自然語言處理工程師應用實務班之3.2 社群媒體分析

讓電腦開始聽懂人話的自然語言處理是近幾年成長最迅速的AI應用,也是最具挑戰性的.

適合對象:
自然語言處理工程師應用實務班之3.2 社群媒體分析

上課地址:工研院光復院區(詳細上課地點以上課通知為準)

時數:6

起迄日期:2020-11-04~2020-11-04

聯絡資訊:黃凡瑄/03-5732034

報名截止日:2020-10-30

課程類別:人才培訓(課程)

活動代碼:2320060022

 

課程介紹

讓電腦開始聽懂人話的自然語言處理(Natural Language Processing,NLP)是近幾年成長最迅速的AI應用,卻也是最具挑戰性的研究領域之一。自然語言處理技術與應用之目標在於幫助機器處理、理解及生成人類的語言。NLP 的機制涉及兩個流程:自然語言理解及自然語言生成。自然語言認知和理解是讓電腦把輸入的語言變成有意思的符號和關係,然 後根據目的再處理。自然語言生成系統則是把計算機資料轉化為自然語言。
     
     根據P&S Intelligence最新的預測顯示,自然語言處理市場的產值將在2024年達到229億美元的規模,2019到2024的年複合成長率將達到19.7%。在過去一年中,人工智慧技術發展進程突破所有人的想像,進入了全新的里程碑:在自然語言處理方面,Google 開源了比BERT更優秀的XLNet模型,在眾多NLP任務的任務中達到SOTA的精度,Facebook則在去年末發表了基於PyTorch架構的PyText,利用其快速迭代的特點來提高自然語言處理的效率與可擴展性,用以加速NLP專案的產品化。自然語言處理可以作為雲端服務或者本地服務,並應用於資訊抽取、問題回答、機器翻譯等領域,並且適合為許多垂直行業製作報告,例如汽車、零售和消費品、高科技電子、政府公共管理、銀行業務、金融服務以及保險、醫療保健及生命科學、研究與教育、媒體與娛樂等等。

     自然語言處理技術與應用剖析全系列課程,係根據自然語言處理之學習地圖規劃,包含三個模組,學員可根據自己的需求,由淺入深逐步分階段地學習,將帶領學員從深度學習框架及演算法應用到自然語言處理,進而實現具有語言處理功能的人工智慧應用系統。
 
模組一: 自然語言處理相關之程式設計及深度學習框架
  單元1.1 Python程式設計及常用函式庫
  單元1.2 深度學習框架: Keras、PyTorch等
 
模組二: 自然語言處理工具與資源
  單元2.1 自然語言處理基礎
  單元2.2 詞向量
 
模組三: 自然語言處理應用剖析
  單元3.1 文本分類
  單元3.2 社群媒體分析

課程特色/目標

�� 完整的自然語言處理學習地圖:聚焦自然語言處理全系列課程,量身設計課程,學員可依需求,由淺入深逐步分階段地學習,將帶領學員從深度學習框架及演算法應用到自然語言處理,進而實現具有語言處理功能的人工智慧應用系統。
�� 堅強師資陣容:授課老師具備完整知識及豐富的業界經驗。課程中將以著名的案例來說明深度學習原理及其應用於自然語言處理的方法,讓學員以最快的速度奠定深度學習與自然語言處理的設計基礎。
�� 聚焦自然語言處理,量身設計課程,快速的重點講解:課程中將結合講師講授、經驗分享、實務案例分析、工具軟體應用示範,以增進學習的成效。同時,提供豐富的補充教材,包括設計時參考使用的程式源碼及實驗資料取得方式,讓學員能夠盡快上手,開始設計屬於自己的專案計畫,加入自然語言處理的設計行列。

課程對象

�� 適合具有基礎程式邏輯的學員 
�� 從事自然語言處理系統規劃、建置或應用開發者 
�� 從事自然語言處理邊緣運算裝置、系統應用服務、系統整合等之研發人員及主管。 
�� 從事自然語言處理創新應用之市場研究及計畫管理開發經理人。 
�� 對自然語言處理智慧應用實務架構及技術,及應用服務感興趣者。

講師簡介

禹良治 (元智大學 資訊管理學系 教授)
 
【學歷】 
�P 國立成功大學資訊工程博士
 
【經歷】
�P 元智大學圖書資訊服務處 副資訊長
�P DOCOMO Innovations, Palo Alto, CA, USA 訪問學者
【專業領域】: 
�P 自然語言處理、情感分析、學習科技

課程大綱

模組一: 自然語言處理相關之程式設計及深度學習框架 
單元1.1 Python程式設計及常用函式庫: 
Python 基礎程式設計 

Python 資料分析套件
 
單元1.2 深度學習框架: Keras 
Keras 神經網路實作
Keras 應用範例實作
 
單元1.3 深度學習框架: PyTorch
PyTorch 深度學習框架
PyTorch 深度學習模型實作
 

模組二: 自然語言處理工具與資源
 

單元2.1 自然語言處理基礎 
自然語言處理基礎
語言資源與工具
 
單元2.2 詞向量 
基礎詞向量模型介紹與工具實作
進階詞向量模型介紹
 

模組三: 自然語言處理應用剖析 

單元3.1 文本分類 
機器學習概念
主題實作
 
單元3.2 社群媒體分析
社群媒體分析
主題實作


 
詳細課程大綱,請下載附件 DM

價格

課程費用 (含稅、午餐、講義):折扣後若有個位數則個位數歸零
一般生,任一單元: 每人$4,500,早鳥優惠價(3週前):每人$4,200元;
團報(同公司2人含以上)優惠價,團報每人減價$300,即任一單元: 每人$4,200元,早鳥團報價(3週前):每人$3,900元;工研人不適用團報價。
任選二單元含以上,上述費用打九折。任選四單元含以上,上述費用打八五折。
全系列,原價每人$31,500,享八折優惠價: 每人$25,200,早鳥(3週前)優惠價: $24,900,團報(同公司2人含以上)每人$24,600。
 
 
報名兩單元以上者,請先直接勾選課程並註記於備註欄,助理將於後台修改費用。

常見問題

請自帶筆電,實作部分建議筆電配備:

硬體與作業系統
• CPU: Intel i5 以上
• 記憶體: 8 GB 以上
• 硬碟: 剩餘 50 GB 以上
• 作業系統: Windows 10、Ubuntu 16 以上 、Mac OSX 10.10 以上

軟體與其他
• Google Chrome 瀏覽器
• Google Colab (需要有 Google 帳號)
• Python 3.7 或 Anaconda3
 
若安裝上有問題,請email或來電詢問


附件

 


簡介


產業學院緣起
  依據行政院「挑戰2008:國家發展重點計畫」下之「國際創新研發基地」與「產業高值化」兩計畫,首重產業科技人才的效能。

•911216經科字第09103373120號函:經濟部將本院籌設工研院產業學院之工作,列為因應產業結構轉型,提