fbpx

728x90 PCB

AI自然語言處理與推薦系統應用

♦ 可使用振興三倍券折抵學費

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

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

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

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

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自然語言處理
  • 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 實體和非實體產品推薦
  • 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

Lynn

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。