新内容!
纳米学位项目

自然语言处理

获得情绪分析、机器翻译等领域的实践经验,掌握 NLP 工程师必备技能!

开放报名时间

11 月 7 日

开课时间

11 月 13 日

本期剩余席位

9

席位有限,立即行动!抢先掌握稀缺技术,成为抢手人才

与知名企业联合制作

nullnull
  • 学习时间
    约 3 个月

    建议每周学习 10-15 小时

  • 先修要求
    掌握 Python、统计学和机器学习相关知识
  • 课程专属服务
    硅谷授课,中英字幕

    学习社群,中文助教

为什么应该加入这个纳米学位?

通过学习,你将掌握包括文本分析、语音识别、语义分析和机器翻译等技术在内的自然语言处理核心技能。你还将亲手搭建概率和深度学习模型,掌握前沿深度学习框架 Pytorch,Tensorflow 和 Keras,并用真实数据训练你的模型。在课程中搭建的作品将丰富你的简历,让你成为 NLP 领域的技术专家,成为知名企业争抢的稀缺人才!


Icon - Dark upwards trend arrow

2025 年,自然语言处理市场将突破 223 亿美元

你将学到什么

课程大纲

开始掌握自然语言处理核心技术!

学习前沿的自然语言处理技术,以处理、分析语音和文本。深入掌握隐马尔可夫和递归神经网络等模型,亲手搭建概率和深度学习模型,让电脑具备处理语音识别、机器翻译等任务的能力!

在课程中学习各类自然语言处理技术。使用概率和深度学习技巧搭建模型,并将它们应用于语音识别、机器翻译等前沿领域!

点击收起课程大纲与实战项目

约 3 个月完成

先修知识

为了顺利开展此纳米学位,我们建议你具有 Python 的编程经验,并且拥有概率论、统计学以及深度学习架构的入门级经验。 具体来说,我们希望你会使用 Python 编写一个类,并为你的代码添加注释以供其他人阅读。

  • 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。

    实战项目 3:DNN 语音识别器
  • 选修课程

    通过一系列选修课程,补充相关基础,拓展知识。
    包括:

    • 词嵌入与 Word2Vec: 通过实施 word2vec 模型学习神经网络中的嵌入。
    • 循环神经网络:介绍循环神经网络,这是一种能够基于输入序列进行识别和运作的机器学习模型。
    • 长短期记忆网络 (LSTM):解释了长短期记忆网络(LSTM)和类似的架构,它们具有保持长期记忆的好处。
    • Keras:在这一部分中我们将手把手教你使用Keras。你将会使用它去分析电影评论。
    • Lab 情感分析:在 Lab 中掌握情感分析。
    • 情绪预测 RNN:通过循环神经网络 RNN 预测情绪。
    • TensorFlow:在这一部分中我们会手把手教你 Google 的深度学习框架 Tensorflow。你也将有能力将它应用于图像数据集中。
    • PyTorch 入门:了解如何使用PyTorch构建和训练深度神经网络。 在本课程结束时,你将构建一个网络,该网络可以以最先进的性能对猫狗的图像进行分类。
    • Pytorch 实现 RNN 和 LSTM:学习如何用代码表示记忆功能。然后在 PyTorch 中定义和训练 RNN 并将它们用于处理序列数据。
    • 部署 PyTorch 模型:我们将通过教程演示如何使用 Torch Script 部署 PyTorch 模型。
    • Python 正则表达式:学习 Python 的正则表达式。
    • BeautifulSoup:学习如何使用 BeautifulSoup。

自然语言处理系统开启了新世界!这项技术让机器具备理解、表达自然语言的能力,让机器能够帮助我们探索世界、寻找答案、做出改变世界的决策。
— Steve Abrams,IBM Watson 总监

与导师一同学习

Luis Serrano
Luis Serrano

课程讲师

Luis 曾在 Google 担任机器学习工程师,他拥有密歇根大学数学博士学位,还曾担任蒙特利尔魁北克大学博士后研究员。

Jay Alammar
Jay Alammar

课程讲师

Jay 是一名软件工程师,也是 Qaym(一家阿拉伯语评论网站)的创始人,以及 Riyad Taqnia 基金 (一家专注于高科技初创企业的风险投资基金)的投资负责人。

Arpan Chakraborty
Arpan Chakraborty

课程讲师

Arpan 拥有北卡罗莱纳州立大学博士学位,目前在乔治亚理工学院教授计算机科学硕士课程,并且是 “Practical Graph Mining with R” 一书的合著者。

Dana Sheahan
Dana Sheahan

课程开发

Dana 是电子工程师,拥有佐治亚理工大学计算机科学硕士学位。她曾为摩托罗拉汽车集团开发内嵌系统软件,所开发的机载操作系统获得专利认证。

为什么要学习这门课程?

成为前沿技术应用领域专家

自然语言处理让计算机可以与人类有效沟通,因此是 AI 技术革新的核心所在。高速发展的行业渴望学习前沿技术的人才,现在加入课程,为行业和人类社会带来改变!

