Курс на Stepik
Обложка курса «Нейронные сети и обработка текста» на Stepik
Бесплатно

Нейронные сети и обработка текста ★ 4.811

Открыть на
STEPIK.ORG

Современные методы автоматической обработки текста -- это поиск по смыслу, машинный перевод, чат-боты, построение баз знаний... Как к этому подступиться? Больше практики! Авторы курса, эксперты Центра ИИ Samsung, доступным языком рассказывают, как начать работать с текстами при помощи нейросетей.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Нейронные сети и обработка текста»Учеников на курсе 55 745
Сертификаты, выданные на курсе «Нейронные сети и обработка текста»Сертификатов выдано 4 095
Отзывы о курсе «Нейронные сети и обработка текста»Отзывов получено 127
Рейтинг курса «Нейронные сети и обработка текста»Рейтинг курса 4.811
Уроки в курсе «Нейронные сети и обработка текста»Количество уроков 36
Тесты в курсе «Нейронные сети и обработка текста»Количество квизов 148
Задачи с кодом в курсе «Нейронные сети и обработка текста»Количество задач с кодом 20
Время прохождения курса «Нейронные сети и обработка текста»Время прохождения курса —
Обновления курса «Нейронные сети и обработка текста»Обновления курса — —
Дата публикации курса «Нейронные сети и обработка текста»Дата публикации курса — ———
Последнее обновление курса «Нейронные сети и обработка текста»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Нейронные сети и обработка текста» 7 разделов Уроки в курсе «Нейронные сети и обработка текста» 36 уроков Тесты в курсе «Нейронные сети и обработка текста» 148 тестов Задачи в курсе «Нейронные сети и обработка текста» 20 задач Время прохождения курса «Нейронные сети и обработка текста» 13 ч. Последнее обновление курса «Нейронные сети и обработка текста» обн. 1 год назад

Введение

6 уроков
1. Всем привет! Расскажите нам о себе! ↗
2. В общих чертах: естественный язык и текст ↗
3. Особенности обработки естественных языков ↗
4. В общих чертах: Лингвистический анализ ↗
5. В общих чертах: Извлечение признаков ↗
6. Прикладные задачи обработки текста и итоги ↗

Векторная модель текста и классификация длинных текстов

4 урока
1. Векторная модель текста и TF-IDF ↗
2. Создаём нейросеть для работы с текстом ↗
3. Теоретические задачи: Векторная модель текста ↗
4. Семинар: классификация новостных текстов ↗

Базовые нейросетевые методы работы с текстами

8 уроков
1. Общий алгоритм работы с текстами с помощью нейросетей ↗
2. Дистрибутивная семантика и векторные представления слов ↗
3. Семинар: рецепты еды и Word2Vec на PyTorch ↗
4. Теоретические вопросы: Дистрибутивная семантика ↗
5. Основные виды нейросетевых моделей для обработки текстов ↗
6. Свёрточные нейросети для обработки текстов ↗
7. Семинар: POS-тэггинг свёрточными нейросетями ↗
8. Теоретические вопросы: Свёрточные нейросети в обработке текста ↗

Языковые модели и генерация текста

7 уроков
1. Рекуррентные нейросети ↗
2. Моделирование языка ↗
3. Семинар: генерация имён и лозунгов с помощью RNN ↗
4. Агрегация, механизм внимания ↗
5. Трансформер и self-attention ↗
6. Семинар: моделирование языка с помощью Transformer ↗
7. Теоретические вопросы: Модель языка и трансформеры ↗

Преобразование последовательностей: 1-к-1 и N-к-M

6 уроков
1. Распознавание плоской структуры коротких текстов ↗
2. Семинар: распознавание структуры рецептов ↗
3. Семинар: аспектный сентимент-анализ как NER ↗
4. Преобразование последовательностей (seq2seq) ↗
5. Семинар: генерация кода со Stack Overflow ↗
6. Теоретические вопросы ↗

Transfer learning, адаптация моделей

3 урока
1. Контекстуализированные представления и перенос знаний ↗
2. Семинар: PyTorch-Transformers, или... как мне запустить BERT? ↗
3. Семинар: BERT для вопросно-ответного поиска ↗

Финальное соревнование на kaggle и заключение

2 урока
1. Что ещё почитать, как развиваться ↗
2. Соревнование на Kaggle: обзор задачи и базового решения ↗