Wprowadzenie do przetwarzania języka naturalnego za pomocą biblioteki TensorFlow
Początkujący
Analityk danych
Deweloper
Uczeń
Uczenie maszynowe Azure
W tym module zapoznamy się z różnymi architekturami sieci neuronowych na potrzeby przetwarzania tekstów w języku naturalnym. Przetwarzanie języka naturalnego (NLP) doświadczyło szybkiego wzrostu i postępu przede wszystkim dlatego, że wydajność modeli językowych zależy od ich ogólnej zdolności do "zrozumienia" tekstu i można go wytrenować przy użyciu techniki nienadzorowanej na dużych korpusach tekstu. Ponadto wstępnie wytrenowane modele tekstu (takie jak BERT) uprościły wiele zadań NLP i znacznie poprawiły skuteczność. Dowiedz się więcej o tych technikach i podstawach nlp w tym module szkoleniowym.
Cele szkolenia
W tym module wykonasz następujące czynności:
- Informacje na temat przetwarzania tekstu na potrzeby zadań przetwarzania języka naturalnego
- Poznaj cykliczne sieci neuronowe (RNN) i generatywne sieci neuronowe (GNN)
- Dowiedz się więcej o mechanizmach uwagi
- Dowiedz się, jak tworzyć modele klasyfikacji tekstu
Wymagania wstępne
- Podstawowa wiedza na temat języka Python
- Podstawowa wiedza na temat uczenia maszynowego