Inleiding tot natuurlijke taalverwerking met PyTorch
In deze module verkennen we verschillende neurale netwerkarchitecturen voor het omgaan met teksten in natuurlijke taal. In de afgelopen jaren heeft Natural Language Processing (NLP) een snelle groei doorgemaakt, voornamelijk als gevolg van de prestaties van de taalmodellen om menselijke taal sneller nauwkeurig te 'begrijpen' tijdens het gebruik van training zonder supervisie op grote tekst corpora. We leren over verschillende NLP-technieken, zoals het gebruik van bag-of-words (BoW), woord insluitingen en terugkerende neurale netwerken voor het classificeren van tekst uit nieuwskoppen naar een van de 4 categorieën (World, Sports, Business en Sci-Tech).
Leerdoelen
In deze module leert u het volgende:
- Begrijpen hoe tekst wordt verwerkt voor taken in natuurlijke taalverwerking
- Maak kennis met het gebruik van terugkerende neurale netwerken (RNN's) en generatieve neurale netwerken (GNN's)
- Meer informatie over het bouwen van tekstclassificatiemodellen
Vereisten
- Basiskennis van Python
- Basiskennis over het gebruik van Jupyter Notebooks
- Basiskennis van machine learning