Введение в обработку естественного языка с помощью TensorFlow
Начальный уровень
Специалист по обработке и анализу данных
разработчик.
Студент
Машинное обучение Azure
В этом модуле мы рассмотрим различные архитектуры нейронной сети для обработки текстов естественного языка. Обработка естественного языка (NLP) испытала быстрый рост и прогресс в первую очередь потому, что производительность языковых моделей зависит от их общей способности "понимать" текст и могут быть обучены с помощью безучебной техники на большом корпусе текстов. Кроме того, предварительно обученные текстовые модели (например, BERT) упрощают многие задачи NLP и значительно повышают производительность. Мы узнаем больше об этих методах и основах обработки естественного языка (NLP) в этом модуле обучения.
Цели обучения
В этом модуле вы будете:
- Узнайте, как обрабатывается текст для задач обработки естественного языка
- Познакомьтесь с повторяющимися нейронными сетями (RNN) и генерирующими нейронными сетями (GNN)
- Узнайте о механизмах внимания
- Узнайте, как создавать модели классификации текста
Предварительные требования
- Базовые знания Python
- Базовое понимание машинного обучения