面向自然语言处理的深度学习课程:深度神经网络在机器学习任务的应用

Video description

课程简介

5+ 小时
自然语言处理的深度学习直播课是使用深度学习模型处理自然语言数据的直观介绍。是使用深度学习处理自然语言的简介。这些课程通过互动的、实际操作的Jupyter notbokke示例对基本理论进行生动直观的解释。示例使用Python和Keras,这是最流行的深度学习库TensorFlow的高级API。在前期课程中,我们讨论了处理自然语言数据的细节,包括如何将自然语言转换为可以通过机器学习方法轻松处理的数值表示。在后面的课程中,我们将学习利用最先进的深度学习架构来使用自然语言数据进行预测。

Get技能

学习如何
●机器学习应用的自然语言数据预处理
●用word2vec将自然语言转换为数值表示
●利用自然语言训练的深度学习模型进行预测
●将最先进的NLP算法应用于Keras,即高级TensorFlow API
●通过调整超参数提高深度学习模型的性能

Product information

  • Title: 面向自然语言处理的深度学习课程:深度神经网络在机器学习任务的应用
  • Author(s): 乔恩·克罗恩
  • Release date: November 2017
  • Publisher(s): Pearson
  • ISBN: 8882021010417

You might also like

book

数据库系统内幕

by Alex Petrov

当我们选择、使用并维护一个数据库系统时,理解它的原理至关重要。但是现今有太多的分布式数据库和工具可供使用,要想弄明白每一种工具的作用以及它们之间的区别往往并不容易。在这本实用指南中,作者讲解了现代数据库和存储引擎背后的概念。 通过本书,你将领略到从众多书籍、论文、博客和多个开源数据库源代码中精心选取的相关材料,并且了解到众多现代数据库之间最重要的区别在于决定存储结构和数据分布的子系统。 你将深入了解如下内容: 存储引擎:学习存储的种类、分类依据,理解基于B树和不可变日志存储结构的存储引擎。 存储构建块:理解数据库文件如何使用诸如页缓存、缓冲池等辅助数据结构来组织构建高效的存储。 分布式系统:逐步学习节点和进程间如何连接并构建复杂的通信模式。 数据库集群:深入探究现在数据库中常用的一致性模型,并了解分布式存储系统是如何实现一致性的。

book

優雅的SciPy|Python科學研究的美學

by Juan Nunez-Iglesias, Stéfan van der Walt, Harriet Dashnow

“本書滿足以下重要需求:引導學生優雅的實作訊號與影像、圖學和生物資訊學中的經典演算法” -Lav Varshney University of Illinois “雖然沒有一本書可以教完科學研究Python的所有工具,但是有這本書會讓你看到,它可以幫你節省時間、減少痛苦。” -Greg Wilson Curriculum Lead, DataCamp 歡迎來到科研界Python社群,如果你是一個寫Python的科學研究者,這本實用的指引書,不只教你SciPy和相關函式庫的重要基礎,而且能讓你看到美麗、易讀,同時能應用在實務上程式碼。你會學到如何寫出具備清楚、簡潔和高效的優雅程式碼。 閱讀本書,會看到許多科研界Python生態圈的範例程式碼,這些程式碼足以代表本書的精神。使用實際的科研資料,用SciPy、NumPy、Pandas、scikit-image和其它Python函式庫解決真實世界的問題。 ‧探索NumPy陣列,數值科學計算的底層結構 ‧使用百分位正規化使測量值貼和特定分布 …

video

Pandas数据清洗与建模

by 丹尼尔·陈

课程简介 在用Python进行Pandas数据清洗和建模的视频课程中,Daniel Y. Chen为《用Python基础语句进行Pandas数据分析视频课》构建了基础。在这一系列课程中,Dan教给你清理和处理数据所必需的技术和技巧。Dan向你展示如何使用某些内置的Python库对数据进行再加工,以清理加载到Pandas中的数据。一旦完成数据清理,你将会想要对它进行分析,所以Dan接下来会向你介绍用于模型拟合的其它库。 Get技能 • 使用Pandas的数据类型 • 对数据类型进行转换 • 使用字符串方法和正则表达式 • 使用函数 • 聚合、转换和筛选数据 • …

book

深度学习实战

by Douwe Osinga

深度学习并没有那么可怕。直到最近,这项机器学习方法还要经过数年的学习才能掌握,但是有了如Keras和TensorFlow这样的框架后,没有机器学习背景的软件工程师也可以快速进入这个领域。通过本书中的技巧,你将学会解决深度学习在生成和分类文本、图像和音乐方面的问题。 本书每章包括完成独立项目所需的几个技巧,如训练一个音乐推荐系统。如果你陷入了困境,作者还在第2章提供了6个技巧来帮助你。本书中的例子用Python语言编写,代码在GitHub上以Python notebook集合的方式提供。 通过本书,你将学会: 创建为真实用户服务的应用 使用词嵌入计算文本的相似性 基于维基百科链接建立电影推荐系统 通过可视化的内部状态了解AI看待世界的原理 建立一个为文本片段推荐表情符号的模型 重用预训练的神经网络构建反向图像搜索服务 比较GAN、自动编码器和LSTM如何生成图标 检测音乐的风格并检索歌曲集