Python师资培训-文本分析遇见AI 2025 new

现场

3000元,提供电子版发票+通知+结业证书

远程

3000元,提供电子版发票+通知+结业证书
上课地点:南京现场,同步远程直播;均提供录播回放 讲师:陈远祥 报名时间:2025/01/16 - 2025/12/31 开课时间:2025年5月3-4日(两天)

【授课老师】

陈远祥,北京邮电大学副教授,博导。2014年毕业于北京大学,获通信与信息系统专业博士学位,2015年-2017年在北京大学做博士后研究。主要研究方向包括光无线融合技术,智能信号处理,以及基于人工智能的信号处理技术。发表SCI/EI学术论文80余篇,其中第一或通讯作者论文40余篇,申请发明专利4项。主持国家自然科学基金面上项目,国家重点研发计划子课题,国家自然科学基金青年项目及博士后基金等多个国家级和省部级项目。IEEE、OSA会员,Optics Express, IEEE Photonics Technology Letters,Photonics Journal,Applied Optics等多个SCI期刊审稿人。


【课程大纲】

1. 文本分析概述

目标:掌握文本分析的基本概念,文本分析的发展历程,文本分析流程和挑战

1) 文本数据与文本分析

2) 自然语言处理的流派

3) 文本分析的常见应用

4) 文本分析的层次

5) 文本分析的流程

6) 文本分析的挑战


2. 文本单元的提取与标注

目标:掌握文本常用清洗方法,分词原理和方法,词性标注方法

1) 文本数据的读取:csv, excel,word, pdf, txt

2) 文本数据的清洗

3) 分词

4) 词性标注


3. 文本特征的选取与表示

目标:掌握文本的常用结构化表示方法,利用多种方法实现文本特征提取,理解每种特征提取的优缺点

1) 词袋模型

2) TF-IDF

3) Word2Vec

4) GloVe

5) Doc2vec

6) FastText

7) BERT深度学习方法


4. 关键词提取

目标:掌握三种关键词提取方法

1) 基于统计的方法:TF-IDF

2) 基于图算法的方法:TextRank,RAKE

3) YAKE

4) LDA


5. 文本分析的常见应用

目标:掌握文本分析的常见应用,和传统的机器学习方法结合,实现文本的分类,聚类,摘要提取,情感分析等功能

1) 文字云

2) 文本分类

3) 文本聚类

4) 文本摘要

5) 情感分析


6. 基于深度学习的文本分析技术

目标:掌握最新的深度学习在文本分析中的应用,包括RNN,LSTM,CNN,注意力,Transformer等模型和机制的引入

1) RNN

2) LSTM

3) textCNN

4) GRU

5) 注意力机制

6) BERT和Transformer


7. 基于大模型的文本分析

目标:AI大模型辅助文本分析,高效提取文本价值

1) 利用大模型进行文本特征提取

2) 利用嵌入特征进行文本分类

3) 利用嵌入特征进行回归

4) 利用嵌入特征文本相似性提取和推荐

5) 利用嵌入特征进行零样本分类

6) 利用嵌入特征进行聚类

7) 少样本学习

8) 结构化数据提取

9) 内容摘要的提取

10) 内容分类

11) 情感分析

12) 文本知识图谱构建

13) 文本聊天机器人构建

14) 基于微调大模型的文本分析


【联系方式】

尹老师

电话:13321178792

QQ:42884447

WeChat:JGxueshu

JGxueshu.jpg