> 
   <td>词向量</td> 
   <td>Deep Contexualized Word Representations<br></td> 
  </tr> 
  <tr> 
   <td>词向量<br></td> 
   <td>Attention is All You Need<br></td> 
  </tr> 
  <tr> 
   <td>词向量<br></td> 
   <td>BERT: Pretraining of Deep Bidirectional Transformers for Language Understanding</td> 
  </tr> 
  <tr> 
   <td>词向量</td> 
   <td>XLNet: Generalized Autoregressive Pretraining for Language Understanding<br></td> 
  </tr> 
  <tr> 
   <td>词向量<br></td> 
   <td>KG-BERT: BERT for Knowledge Graph Completion<br></td> 
  </tr> 
  <tr> 
   <td>词向量<br></td> 
   <td>Language Models are Few-shot Learners<br></td> 
  </tr> 
  <tr> 
   <td>图学习</td> 
   <td>Semi-supervised Classification with Graph Convolutional Networks</td> 
  </tr> 
  <tr> 
   <td>图学习</td> 
   <td>Graph Attention Networks<br></td> 
  </tr> 
  <tr> 
   <td>图学习</td> 
   <td>GraphSAGE: Inductive Representation Learning on Large Graphs<br></td> 
  </tr> 
  <tr> 
   <td>图学习</td> 
   <td>Node2Vec: Scalable Feature Learning for Networks<br></td> 
  </tr> 
  <tr> 
   <td><strong>被折叠<br></strong></td> 
   <td><strong>其他数十篇文章......<br></strong></td> 
  </tr> 
 </tbody> 
</table>

**05 课程适合谁？**

**大学生**

*  理工科相关专业的本科/硕士/博士生，毕业后想从事NLP工作的人
 *  希望能够深入AI领域，为科研或者出国做准备
 *  希望系统性学习NLP领域的知识

**在职人士**

*  目前从事IT相关的工作，今后想做跟NLP相关的项目
 *  目前从事AI相关的工作，希望与时俱进，加深对技术的理解
 *  希望能够及时掌握前沿技术

![7448ab04ebd06be54d06b16b4f8269cd.png][]

**06 报名须知**

1、本课程为**收费教学。**

2、本期仅招收剩余名额**有限**。

3、品质保障！正式**开课后7天内****，无条件全额退款。**

4、学习本课程需要具备一定的机器学习基础。

●●●

**限时推出：《返学费计划》你学习我买单**

**仅限99人，****关于活动和课程其他的细节**

**添加课程顾问微信**

**报名、课程咨询**

**????????????**

![070f7069c49f282b757b33c344555666.png][]

[81af8b3315e2108d9b0b4faabddcc8d4.png]: /images/20221022/1ed964e6f2084ee292494a5b0e4ddf55.png
[7448ab04ebd06be54d06b16b4f8269cd.png]: /images/20221022/a317fda22c4a414e8ce64df20aa2e251.png
[070f7069c49f282b757b33c344555666.png]: /images/20221022/1ba086d1bb9941259f6d69feaa9efa1a.png