Bevezetés a természetes nyelvi feldolgozásba a PyTorch használatával
Ebben a modulban különböző neurális hálózati architektúrákat ismerhet meg a természetes nyelvű szövegek kezeléséhez. Az elmúlt években a természetes nyelvi feldolgozás (NLP) gyors növekedést tapasztalt, elsősorban annak köszönhetően, hogy a nyelvi modellek képesek az emberi nyelv pontos "megértésére" gyorsabban, miközben nem felügyelt betanítást használnak a nagy szövegkorpuszban. Megismerjük a különböző NLP-technikákat, például a bag-of-words (BoW) használatát, a szavak beágyazását és az ismétlődő neurális hálózatokat a hírek főcímeiből a 4 kategória (World, Sports, Business és Sci-Tech) egyikébe való besorolásához.
Tanulási célkitűzések
Ebben a modulban a következőket fogja végrehajtani:
- A szöveg természetes nyelvi feldolgozási feladatokhoz való feldolgozásának ismertetése
- Bevezetés a rekurzív neurális hálózatok (RNN-ek) és a Generatív neurális hálózatok (GNN-ek) használatba vételéhez
- Megtudhatja, hogyan hozhat létre szövegbesorolási modelleket
Előfeltételek
- Alapszintű Python-ismeretek
- A Jupyter Notebooks használatának alapszintű ismerete
- A gépi tanulás alapszintű ismerete