一、培訓簡述
課程中通過細致講解，使學員掌握該技術(shù)的本質(zhì)。具體收益包括：
1.掌握NLP基礎
2.關鍵詞提取與文本分類方法
3.文本向量化與句法分析方法
4.NLP與深度學習技術(shù)的相應算法
5.掌握圖像識別技術(shù)

二、培訓特色
本次培訓從實戰(zhàn)的角度對自然語言處理（NLP）進行了全面的剖析，并結(jié)合實際案例分析和探討NLP的應用場景，給NLP相關從業(yè)人員以指導和啟迪。

三、培訓時長
共計3天，每天6課時

四、培訓大綱

單元	培訓模塊	培訓內(nèi)容
第一單元	NLP入門與基礎介紹（一）	NLP的基本概念 NLP的發(fā)展歷程 NLP主要研究方向 句法語義分析 信息抽取 文本挖掘 機器翻譯 信息檢索 問答系統(tǒng) 對話系統(tǒng)
第二單元	NLP入門與基礎介紹（二）	NLP的基礎 分詞 正向最大匹配算法 逆向最大匹配算法 雙向最大匹配算法 基于N-gram語言模型的分詞 基于HMM的分詞方法 基于CRF的分詞法法 文本基本處理 文本提取 正在表達式 本文統(tǒng)計 詞性標注 基于最大熵的詞性標注 基于統(tǒng)計最大概率輸出詞性 基于HMM詞性標注 基于CRF的詞性標注 命名實體識別 基于CRF的命名實體識別 案例 在線中文分詞系統(tǒng)實戰(zhàn) 命名實體識別接口開發(fā) 基于詞性標注的關鍵詞提取
第三單元	關鍵詞提取與文本分類（一）	關鍵詞提取概述 關鍵詞提取算法 TF-IDF LSA/LSI算法 PLSA算法 LDA算法
第四單元	關鍵詞提取與文本分類（二）	文本分類算法 樸素貝葉斯 線性分類器 支持向量機 Bagging模型 Boosting模型 淺層神經(jīng)網(wǎng)絡 案例 新聞主題提取 新聞分類實戰(zhàn)
第五單元	文本向量化與句法分析（一）	文本向量化概述 文本向量化常用算法 詞袋算法 HashTF算法 Word2Vec算法 Glove算法
第六單元	文本向量化與句法分析（二）	句法分析概述 句法分析常用算法 PCFG算法 條件隨機場算法 案例 文本情感分析的開發(fā)示例 基于依存句法分詞的問句相似度計算
第七單元	圖像識別項目	介紹Google圖像識別模型Inception-v3 使用Inception-v3做圖像識別
第八單元	貓狗分類項目	1.圖像數(shù)據(jù)預處理 2.貓狗分類-簡單CNN 3.貓狗分類-VGG16-bottleneck 4.貓狗分類-VGG16-Finetune
第九單元	驗證碼識別項目	1.多任務學習介紹 2.驗證碼識別項目
第十單元	目標檢測項目	1.目標檢測任務介紹 2.RCNN/Fast-RCNN/Faster-RCNN算法介紹 3.YOLO算法介紹 4.SSD算法介紹 5.目標檢測項目實戰(zhàn)
第十一單元	目標分割項目	1.目標分割任務介紹 2.全卷積網(wǎng)絡 3.雙線性上采樣 4.特征金字塔 5.Mask RCNN算法介紹 6.目標分割項目實戰(zhàn)
第十二單元	圖像風格遷移項目	1.圖像風格遷移介紹 2.圖像風格遷移項目實戰(zhàn)
第十三單元	GAN項目	1.生成式對抗網(wǎng)絡GAN介紹 2.生成式對抗網(wǎng)絡GAN項目實戰(zhàn)
總結(jié)與考核

（注：大綱還可根據(jù)需求進行調(diào)整）
 
第二部分  師資簡介

覃棅豐
創(chuàng)業(yè)公司技術(shù)負責人。機器學習，深度學習領域多年一線開發(fā)研究經(jīng)驗，精通算法原理與編程實踐。曾使用Tensorflow，Caffe，Keras等深度學習框架完成過多項圖像，語音，nlp，搜索相關的人工智能實際項目，研發(fā)經(jīng)驗豐富。擁有兩項國家專利，同時具有多年授課培訓經(jīng)驗，講課通熟易懂，代碼風格簡潔清晰。
 
人工智能相關工作經(jīng)歷：
上海希格斯網(wǎng)絡科技有限公司  數(shù)據(jù)挖掘工程師   
1.負責深度學習NLP算法的研究和實現(xiàn)。
2.負責搜索引擎的實現(xiàn)和優(yōu)化。
 
上海索洛信息技術(shù)有限公司     高級算法工程師   
1.負責深度學習圖像算法的研究和實現(xiàn)。
2.負責深度學習語音算法的研究和實現(xiàn)。
 
人工智能相關項目經(jīng)驗：
人崗匹配項目 負責算法實現(xiàn)   
● 收集了10萬份JD。
● 基于Tensorflow平臺使用LSTM+Attention算法。
● 使用JD訓練職位推薦模型。訓練好的模型可用于分析簡歷描述，并根據(jù)簡歷描述推薦一個或多個適合的職位。
 
項目關鍵詞提取項目  負責算法實現(xiàn)   
● 收集了10萬份項目描述，并標記好項目中的關鍵詞。
● 基于Tensorflow平臺使用seq2seq模型。
● 從簡歷的項目描述中提取出該項目中的重點詞匯。可用于優(yōu)化簡歷項目搜索結(jié)果。
 
人才搜索引擎項目  負責搜索引擎的實現(xiàn)和優(yōu)化
● 搭建簡歷搜索引擎服務。
● 完成學校名，專業(yè)，公司，行業(yè)等模塊的搜索策略
● 完成搜索結(jié)果高亮服務。
● 修改搜索bug優(yōu)化搜索算法。
 
寵物臉識別項目  負責數(shù)據(jù)處理，算法實現(xiàn)    
● 收集了5萬張狗/貓的照片，并標記好它們臉部的區(qū)域。
● 在Linux下基于Caffe平臺使用Faster-rcnn實現(xiàn)狗/貓臉檢測算法。
● 推出了一款在線小游戲，用戶上傳自己家狗/貓的照片，服務器接收到照片之后用訓練好的模型檢測照片中狗/貓的臉，并把狗/貓的臉框出來，給它們的長相打一上個分數(shù)，再把處理后的照片反饋給用戶。 
 
寵物品種識別項目 負責數(shù)據(jù)處理，算法實現(xiàn)  
● 收集了19種貓和27種狗的照片，共3萬多張，并做好分類標簽。
● 基于Caffe平臺使用AlexNet，GoogleNet以及自己設計的網(wǎng)絡實現(xiàn)寵物品種分類算法。
● 推出了一款在線小游戲，用戶上傳自己家狗/貓的照片，服務器接收到照片之后用訓練好的模型檢測照片中狗/貓的品種，不同寵物的品種會對應不同明星的臉，再把與寵物品種相似的明星臉反饋給用戶。 
 
寵物叫聲情感分類項目  負責數(shù)據(jù)處理，算法實現(xiàn)
● 收集了1萬6千條狗叫聲，分成8個類別。
● 基于Tensorflow平臺使用CNN，LSTM實現(xiàn)狗叫聲情感分類算法。
● 將訓練好的模型放到嵌入式設備中，實時判斷當前場景是否有狗叫聲，有狗叫聲的話是屬于什么分類。