Name: Deep Learning สำหรับข้อความด้วย PyTorch
Rating: 4.774278215223097 (762 reviews)

รายละเอียดคอร์ส

เรียนรู้เทคนิคการประมวลผลข้อความ

คุณจะได้เจาะลึกหลักการพื้นฐานของการประมวลผลข้อความ เรียนรู้วิธีการเตรียมข้อมูลล่วงหน้าและเข้ารหัสข้อมูลข้อความสำหรับโมเดลการเรียนรู้เชิงลึก คุณจะได้สำรวจเทคนิคต่างๆ เช่น การตัดคำ การทำ stemming การทำ lemmatization และวิธีการเข้ารหัสอย่าง one-hot encoding, Bag-of-Words และ TF-IDF โดยนำไปใช้ร่วมกับ Convolutional Neural Networks (CNNs) และ Recurrent Neural Networks (RNNs) สำหรับการจำแนกข้อความ

สร้างสรรค์ไปกับการสร้างข้อความและ RNN

การเดินทางยังคงดำเนินต่อไป เมื่อคุณได้เรียนรู้ว่า Recurrent Neural Networks (RNNs) ช่วยให้การสร้างข้อความเป็นไปได้อย่างไร และได้สำรวจโลกอันน่าทึ่งของ Generative Adversarial Networks (GANs) สำหรับการสร้างข้อความ นอกจากนี้ คุณจะได้ค้นพบโมเดลที่ผ่านการฝึกมาแล้วซึ่งสามารถสร้างข้อความได้อย่างลื่นไหลและสร้างสรรค์

สร้างโมเดลทรงพลังสำหรับการจำแนกข้อความ

สุดท้าย คุณจะได้เจาะลึกหัวข้อขั้นสูงในด้านการเรียนรู้เชิงลึกสำหรับข้อความ รวมถึงเทคนิคการเรียนรู้แบบถ่ายโอนสำหรับการจำแนกข้อความ และการใช้ประโยชน์จากพลังของโมเดลที่ผ่านการฝึกมาก่อนแล้ว คุณจะได้เรียนรู้เกี่ยวกับสถาปัตยกรรม Transformer และกลไก attention พร้อมทั้งเข้าใจการประยุกต์ใช้ในการประมวลผลข้อความ เมื่อจบหลักสูตรนี้ คุณจะได้รับประสบการณ์เชิงปฏิบัติและทักษะในการจัดการข้อมูลข้อความที่ซับซ้อน และสร้างโมเดล deep learning ที่ทรงพลัง

ข้อกำหนดเบื้องต้น

Intermediate Deep Learning with PyTorch

หลักสูตร

โครงสร้างคอร์ส

แนะนำ Deep Learning สำหรับข้อความด้วย PyTorch

บทนี้แนะนำ deep learning สำหรับข้อความและการประยุกต์ใช้งาน เรียนรู้การใช้ PyTorch ในการประมวลผลข้อความ และฝึกปฏิบัติกับเทคนิคต่าง ๆ เช่น tokenization, stemming, การตัดคำหยุด และอื่น ๆ ทำความเข้าใจความสำคัญของการเข้ารหัสข้อมูลข้อความ และนำเทคนิคการเข้ารหัสไปใช้งานด้วย PyTorch จากนั้นรวบรวมความรู้ทั้งหมดด้วยการสร้าง pipeline ประมวลผลข้อความที่ผสานเทคนิคเหล่านี้เข้าด้วยกัน

เริ่มบทเรียน

การจำแนกข้อความด้วย PyTorch

สำรวจการจำแนกข้อความและบทบาทในการประมวลผลภาษาธรรมชาติ (NLP) นำทักษะมาใช้งานจริงในการสร้าง word embedding และพัฒนาทั้ง Convolutional Neural Network (CNN) และ Recurrent Neural Network (RNN) สำหรับการจำแนกข้อความด้วย PyTorch พร้อมเรียนรู้วิธีประเมินโมเดลด้วยเมตริกที่เหมาะสม

เริ่มบทเรียน

การสร้างข้อความด้วย PyTorch

เข้าสู่โลกของการสร้างข้อความและการประยุกต์ใช้งานใน NLP เรียนรู้การใช้ Recurrent Neural Network (RNN), Generative Adversarial Network (GAN) และโมเดลที่ผ่านการเทรนมาแล้วสำหรับงานสร้างข้อความด้วย PyTorch พร้อมเรียนรู้วิธีประเมินประสิทธิภาพของโมเดลด้วยเมตริกที่เกี่ยวข้อง

เริ่มบทเรียน

หัวข้อขั้นสูงใน Deep Learning สำหรับข้อความด้วย PyTorch

ทำความเข้าใจแนวคิดของ transfer learning และการนำไปใช้ในการจำแนกข้อความ สำรวจ Transformer, สถาปัตยกรรม และการนำไปใช้สำหรับงานจำแนกและสร้างข้อความ นอกจากนี้ยังเจาะลึก attention mechanism และบทบาทในการประมวลผลข้อความ พร้อมทำความเข้าใจผลกระทบของ adversarial attack ต่อโมเดลจำแนกข้อความ และวิธีป้องกันโมเดล