课程来在七月在线的自动聊天机器人项目班

课程是2017年出来的，现在看除了一些基本的NLP理论知识，对机器人的理解和工业开发上已经有了很大的改变。

如果对NLP和聊天机器人感兴趣的同学可以可以看看本篇笔记，我会在后面加上一些现在比较前言的知识和实战。

第一课 聊天机器人的基础模型与综述

• 第一课PPT：点我
• 课程代码：点我

第二课 NLP基础及扫盲

• 主要内容：

  • NLTK
    • 语料库—corpus

  • 文本处理流程

    • 分词
      • 简单分词—word_tokenize
      • 中文分词—jieba
      • 复杂分词，采用正则表达式预处理

    • 归一化

      • Steamming词干提取：把不影响词性的inflection的小尾巴砍掉
      • 单词词性标注：nltk.pos_tag
      • Lemmatization词形归一：把各种类型的词的变形，都归为一个形式

    • 停止词

      • 库：from nltk.corpus import stopwords
      • stopwords列表：http://www.ranks.nl/stopwords
  • NLP经典三个案例
    • 情感分析
      • 简单情感分析
      • 搭配ML的情感分析
    • 文本相似度
      • 余弦定理
      • Frequency词频统计
        • nltk.FreDist
    • 文本分类
      • TF-IFD
    • gensim
  • 深度学习加持
    • Autoencoder
    • Word2Vec
• 第二课PPT：点我
• 第二课代码和文档：点我
• 数据集：点我

第三课 用基础机器学习方法制作聊天机器人

• 主要内容
  • 关于聊天机器人的思考
    • 1.工程考量
    • 2.机器学习角度考量
    • 预备知识
      • 1.检索与匹配
      • 2.分类与朴素贝叶斯
    • chatterbot
      • 1.架构与使用方法
      • 2.源码分析
      • 3.用python，Django和Flask构造一个基于网页端的聊天机器人
• PPT：点我
• 代码和笔记：点我

第四课 深度学习基础及扫盲

• 主要内容
  • 循环神经网络
    • 1.场景与多种应用
    • 2.NLP文字序列最爱的RNN
    • 3.BPTT算法
    • 4.利用Microsoft COCO数据集和pytorch实现看图说话
    • LSTM
      • 1.长时依赖问题
      • 2.记忆细胞与状态
  • NLP中的应用
    • 1.各式各样的生成模型
      • RNN生成模仿仿照维基百科
      • RNN生成模型写食谱
      • 模仿奥巴马演讲
    • 2.看图说话基础版与高级版
      • [Attention
    • 3.序列到序列学习(机器翻译等)
• 代码和文档：点我

第五课 深度学习聊天机器人原理

• 主要内容
• 更聪明的聊天机器人
  • 1.生成式模型 VS 检索匹配模型
  • 2.Chatterbot的进化：深度学习提高智能度
• 模型构建
  • 1.问题的分析与转化
  • 2.数据集与样本构造方法
  • 3.模型结构的构建
  • 4.模型的评估
  • 5.代码实现与解析
• PPT：点我
• 代码和笔记：点我

第六课 用深度学习方法制作聊天机器人

• 代码和笔记：点我

第七课 看图回答VQA

• 主要内容
  • VQA视觉聊天机器人
• PPT：点我
• 代码和笔记：点我

第八课 简单易用的俩天机器人开发平台与展望

• PPT：点我