本课程系统涵盖NLP技术中分词算法、语义理解、对话系统以及机器翻译等四大版块，重点介绍基础理论与实战应用，帮助大家解决实战过程中会遇到的技术难题。

本次课程由阿里巴巴iDST 实验室与AI慕课学院联合推出。9位iDST 高级算法工程师将在线授课，从不同维度帮助大家学习NLP技术。

开课安排

4月

08日

周六

09日

周日

（点击报名，联系客服改价）

04-08

04-09

开课安排

1 、词法分析（分词、词性标注）

1.1 词法分析的基本概念

1.2 词法分析的难点和基本方法

1.3 深度学习在词法分析中的应用

1.4 词法分析在阿里产品中的具体实现

2 、意图理解

1.1 意图理解的基本概念

1.2 意图理解的难点和基本方法

1.3 深度学习在意图理解中的应用

1.4 意图理解在阿里产品中的具体实现

3、Slot抽取

1.1 属性抽取的基本概念

1.2 属性抽取的难点和基本方法

1.3 深度学习在属性抽取中的应用

1.4 属性抽取在阿里产品中的具体实现

4、对话引擎

1.1 对话引擎的基本概念

1.2 对话的建模方法

1.3 应用场景下对话引擎面临的问题

1.4 对话引擎问题的一些解决思路

5、智能问答

1.1 智能问答的基本概念和应用场景介绍

1.2 智能问答系统的工作原理、系统框架和关键技术

1.3 如何搭建一套智能问答系统

1.4 答疑部分，学员提问

6、聊天引擎

1.1 聊天引擎概念和demo演示

1.2 基于检索和基于生成的两种聊天引擎构建方法

1.3 工业应用中涉及的数据、在线架构问题以及解决思路

7、语言模型

1.1 语言模型的基本概念

1.2 N元文法语言模型

1.3 语言模型的评价指标

1.4 基于神经网络的语言模型建模

8、机器翻译

1.1 机器翻译的基本概念

1.2 统计机器翻译和神经网络机器翻译的原理和工作机制

1.3 主要开源机器翻译系统

1.4 工业级机器翻译系统的主要架构、常见问题和解决方案

9、搜索引擎数据在NLP中的应用

1.1 搜索引擎的基本概念

1.2 搜索引擎数据的分类

1.3 每种数据，我们会举例说明在NLP相关领域中的作用

10、句法分析

1.1 句法分析的基本概念

1.2 依存句法分析的基本原理和方法

1.3 常见的开源句法分析系统介绍