单元
|
培训模块
|
培训内容
|
第一单元
|
NLP入门与基础介绍(一)
|
-
NLP的基本概念
-
NLP的发展历程
-
NLP主要研究方向
-
句法语义分析
-
信息抽取
-
文本挖掘
-
机器翻译
-
信息检索
-
问答系统
-
对话系统
|
第二单元
|
NLP入门与基础介绍(二)
|
-
NLP的基础
-
分词
-
正向最大匹配算法
-
逆向最大匹配算法
-
双向最大匹配算法
-
基于N-gram语言模型的分词
-
基于HMM的分词方法
-
基于CRF的分词法法
-
文本基本处理
-
词性标注
-
基于最大熵的词性标注
-
基于统计最大概率输出词性
-
基于HMM词性标注
-
基于CRF的词性标注
-
命名实体识别
-
案例
-
在线中文分词系统实战
-
命名实体识别接口开发
-
基于词性标注的关键词提取
|
第三单元
|
关键词提取与文本分类(一)
|
-
关键词提取概述
-
关键词提取算法
-
TF-IDF
-
LSA/LSI算法
-
PLSA算法
-
LDA算法
|
第四单元
|
关键词提取与文本分类(二)
|
-
文本分类算法
-
朴素贝叶斯
-
线性分类器
-
支持向量机
-
Bagging模型
-
Boosting模型
-
浅层神经网络
-
案例
-
新闻主题提取
-
新闻分类实战
|
第五单元
|
文本向量化与句法分析(一)
|
-
文本向量化概述
-
文本向量化常用算法
-
词袋算法
-
HashTF算法
-
Word2Vec算法
-
Glove算法
|
第六单元
|
文本向量化与句法分析(二)
|
-
句法分析概述
-
句法分析常用算法
-
PCFG算法
-
条件随机场算法
-
案例
-
文本情感分析的开发示例
-
基于依存句法分词的问句相似度计算
|
第七单元
|
图像识别项目
|
-
介绍Google图像识别模型Inception-v3
-
使用Inception-v3做图像识别
|
第八单元
|
猫狗分类项目
|
1.图像数据预处理
2.猫狗分类-简单CNN
3.猫狗分类-VGG16-bottleneck
4.猫狗分类-VGG16-Finetune
|
第九单元
|
验证码识别项目
|
1.多任务学习介绍
2.验证码识别项目
|
第十单元
|
目标检测项目
|
1.目标检测任务介绍
2.RCNN/Fast-RCNN/Faster-RCNN算法介绍
3.YOLO算法介绍
4.SSD算法介绍
5.目标检测项目实战
|
第十一单元
|
目标分割项目
|
1.目标分割任务介绍
2.全卷积网络
3.双线性上采样
4.特征金字塔
5.Mask RCNN算法介绍
6.目标分割项目实战
|
第十二单元
|
图像风格迁移项目
|
1.图像风格迁移介绍
2.图像风格迁移项目实战
|
第十三单元
|
GAN项目
|
1.生成式对抗网络GAN介绍
2.生成式对抗网络GAN项目实战
|
总结与考核
|