自然语言处理（NLP）培训课程

生成式 AI 是一种可以创建文本、图像、音乐和代码等原创内容的 AI。大型语言模型 （LLM） 是强大的神经网络，可以处理和生成自然语言。  这种以讲师为主导的现场培训（现场或远程）面向希望学习如何将生成式AI与LLM用于各种任务和领域的中级开发人员。 在培训结束时，参与者将能够：

解释什么是生成式 AI 及其工作原理。 描述支持 LLM 的 transformer 架构。 使用经验缩放定律针对不同的任务和约束优化 LLM。 应用最先进的工具和方法来训练、微调和部署 LLM。 讨论生成式人工智能给社会和企业带来的机遇和风险。

课程形式

互动讲座和讨论。 大量的练习和练习。 在现场实验室环境中动手实施。

课程自定义选项

如需申请本课程的定制培训，请联系我们进行安排。

生成式预训练转换器 （GPT） 是自然语言处理中最先进的模型，彻底改变了各种应用，包括语言生成、文本完成和机器翻译。本课程深入探索 GPT 模型，重点是 GPT-3 和 GPT-4 的最新进展。参与者将深入了解 GPT 模型的架构、训练技术和应用。 这种由讲师指导的现场培训（现场或远程）面向数据科学家、机器学习工程师、NLP 研究人员和 AI 爱好者，他们希望了解 GPT 模型的内部工作原理，探索 GPT-3 和 GPT-4 的功能，并学习如何利用这些模型完成他们的 NLP 任务。 在本次培训结束时，参与者将能够：

了解生成式预训练转换器背后的关键概念和原则。 理解 GPT 模型的架构和训练过程。 利用 GPT-3 执行文本生成、完成和翻译等任务。 探索 GPT-4 的最新进展及其潜在应用。 将 GPT 模型应用于他们自己的 NLP 项目和任务。

课程形式

互动讲座和讨论。 大量的练习和练习。 在现场实验室环境中动手实施。

课程自定义选项

要申请本课程的定制培训，请联系我们进行安排。

Hugging Face 是一个强大的开源库和自然语言处理 (NLP) 平台。此讲师指导的现场培训（在线或现场）面向希望有效利用 Hugging Face 执行 NLP 任务的数据科学家、机器学习从业者以及 NLP 研究人员和爱好者。到本次培训结束时，参与者将能够：

利用 Hugging Face Transformer 模型，并在特定数据集上对其进行微调。获得独立解决常见 NLP 挑战的能力。有效地创建和共享您的模型演示。简化生产模型的优化。使用 Hugging Face Transformers 解决各种机器学习问题。

课程形式

互动讲座和讨论。大量的练习和实践。在现场实验室环境中动手实施。

课程定制选项

如需为本课程申请定制培训，请联系我们进行安排。

大型语言模型 （LLM） 是深度神经网络模型，可以根据给定的输入或上下文生成自然语言文本。他们使用来自不同领域和来源的大量文本数据进行训练，并且可以捕获自然语言的句法和语义模式。LLM 在各种自然语言任务（如文本摘要、问答、文本生成等）上取得了令人印象深刻的成果。 这种以讲师为主导的现场培训（现场或远程）面向希望使用大型语言模型执行各种自然语言任务的初级到中级开发人员。 在培训结束时，参与者将能够：

设置包含常用 LLM 的开发环境。 创建一个基本的 LLM 并在自定义数据集上对其进行微调。 将 LLM 用于不同的自然语言任务，例如文本摘要、问答、文本生成等。 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具调试和评估 LLM。

课程形式

互动讲座和讨论。 大量的练习和练习。 在现场实验室环境中动手实施。

课程自定义选项

如需申请本课程的定制培训，请联系我们进行安排。

据估计, 非结构化数据占所有数据的 9 0% 以上, 其中大部分是文本形式的。博客帖子、推特、社交媒体和其他数字出版物不断增加了这一不断增长的数据 。 本讲师指导的现场课程的核心是从这些数据中提取见解和意义。利用 R 语言和自然语言处理 (NLP) 库, 我们将计算机科学、人工智能和计算语言学的概念和技术结合起来, 以算法方式理解文本数据背后的含义。数据样本可根据客户要求提供各种语言版本. 到本培训结束时, 学员将能够准备来自不同来源的数据集 (大小), 然后应用正确的算法分析和报告其意义

课程 的 格式

• 部分讲座、部分讨论、繁重的动手实践、偶尔的测试来衡量理解

本课程将语言学家或编程师介绍到NLP在0。 在本课程中,我们将主要使用nltk.org(自然语言工具套件),但我们还将使用其他相关和有用的NLP图书馆。 目前,我们可以在 Python 2.x 或 Python 3.x 中进行此课程。 例子是英语或曼达林语(普通话)。 其他语言也可以在预订前达成协议。

本课程是为经理、解决方案架构师、创新官、首席技术官、软件架构师以及任何对应用人工智能概述及其发展的最新预测感兴趣的人创建的。

This course is aimed at developers and data scientists who wish to understand and implement AI within their applications. Special focus is given to Data Analysis, Distributed AI and NLP.

