After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
कोर्स विवरण
टेक्स्ट प्रोसेसिंग तकनीकें सीखें
आप टेक्स्ट प्रोसेसिंग के मूलभूत सिद्धांतों में गहराई से उतरेंगे, और सीखेंगे कि डीप लर्निंग मॉडल्स के लिए टेक्स्ट डेटा को कैसे प्रीप्रोसेस और एन्कोड किया जाता है। आप टोकनाइज़ेशन, स्टेमिंग, लेमेटाइज़ेशन, और वन-हॉट एन्कोडिंग, बैग-ऑफ-वर्ड्स, तथा TF-IDF जैसी एन्कोडिंग विधियों जैसी तकनीकों का अन्वेषण करेंगे, और इन्हें टेक्स्ट वर्गीकरण के लिए कन्वोल्यूशनल न्यूरल नेटवर्क्स (CNNs) तथा रिकरेंट न्यूरल नेटवर्क्स (RNNs) के साथ उपयोग करेंगे।टेक्स्ट जनरेशन और RNNs के साथ रचनात्मक बनें
जैसे-जैसे आप सीखते हैं कि रिकरेंट न्यूरल नेटवर्क्स (RNNs) टेक्स्ट जनरेशन को कैसे सक्षम बनाते हैं, आपकी यात्रा आगे बढ़ती है, और आप टेक्स्ट जनरेशन के लिए जनरेटिव एडवर्सेरियल नेटवर्क्स (GANs) की आकर्षक दुनिया का अन्वेषण करते हैं। इसके अतिरिक्त, आप पूर्व-प्रशिक्षित मॉडल खोजेंगे जो प्रवाह और रचनात्मकता के साथ पाठ उत्पन्न कर सकते हैं।पाठ वर्गीकरण के लिए शक्तिशाली मॉडल बनाएं
अंत में, आप टेक्स्ट के लिए डीप लर्निंग के उन्नत विषयों में गहराई से जाएंगे, जिसमें टेक्स्ट वर्गीकरण के लिए ट्रांसफर लर्निंग तकनीकें और प्री-ट्रेंड मॉडल्स की शक्ति का उपयोग शामिल है। आप Transformer आर्किटेक्चर और attention mechanism के बारे में सीखेंगे और टेक्स्ट प्रोसेसिंग में उनके अनुप्रयोग को समझेंगे। इस पाठ्यक्रम के अंत तक, आपने जटिल पाठ डेटा को संभालने और शक्तिशाली डीप लर्निंग मॉडल बनाने के लिए व्यावहारिक अनुभव और कौशल हासिल कर लिए होंगे।पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
PyTorch के साथ टेक्स्ट के लिए डीप लर्निंग का परिचय
यह अध्याय आपको टेक्स्ट के लिए डीप लर्निंग और उसके अनुप्रयोगों से परिचित कराता है. PyTorch का इस्तेमाल करके टेक्स्ट प्रोसेसिंग करना सीखिए और टोकनाइज़ेशन, स्टेमिंग, स्टॉपवर्ड रिमूवल जैसी तकनीकों पर हाथ-सफाई पाइए. टेक्स्ट डेटा को एन्कोड करने के महत्व को समझिए और PyTorch के साथ एन्कोडिंग तकनीकें लागू कीजिए. अंत में, इन तकनीकों को मिलाकर एक टेक्स्ट प्रोसेसिंग पाइपलाइन बनाकर अपनी समझ पुख्ता कीजिए.
- टेक्स्ट के लिए प्रीप्रोसेसिंग का परिचय50 XP
- शब्द आवृत्ति विश्लेषण100 XP
- टेक्स्ट का प्रीप्रोसेसिंग100 XP
- टेक्स्ट डेटा का एन्कोडिंग50 XP
- One-hot एन्कोडेड बुक टाइटल्स100 XP
- बुक टाइटल्स के लिए Bag-of-words100 XP
- बुक डिस्क्रिप्शंस पर TF-IDF लागू करना100 XP
- टेक्स्ट प्रोसेसिंग पाइपलाइन बनाना: परिचय50 XP
- Shakespearean भाषा प्रीप्रोसेसिंग पाइपलाइन100 XP
- Shakespearean भाषा encoder100 XP
2
PyTorch के साथ टेक्स्ट क्लासिफिकेशन
टेक्स्ट क्लासिफिकेशन और उसका Natural Language Processing (NLP) में रोल जानिए. PyTorch का उपयोग करके वर्ड एम्बेडिंग लागू कीजिए और टेक्स्ट क्लासिफिकेशन के लिए Convolutional Neural Networks (CNNs) और Recurrent Neural Networks (RNNs) दोनों विकसित कीजिए, और उपयुक्त मेट्रिक्स से अपने मॉडलों का मूल्यांकन करना समझिए.
3
PyTorch के साथ टेक्स्ट जनरेशन
टेक्स्ट जनरेशन की रोचक दुनिया और उसके NLP में उपयोगों में कदम रखिए. PyTorch के साथ Recurrent Neural Networks (RNNs), Generative Adversarial Networks (GANs), और प्री-ट्रेंड मॉडलों का लाभ उठाकर टेक्स्ट जनरेशन टास्क करें. साथ ही, आप संबंधित मेट्रिक्स का उपयोग करके अपने मॉडलों के प्रदर्शन का आकलन करना भी सीखेंगे.
4
PyTorch के साथ टेक्स्ट के लिए डीप लर्निंग में एडवांस्ड टॉपिक्स
ट्रांसफर लर्निंग की अवधारणा और उसका टेक्स्ट क्लासिफिकेशन में उपयोग समझिए. Transformers, उनकी आर्किटेक्चर, और उन्हें टेक्स्ट क्लासिफिकेशन व जनरेशन टास्क के लिए कैसे इस्तेमाल करें, यह जानिए. आप अटेंशन मैकेनिज़्म और टेक्स्ट प्रोसेसिंग में उनकी भूमिका में भी गहराई से जाएँगे. अंत में, टेक्स्ट क्लासिफिकेशन मॉडलों पर एडवर्सेरियल अटैक्स के संभावित प्रभाव को समझिए और अपने मॉडलों की सुरक्षा करना सीखिए.
PyTorch के साथ टेक्स्ट के लिए डीप लर्निंग
कोर्स
पूरा
