After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Lär dig textbehandlingstekniker
Du kommer att fördjupa dig i de grundläggande principerna för textbearbetning och lära dig hur du förbehandlar och kodar textdata för djupinlärningsmodeller. Du kommer att utforska tekniker som tokenisering, stemming, lemmatisering och kodningsmetoder som one-hot-kodning, Bag-of-Words och TF-IDF, och använda dem tillsammans med Convolutional Neural Networks (CNNs) och Recurrent Neural Networks (RNNs) för textklassificering.Bli kreativ med textgenerering och RNN:er
Resan fortsätter när du lär dig hur återkommande neurala nätverk (RNN:er) möjliggör textgenerering och utforskar den fascinerande världen av generativa adversariala nätverk (GAN:er) för textgenerering. Dessutom kommer du att upptäcka förtränade modeller som kan generera text med flyt och kreativitet.Bygg kraftfulla modeller för textklassificering
Slutligen kommer du att fördjupa dig i avancerade ämnen inom deep learning för text, inklusive transfer learning-tekniker för textklassificering och hur du utnyttjar kraften i förtränade modeller. Du kommer att lära dig om Transformer-arkitektur och uppmärksamhetsmekanismen samt förstå deras tillämpning inom textbearbetning. I slutet av den här kursen har du fått praktisk erfarenhet och de färdigheter som krävs för att hantera komplex textdata och bygga kraftfulla djupinlärningsmodeller.Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till djupinlärning för text med PyTorch
Det här kapitlet introducerar dig till djupinlärning för text och dess tillämpningar. Du lär dig använda PyTorch för textbearbetning och får praktisk erfarenhet av tekniker som tokenisering, stemming, borttagning av stoppord och mer. Du förstår varför kodning av textdata är viktigt och implementerar kodningstekniker med PyTorch. Avslutningsvis befäster du dina kunskaper genom att bygga en textbearbetningspipeline som kombinerar dessa tekniker.
- Introduktion till förbehandling av text50 XP
- Ordfrekvensanalys100 XP
- Förbehandling av text100 XP
- Kodning av textdata50 XP
- One-hot-kodade boktitlar100 XP
- Bag-of-words för boktitlar100 XP
- Tillämpa TF-IDF på bokbeskrivningar100 XP
- Introduktion till att bygga en pipeline för textbehandling50 XP
- Förbehandlingspipeline för shakespearianskt språk100 XP
- Shakespeansk språkenkodare100 XP
2
Textklassificering med PyTorch
Utforska textklassificering och dess roll inom naturlig språkbehandling (NLP). Använd dina kunskaper för att implementera ordinbäddningar och utveckla både CNN:er (Convolutional Neural Networks) och RNN:er (Recurrent Neural Networks) för textklassificering med PyTorch, och lär dig utvärdera dina modeller med lämpliga mätvärden.
3
Textgenerering med PyTorch
Ge dig in i textgenerering och dess tillämpningar inom NLP. Lär dig utnyttja RNN:er (Recurrent Neural Networks), GAN:er (Generative Adversarial Networks) och förtränade modeller för textgenereringsuppgifter med PyTorch. Du lär dig även att utvärdera dina modellers prestanda med relevanta mätvärden.
4
Avancerade ämnen inom djupinlärning för text med PyTorch
Förstå konceptet transferinlärning och hur det tillämpas vid textklassificering. Utforska transformers, deras arkitektur och hur du använder dem för textklassificering och textgenerering. Du går också igenom uppmärksamhetsmekanismer och deras roll i textbearbetning. Slutligen lär du dig om de potentiella konsekvenserna av adversariella attacker på textklassificeringsmodeller och hur du skyddar dina modeller.
Djupinlärning för text med PyTorch
Kurs
slutförd