ChatBots是通过聊天界面自动模拟人类响应的计算机程序。 ChatBots通过为用户交互提供更简单，更快捷的选项，帮助组织最大限度地提高运营效率。 在这个以讲师为主导的现场培训中，参与者将学习如何在Python构建聊天机器人。 在培训结束时，参与者将能够：

• 了解构建聊天机器人的基础知识
• 使用Python构建，测试，部署和排除各种聊天机器人的故障

听众

• 开发商

课程形式

• 部分讲座，部分讨论，练习和繁重的实践练习

注意

• 要申请本课程的定制培训，请联系我们安排。

NLP的深度学习使机器学习简单到复杂的语言处理。当前可能的任务包括语言翻译和照片的标题生成。 DL（深度学习）是ML（机器学习）的子集。 Python是一种流行的编程语言，包含用于NLP深度学习的库。 在这个有指导意义的现场培训中，参与者将学习使用Python库进行NLP（自然语言处理），因为他们创建了一个处理一组图片并生成字幕的应用程序。 在培训结束后，参与者将能够： 使用Python库设计和编写用于NLP的DL 创建读取大量图片并生成关键字的Python代码创建Python代码，从检测到的关键字中生成字幕 听众 对语言学感兴趣的程序员希望了解NLP（自然语言处理）的程序员 课程的格式 部分讲座，部分讨论，练习和沉重的练习

自然语言生成（NLG）是指由计算机生成自然语言文本或语音。 在这个有指导性的现场培训中，参与者将学习如何使用Python通过从头开始构建自己的NLG系统来生成高质量的自然语言文本。还将审查案例研究，并将相关概念应用于生成实验室项目以生成内容。 在培训结束后，参与者将能够： 使用NLG为各行业自动生成内容，从新闻到房地产，再到天气和体育报道选择和组织源内容，计划语句，并准备一个自动生成原始内容的系统了解NLG管道并在每个阶段应用正确的技术了解自然语言生成（NLG）系统的体系结构实施最适合的分析和排序算法和模型从公开可用的数据源中提取数据以及策划数据库以用作生成文本的材料用计算机生成的自动内容创建来替代手动和费力的书写过程 听众 开发商数据科学家 课程的格式 部分讲座，部分讨论，练习和沉重的练习

这个基于课堂的培训课程将结合人工智能和机器人在商业中的应用，探索NLP技术。代表们将使用Python进行基于计算机的示例和案例研究解决练习

Apache OpenNLP库是用于处理自然语言文本的基于机器学习的工具包。它支持最常见的NLP任务，例如语言检测，标记，句子分段，部分语音标记，命名实体提取，分块，解析和共参考解析。 在这个有指导意义的现场培训中，参与者将学习如何创建使用OpenNLP处理基于文本的数据的模型。样本培训数据以及定制数据集将作为实验练习的基础。 在培训结束后，参与者将能够： 安装和配置OpenNLP 下载现有模型并创建自己的模型在各种样本数据上训练模型将OpenNLP与现有的Java应用程序集成 听众 开发商数据科学家 课程的格式 部分讲座，部分讨论，练习和沉重的练习

在这一由讲师引导的现场培训中，参与者将学习如何使用正确的机器学习和NLP（自然语言处理）技术从基于文本的数据中提取价值。 在本次培训结束后，参与者将能够：

• 用高质量、可重用的代码解决基于文本的数据科学问题
• 运用scikit-learn的不同方面（分类、聚类、回归、降维）来解决问题
• 使用基于文本的数据建立有效的机器学习模型
• 创建一个数据集并从非结构化文本中提取特征
• 用Matplotlib可视化数据
• 构建和评估模型以获得洞察力
• 解决文本编码错误

受众

• 开发人员
• 数据科学家

课程形式

• 部分讲座、部分讨论、练习和大量实操

培训结束后,代表预计将充分配备基本的Python概念,并将能够充分利用(0)实现大多数基于NLP和ML的操作。 培训的目的是提供不仅执行知识,而且技术的逻辑和操作知识。  