专注提升行业所需技能

在 Udacity 与行业知名企业共同开发的课程中,你将学习可应用于现实世界挑战和机遇的技术,成为技术扎实、有创新能力和职业思维的 NLP 工程师。

搭建你的人工智能模型

你将学会使用 Python 建立和编写自然语言处理和语音识别模型。此外,你还将完成四个重要的自然语言处理项目,打造强有力的职业简历。

享受个性化代码审阅辅导

AI 领域的专家将逐行审阅你在模式中使用的代码,并提供能够帮助你理解知识、提升能力的有效反馈。个性化的学习辅导将贯穿你整个学习过程。

立即加入

check

自然语言处理

¥4399
系统学习如何处理分析语音和文本,深入了解情感分析、递归神经网络和深度学习模型

三大保障助你学习无忧

支持花呗分期 支持开发票 7 天无条件退款

阶梯式学习路径

按职业发展需要选择合适学习内容,助你快速全面掌握所需知识

帮助与常见问题

    纳米学位概览
  • 我为什么应该报名参加这个纳米学位?

    该纳米学位提供了深入学习现代自然语言处理技术的绝佳机会。掌握这些技能,你将学会构建处理书面语言与口头语言的应用。我们与包括 IBM 和 Amazon 在内的业内知名的创新企业合作提供优质课程内容,这些内容由来自优达学城和专家教授、指导。自然语言处理市场正在蓬勃发展,现在正是进入这一领域的好时机!

  • 学完这个纳米学位后,我可以为哪些工作做好准备?

    在该纳米学位中,你将打磨自然语言处理和语音用户界面的专业技能。该课程的设计初衷并非是在为你准备特定的工作,而是让你提升自然语言处理领域的专业技能。高速发展的自然语言处理市场渴求拥有高技术的人才,掌握这些技术将显著提升你在 AI 领域的职业竞争力。

  • 该纳米学位的 NLP 任务中包含深度学习的知识吗?

    是的。课程中会从简单的神经网络开始讲起,包括如何定义损失函数,如何反向传播,如何训练神经网络,接着在课程中你将使用递归神经网络(RNN)、长短记忆模型(LSTM)模型完成机器翻译等序列数据的任务务,还将卷积神经网络(CNN)或双向 RNN 等结构进行自动语音识别(ASR),并将在你的深度学习模型中加入注意机制。

    报名与入学
  • 如何加入课程?

    课程将定期开放报名,无需申请。在课程开放报名期间,点击“立即加入”按钮,付款成功后,即可加入最近开课班次。你所加入的班次开课后,即可开始学习。

  • 支付学费后,我可以马上开始学习吗?

    每个班次有固定的开课时间,你所加入的班次开课后,即可开始学习。

  • 该纳米学位有哪些先修要求?

    在加入本纳米学位之前,我们建议你已掌握机器学习相关知识。此外,你还需要以下知识:

    中级 Python 编程知识,包括:

    • 字符串、数字和变量
    • 陈述、运算符和表达式
    • 列表、元组和字典
    • 条件和循环
    • 生成器和解析式
    • 程序、对象、模块和库
    • 排查和调试
    • 调查和记录
    • 解决问题
    • 算法和数据结构

    撰写基础 shell 脚本:

    • 通过命令行运行程序
    • 排查错误信息和反馈
    • 配置环境变量
    • 建立远程连接

    基础统计知识,包括:

    • 总体和样本
    • 均值、中值和众数
    • 标准误差
    • 变异与标准差
    • 正态分布

    中级微分和线性代数知识,包括:

    • 导数与积分
    • 级数展开
    • 通过特征向量和特征值进行矩阵运算
  • 我不满足先修要求,可以做些什么?

    根据你想学习的领域,我们向你推荐以下纳米学位,帮助你做好准备。包括:

    纳米学位条款
  • 该纳米学位的课程结构是怎样的?

    自然语言处理纳米学位由 (1) 个学期组成,每学期为期 (3) 个月。学期有固定的开课与结束日期。学员需要完成学期中的全部实战项目,方可顺利毕业。该纳米学位中的每一个实战项目都会由优达学城的审阅专家审阅,并提供个性化的反馈。如果你没有成功通过某一项目,你会被要求重新修改并提交项目,直至顺利通过。

  • 该纳米学位的课程时长是多久?

    该纳米学位的课程访问时长如上所述。每学期结束后,如果你还没有通过全部项目,可以获得 4 周的宽限期来完成这些项目。在宽限期内通过全部项目,你仍可以顺利毕业并获得证书。你最多只可获得一次宽限期,如果 4 周宽限期过后,你仍未通过全部项目,你将被移出课程,并失去访问课程内容的权限。被移出课程后,你需要重新支付学费,方可重新加入课程。

    软硬件设备
  • 要学习该纳米学位,我需要准备哪些软件 / 硬件?

    你将需要一台能够正常上网的计算机(大部分 Windows、OS X 和 Linux 版本都适用),并需要管理员账户权限来安装程序,我们将为你提供安装必要软件包的指导说明。如果你的电脑无法运行深度学习,不用担心,我们提供了包含 GPU 的在线虚拟环境供你使用。

    其他问题
  • 开课后发现课程不适合自己怎么办?

    开课后 7 天内,你可以点击这里向我们申请无理由退款。我们将在 7 个工作日内,将实际支付金额退款至原付款渠道。

  • 支付学费后,可以开具发票吗?

    当然可以,在开课 7 天后,你可以点击这里申请发票。

  • 如果还有其他问题怎么办?

    你可以点击这里提交问题,我们会为你提供帮助。

自然语言处理

获得情绪分析、机器翻译等领域的实践经验,掌握 NLP 工程师必备技能!

Contact Udacity

Hi,我是你的专属学习规划师

不知道选什么课?和我聊聊吧!

Contact Udacity立即咨询