声明：本网站所有内容均为资源介绍学习参考，如有侵权请联系后删除
第1章 课程介绍
在新兴的人工智能领域，自然语言处理（NLP）是非常重要的组成部分，本课程聚焦于NLP主流方向，应用当下最热门的Pytorch深度学习框架，从理论结合实际，基于中科院工业项目做代码实战，完成检索类聊天机器人和生成式聊天机器人。...
1-1 课程导学
1-2 聊天机器人的综合介绍
1-3 聊天机器人起源发展
1-4 聊天机器人的分类(1)
1-5 聊天机器人的分类(2)
1-6 如何构建最简单的聊天机器人(1)
1-7 如何构建最简单的聊天机器人(2)
1-8 代码小练
第2章 聊天机器人综合介绍
主要讲解聊天机器人定义，分类，起源和发展和目前的主流行业分布。
2-1 NLP基础
2-2 NLP涉及知识
2-3 NLTK库
2-4 语料和词性标注
2-5 分词
2-6 TF-IDF
2-7 NLTK安装
2-8 代码小练
第3章 NLP基础
本章为NLP的核心基础部分，包括NLTK，语料标注，分词，TF-IDF，Word2Vec
3-1 NLP基础和聊天机器人
3-2 文本处理方法
3-3 word2vec (1)
3-4 word2vec(2)
3-5 代码小练
第4章 检索类聊天机器人
本章讲解检索类聊天机器人的原理，核心检索技术，贝叶斯分类的应用及chatterbot实现。
4-1 检索类的聊天机器人
4-2 贝叶斯分类
4-3 Chatterbot原理
4-4 代码小练
4-5 章节小结
第5章 生成式聊天机器人
本章讲解生成式聊天机器人的原理，设计流程，RNN/LSTM语言模型。Attention机制，及Seq2Seq模型。
5-1 生成类聊天机器人
5-2 RNN LSTM原理
5-3 RNN LSTM模型原理
5-4 Seq2seq介绍
5-5 Attenion应用及分类
5-6 代码实战（1）
5-7 代码实战（2）
5-8 代码实战（3）
5-9 代码实战（4）
第6章 Pytorch基础
本章讲解Pytorch核心原理，动态tensor，建立输入数据，搭建模型训练及测试。
6-1 Pytorch入门
6-2 原理机制
6-3 数据载入
6-4 模型训练和验证测试
6-5 代码小练（1）
6-6 代码小练（2）
6-7 代码训练过程
6-8 章节小结
第7章 机器人发展方向与seqGAN实战
本章讲解聊天机器人和对抗生成网络GAN和强化学习RL相结合的点，另外SeqGan的原理及代码实现
7-1 模型与主流发展方向还是seq2seq+attention
7-2 发展方向和SeqGan和深度学习结合
7-3 数据处理
7-4 开发生成器脚本
7-5 开发鉴别器脚本
7-6 开发主函数的脚本（1）
7-7 开发主函数的脚本（2）
7-8 开发主函数的脚本（3）
7-9 代码训练过程
第8章 基于Pytorch聊天机器人代码实战
本章带领大家从0开始基于Pytorch深度学习框架完成工业级项目，完成闲聊式聊天机器人。
8-1 项目介绍
8-2 项目流程思路
8-3 数据分析
8-4 数据预处理 初始化
8-5 数据预处理随机数据
8-6 数据预处理one_epoch word2id
8-7 数据预处理seq2id replace方法
8-8 建立模型Encoder（1）
8-9 建立模型Encoder（2）
8-10 建立模型Decoder
8-11 建立模型BAttentiondecoerRNN
8-12 建立模型Lattention
8-13 建立模型LattentionDecoder
8-14 建立模型decoder如何选择
8-15 模型建立seq2seq类及train方法（1）
8-16 模型建立seq2seq类及train方法（2）
8-17 模型建立seq2seq类及train方法（3）
8-18 greedy Search方法
8-19 模型建立beamsearch方法（1）
8-20 模型建立beamsearch方法（2）
8-21 建立模型验证方法
8-22 建立模型bleu方法
8-23 建立模型embAve方法
8-24 建立模型Y_pre方法及整体思路流程
8-25 训练脚本编写及演示
8-26 模型测脚本编写
8-27 demo脚本编写及演示
8-28 部署步骤分享
8-29 最终总结
本课程已完结