在自然语言处理专业课程 3 中，您将：a) 使用词嵌入训练神经网络，对推文进行情感分析；b) 使用门控递归单元 (GRU) 语言模型生成合成莎士比亚文本；c) 使用具有线性层的 LSTM 训练递归神经网络，执行命名实体识别 (NER)；d) 使用所谓的 "连体 "LSTM 模型比较语料库中的问题，并识别那些措辞不同但含义相同的问题。
利用序列模型进行自然语言处理
您将学到什么
在 TensorFlow 中使用递归神经网络、LSTM、GRU 和 Siamese Network 进行情感分析、文本生成和命名实体识别。
您将获得的技能
您将学习的工具
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
3 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3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
71.21%
- 4 stars
16.17%
- 3 stars
6.60%
- 2 stars
3.30%
- 1 star
2.70%
显示 3/1179 个
MB
已于 Jan 25, 2021审阅
Concise, to the point, and very insightful/educational. Take it in conjunction with the general Deep Learning Specialization, you'll not regret it.
BS
已于 Sep 25, 2020审阅
Great Course as usual. Tried siamese models but got a very different results. Will need to study more on the conceptual side and implementation behind them. But overall, I am glad I touched LSTMs.
AG
已于 Sep 20, 2020审阅
Absolutely satisfied with the tons of things I learnt. Professor Jounes and his team did a great work. Looking forward to enrolling to next course.
从 数据科学 浏览更多内容
DeepLearning.AI
DeepLearning.AI
DeepLearning.AI