这种由讲师指导的现场培训（现场或远程）是针对希望使用spaCy处理大量文本以查找模式和获得见解的开发人员和数据科学家。 在培训结束时，参与者将能够：

• 安装并配置spaCy。
• 了解spaCy的Natural Language Processing (NLP) 。
• 从大规模数据源中提取模式并获取业务洞察。
• 将spaCy库与现有Web和遗留应用程序集成。
• 将spaCy部署到实时生产环境以预测人类行为。
• 使用spaCy预处理Deep Learning文本

课程格式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在实时实验室环境中亲自实施。

课程自定义选项

• 要申请本课程的定制培训，请联系我们安排。
• 要了解有关spaCy的更多信息，请访问：https：//spacy.io/

在Python机器学习中，文本摘要功能可以读取输入文本并生成文本摘要。这个功能可以从命令行或从Python API / 库中获得。一个令人兴奋的应用是执行摘要的快速创建；这对在做报告和演讲前需要审阅大量文本数据的组织特别有用。 在这一由讲师引导的现场培训中，学员将学习使用Python创建一个简单的可自动生成输入文本摘要的应用程序。 在本次培训结束后，学员将能够：

• 使用一个命令行工具来总结文本。
• 使用Python库设计和创建文本摘要代码。
• 评估三个Python摘要库：sumy 0.7.0、psisummarization 1.0.4、readless 1.0.17

受众

• 开发人员
• 数据科学家

课程形式

• 部分讲座、部分讨论、练习和大量实操

TensorFlow™ 是使用数据流图表进行数字计算的开源软件图书馆。 SyntaxNet 是一种神经网络的自然语言处理框架。 Word2Vec 用于学习 vector 表达词,称为 "word embeddings"。 Word2vec 是一个特别计算效率预测模型,用于从原始文本中学习字体内置。 它分为两种品味,即CBOW(Continuous Bag-of-0)模型和Skip-Gram模型(Mikolov et al.第3.1和第3.2章)。) ) SyntaxNet 和 Word2Vec 在同步中使用,允许用户从自然语言输入中创建学习嵌入式模型。 观众 该课程针对开发人员和工程师,他们打算在他们的图表中与SintaxNet和 Word2Vec模型合作。 完成此课程后,代表将:

理解 TensorFlow’的结构和部署机制 能够执行安装 / 生产环境 / 建筑任务和配置 能够评估代码质量,进行解体,监测 能够实施先进的生产,如培训模型、包装条款、构建图表和登记

Deeplearning4j是一个为Java和Scala编写的开源分布式深度学习库。 DL4J与Hadoop和Spark集成，旨在用于分布式GPU和CPU的业务环境。 Word 2Vec是一种计算由Tomas Mikolov领导的Go ogle研究团队引入的单词矢量表示的方法。 听众 本课程面向寻求利用Deeplearning4J构建Word 2Vec模型的研究人员，工程师和开发人员。

本课程专为有兴趣从书面英语文本中提取意义的人设计，尽管知识也可以应用于其他人类语言。 该课程将介绍如何使用人类撰写的文本，如博客文章，推文等... 例如，分析师可以设置一种算法，该算法将根据广泛的数据源自动得出结论。

Spark NLP is an open source library, built on Apache Spark, for natural language processing with Python, Java, and Scala. It is widely used for enterprise and industry verticals, such as healthcare, finance, life science, and recruiting. This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use Spark NLP, built on top of Apache Spark, to develop, implement, and scale natural language text processing models and pipelines. By the end of this training, participants will be able to:

• Set up the necessary development environment to start building NLP pipelines with Spark NLP.
• Understand the features, architecture, and benefits of using Spark NLP.
• Use the pre-trained models available in Spark NLP to implement text processing.
• Learn how to build, train, and scale Spark NLP models for production-grade projects.
• Apply classification, inference, and sentiment analysis on real-world use cases (clinical data, customer behavior insights, etc.).

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

TextBlob is a Python NLP library for processing textual data. It provides a simple API that makes it easy to perform NLP tasks, such as part-of-speech tagging, noun phrase extraction, sentiment analysis, classification, translation, etc. This instructor-led, live training (online or onsite) is aimed at data scientists and developers who wish to use TextBlob to implement and simplify NLP tasks, such as sentiment analysis, spelling corrections, text classification modeling, etc. By the end of this training, participants will be able to:

• Set up the necessary development environment to start implementing NLP tasks with TextBlob.
• Understand the features, architecture, and advantages of TextBlob.
• Learn how to build text classification systems using TextBlob.
• Perform common NLP tasks (Tokenization, WordNet, Sentiment analysis, Spelling correction, etc.)
• Execute advanced implementations with simple APIs and a few lines of codes.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.