1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
        2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
        3、培训合格学员可享受免费推荐就业机会。

第1章课程简介
1-1课程简介
1-2环境配置
第2章NLP常用工具包实战
2-1Python字符串处理
2-2正则表达式基本语法
2-3正则常用符号
2-4常用函数介绍
2-5NLTK工具包简介
2-6停用词过滤
2-7词性标注
2-8数据清洗实例
2-9Spacy工具包
2-10名字实体匹配
2-11恐怖袭击分析
2-12统计分析结果
2-13结巴分词器
2-14词云展示
第3章Pandas工具包实战
3-1Pandas概述
3-2Pandas基本操作
3-3Pandas索引
3-4groupby操作
3-5数值运算
3-6对象操作
3-7对象操作
3-8merge操作
3-9显示设置
3-10数据透视表
3-11时间操作
3-12时间序列操作
3-13Pandas常用操作
3-14Pandas常用操作
3-15Groupby操作延伸
3-16字符串操作
3-17索引进阶
3-18Pandas绘图操作
3-19大数据处理技巧
第4章案例实战：商品信息可视化与文本分析
4-1任务概述
4-2商品类别划分
4-3商品类别可视化展示
4-4描述长度对价格的影响
4-5词云展示
4-6tf-idf结果
4-7降维可视化展示
4-8聚类与主题模型
第5章贝叶斯算法
5-1贝叶斯算法概述
5-2贝叶斯推导实例
5-3贝叶斯拼写纠错实例
5-4垃圾邮件过滤实例
5-5贝叶斯实现拼写检查器
第6章新闻分类任务实战
6-1文本分析与关键词提取
6-2相似度计算
6-3新闻数据与任务简介
6-4TF-IDF关键词提取
6-5LDA建模
6-6基于贝叶斯算法进行新闻分类
第7章HMM隐马尔科夫模型
7-1马尔科夫模型
7-2隐马尔科夫模型基本出发点
7-3组成与要解决的问题
7-4暴力求解方法
7-5复杂度计算
7-6前向算法
7-7前向算法求解实例
7-8Baum-Welch算法
7-9参数求解
7-10维特比算法
第8章HMM工具包实战
8-1hmmlearn工具包
8-2工具包使用方法
8-3中文分词任务
8-4实现中文分词
第9章走进深度学习-神经网络算法
9-1深度学习概述
9-2挑战与常规套路
9-3用K近邻来进行分类
9-4超参数与交叉验证
9-5线性分类
9-6损失函数
9-7正则化惩罚项
9-8softmax分类器
第10章神经网络整体架构
10-1最优化形象解读
10-2最优化问题细节
10-3反向传播
10-4整体架构
10-5实例演示
10-6过拟合解决方案
第11章语言模型
11-1语言模型
11-2N-gram模型
11-3词向量
11-4神经网络模型
11-5Hierarchical Softmax
11-6CBOW模型实例
11-7CBOW求解目标
11-8锑度上升求解
11-9负采样模型
第12章使用Gemsim构建词向量
12-1使用Gensim库构造词向量
12-2维基百科中文数据处理
12-3Gensim构造word2vec模型
12-4测试模型相似度结果
第13章基于word2vec的分类任务
13-1影评情感分类
13-2基于词袋模型训练分类器
13-3准备word2vec输入数据
13-4使用gensim构建word2vec词向量
第14章NLP-文本特征方法对比
14-1任务概述
14-2词袋模型
14-3词袋模型分析
14-4TFIDF模型
14-5word2vec词向量模型
14-6深度学习模型
第15章递归网络模型
15-1递归神经网络（RNN）概述
15-2RNN网络细节
15-3LSTM网络架构
第16章卷积网络模型
16-1卷积神经网络的应用
16-2卷积层解释
16-3卷积计算过程1
16-4pading与strid
16-5卷积参数共享
16-6池化层原理
第17章Tensorflow基本操作
17-1Tensorflow简介与安装
17-2Tensorflow中的变量
17-3变量常用操作
17-4实现线性回归算法
17-5Mnist数据集简介
17-6逻辑回归算法
第18章Tensorflow卷积神经网络
18-1神经网络结构
18-2卷积网络结构基本定义
18-3卷积神经网络迭代
18-4Cifar-10图像分类任务
第19章RNN递归神经网络实战
19-1RNN网络基本架构
19-2实现RNN网络架构
19-3RNN实现自己的小demo
19-4RNN预测时间序列
第20章项目实战：CNN应用于文本分类任务
20-1CNN应用于文本分类任务
20-2文本分类任务特征定义
20-3卷积网络定义
20-4完成预测分类任务
第21章项目实战：LSTM情感分析
21-1RNN网络架构
21-2LSTM网络架构
21-3案例：使用LSTM进行情感分类
21-4情感数据集处理
21-5基于word2vec的LSTM模型
第22章项目实战：NLP-相似度模型
22-1任务概述
22-2数据展示
22-3正负样本制作
22-4数据预处理
22-5网络模型定义
22-6基于字符的训练
22-7基于句子的相似度训练
第23章Seq2Seq网络架构
23-1Seq2Seq网络基本架构
23-2Seq2Seq网络应用
23-3Seq2Seq基本模型
23-4Attention机制
第24章项目实战：对话机器人
24-1效果演示
24-2参数配置与数据加载
24-3数据处理
24-4词向量与投影
24-5seq网络
24-6网络训练
第25章项目实战：动手打造自己的输入法
25-1数据准备
25-2网络结构概述
25-3加载数据
25-4训练测试模型
第26章项目实战：机器人
26-1任务概述与环境配置
26-2参数配置
26-3数据预处理模块
26-4batch数据制作
26-5RNN模型定义
26-6完成训练模块
26-7训练唐诗生成模型
26-8测试唐诗生成效果
第27章项目实战：NMT机器翻译框
27-1机器翻译框架概述
27-2参数设置
27-3数据加载
27-4网络结构定义
27-5训练模型
第28章项目实战：LSTM时间序列预测任务
28-1时间序列模型
28-2网络结构与参数定义
28-3构建LSTM模型
28-4训练模型与效果展示
28-5多序列预测结果
28-6股票数据预测
28-7数据预处理
28-8预测结果展示
第29章项目实战：Keras文本分类实战
29-1文本数据读取预处理
29-2基本模型
29-3Embeeding-layer效果
29-4准备词向量数据
29-5词嵌入训练结果
29-6加入LSTM层效果
29-7加入卷积层效果
29-8参数调优
第30章项目实战：地址邮编多序列任务
30-1数据与目标
30-2字符表制作
30-3数据读取
30-4数据增强
30-5网络模型
30-6测试效果
第31章项目实战：基于Keras的序列网络实战
31-1网络模型解读
31-2数据介绍与读取
31-3配置文件制作
31-4编码器模型
31-5解码器模型
31-6制作训练batch数据
31-7测试数据准备
31-8完成测试模块
第32章项目实战：Keras实战模板总结
32-1模板目录结构
32-2模型与训练结构
32-3评论数据集与任务目标
32-4数据准备
32-5模型整体架构
32-6准备模型
32-7训练网络
32-8多标签训练