Онлайн-курс – сертифицированная профессиональная специализация по обработке естественного языка DeepLearning.AI.

Экспертиза — серия курсов из 4 частей

обработка естественного языка (НЛП)

Обработка естественного языка (НЛП) — это раздел лингвистики, информатики и искусственного интеллекта, который использует алгоритмы для интерпретации человеческого языка и управления им. Эта технология является одной из наиболее широко используемых областей машинного обучения и имеет решающее значение для эффективного анализа огромных объемов неструктурированных данных, особенно текстовых. По мере развития области искусственного интеллекта будет расти и спрос на экспертов, обладающих навыками построения моделей для анализа речи и языка, выявления контекстуальных закономерностей и извлечения информации из текста и аудио.

чему ты научишься

По окончании этого опыта вы будете готовы разрабатывать приложения НЛП, которые:

• Анализ вопросов и ответов
• анализ настроений
• Инструменты языкового перевода
• Текстовое резюме
• Создание чат-ботов

Эти приложения и управление НЛП будут в авангарде захватывающих перемен в будущем, основанном на искусственном интеллекте.

Направляющие

Этот опыт был разработан и преподаван двумя экспертами в области НЛП, машинного обучения и глубокого обучения:

• Йонес Бен-Суда Мори — преподаватель искусственного интеллекта в Стэнфордском университете, а также помог развить опыт в области глубокого обучения.
• Лукаш Кайзер — старший научный сотрудник команды Google Brain и соавтор статьи о Tensorflow, Tensor2Tensor и библиотеках Trax.

Практический учебный проект

Этот опыт предоставит вам базовые знания в области машинного обучения и передовые методы, необходимые для создания продвинутых систем НЛП:

• Используйте логистическую регрессию, наивный Байес и векторы слов, чтобы применять анализ настроений, проводить аналогии, переводить слова и использовать выравнивание с учетом местоположения для поиска ближайших соседей.
• Используйте динамическое программирование, скрытые модели Маркова и встраивание слов, чтобы исправлять орфографические ошибки, дополнять частичные предложения и определять метки частей речи для слов.
• Используйте плотные и рекуррентные нейронные сети, LSTM, GRU и сиамские сети в TensorFlow и Trax для выполнения расширенного анализа настроений, генерации текста, обнаружения именованных объектов и обнаружения повторяющихся вопросов.
• Используйте кодирование-декодирование, причинно-следственную связь и осознанность для выполнения расширенного машинного перевода полных предложений, обобщения текста, ответа на вопросы и создания чат-ботов. Изучите T5, BERT, Transformer, Reformer и многое другое с Transformers!