fbpx

10th blog 728x90

NLP RS IT

現在位置: 艾鍗學院實體課程 AI課程總覽頁AI自然語言與問答系統應用

♦ 【政府補助】遠距同步教學,最後3名,欲洽從速!

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NLP自然語言處理的任務與流程、中文自然語言處理及常見的文字編碼方式,並透過深度學習演算法與進階語言模型實作,進而實現AI主題專案:Telegram飯店業問答系統。課程搭配軟體套件使用,兼具理論與實作面向,讓你對NLP有完整的概念。

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、Deep Learning、Keras、RNN、LSTM、BERT、聊天機器人、Chatbot、問答系統、Question Answering System

課程特色

 2

學習目標

1.了解NLP自然語言處理任務與流程,熟悉相關演算法。

2.學習NLP自然語言處理任務的文字探勘、句法分析、文本分類、資訊提取、機器翻譯等。

3.了解深度學習RNN、LSTM、GRU、BERT模型的原理與運用方法。

4.瞭解問答系統(Question Answering System)之開發流程與要領。

5.了解推薦系統應用與推薦系統的經典演算法。

6.學會使用Tensorflow/Keras進行深層神經網路(DNN)實作

7.了解深度學習的原理及各種訓練技巧-Batch Normalization, Dropout, Early Stopping,…

適合對象
  • 對於AI自然語言處理應用技術有興趣之工程師或研究生。
  • 想進一步學習如何將AI演算法轉換成服務業、電商平台常用的功能或服務者。
  • 須領導、管理AI開發專案者。
  • 想了解NLP問答系統應用或對Chatbot聊天機器人、情緒分析、智能助理感興趣者

課程大綱

NLP自然語言處理與問答系統
  • 1.自然語言處理流程

  • -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

  • 2.中文自然語言處理(jieba斷詞、停用詞、N-gram斷詞方法)

  • 3.文字編碼方式

  • -Bag of Words
    示意圖 
     3

  • -TF-IDF
    以NLP套件做的文字雲 
  • cloudword 2
  • -Word Embedding, Doc2Vec
     
  • 4.深度學習RNN/LSTM
    -RNN/LSTM原理與架構
    -LSTM實作文章分類
    -LSTM實作語言翻譯
    -LSTM實作文句產生器

  • 5.進階語言模型
    -ELMo、GPT以及BERT介紹
    -BERT工作原理
    -Pretrained vs. Fine-tune BERT
    -Keras BERT程式實作解說
    -Keras BERT實作:克漏字填空
    -Keras BERT實作:是否為上下句判斷
    -使用Fine-tune BERT抽取文本特徵
    -Fine-tune BERT實作:文章分類與問答系統

  • 6.QA System專案 : 結合Telegram的飯店業問答系統
    -Telegram網路架構
    -Telegram API的使用
    -內部AI軟體架構設計
    -整體系統的整合設計與實作

  • 專案: 在Telegram上建立Q&A問答系統 
  • Telegram上建立Q&A問答系統

 

 

 

 

 

 

 

 

推薦系統(Recommendation System)
  • 1.網路爬蟲的原理說明與實作練習
    - 先備知識說明:HTML, CSS, DNS 等
    - 工作流程:網頁爬取, 解析, 儲存
    - 工具套件:requests, Beautifulsoup 4, Selenium
    - 實作練習:以經濟日報, 台灣證交所, Yahoo Finance為例

     

  • 2.推薦系統的原理說明與實作練習
    - 基於內容的的推薦 (Content-based Recommendation)
    - 基於用戶的協同過濾((User-Based Collaborative Filtering)

    User-Based Collaborative Filtering
     4

    - 基於物品的協同過濾 (Item-Based Collaborative Filtering)
    - 矩陣分解 (Matrix Factorization)
    - 實作練習:以iMDB電影推薦為例


    推薦系統 資料來源

    實體和非實體產品推薦

  • 3.AI模型與操作介面的整合
    - 觀念解析與案例說明
    - 微型架站工具:Flask
    - 簡易網頁製作:表單, 檔案上傳
    - 實作練習:以iMDB電影搜尋引擎為例

     
    ※實戰演練的範例將會依據產業界的實際狀況進行調整

【數位學習】Deep Learning深度學習實務
  • 機器學習與深度學習技術簡介
  • 深度學習(深層神經網路) DNN運作原理與相關技術解說
  • TensorFlow/Keras程式架構
  • DNN
    • DNN Regression
    • DNN分類-使用Keras
  • 加入更多訓練技巧-Batch Normalization, Dropout, Early Stopping…
  • CNN
    • CNN網路運作原理
    • CNN圖像分類-使用Keras
    • Image Augmentation
    • 知名CNN網路模型(AlexNet、VGG16、ResNet50…)
    • Transfer Learning原理與實作
  • YOLO 多物件偵測與程式架構說明
  • RNN
    • RNN網路運作原理
    • RNN Regression
    • RNN KKTV 預測上線
    • RNN機器翻譯
  • Appendix I : Google Colaboratory 使用說明
  • Appendix II: GPU配置教學與效能評估

師資團隊
 
teacher 2

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。

學員反饋
  1.  謝謝老師認真教導。收穫良多。
  2.  期望艾鍗學院能多開AI人工智慧的應用課程 , 能讓我們在職場上更具有競爭力
  3.  非常完整
  4.  老師很用心,也有高速的現場程式能力,學到很多
  5.  講解詳細
  6.  老師不厭其煩,詳細解說觀念
  7.  內容很實用
  8.  老師教的非常仔細,受益良多🙏🙏🙏