Einführung in die Verarbeitung natürlicher Sprache mit PyTorch
In diesem Modul werden verschiedene Architekturen für neuronale Netze für den Umgang mit Texten in natürlicher Sprache untersucht. Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) gewinnt zunehmend an Bedeutung, da Sprachmodelle menschliche Sprache schneller genau „verstehen“ und unbeaufsichtigtes Training mit riesigen Textmengen nutzen. In diesem Modul erfahren Sie mehr über unterschiedliche NLP-Techniken wie die Verwendung von Bag-of-Words (BoW, unstrukturierte Ansammlung von Wörtern), Worteinbettungen und Recurrent Neural Networks (wiederholte neuronale Netze) zum Klassifizieren von Text aus Nachrichtenüberschriften in eine von vier Kategorien (Welt, Sport, Business und Wissenschaft/Technik).
Lernziele
Dieses Modul umfasst Folgendes:
- Verstehen, wie Text für Verarbeitungsaufgaben von natürlicher Sprache verarbeitet wird
- Einführung in die Verwendung von Recurrent Neural Networks (wiederholte neuronale Netze, RNNs) und Generative Neural Networks (generative neuronale Netze, GNNs)
- Weitere Informationen zum Erstellen von Textklassifizierungsmodellen
Voraussetzungen
- Grundlegendes zu Python
- Grundlegende Kenntnisse zur Verwendung von Jupyter Notebooks
- Grundlegende Kenntnisse des maschinellen Lernens