Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Leer technieken voor tekstverwerking
Je duikt in de basisprincipes van tekstverwerking en leert hoe je tekstgegevens kunt voorbewerken en coderen voor deep learning-modellen. Je gaat technieken ontdekken zoals tokenisatie, stemming, lemmatisering en coderingsmethoden zoals one-hot-codering, Bag-of-Words en TF-IDF, en je gaat ze gebruiken met Convolutional Neural Networks (CNN's) en Recurrent Neural Networks (RNN's) voor tekstclassificatie.Wees creatief met tekstgeneratie en RNN's
De reis gaat verder terwijl je leert hoe Recurrent Neural Networks (RNN's) tekstgeneratie mogelijk maken en je de fascinerende wereld van Generative Adversarial Networks (GAN's) voor tekstgeneratie ontdekt. Je zult ook vooraf getrainde modellen ontdekken die vloeiende en creatieve teksten kunnen genereren.Maak krachtige modellen voor tekstclassificatie
Tot slot ga je dieper in op geavanceerde onderwerpen op het gebied van deep learning voor tekst, zoals transfer learning-technieken voor tekstclassificatie en het benutten van de kracht van vooraf getrainde modellen. Je leert over de Transformer-architectuur en het aandachtsmechanisme en begrijpt hoe je ze kunt gebruiken bij tekstverwerking. Aan het einde van deze cursus heb je praktische ervaring en vaardigheden opgedaan om met complexe tekstgegevens om te gaan en krachtige deep learning-modellen te bouwen.Vereisten
Lesprogramma
Cursusoverzicht
1
Introductie tot deep learning voor tekst met PyTorch
Dit hoofdstuk introduceert je in deep learning voor tekst en de toepassingen ervan. Leer hoe je PyTorch gebruikt voor tekstverwerking en oefen met technieken zoals tokenization, stemming, het verwijderen van stopwoorden, en meer. Begrijp het belang van het encoden van tekstdata en implementeer encoding-technieken met PyTorch. Sluit af door een tekstverwerkingspipeline te bouwen waarin je deze technieken combineert.
- Introductie tot pre-processing voor tekst50 XP
- Woordanalyse op frequentie100 XP
- Tekst pre-processen100 XP
- Tekstgegevens encoderen50 XP
- One-hot gecodeerde boektitels100 XP
- Bag-of-words voor boektitels100 XP
- TF-IDF toepassen op boekbeschrijvingen100 XP
- Introductie in het bouwen van een tekstverwerkingspipeline50 XP
- Voorbewerking van Shakespeare-tekst: pipeline100 XP
- Shakespeareaans taal-encoder100 XP
2
Tekstclassificatie met PyTorch
Verken tekstclassificatie en de rol ervan binnen Natural Language Processing (NLP). Pas je vaardigheden toe om word embeddings te implementeren en ontwikkel zowel Convolutional Neural Networks (CNN’s) als Recurrent Neural Networks (RNN’s) voor tekstclassificatie met PyTorch. Begrijp daarnaast hoe je je modellen evalueert met geschikte metrieken.
3
Tekstgeneratie met PyTorch
Waag je aan de spannende wereld van tekstgeneratie en de toepassingen ervan in NLP. Begrijp hoe je Recurrent Neural Networks (RNN’s), Generative Adversarial Networks (GAN’s) en voorgetrainde modellen inzet voor tekstgeneratietaken met PyTorch. Tegelijk leer je de prestaties van je modellen te beoordelen met relevante metrieken.
4
Gevorderde onderwerpen in deep learning voor tekst met PyTorch
Begrijp het concept van transfer learning en de toepassing ervan in tekstclassificatie. Verken Transformers, hun architectuur en hoe je ze gebruikt voor taken rond tekstclassificatie en -generatie. Je gaat ook dieper in op attention-mechanismen en hun rol in tekstverwerking. Begrijp ten slotte de mogelijke impact van adversarial attacks op tekstclassificatiemodellen en leer hoe je je modellen beschermt.
Deep Learning voor tekst met PyTorch
Cursus
voltooid
