Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Lerne Techniken zur Textverarbeitung
Du tauchst in die Grundlagen der Textverarbeitung ein und lernst, wie man Textdaten für Deep-Learning-Modelle vorverarbeitet und kodiert. Du wirst Techniken wie Tokenisierung, Stemming, Lemmatisierung und Kodierungsmethoden wie One-Hot-Kodierung, Bag-of-Words und TF-IDF kennenlernen und sie mit Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs) für die Textklassifizierung anwenden.Werde kreativ mit Textgenerierung und RNNs
Die Reise geht weiter, während du lernst, wie rekurrenten neuronalen Netzen (RNNs) die Textgenerierung ermöglichen, und die spannende Welt der generativen gegnerischen Netze (GANs) für die Textgenerierung erkundest. Außerdem findest du hier vortrainierte Modelle, die Texte flüssig und kreativ erstellen können.Erstell leistungsstarke Modelle für die Textklassifizierung
Zum Schluss wirst du dich mit fortgeschrittenen Themen des Deep Learning für Texte beschäftigen, darunter Transfer-Lerntechniken für die Textklassifizierung und die Nutzung der Leistungsfähigkeit vortrainierter Modelle. Du lernst die Transformer-Architektur und den Aufmerksamkeitsmechanismus kennen und verstehst, wie sie bei der Textverarbeitung eingesetzt werden. Am Ende dieses Kurses wirst du praktische Erfahrungen und die Fähigkeiten haben, um mit komplexen Textdaten umzugehen und leistungsstarke Deep-Learning-Modelle zu erstellen.Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in Deep Learning für Text mit PyTorch
Dieses Kapitel führt dich in Deep Learning für Text und seine Anwendungen ein. Lerne, wie du PyTorch für die Textverarbeitung nutzt, und sammle praktische Erfahrung mit Techniken wie Tokenisierung, Stemming, Entfernen von Stopwörtern und mehr. Verstehe die Bedeutung der Kodierung von Textdaten und implementiere Encoding-Techniken mit PyTorch. Festige dein Wissen, indem du eine Textverarbeitungspipeline aufbaust, die diese Techniken kombiniert.
- Einführung in die Textvorverarbeitung50 XP
- Wortfrequenzanalyse100 XP
- Text vorverarbeiten100 XP
- Textdaten kodieren50 XP
- One-hot-codierte Buchtitel100 XP
- Bag-of-Words für Buchtitel100 XP
- TF-IDF auf Buchbeschreibungen anwenden100 XP
- Einstieg in den Aufbau einer Textverarbeitungspipeline50 XP
- Vorverarbeitungspipeline für Shakespeare-Sprache100 XP
- Shakespeare-Sprachencoder100 XP
2
Textklassifikation mit PyTorch
Erkunde die Textklassifikation und ihre Rolle in der Natural Language Processing (NLP). Wende deine Fähigkeiten an, um Wort-Embeddings zu implementieren, und entwickle Convolutional Neural Networks (CNNs) sowie Recurrent Neural Networks (RNNs) für die Textklassifikation mit PyTorch. Außerdem lernst du, wie du deine Modelle mit geeigneten Metriken bewertest.
3
Textgenerierung mit PyTorch
Tauche ein in die spannende Welt der Textgenerierung und ihre Anwendungen in der NLP. Verstehe, wie du Recurrent Neural Networks (RNNs), Generative Adversarial Networks (GANs) und vortrainierte Modelle für Aufgaben der Textgenerierung mit PyTorch einsetzt. Außerdem lernst du, die Leistung deiner Modelle mit passenden Metriken zu evaluieren.
4
Fortgeschrittene Themen in Deep Learning für Text mit PyTorch
Verstehe das Konzept des Transfer Learning und seine Anwendung in der Textklassifikation. Erkunde Transformer, ihre Architektur und wie du sie für Aufgaben der Textklassifikation und -generierung nutzt. Du befasst dich außerdem mit Attention-Mechanismen und ihrer Rolle in der Textverarbeitung. Schließlich lernst du die potenziellen Auswirkungen adversarialer Angriffe auf Textklassifikationsmodelle kennen und wie du deine Modelle schützt.
Deep Learning für Text mit PyTorch
Kurs
abgeschlossen
