使用 TensorFlow 进行自然语言处理简介

  • 模块
  • 7 单元
初级
数据科学家
开发人员
学生
Azure 机器学习

在此模块中，我们将了解用于处理自然语言文本的不同神经网络体系结构。 自然语言处理 (NLP) 经历了快速的增长和进步，主要是因为语言模型的性能取决于它们“理解”文本的整体能力，并且可以在大型文本语料库上使用无监督技术进行训练。 因此，预先训练的文本模型（如 BERT）简化了许多 NLP 任务，并显著提高了性能。 我们将在此学习模块中详细了解这些技术和 NLP 的基础知识。

学习目标

在本模块中，您将会：

  • 了解如何处理自然语言处理任务的文本
  • 获取对循环神经网络（RNN）和生成神经网络（GNN）的介绍
  • 了解注意力机制
  • 了解如何生成文本分类模型

先决条件

  • Python 基础知识
  • 对机器学习有基本的了解