Об этом курсе

Недавно просмотрено: 138,978
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень

We recommend that you have taken the first two courses of the Natural Language Processing Specialization, offered by deeplearning.ai

Прибл. 19 часов на выполнение
Английский

Чему вы научитесь

  • Create word embeddings, then train a neural network on them to perform sentiment analysis of tweets

  • Generate synthetic Shakespeare text using a Gated Recurrent Unit (GRU) language model

  • Train a recurrent neural network to extract important information from text, using named entity recognition (NER) and LSTMs with linear layers

  • Use a Siamese network to compare questions in a text and identify duplicates: questions that are worded differently but have the same meaning

Приобретаемые навыки

Word EmbeddingSentiment with Neural NetsSiamese NetworksNatural Language GenerationNamed-Entity Recognition
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень

We recommend that you have taken the first two courses of the Natural Language Processing Specialization, offered by deeplearning.ai

Прибл. 19 часов на выполнение
Английский

от партнера

Placeholder

deeplearning.ai

Программа курса: что вы изучите

Оценка контентаThumbs Up94%(1,973 оценки)Info
Неделя
1

Неделя 1

5 ч. на завершение

Neural Networks for Sentiment Analysis

5 ч. на завершение
9 видео ((всего 35 мин.)), 3 материалов для самостоятельного изучения, 1 тест
9 видео
Neural Networks for Sentiment Analysis3мин
Trax: Neural Networks2мин
Why we recommend Trax13мин
Trax: Layers3мин
Dense and ReLU Layers1мин
Serial Layer1мин
Other Layers 3мин
Training2мин
3 материала для самостоятельного изучения
Connect with your mentors and fellow learners on Slack!10мин
Reading: (Optional) Trax and JAX, docs and code15мин
How to Refresh your Workspace10мин
Неделя
2

Неделя 2

5 ч. на завершение

Recurrent Neural Networks for Language Modeling

5 ч. на завершение
8 видео ((всего 27 мин.))
8 видео
Recurrent Neural Networks4мин
Applications of RNNs3мин
Math in Simple RNNs3мин
Cost Function for RNNs1мин
Implementation Note 2мин
Gated Recurrent Units4мин
Deep and Bi-directional RNNs 3мин
Неделя
3

Неделя 3

4 ч. на завершение

LSTMs and Named Entity Recognition

4 ч. на завершение
6 видео ((всего 24 мин.)), 3 материалов для самостоятельного изучения, 1 тест
6 видео
Introduction to LSTMs4мин
LSTM Architecture3мин
Introduction to Named Entity Recognition3мин
Training NERs: Data Processing 4мин
Computing Accuracy1мин
3 материала для самостоятельного изучения
(Optional) Intro to optimization in deep learning: Gradient Descent10мин
(Optional) Understanding LSTMs10мин
Long Short-Term Memory (Deep Learning Specialization C5)10мин
Неделя
4

Неделя 4

5 ч. на завершение

Siamese Networks

5 ч. на завершение
8 видео ((всего 33 мин.)), 1 материал для самостоятельного изучения, 1 тест
8 видео
Architecture3мин
Cost Function3мин
Triplets6мин
Computing The Cost I5мин
Computing The Cost II6мин
One Shot Learning2мин
Training / Testing3мин
1 материал для самостоятельного изучения
Acknowledgments10мин

Рецензии

Лучшие отзывы о курсе NATURAL LANGUAGE PROCESSING WITH SEQUENCE MODELS

Посмотреть все отзывы

Специализация Обработка текстов, написанных на естественных языках: общие сведения

Обработка текстов, написанных на естественных языках

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.