توضیحات

یادگیری عمیق : پردازش زبان های طبیعی پیشرفته

نام دوره : Deep Learning: Advanced Natural Language Processing and RNNs

پیش نیاز:

• درک کنيد که يادگيري عميق براي چيست و چگونه از آن استفاده مي شود
• مهارت هاي مناسب کدنويسي پايتون، به ويژه ابزارهايي براي علم داده (Numpy، Matplotlib)
• ترجيحاً با RNN، LSTM و GRU تجربه داشته باشيد
• ترجيحا تجربه کار با کراس
• ترجيحا درک براي تعبيه کلمات

توضیحات:

باورش سخت است که بيش از يک سال از انتشار اولين دوره آموزشي ام در زمينه يادگيري عميق با NLP (پردازش زبان طبيعي) مي گذرد.

از آن زمان تاکنون چيزهاي جالب زيادي اتفاق افتاده است، و من عميقاً در حال يادگيري، تحقيق، و جمع آوري بهترين و مفيدترين ايده ها براي بازگرداندن آنها به شما بوده ام.

بنابراين، اين دوره در مورد چيست، و از آن زمان تا کنون چگونه اوضاع تغيير کرده است؟

در دوره هاي قبلي، با برخي از بلوک هاي ساختماني اساسي Deep NLP آشنا شديد.

ما به RNN ها ( شبکه هاي عصبي مکرر )، CNN ( شبکه هاي عصبي کانولوشنال ) و الگوريتم هاي جاسازي کلمه مانند word2vec و GloVe نگاه کرديم.

اين دوره شما را به سطح بالاتري از تفکر سيستمي مي برد.

از آنجايي که مي دانيد اين موارد چگونه کار مي کنند، زمان آن رسيده است که سيستم هايي با استفاده از اين اجزا بسازيد.

در پايان دوره یادگیری عمیق : پردازش زبان های طبیعی پیشرفته، شما قادر خواهيد بود براي مشکلاتي مانند:

• طبقه بندي متن (مثال هايي عبارتند از تجزيه و تحليل احساسات و تشخيص هرزنامه)
• ترجمه ماشين عصبي
• پاسخ سوال

راه حل کنید.

ما نگاهي کوتاه به ربات‌هاي چت خواهيم داشت و همانطور که در اين دوره ياد خواهيد گرفت، اين مشکل در واقع هيچ تفاوتي با ترجمه ماشيني و پاسخگويي به سؤال ندارد.

براي حل اين مشکلات، ما قصد داريم به چند تکنيک پيشرفته Deep NLP نگاه کنيم، مانند:

• RNN هاي دو طرفه
• seq2seq (دنباله به دنباله)
• توجه
• شبکه هاي حافظه

تمامي مطالب اين دوره به صورت رايگان قابل دانلود و نصب است.

ما بيشتر کار خود را در کتابخانه‌هاي پايتون مانند Keras ، Numpy ، Tensorflow و Matpotlib انجام خواهيم داد تا کارها را بسيار آسان کنيم و روي مفاهيم سطح بالا تمرکز کنيم.

اين دوره بر روي «چگونگي ساخت و درک» تمرکز دارد، نه فقط «نحوه استفاده». هر کسي مي تواند پس از خواندن برخي از اسناد، استفاده از API را در 15 دقيقه ياد بگيرد.

اين در مورد “به خاطر سپردن حقايق” نيست، بلکه در مورد “خود ديدن” از طريق آزمايش است.

اين به شما ياد مي دهد که چگونه آنچه را که در مدل اتفاق مي افتد در داخل تجسم کنيد. اگر بيش از يک نگاه سطحي به مدل هاي يادگيري ماشيني مي خواهيد، اين دوره براي شما مناسب است.

دوره یادگیری عمیق : پردازش زبان های طبیعی پیشرفته براي چه کساني است:

• دانش‌آموزان در يادگيري ماشين، يادگيري عميق، هوش مصنوعي و علم داده
• متخصصان در يادگيري ماشيني، يادگيري عميق، هوش مصنوعي و علم داده
• هر کسي که علاقه مند به پردازش پيشرفته زبان طبيعي است

بخشی از دوره :