【中文普通话】7.5小时使用Python、TensorFlow、PyTorch、spaCy和gensim学习自然语言处理（NLP）概念及其实际应用

by yuyulaoshi · Published 2023年9月6日 · Updated 2023年9月6日

使用Python、TensorFlow、PyTorch、spaCy和gensim学习自然语言处理（NLP）概念及其实际应用

您将学到什么
自然语言处理的概念及其在各个领域的应用
使用Python、TensorFlow、PyTorch、Transformers、spaCy和gensim库实现自然语言处理技术
了解如何解决NLP问题
了解如何使用BERT等高级NLP模型

要求
基本的Python知识
基本的机器学习知识

描述
在这门课程中，您将从一位经验丰富的专业人士那里学习自然语言处理（NLP）。让机器能够从自然语言中提取出结构化数据的能力具有显著的潜力。到2025年，全球NLP市场预计将达到340亿美元，年复合增长率为21.5%，对NLP技能的需求将很高。在这门课程中，我涵盖了NLP的广泛领域。我以简单的方式解释NLP的概念，并使用NLTK、spaCy、TensorFlow和PyTorch等库在Python中进行实际实现。我还讨论了文本预处理、文本分类、文本摘要、主题建模和词嵌入等各种主题。我还涵盖了NLP在医疗保健、金融等各个领域的应用。我相信这门课程应该能帮助您入门，并在NLP方面变得熟练。在这个视频课程中，您将学习以下关于自然语言处理的内容：自然语言处理简介在金融和医疗保健等领域的应用使用NLTK和spaCy进行词干提取和词形还原使用Python进行TF-IDF、词袋表示使用spaCy进行命名实体识别使用spaCy v3库进行自定义命名实体识别Word2Vec模型和自定义Word2Vec模型在Python中使用文本数据集进行探索性数据分析文本聚类使用TensorFlow在Python中进行神经网络文本分类使用TensorFlow在Python中使用卷积神经网络（CNN）进行文本分类使用TensorFlow在Python中使用长短期记忆（LSTM）网络进行文本分类使用PyTorch库进行文本分类使用BERT Transformers进行文本分类使用spaCy v3库进行文本分类使用HuggingFace进行零样本文本分类LDA主题建模Top2Vec主题建模使用gensim和Python进行抽取式文本摘要使用Google PEGASUS进行生成式文本摘要使用HuggingFace进行抽取式问答Aspect Based Sentiment AnalysisHayStack问答演示要获取高级NLP内容，请查看我的YouTube频道

适合人群
初学者，希望从经验丰富的专业人士那里以实际方式学习自然语言处理
对自然语言处理感兴趣的初级Python开发人员