課程介紹
自然語言處理(Natural Language Processing,NLP)是計算機科學以及人工智慧的子領域,專注在如何讓計算機處理並分析大量(人類的)自然語言數據。
NLP常見的挑戰有語音辨識、自然語言理解、機器翻譯、聊天機器人以及自然語言的生成,是近幾年成長最迅速的AI應用。本課程將帶領學員了解常見的NLP任務,再以命名實體識別 (Named Entity Recognition,NER)為主,講解任務處理的流程,以及相關演算法,並搭配軟體套件的使用,兼具理論與實作兩個面向,對NLP有完整的概念。
推薦系統應用將會介紹常見的推薦系統應用(產品/平台),再以深入淺出的方式,說明推薦系統的經典演算法,以直觀的方式理解這些演算法的原理。最後再以一個電影推薦/音樂推薦為實作案例,透過實際操作的過程,體驗推薦系統開發的樂趣。
關鍵詞:人工智慧、機器學習、深度學習、AI、Python、自然語言處理、Natural Language Processing、NLP、推薦系統、Recommender Systems、Deep Learning、聊天機器人、 Chatbot
課程特色

業界工程師實戰分享
艾鍗學院為帶給學員更貼近業界實務的教學內容,教學內容,禮聘業界AI工程師組成教學團隊,依照業界進行AI軟硬整合的開發流程規劃課程。讓你在完整架構下,逐一學會各步驟的技術核心。教你書本上學不到的AI實務開發經驗,減少你自學碰壁的時間。

由淺入深系統化學習
課程將由淺入深從機器學習與神經網路模型基礎,一步步了解自然語言處理與推薦系統的經典演算法,透過實際操作的過程,體驗推薦系統開發的樂趣。

軟硬整合深入技術核心
艾鍗AI講師不但對實務上常見的AI演算法非常熟悉,目前也從事AI軟硬整合的相關開發,累積非常豐富的實務經驗,能幫助你用最有系統的方法提高學習成效。

AI專題實作強化學習
除了能說一口好AI,更能展現AI實作能力,不管是在專案開發或是合作洽談,都會非常有說服力。艾鍗學院相信,唯有從實作中,讓你身歷其中,才能讓你有最好的學習效果。使用高階函式庫來進行模擬環境與強化學習模型的建制,並分組進行專案,透過實戰加強AI能力,講師也會在旁給予學員遇到實作問題上的協助。
學習目標
- 了解常見的NLP自然語言處理任務,以命名實體識別 (NamedEntity Recognition,NER)講解任務處理,熟悉相關演算
- 學會NLP自然語言處理任務的資訊提取、句法分析、機器翻譯、問答系統
- 學會NLP自然語言處理流程的網路爬蟲,預處理,訓練模型,評量效能
- 學會推薦系統應用,並了解推薦系統的經典演算法
- 講師親授帶領完成的NLP自然語言處理與推薦系統實作
適合對象
- 熟悉Python語法
- 了解深度學習Machine Learning(神經網路 Neural Network)原理
- 想了解自然語言處理與推薦系統應用
- 對於Chatbot聊天機器人感興趣
課程大綱
第一階段 NLP自然語言處理
-
NLP任務簡介
- -資訊提取、句法分析、機器翻譯、問答系統等 資料來源
-
NLP流程簡介
- -網路爬蟲,預處理,訓練模型,評量效能
- -套件(工具包):NLTK, Jieba
-
命名實體識別 (Named Entity Recognition, NER)介紹
- -介紹詞位標注,標註工具等
- -將NER應用於術語的抽取
- -演算法:條件隨機場(Conditional Random Field, CRF)
- -套件(工具包):Python-crfsuite
-
NLP的分類任務
- -以文章分類為例
- -演算法:Word Embedding / Word2Vec, RNN / LSTM
- -套件(工具包):Gensim
第二階段 推薦系統
-
推薦系統的應用
- -實體和非實體產品的推薦等
- -資訊提取、句法分析、機器翻譯、問答系統等 資料來源
-
推薦系統的演算法
- -基於內容的推薦 (Content-Based Recommendation)
- -協同過濾 (Collaborative Filtering)
- 基於用戶的協同過濾(User-Based CF)
- 基於物品的協同過濾(Item-Based CF)
- -基於標籤的推薦 (Tag-Based Recommendation)
-
實作範例
- -以電影推薦或音樂推薦進行實作
- -演算法:協同過濾
- -程式語言和套件:Python, Ski-learn
師資團隊

Lynn老師
▪ 國立臺灣大學資訊網路與多媒體碩士 ▪ 知名教育科技公司人工智慧工程師
▪ 知名資產管理公司金融計量分析研究員
▪ 機器學習 ▪ 深度學習 ▪ 自然語言處理(NLP) ▪ 網路爬蟲
課程諮詢
延伸學習
Q&A
自然語言處理(Natural Language Processing,NLP)是計算機科學以及人工智慧的子領域,專注在如何讓計算機處理並分析大量(人類的)自然語言數據。NLP 常見的挑戰有語音辨識、自然語言理解、機器翻譯以及自然語言的生成,是近幾年成長最迅速的AI應用。
自然語言處理NLP常運用於語音辨識、自然語言理解、機器翻譯、聊天機器人以及自然語言的生成,主要在幫助機器理解,解釋和運用人類語言。
推薦系統是以每位顧客為基礎,根據他們的行為模式和喜好去做即時的推薦。多運用在商品推薦、電影推薦、音樂推薦中。