自然语言处理之BERT模型

23课时            ￥2980.00

课程简介

作为自然语言处理的标准模型：BERT开始变得越来越流行! BERT是谷歌于2018年底推出的自然语言处理模型。考虑到“上下文”的处理是其特征，在评估语言理解的11个任务中达到了最高精度，现在已经确立了作为标准模型的地位。 

本课程讲解的BERT技术对近年来自然语言处理的发展起了很大的作用，并且在应用上也很有用。在前半部分概述了自然语言处理和机器学习之后，BERT开始实际解决各种各样的任务。具体包括文章分类、提取固有表达、校对文章、搜索类似文章等。通过体验从数据集的处理，到精调(让BERT专注于特定语言任务的学习)，再到性能评估的一系列流程，目标是能够自己使用BERT。 另外，在处理深度学习的语言模型时经常使用Transformers作为BERT进行处理的库，PyTorch作为有效进行学习和性能评估的库使用Lightning。

本课程主要面向人工智能领域的各类学员，以及想要了解和学习机器学习建模、Bert模型应用的各行业从业者。 本课程侧重于编程实践，通过实际编程案例来带动理论的讲解。 强调动手操作；内容以代码落地为主，以理论讲解为根，通过一个个编程小模块来辅助对语法的理解和掌握。讲解Bert模型中最经典的语法知识和代码实践，梳理核心知识框架，快速上手Bert开发。

课程目标

1.熟悉自然语言处理的各类应用场景；

2.熟悉Bert在自然语言处理中的地位；

3.掌握自然语言处理的应用步骤；

4.掌握Bert开发环境的搭建；

5.掌握Bert基本技术与模型；

6.掌握Bert初中级实战技巧；

适用人群

具备一定的计算机编程基础和人工智能基础，希望深入了解机器学习开发、自然语言处理、Bert模型开发与应用的广大工程技术人员。

第1章 Bert概述
1.1.自然语言处理的核心任务
1.2.机器学习的基本模型
1.3.基于机器学习的自然语言处理
1.4.Bert基本特征
1.5.1.机器学习基础与实践-机器自我学习
1.5.2.机器学习基础与实践-开发环境
1.5.3.机器学习基础与实践-模型开发
1.5.4.机器学习基础与实践-回归模型
1.5.5.机器学习基础与实践-分类模型
1.5.6.机器学习基础与实践-神经网络基础
1.5.7.机器学习基础与实践-高级神经网络模型
第2章 自然语言处理初步
2.1.自然语言处理初步
第3章 自然语言处理的数学原理基础
3.1.线性回归 (1)
3.1.线性回归 (2)
3.2.自然语言处理文章的原理
3.3.数学思维训练 (1)

3.4经典核心算法
第4章 深度神经网络原理与实践
4.1.深度神经网络原理
4.2.正向传播
4.3.损失函数
4.4.梯度下降法
4.5.误差反向传播
第5章 word2vec
5.1.word2vec
第6章 Bert结构
6.1.Bert结构
第7章 Bert应用
7.1.文章填空
7.2.文章分类
7.3.词汇提取
7.4.文章校队
第8章 案例实战
8.1.案例实战