TensorFlow与自然语言处理应用

第1章 自然语言处理基础
1．1 认识自然语言处理
1．2 自然语言处理方面的任务
1．3 第一阶段：偏理论的理性主义
1．4 第二阶段：偏实践应用的经验主义
1．5 第三阶段：深度学习阶段
1．6 NLP中深度学习的局限性
1．7 NLP的应用场景
1．8 NLP的发展前景
1．9 总结
第2章 深度学习基础
2．1 深度学习介绍
2．2 深度学习演变简述
2．2．1 深度学习早期
2．2．2 深度学习的发展
2．2．3 深度学习的爆发
2．3 神经网络介绍
2．4 神经网络的基本结构
2．5 两层神经网络（多层感知器）
2．5．1 简述
2．5．2 两层神经网络结构
2．6 多层神经网络（深度学习）
2．6．1 简述
2．6．2 多层神经网络结构
2．7 编码器．解码器网络
2．8 随机梯度下降
2．9 反向传播
2．1 0总结
第3章 TensorFlow．
3．1 TensorFlow概念解读
3．2 TensorFlow主要特征
3．2．1 自动求微分
3．2．2 多语言支持
3．2．3 高度的灵活性
3．2．4 真正的可移植性
3．2．5 将科研和产品联系在一起
3．2．6 性能最优化
3．3 TensorFlow安装
3．4 TensorFlow计算图
3．5 TensorFlow张量和模型会话
3．5．1 张量
3．5．2 会话
3．6 TensorFlow工作原理
3．7 通过一个示例来认识TensorFlow
3．8 TensorFlow客户端
3．9 TensorFlow中常见元素解读
3，9．1 在TensorFlow中定义输入
3．9．2 在TensorFlow中定义变量
3．9．3 定义TensorFlow输出
3．9．4 定义TensorFlow运算或操作
3．10 变量作用域机制
3．10．1 基本原理
3．10．2 通过示例解读
3．11 实现一个神经网络
3．11．1 数据准备
3．11．2 定义TensorFlow计算图
3．11．3 运行神经网络
3．12 总结
第4章 词嵌入
4．1 分布式表示
4．1．1 分布式表示的直观认识
4．1．2 分布式表示解读
4．2 Word2vec模型（以Skip-Gram为例）
4．2．1 直观认识Word2vec
4．2．2 定义任务
4．2．3 从原始文本创建结构化数据
4．2．4 定义词嵌入层和神经网络
……
第5章 卷积神经网络与句子分类
第6章 循环神经网络
第7章 长短期记忆
第8章 利用LSTM自动生成文本
第9章 利用LSTM实现图像字幕自动生成
第10章 情感分析
第11章机器翻译
第12章 智能问答系统