使用 TensorFlow 的自然語言處理簡介

  • 模組
  • 7 單位
初級
資料科學家
開發人員
學生
Azure Machine Learning

在本模組中，我們探索用於處理自然語言文字的不同神經網路架構。 自然語言處理 (NLP) 之所以出現飛快成長和演進的原因，主要是因為語言模型的效能主要取決於其「理解」文字的整體能力上，且能根據龐大的文字語料庫使用無需監督的技術進行定型。 此外，預訓練的文字模型（例如 BERT）簡化了許多 NLP 任務，並顯著提高了效能。 我們在此學習模組中詳細了解這些技術和 NLP 的基礎知識。

學習目標

在此課程模組中，您將會：

  • 瞭解如何在自然語言處理工作中處理文字
  • 取得遞歸類神經網路 （RNN） 和產生神經網路 （GNN） 的簡介
  • 瞭解注意力機制
  • 瞭解如何建立文字分類模型

必要條件

  • 基本 Python 知識
  • 對機器學習的基本了解
開始