艾鍗學院 - AI自然語言處理與推薦系統應用

06 NLP RS 2

現在位置：艾鍗學院＞實體課程＞ AI課程總覽頁＞ AI自然語言與推薦系統應用

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)