1 / 57

นำเสนอโดย ผู้ช่วยศาสตราจารย์จุฑาวุฒิ จันทรมาลี หลักสูตรวิทยาการคอมพิวเตอร์ มหาวิทยาลัยสวนดุสิต

บทที่ 6 การ ประมวลผลภาษาธรรมชาติเชิงการใช้งาน ( Natural Language Processing ). นำเสนอโดย ผู้ช่วยศาสตราจารย์จุฑาวุฒิ จันทรมาลี หลักสูตรวิทยาการคอมพิวเตอร์ มหาวิทยาลัยสวนดุสิต. Who Is This Guy?. What is NLP?. Common NLP Tasks. Interdisciplinary Tasks: Speech-to-Text.

aswanson
Télécharger la présentation

นำเสนอโดย ผู้ช่วยศาสตราจารย์จุฑาวุฒิ จันทรมาลี หลักสูตรวิทยาการคอมพิวเตอร์ มหาวิทยาลัยสวนดุสิต

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. บทที่ 6 การประมวลผลภาษาธรรมชาติเชิงการใช้งาน (Natural Language Processing) นำเสนอโดย ผู้ช่วยศาสตราจารย์จุฑาวุฒิ จันทรมาลี หลักสูตรวิทยาการคอมพิวเตอร์ มหาวิทยาลัยสวนดุสิต

  2. Who Is This Guy?

  3. What is NLP?

  4. Common NLP Tasks

  5. Interdisciplinary Tasks: Speech-to-Text

  6. Interdisciplinary Tasks: Image Captioning

  7. What Makes NLP so Hard?

  8. Non-Standard Language

  9. More Complex Languages Than English

  10. Write Traditional “If-Then-Else” Rules?

  11. Better Approach: Machine Learning

  12. Part 1 Essential Machine Learning Background for NLP

  13. Common ML Tasks

  14. Common ML Tasks

  15. Common ML Tasks

  16. Regression

  17. Regression

  18. Regression

  19. Regression

  20. Linear Regression

  21. Linear Regression

  22. Linear Regression

  23. Linear Regression

  24. Classification

  25. Classification

  26. Classification

  27. Classification

  28. Clustering

  29. Clustering

  30. Evaluation

  31. Evaluation

  32. Evaluation

  33. Deep Learning

  34. Example: Convolutional Neural Network

  35. Part 2 NLP Challenges And Approaches

  36. Part 2 NLP Challenges And Approaches

  37. Part 2 NLP Challenges And Approaches

  38. Part 2 NLP Challenges And Approaches

  39. Part 2 NLP Challenges And Approaches

  40. “Classical” way: Training a NER Tagger

  41. Feature Representation: Bag of Words

  42. Feature Representation: Bag of Words

  43. Deep Learning for NLP

  44. Embedding Methods: Word2Vec

  45. Embedding Methods: Word2Vec

  46. Linearities

  47. Training a NER Tagger: Deep Learning

  48. Language Modeling

  49. Language Modeling

  50. Language Modeling

More Related