After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
Изучите методы обработки текста
Вы погрузитесь в фундаментальные принципы обработки текста и узнаете, как предварительно обрабатывать и кодировать текстовые данные для моделей глубокого обучения. Вы изучите такие методы, как токенизация, стемминг, лемматизация и методы кодирования, такие как one-hot encoding, Bag-of-Words и TF-IDF, а также будете применять их с сверточными нейронными сетями (CNN) и рекуррентными нейронными сетями (RNN) для классификации текста.Раскройте творческий потенциал с генерацией текста и RNN
Путешествие продолжается, и вы узнаете, как рекуррентные нейронные сети (RNN) позволяют генерировать текст, а также познакомитесь с увлекательным миром генеративно-состязательных сетей (GAN) для генерации текста. Кроме того, вы познакомитесь с предварительно обученными моделями, которые могут генерировать текст бегло и творчески.Создавайте мощные модели для классификации текста
Наконец, вы погрузитесь в продвинутые темы глубокого обучения для текста, включая методы transfer learning для классификации текста и использование возможностей предварительно обученных моделей. Вы узнаете об архитектуре Transformer и механизме внимания, а также поймёте, как они применяются в обработке текста. К концу этого курса вы получите практический опыт и навыки, необходимые для работы со сложными текстовыми данными и создания мощных моделей глубокого обучения.Предварительные требования
Программа
Структура курса
1
Введение в глубокое обучение для работы с текстом на PyTorch
В этой главе рассматривается глубокое обучение для работы с текстом и его практические применения. Вы научитесь использовать PyTorch для обработки текста и получите практический опыт работы с такими техниками, как токенизация, стемминг, удаление стоп-слов и другими. Вы поймёте, почему важно кодировать текстовые данные, и реализуете техники кодирования с помощью PyTorch. В завершение вы закрепите полученные знания, построив конвейер обработки текста, объединяющий все изученные техники.
- Введение в предобработку текста50 XP
- Анализ частоты слов100 XP
- Предобработка текста100 XP
- Кодирование текстовых данных50 XP
- Унитарное кодирование названий книг100 XP
- Метод «мешка слов» для названий книг100 XP
- Применение TF-IDF к описаниям книг100 XP
- Введение в построение конвейера обработки текста50 XP
- Конвейер предобработки текстов Шекспира100 XP
- Кодировщик шекспировского языка100 XP
2
Классификация текста на PyTorch
Изучите классификацию текста и её роль в обработке естественного языка (NLP). Примените полученные знания на практике: реализуйте векторные представления слов, а также постройте свёрточные нейронные сети (CNN) и рекуррентные нейронные сети (RNN) для классификации текста с помощью PyTorch. Вы также узнаете, как оценивать качество моделей с помощью подходящих метрик.
3
Генерация текста на PyTorch
Откройте для себя увлекательный мир генерации текста и его применений в NLP. Вы узнаете, как использовать рекуррентные нейронные сети (RNN), генеративно-состязательные сети (GAN) и предобученные модели для задач генерации текста на PyTorch. Помимо этого, вы научитесь оценивать производительность своих моделей с помощью соответствующих метрик.
4
Продвинутые темы глубокого обучения для работы с текстом на PyTorch
Разберитесь в концепции трансферного обучения и его применении в классификации текста. Познакомьтесь с трансформерами, их архитектурой и тем, как использовать их для задач классификации и генерации текста. Вы также изучите механизмы внимания и их роль в обработке текста. В завершение вы поймёте, какие последствия могут иметь состязательные атаки на модели классификации текста, и научитесь защищать свои модели.
Глубокое обучение для работы с текстом на PyTorch
Курс
завершён
