Содержание курса
7
разделов
36
уроков
148
тестов
20
задач
13 ч.
обн. 1 год назад
1. Введение
6 уроков
118 978
53 114
124м
875
Открытый
1.1
Всем привет! Расскажите нам о себе!
↗
46 405
6 152
31м 20с
109
Открытый
1.2
В общих чертах: естественный язык и текст
↗
20 635
12 108
10м 45с
217
Открытый
1.3
Особенности обработки естественных языков
↗
15 335
11 262
12м 30с
180
Открытый
1.4
В общих чертах: Лингвистический анализ
↗
13 446
8 677
20м 15с
145
Открытый
1.5
В общих чертах: Извлечение признаков
↗
11 895
8 252
21м 25с
109
Открытый
1.6
Прикладные задачи обработки текста и итоги
↗
11 262
6 663
29м 8с
115
2. Векторная модель текста и классификация длинных текстов
4 урока
42 747
21 405
119м
413
Открытый
2.1
Векторная модель текста и TF-IDF
↗
12 013
6 896
22м 41с
93
Открытый
2.2
Создаём нейросеть для работы с текстом
↗
11 199
6 638
13м 15с
96
Открытый
2.3
Теоретические задачи: Векторная модель текста
↗
9 643
3 921
25м 41с
71
Открытый
2.4
Семинар: классификация новостных текстов
↗
9 892
3 950
59м 27с
153
3. Базовые нейросетевые методы работы с текстами
8 уроков
56 789
30 770
154м
565
Открытый
3.1
Общий алгоритм работы с текстами с помощью нейросетей
↗
8 728
6 518
7м 48с
80
Открытый
3.2
Дистрибутивная семантика и векторные представления слов
↗
7 795
5 495
24м 9с
115
Открытый
3.3
Семинар: рецепты еды и Word2Vec на PyTorch
↗
7 789
4 026
34м 30с
108
Открытый
3.4
Теоретические вопросы: Дистрибутивная семантика
↗
6 597
1 139
15м 52с
33
Открытый
3.5
Основные виды нейросетевых моделей для обработки текстов
↗
6 737
5 278
8м 29с
60
Открытый
3.6
Свёрточные нейросети для обработки текстов
↗
6 729
3 232
16м 23с
58
Открытый
3.7
Семинар: POS-тэггинг свёрточными нейросетями
↗
6 583
3 736
44м 42с
93
Открытый
3.8
Теоретические вопросы: Свёрточные нейросети в обработке текста
↗
5 831
1 346
5м 24с
18
4. Языковые модели и генерация текста
7 уроков
41 874
23 041
200м
471
Открытый
4.1
Рекуррентные нейросети
↗
6 821
4 077
18м 3с
64
Открытый
4.2
Моделирование языка
↗
5 997
4 597
29м 55с
70
Открытый
4.3
Семинар: генерация имён и лозунгов с помощью RNN
↗
5 905
3 670
14м 8с
74
Открытый
4.4
Агрегация, механизм внимания
↗
5 933
3 247
22м 22с
83
Открытый
4.5
Трансформер и self-attention
↗
6 203
2 781
30м 50с
69
Открытый
4.6
Семинар: моделирование языка с помощью Transformer
↗
5 877
3 447
78м 20с
93
Открытый
4.7
Теоретические вопросы: Модель языка и трансформеры
↗
5 138
1 222
8м 21с
18
5. Преобразование последовательностей: 1-к-1 и N-к-M
6 уроков
31 292
21 325
101м
149
Открытый
5.1
Распознавание плоской структуры коротких текстов
↗
5 578
3 161
18м 30с
42
Открытый
5.2
Семинар: распознавание структуры рецептов
↗
5 213
4 030
9м 55с
22
Открытый
5.3
Семинар: аспектный сентимент-анализ как NER
↗
5 146
4 057
10м 42с
27
Открытый
5.4
Преобразование последовательностей (seq2seq)
↗
5 166
3 997
33м 7с
36
Открытый
5.5
Семинар: генерация кода со Stack Overflow
↗
5 324
3 278
30м 41с
10
Открытый
5.6
Теоретические вопросы
↗
4 865
2 802
2м 58с
12
6. Transfer learning, адаптация моделей
3 урока
17 534
10 843
70м
182
Открытый
6.1
Контекстуализированные представления и перенос знаний
↗
5 595
3 985
27м 38с
90
Открытый
6.2
Семинар: PyTorch-Transformers, или... как мне запустить BERT?
↗
6 103
3 255
21м 53с
54
Открытый
6.3
Семинар: BERT для вопросно-ответного поиска
↗
5 836
3 603
22м 29с
38
7. Финальное соревнование на kaggle и заключение
2 урока
12 516
5 064
36м
138
Открытый
7.1
Что ещё почитать, как развиваться
↗
6 383
3 910
14м 58с
91
Открытый
7.2
Соревнование на Kaggle: обзор задачи и базового решения
↗
6 133
1 154
22м 33с
47