Об этом курсе
Недавно просмотрено: 253,007

Курс 3 из 4 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

You should take the first 2 courses of the TensorFlow Specialization and be comfortable coding in Python and understanding high school-level math.

Прибл. 9 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-5 hours/week...

Английский

Субтитры: Английский

Чему вы научитесь

  • Check

    Build natural language processing systems using TensorFlow

  • Check

    Process text, including tokenization and representing sentences as vectors

  • Check

    Apply RNNs, GRUs, and LSTMs in TensorFlow

  • Check

    Train LSTMs on existing text to create original poetry and more

Приобретаемые навыки

Natural Language ProcessingTokenizationMachine LearningTensorflowRNNs
Учащиеся, которые проходят продукт ''Course'
  • Data Scientists
  • Machine Learning Engineers
  • Chief Technology Officers (CTOs)
  • Data Engineers
  • Scientists

Курс 3 из 4 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

You should take the first 2 courses of the TensorFlow Specialization and be comfortable coding in Python and understanding high school-level math.

Прибл. 9 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-5 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
3 ч. на завершение

Sentiment in text

13 видео ((всего 30 мин.)), 1 материал для самостоятельного изучения, 3 тестов
13 видео
Introduction1мин
Word based encodings2мин
Using APIs2мин
Notebook for lesson 12мин
Text to sequence3мин
Looking more at the Tokenizer1мин
Padding2мин
Notebook for lesson 24мин
Sarcasm, really?2мин
Working with the Tokenizer1мин
Notebook for lesson 33мин
Week 1 Wrap up21
1 материал для самостоятельного изучения
News headlines dataset for sarcasm detection10мин
1 практическое упражнение
Week 1 Quiz
Неделя
2
3 ч. на завершение

Word Embeddings

14 видео ((всего 39 мин.)), 5 материалов для самостоятельного изучения, 3 тестов
14 видео
Introduction2мин
The IMBD dataset1мин
Looking into the details4мин
How can we use vectors?2мин
More into the details2мин
Notebook for lesson 110мин
Remember the sarcasm dataset?1мин
Building a classifier for the sarcasm dataset1мин
Let’s talk about the loss function1мин
Pre-tokenized datasets43
Diving into the code (part 1)1мин
Diving into the code (part 2)2мин
Notebook for lesson 35мин
5 материала для самостоятельного изучения
IMDB reviews dataset10мин
Try it yourself10мин
TensoFlow datasets10мин
Subwords text encoder10мин
Week 2 Wrap up10мин
1 практическое упражнение
Week 2 Quiz
Неделя
3
3 ч. на завершение

Sequence models

10 видео ((всего 16 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
10 видео
Introduction2мин
LSTMs2мин
Implementing LSTMs in code1мин
Accuracy and loss1мин
A word from Laurence35
Looking into the code1мин
Using a convolutional network1мин
Going back to the IMDB dataset1мин
Tips from Laurence37
4 материала для самостоятельного изучения
Link to Andrew's sequence modeling course10мин
More info on LSTMs10мин
Exploring different sequence models10мин
Week 3 Wrap up10мин
1 практическое упражнение
Week 3 Quiz
Неделя
4
3 ч. на завершение

Sequence models and literature

14 видео ((всего 27 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
14 видео
Introduction1мин
Looking into the code57
Training the data2мин
More on training the data1мин
Notebook for lesson 18мин
Finding what the next word should be2мин
Example1мин
Predicting a word1мин
Poetry!40
Looking into the code1мин
Laurence the poet!1мин
Your next task1мин
A conversation with Andrew Ng1мин
3 материала для самостоятельного изучения
link to Laurence's poetry10мин
Link to generating text using a character-based RNN10мин
Wrap up10мин
1 практическое упражнение
Week 4 Quiz
4.6
Рецензии: 116Chevron Right

Лучшие отзывы о курсе Natural Language Processing in TensorFlow

автор: GSAug 27th 2019

Excellent. Isn't Laurence just great! Fantastically deep knowledge, easy learning style, very practical presentation. And funny! A pure joy, highly relevant and extremely useful of course. Thank you!

автор: CLAug 5th 2019

Great course with fun examples! Probably more valuable after completing Deep Learning Specialization/Sequence Models by Andrew Ng (https://www.coursera.org/learn/nlp-sequence-models)

Преподаватели

Avatar

Laurence Moroney

AI Advocate
Google Brain

О deeplearning.ai

deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders....

Специализация TensorFlow in Practice: общие сведения

Discover the tools software developers use to build scalable AI-powered algorithms in TensorFlow, a popular open-source machine learning framework. In this four-course Specialization, you’ll explore exciting opportunities for AI applications. Begin by developing an understanding of how to build and train neural networks. Improve a network’s performance using convolutions as you train it to identify real-world images. You’ll teach machines to understand, analyze, and respond to human speech with natural language processing systems. Learn to process text, represent sentences as vectors, and input data to a neural network. You’ll even train an AI to create original poetry! AI is already transforming industries across the world. After finishing this Specialization, you’ll be able to apply your new TensorFlow skills to a wide range of problems and projects. Courses 1-3 are available now, with Course 4 launching in July....
TensorFlow in Practice

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.