課程目標：
1、?全面學習大數據分析技術及自然語言處理技術基礎知識，掌握自然語言大數據處理的關鍵技術及應用；
2、?幫助骨干人員了解大數據自然語言處理分析技術及其運用價值，激發其管理創新思維；
3、?探索大數據自然語言處理在品質管理、客戶體驗乃至卡中心各業務推進工作中的應用方向；
4、?結合定制化商業應用案例，深入分析金融同業關于大數據自然語言分析的應用理念，以明晰其在卡中心創新業務發展價值并帶來更好的落地方案。
?
?
課程大綱：
?
第一課：概率論和貝葉斯方法 |
1.1?概率和分布
1.2?條件概率
1.3?貝葉斯法則
1.4?獨立性假設和樸素貝葉斯方法
1.5?樸素貝葉斯的不足
練習：
如何自動發現新詞 |
第二課：機器學習典型方法 |
2.1?線性回歸
2.2?梯度下降法和牛頓法
2.3?支持向量機
2.4?無監督學習
2.5 EM算法直觀體驗
2.6 馬爾科夫理論
練習：
實現一個信用評級模型 |
第三課：自然語言理解的基礎 |
3.1?分詞?
3.2?詞性和命名實體標注
3.3??句法分析
3.4?語言模型
練習：
分別用普通語料和金融領域語料實現語言模型，體會其效果區別 |
第四課：自然語言處理經典任務 |
4.1?詞的共現和相關
4.2?文本分類和聚類
4.3?信息檢索?
4.4?意圖識別
4.5?情感分析
4.6 自動問答
練習：
實現一個酒店評論分類模型 |
第五課：人工智能的重要基礎：神經網絡 |
5.1?神經網絡能做什么
5.2神經網絡有什么不同
5.3?神經網絡的結構
5.4?反向傳播的原理和問題
5.5?CNN和RNN
5.6 深度學習的一些有趣任務（詞向量、語言模型等） |
第六課：深度學習實踐體驗 |
6.1?python介紹
6.2?tensorflow介紹
6.3 大數據與深度學習
練習：
閱讀ANN實現手寫識別模型的代碼，并嘗試增加一層網絡實驗效果 |
分組討論：
1.?你的部門如何更好的使用NLP—頭腦風暴
2.?使用場景模擬
3. NLP方案設計 |
? |
