【Udemy中英字幕】Deep Learning: NLP for Sentiment analysis & Translation 2025

深度学习：用于情感分析和翻译的 NLP 2025

使用 Tensorflow 和 Hugggingface Transformers 掌握和部署情感分析和机器翻译解决方案

讲师：Neuralearn Dot AI

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• Tensorflow 中的张量和变量基础知识
• 从头开始构建的线性回归、逻辑回归和神经网络。
• Tensorflow 基础知识以及使用 TensorFlow 2 训练神经网络。
• 模型部署
• 从 TensorFlow 转换为 Onnx 模型
• 量化感知训练
• 使用 Fastapi 构建 API
• 将 API 部署到云
• 从头开始使用循环神经网络、注意力模型和 Transformer 进行情绪分析
• 从头开始使用循环神经网络、注意力模型和 Transformer 进行神经机器翻译
• Huggingface transformers 中的 T5 神经机器翻译
• 注意力网络
• 从零开始的 Transformer

探索相关主题

• 自然语言处理 (NLP)
• 数据科学
• 发展

要求

• 基础数学
• 访问互联网连接，因为我们将使用 Google Colab（免费版）
• Python 基础知识

描述

每天有数百万人使用情感分析和机器翻译模型。这些深度学习模型（最著名的是 transformer）如今为不同的行业提供支持。

随着更高效的深度学习模型的创建，从 2010 年代初开始，我们看到情感分析和机器翻译领域的技术水平得到了巨大提升。

在本课程中，我们将带您踏上一段奇妙的旅程，您将逐步掌握不同的概念。我们将首先了解如何在自然语言处理的背景下处理文本，然后我们将深入构建自己的模型并将其部署到云端，同时观察最佳实践。

我们将使用Tensorflow 2（谷歌打造的全球最受欢迎的深度学习库）和Huggingface

你将学到：

• Tensorflow 基础知识（张量、模型构建、训练和评估）。

• 深度学习算法，如循环神经网络、注意力模型、Transformers 和卷积神经网络。

• 使用 RNN、Transformers 和 Huggingface Transformers 进行情感分析(Deberta)

• 使用 Word2vec 和现代 Transformers（ GPT、Bert、ULmfit、Deberta、T5……）进行迁移学习

• 使用 RNN、注意力机制、Transformers 和 Huggingface Transformers 进行机器翻译(T5)

• 模型部署（Onnx 格式、量化、Fastapi、Heroku Cloud）

如果您愿意在职业生涯中更进一步，那么本课程非常适合您，我们非常高兴能够帮助您实现您的目标！

本课程由Neuralearn提供。与 Neuralearn 的其他课程一样，我们非常重视反馈。您在论坛上的评论和问题将帮助我们改进本课程。欢迎在论坛上提出尽可能多的问题。我们会尽最大努力在最短的时间内回复。

享受！！！

本课程适合哪些人：

• 初级 Python 开发人员对在情感分析和机器翻译领域应用深度学习进行自然语言处理感兴趣
• 面向希望掌握事物内部工作原理的 NLP 从业者的深度学习
• 想要了解如何使用深度学习构建和训练最先进的情感分析和机器翻译模型的 NLP 从业者。
• 任何想要部署 ML 模型的人
• 想要采用深度学习进行情感分析和机器翻译的实用方法的学习者