基于Pytorch热门深度学习框架 从零开发NLP聊天机器人

【课程介绍】
基于Pytorch热门深度学习框架 从零开发NLP聊天机器人
在新兴的人工智能领域，自然语言处理是非常重要的组成部分。本课程聚焦于NLP主流方向，应用Pytorch框架，从开发检索类机器人到生成类机器人，难度逐渐增大，逐步掌握各类技术点。最后基于中科院计算所项目，带大家开发聊天机器人。

【课程目录】

• 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