贪心NLP6期 |完结无秘

项目：

预测客户是否开设定期银行账户

银行业务中，有一个很重要的任务是挖掘更多潜在的客户，并让他们去开设定期存款账户。那这里的核心问题是：如何找到这些人？什么样的人更会有这方面的意愿？在这个案例中，我们会基于用户的相关信息（如年龄，教育程度、婚姻状况等）来预测这个用户是否有这个需求。我们将使用逻辑回归模型来解决这个问题。

知识要点

·逻辑回归

·数据理解

·独热编码处理

·特征选择

预测一个学生是否能及格

AI在教育中的应用也掀起了一股人潮，对于大多数K12或者大学教育来讲，提前预测一个学生是否能通过考试是一项很重要的话题。如果我们预测出某个学生有可能通过不了，那作为老师还有助教，需要采取一定的补救措施来帮助这些落后的学生。在这个案例中，我们将使用学生的各项基本信息、学习数据、出勤率、社交数据来预测是否及格与否，并分析其中的关键指标。

知识要点

·逻辑回归

·特征编码

·特征选择

·相关性分析

预测保险推销电话是否能打通

你是否曾经收到过保险公司的电话，让你去买保险呢？这种情况在生活中非常常见，很多时候你可能会觉得很反感，因为根本没有这方面的需求。在AI时代一种做法是，找对人，我们需要找到那个很可能需要买保险的人，并做精准地推广。在这个案例中，我们根据用户的基本信息并结合决策树来预测哪些人有可能有这方面需求。

知识要点

·决策树

·过拟合

·数据探索

从零实现拼写纠错

现在市面上很多编辑工具都集成了自动纠错的功能，比如国外比较流行的Grammarly，还有Word本身也集成了拼写纠错的功能。那这种拼写纠错功能是如何开发出来的呢？在这里案例中，我们主要来解决这个问题。

知识要点

·语言模型

·贝叶斯定理

·编辑距离

基于SkipGram的推荐系统

SkipGram作为训练词向量技术，不仅应用在词的表示上，也可以用在推荐等应用中。在这个案例中，我们会试着使用SkipGram模型解决推荐系统中的问题。这里的核心问题是：如何表示产品才能套用在SkipGram框架中。

知识要点

·SkipGram

·推荐系统

从零实现Word2Vec

词向量已成为NLP领域最核心的技术之一，这也要求我们必须要对词向量有很深入的理解。这个案例中，你将会有机会从零实现一个Word2Vec模型来训练词向量。之后，你甚至将有能力去灵活修改词向量模型来迎合业务需求。

知识要点

·Word2Vec

·SkipGram

·哈希算法

从零实现完整的HMM

HMM作为经典的序列模型在语音识别、自然语言处理领域有着非常重要的地位。实际上，RNN, LSTM也都是借助了HMM的思想而提出来的技术。通过这个案例，我们可以非常深入理解EM算法、维特比算法、最大似然估计和序列模型相关的细节。HMM的实现对AI领域的理解有非常大的帮助。

知识要点

·HMM

·维特比算法

·EM算法

·序列模型

基于HMM实现词性分析器

词性标注是NLP中很重要的基础任务，可用于很多的应用如机器翻译、文本分类、文本生成等等。词性标注（POS）属于序列标注任务之一，需要借助于序列模型来解决。在这个案例中，我们将使用HMM模型来解决词性标注的问题。

知识要点

·序列标注

·词性标注

·HMM

·特征工程

基于CRF的词性标注

词性标注是NLP中很重要的基础任务，可用于很多的应用如机器翻译、文本分类、文本生成等等。词性标注（POS）属于序列标注任务之一，需要借助于序列模型来解决。在这个案例中，我们将使用Linear-CRF模型来解决词性标注的问题。

知识要点

·序列标注

·词性标注

·Linear-CRF

·特征工程

贪心NLP6期 |完结无秘 50

贪心NLP6期 |完结无秘
50