【免费福利】零AI基础，如何搭建聊天机器人：技术架构剖析

作为人工智能领域最为重要的技术，自然语言处理的应用在工业界无处不在。从网页公开数据的分析和抽取、情感分析、机器翻译、智能客服、问答系统到聊天机器人，它的重要性不言而喻。

今天我们来探讨一下自然语言处理领域最有趣的话题-聊天机器人技术。

搭建一个聊天机器人

如果想要自己去尝试搭建一个聊天机器人，其实也不难。你可以从以下渠道窥探一二：

▲工具：

• 首先可以去NTLK，NTLK里面有大量的自然语言处理工具，比如Eliza的代码，可以拿着代码跑一跑。

• 另外一个不错的资源是Stanford  Parser，对自然语言处理（NLU）非常有帮助，比如说它能帮助你理解哪些是城市、哪些是地名、哪些是人名，而且它还有中文版的，我们都可以去尝试一下。

• Github  code：是基于AIML语言的聊天机器人的版本，基于这个Code大家应该可以做出一个类似小冰或者贤二机器僧的一个Chatterbot。

▲书籍：

大牛推荐的一本叫《Speech  and  language  Processing》的书，大牛说他的很多聊天机器人的背景知识都来自于这里，大家可以去一起学习一下。

如果你嫌看书、看代码太费时间，想要快速全面的了解聊天机器人到底是怎么回事，那么我给你推荐一小时就能够解决的你疑惑的快速解决方案。

借此，我们特别邀请了NLP领域的专家（美国南加州大学博士，曾任中美多家公司首席科学家）来带领大家领略自然语言处理的魅力。

不管你是“秃头谢顶 ，铩羽而归”的开发、测试，还是“斗智斗勇，血溅三尺”的运营、产品，这门公开课或将终结你停滞不前的工作“瓶颈”，改变你的职业轨迹。

如果数学，编程，PYTHON语言这些基础，你一点都没有，恭喜你，你将收获这门公开课98%的营养精华！这波稳赚~

  AI系列公开课

如何搭建一个聊天机器人- 各类架构剖析及实现

时间： 12月13日（周四）晚上8：30

内容介绍

本次公开课讲解搭建聊天机器人的几个核心方法，包括技术讲解和代码演示。听众不需要掌握任何AI相关的知识。该公开课具体内容包括：

- 聊天机器人的种类与评估

- 基于检索的方法论

- 基于模式匹配的方法论

- 基于意图识别的方法论

- 基于端到端的方法论

本次嘉宾介绍

李文哲

贪心科技创始人兼CEO

美国南加州大学博士，曾任凡普金科（爱钱进）首席科学家，美国亚马逊/高盛高级工程师，AI量化投资公司首席科学家兼投资总监。在AAAI, KDD, AISTATS等顶会上发表过15篇以上论文，其中3篇获得Best Paper Award，累计数百次引用。

报名方式

请扫描下面海报上的二维码，回复关键词“机器人” 即可以获得链接。如遇到任何困难请联系微信“greedytech”帮助你入群。

          

之后公开课安排（每周二、四、六）

1. 一小时弄清楚自然语言处理技术概览以及应用场景

2. 用例子来说明机器学习中的 MLE vs MAP vs 贝叶斯估计的区别

3. 面试必考题：逻辑回归模型以及数学推导

4. 一小时弄清楚什么是卷积神经网络

5. Python中那些不得不会的算法题目

6. 大话面向对象

7. 爬虫开发过程中那些绕不过的登录怎么办

8. Python结合计算机视觉技术进行验证码识别

9. 高质量的代码必经之路-单元测试该怎么做

10. Python操作MongoDB

11. Python操作MySQL

12. 爬虫开发中不得不掌握的正则技术

13. Python企业开发规范

14. Python Web开发框架Django入门

15. Python Web开发框架Flask入门

16. Python 抓取贴吧评论并进行分析

17. 零基础搭建简单的问答系统

18. 怎么用知识图谱做金融风控系统

19. 利用端到端的学习（end-to-end learning）搭建无人驾驶系统

20. 搭建一个简单的目标检测系统（object detection）

21. 深度学习的可解释性：深入浅出深度学习中的可视化（visualization）

22. 聊聊中美人工智能人才培养、技术创新以及差异性

23. 推荐系统中的常见算法介绍

24. 矩阵分析（Matrix Factorization）详解：推荐系统最离不开的算法

25. 几行代码可以实现的算法： KNN的详解

26. Metric Learning中的经典：LMNN算法详解

27. 随机梯度下降法中的收敛理论

28. SGD, Adagrad, Adam算法的详细比较

29. 深入浅出递归神经网络（Recurrent Neural Network)以及应用

30. RNN中的梯度爆炸以及梯度消减，介绍LSTM

31. 一小时实现图像中的风格迁移（style transfer）

32. 一小时实现语音中的情绪识别（emotion recognition）

33. 基于GraphX做分布式图分析

34. 图嵌入算法详解以及引用

35. GBDT和XGBoost算法应用以及实现

36. 自适应系统所涉及到的技术要点

37. 机器学习工程需要必备的数学知识

38. 利用目标检测和跟踪算法分析英雄联盟视频

39. 一小时教你怎么搭建GPU训练环境

40. 一小时用Keras搭建人脸识别系统

41. Google的最新作品BERT模型详解以及实现

42. 一小时实现机器自动写代码系统

    （持续更新中。。）

公开课导师阵容

李文哲： 美国南加州大学博士，曾任凡普金科（爱钱进）首席科学家，美国亚马逊/高盛高级工程师，AI量化投资公司首席科学家兼投资总监。在AAAI, KDD, AISTATS等顶会上发表过15篇以上论文，其中3篇获得Best Paper Award，累计数百次引用

袁源：美国新泽西理工博士，美国微软和美国亚马逊的资深推荐专家和技术负责人、主导多款核心推荐系统的研发，是人工智能、分布式系统、云计算方面的专家。拥有14年人工智能、推荐系统、自然语言处理、数字图像和视频处理项目经验。在AI会议上发表过20篇以上论文。

蓝振忠：美国卡耐基梅龙大学博士。现任Google科学家，曾任美国智能监控公司的首席科学家， 对视频和多媒体的智能分析有深入研究。他曾代表卡耐基梅隆大学在美国国家标准总局（NIST）举办的视频智能分析大赛中连续多年进入前三。先后在NIPS、CVPR、ICCV、IJCAI、ICDM等国际顶级会议上发表过25篇以上的论文，论文引用次数上千。

史源：美国南加州大学博士，美国AI基金创始人，拥有10多年人工智能领域相关研发和研究经历。卡耐基梅隆大学访问学者，先后在 ICML、AAAI、IJCAI、ICDM等国际顶级会议上发表数篇论文，引用次数高达1000。

周景阳：曾任百度资深工程师，国美和凡普金科的技术负责人。是技术领域、数据分析、知识图谱、视觉等领域的专家。

葛瀚骋：美国Texas A&M大学博士，美国亚马逊Alexa部门资深科学家，负责Alexa的智能化以及个性化的研发与应用，曾任职于美国ebay以及NEC北美实验室。主要的研究涉及到Tensor、社交分析、推荐系统等领域，在KDD、AAAI、SIGIR、RecSys等国际顶级会议上发表15篇以上的论文，数百次的引用。

Q: 如何参与之后的公开课？

A: 请扫描海报上的二维码，回复关键词“ 机器人”，入群后我们会在群里通知每一次公开课的细节。如遇到任何困难，请联系微信“greedytech”帮助你入群。