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
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
了解传统语言模型的局限性，看看 RNN 和 GRU 如何利用序列数据进行文本预测。然后在莎士比亚文本数据上使用简单的 RNN 建立自己的下一个单词生成器！
涵盖的内容
15个视频16篇阅读材料1个作业2个编程作业4个非评分实验室
了解长短期记忆单元（LSTM）如何解决梯度消失问题，以及命名实体识别系统如何从文本中快速提取重要信息。然后使用 LSTM 和来自 Kaggle 的数据构建自己的命名实体识别系统！
涵盖的内容
8个视频9篇阅读材料1个作业1个编程作业1个非评分实验室
了解连体网络--一种由两个完全相同的网络最终合并而成的特殊神经网络，然后构建自己的连体网络，从 Quora 数据集中识别重复的问题。
涵盖的内容
10个视频10篇阅读材料1个作业1个编程作业3个非评分实验室
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
71.18%
- 4 stars
16.18%
- 3 stars
6.61%
- 2 stars
3.30%
- 1 star
2.71%
显示 3/1178 个
BN
已于 Sep 18, 2020审阅
The course is great and presented excellently with neat visualizations. Introduction to Trax is great and got a chance to learn new framework.
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
