在自然语言处理专业课程 2 中，您将：a) 使用最小编辑距离和动态编程创建一个简单的自动更正算法；b) 应用维特比算法进行语音部分（POS）标记，这对计算语言学至关重要；c) 使用 N-gram 语言模型编写一个更好的自动补全算法；d) 编写自己的 Word2Vec 模型，该模型使用神经网络，使用连续词袋模型计算词嵌入。
利用概率模型进行自然语言处理
您将学到什么
使用动态编程、隐马尔可夫模型和单词嵌入来实现自动更正、自动完成和识别单词的语音部分标记。
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
4 项作业
授课语言：英语（English）
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 自然语言处理 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
79.51%
- 4 stars
14.92%
- 3 stars
3.42%
- 2 stars
0.84%
- 1 star
1.29%
显示 3/1781 个
NP
已于 Jan 22, 2022审阅
This class is one of the best on the subject. The prof is very knowledgeable and explains concepts very clearly. The code in the assignments and lectures is super clean and structured incredibly well.
AB
已于 Jun 17, 2022审阅
Week 4 Lab Assignment could be made a little bit tougher. The backpropagation derivation of W1, W2, b1 and b2 could have an optional reading for the interested reader. Otherwise, amazing course!
KK
已于 Jul 1, 2020审阅
This course is very good introduction to NLP Probabilistic models such as Hidden Markov model, N-Gram Language model, and Word2Vec with Python programming assignments.
从 数据科学 浏览更多内容
DeepLearning.AI
DeepLearning.AI
DeepLearning.AI
