Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Aprende técnicas de procesamiento de texto
Te sumergirás en los principios fundamentales del procesamiento de textos y aprenderás a preprocesar y codificar datos de texto para modelos de aprendizaje profundo. Explorarás técnicas como la tokenización, el stemming, la lematización y métodos de codificación como la codificación one-hot, Bag-of-Words y TF-IDF, utilizándolos con redes neuronales convolucionales (CNN) y redes neuronales recurrentes (RNN) para la clasificación de textos.Da rienda suelta a tu creatividad con la generación de texto y las RNN
El viaje continúa mientras aprendes cómo las redes neuronales recurrentes (RNN) permiten la generación de texto y exploras el fascinante mundo de las redes generativas adversarias (GAN) para la generación de texto. Además, descubrirás modelos preentrenados que pueden generar texto con fluidez y creatividad.Crea modelos potentes para la clasificación de textos
Por último, profundizarás en temas avanzados del aprendizaje profundo para texto, incluidas las técnicas de aprendizaje por transferencia para la clasificación de texto y el aprovechamiento del poder de los modelos preentrenados. Aprenderás sobre la arquitectura Transformer y el mecanismo de atención, y comprenderás su aplicación en el procesamiento de texto. Al finalizar este curso, habrás adquirido experiencia práctica y las habilidades necesarias para manejar datos de texto complejos y crear potentes modelos de aprendizaje profundo.Requisitos previos
Programa de formación
Contenido del curso
1
Introducción al Deep Learning para texto con PyTorch
Este capítulo te introduce al deep learning para texto y sus aplicaciones. Aprende a usar PyTorch para el procesamiento de texto y practica con técnicas como tokenización, stemming, eliminación de stopwords y más. Comprende la importancia de codificar los datos de texto e implementa técnicas de codificación con PyTorch. Para terminar, consolida lo aprendido construyendo una canalización de procesamiento de texto que combine estas técnicas.
- Introducción al preprocesamiento de texto50 XP
- Análisis de frecuencia de palabras100 XP
- Preprocesamiento de texto100 XP
- Codificación de datos de texto50 XP
- Títulos de libros con one-hot encoding100 XP
- Bolsa de palabras para títulos de libros100 XP
- Aplicar TF-IDF a descripciones de libros100 XP
- Introducción a la creación de una canalización de procesamiento de texto50 XP
- Canal de preprocesamiento para lenguaje shakespeariano100 XP
- Codificador del lenguaje shakespeariano100 XP
2
Clasificación de texto con PyTorch
Explora la clasificación de texto y su papel en el Procesamiento de Lenguaje Natural (NLP). Pon en práctica tus habilidades para implementar word embeddings y desarrollar tanto redes neuronales convolucionales (CNN) como redes neuronales recurrentes (RNN) para la clasificación de texto con PyTorch, y entiende cómo evaluar tus modelos usando métricas adecuadas.
3
Generación de texto con PyTorch
Adéntrate en el emocionante mundo de la generación de texto y sus aplicaciones en NLP. Comprende cómo aprovechar redes neuronales recurrentes (RNN), redes generativas antagónicas (GAN) y modelos preentrenados para tareas de generación de texto con PyTorch. Además, aprenderás a evaluar el rendimiento de tus modelos usando métricas pertinentes.
4
Temas avanzados de Deep Learning para texto con PyTorch
Comprende el concepto de transfer learning y su aplicación en la clasificación de texto. Explora los Transformers, su arquitectura y cómo usarlos en tareas de clasificación y generación de texto. También profundizarás en los mecanismos de atención y su papel en el procesamiento de texto. Por último, entiende los posibles impactos de los ataques adversarios en modelos de clasificación de texto y aprende a proteger tus modelos.
Deep Learning para texto con PyTorch
Curso
completado
