Einführung in die Verarbeitung natürlicher Sprache mit TensorFlow
In diesem Modul untersuchen wir verschiedene neurale Netzwerkarchitekturen für die Verarbeitung natürlicher Sprachtexte. Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) hat ein schnelles Wachstum und eine rasche Weiterentwicklung erfahren. Das ist hauptsächlich darauf zurückzuführen, dass die Leistung der Sprachmodelle von der allgemeinen Fähigkeit zum „Verstehen“ von Text abhängt. Außerdem müssen die Modelle mit einer nicht überwachten Technik anhand großer Textkorpora trainiert werden können. Darüber hinaus vereinfachten vortrainierte Textmodelle (z. B. BERT) viele NLP-Aufgaben und haben die Leistung erheblich verbessert. Wir erfahren mehr über diese Techniken und die Grundlagen von NLP in diesem Lernmodul.
Lernziele
Dieses Modul umfasst Folgendes:
- Verstehen, wie Text für Verarbeitungsaufgaben von natürlicher Sprache verarbeitet wird
- Einführung in wiederkehrende neurale Netzwerke (RNNs) und generative neurale Netzwerke (GNNs)
- Weitere Informationen über Aufmerksamkeitsmechanismen
- Weitere Informationen zum Erstellen von Textklassifizierungsmodellen
Voraussetzungen
- Grundlegendes zu Python
- Grundlegende Kenntnisse des maschinellen Lernens