☆ 1、如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
      ☆ 2、在课程结束之后,授课老师会留给学员手机和E-mail,免费提供半年的课程技术支持，以便保证培训后的继续消化；
      ☆3、合格的学员可享受免费推荐就业机会。
      ☆4、合格学员免费颁发相关工程师等资格证书，提升您的职业资质。

• 第一部分：自然语言处理入门
  学习文本处理的基础知识，包括词干分解和词形还原，探索情感分析的机器学习方法，并建立一个词性标注模型。
  包括：
  自然语言处理简介：简要介绍如何构建自然语言处理管道。
  文本处理：学习通过以下方式整理来自不同来源的文本以进一步处理这些文本：清理、标准化并拆分为单个单词或标记。
  利用朴素贝叶斯的垃圾邮件分类器：学习如何使用朴素贝叶斯算法构建垃圾邮件分类器。
  利用 HMM 进行词性标注：介绍多个词性标注方法，并深入讲解隐马尔可夫模型。
  书虫：学习如何使用 IBM Watson 构建简单的问答代理。
  实战项目 1：词性标注技术
  第二部分：自然语言运算
  学习词汇嵌入和深度学习注意机制等进阶技术，并使用递归神经网络结构建立一个机器翻译模型。
  包括：
  特征提取和嵌入：利用词袋、TF-IDF、Word2Vec 和 GloVE 等方法转换文本，以提取可以用于机器学习模型的特征。
  主题建模：学习如何使用潜在狄利克雷分析 (LDA) 将文档集合划分为主题。在 Lab 中，你会将此模型应用到一个新闻数据库上。
  情感分析：学习如何使用几种机器学习分类器（包括递归神经网络）预测文字情感，并将所学知识运用到影评数据库中。
  序列到序列：学习一种特定的 RNN 架构，用于从一种序列生成另一种序列。这些 RNN 适合聊天机器人、机器翻译等应用！
  深度学习注意力机制：注意力是近期最重要的深度学习创新技术之一。在此部分，你将学习注意力，并在 Lab 中了解注意力的基本实现过程。
  RNN Keras Lab：此部分将为机器翻译部分做好准备。在此部分，你将有机会在 Keras 中获得 RNN 实操经验。
  云端计算设置说明：概述了为 GPU 加速训练配置远程环境的步骤。
  实战项目 2：机器翻译
  第三部分：自然语言交流
  学习可以将语音和文本相互转化的语音交互界面技术，并使用深度学习网络搭建一个语音识别模型。
  包括：
  语音用户界面简介：熟悉语音用户界面的原则和应用，并了解 Alexa 的技能。
  语音识别：了解 ASR 管道的工作原理。