Специализация: общие сведения

Недавно просмотрено: 159,810
Natural Language Processing (NLP) uses algorithms to understand and manipulate human language. This technology is one of the most broadly applied areas of machine learning. As AI continues to expand, so will the demand for professionals skilled at building models that analyze speech and language, uncover contextual patterns, and produce insights from text and audio. By the end of this Specialization, you will be ready to design NLP applications that perform question-answering and sentiment analysis, create tools to translate languages and summarize text, and even build chatbots. These and other NLP applications are going to be at the forefront of the coming transformation to an AI-powered future. This Specialization is designed and taught by two experts in NLP, machine learning, and deep learning. Younes Bensouda Mourri is an Instructor of AI at Stanford University who also helped build the Deep Learning Specialization. Łukasz Kaiser is a Staff Research Scientist at Google Brain and the co-author of Tensorflow, the Tensor2Tensor and Trax libraries, and the Transformer paper.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
Только онлайн-курсы
Начните сейчас и учитесь по собственному графику.
Гибкий график
Установите гибкие сроки сдачи заданий.
Промежуточный уровень
Прибл. 4 месяца на выполнение
Около 5 ч/неделю
Английский
Субтитры: Английский
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
Только онлайн-курсы
Начните сейчас и учитесь по собственному графику.
Гибкий график
Установите гибкие сроки сдачи заданий.
Промежуточный уровень
Прибл. 4 месяца на выполнение
Около 5 ч/неделю
Английский
Субтитры: Английский

Специализация включает несколько курсов: 4

Курс1

Курс 1

Natural Language Processing with Classification and Vector Spaces

4.6
звезд
Оценки: 897
Рецензии: 207
Курс2

Курс 2

Natural Language Processing with Probabilistic Models

4.8
звезд
Оценки: 261
Рецензии: 43
Курс3

Курс 3

Natural Language Processing with Sequence Models

4.5
звезд
Оценки: 48
Рецензии: 12
Курс4

Курс 4

Natural Language Processing with Attention Models

от партнера

Логотип deeplearning.ai

deeplearning.ai

Часто задаваемые вопросы

  • Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.

  • Да! Чтобы начать, нажмите карточку интересующего вас курса и зарегистрируйтесь. Зарегистрировавшись, вы можете пройти курс и получить сертификат, ссылкой на который можно делиться с другими людьми. Просто ознакомиться с содержанием курса можно бесплатно. При подписке на курс, входящий в специализацию, вы автоматически подписываетесь на всю специализацию. Ход учебы можно отслеживать в панели управления учащегося.

  • Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее

  • Когда вы регистрируетесь на курс, то можете получить доступ ко всем курсам в специализации. Кроме того, вы получаете сертификат о прохождении курса.Просто ознакомиться с содержанием курса можно бесплатно. Если стоимость обучения для вас слишком велика, вы можете подать заявку на финансовую помощь.

  • Это полностью дистанционный курс, потому вам не нужно ничего посещать. Все лекции, материалы для самостоятельного изучения и задания доступны всегда и везде по Интернету и с мобильных устройств.

  • Эта специализация не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате.

  • Эта специализация не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате. Онлайн-дипломы и сертификаты Mastertrack™ от Coursera позволяют получить зачеты.

  • Learners should have a working knowledge of machine learning, intermediate Python including experience with a deep learning framework (e.g., TensorFlow, Keras), as well as proficiency in calculus, linear algebra, and statistics. If you would like to brush up on these skills, we recommend the Deep Learning Specialization, offered by deeplearning.ai and taught by Andrew Ng.

  • This is a Specialization made up of 4 Courses. Course 3 is scheduled for the end of July. Course 4 will launch in September.

  • The deeplearning.ai Natural Language Processing Specialization is one-of-a-kind. 

    • It teaches cutting-edge techniques drawn from recent academic papers, some of which were only first published in 2019.
    • It covers practical methods for handling common NLP use cases (autocorrect, autocomplete), as well as advanced deep learning techniques for chatbots and question-answering.  
    • It starts with the foundations and takes you to a stage where you can build state-of-the-art attention models that allow for parallel computing. 
    • You will not only use packages but also learn how to build these models from scratch. We walk you through all the steps, from data processing to the finished products you can use in your own projects.
    • You will complete one project every week to make sure you understand the concepts for a total of 16 programming assignments.
  • We recommend taking the courses in the prescribed order for a logical and thorough learning experience.

  • This Specialization consists of four Courses. At the rate of 5 hours a week, it typically takes 4 weeks to complete each Course.

  • Learn classical machine learning skills and state-of-the-art deep learning techniques and perform a number of functions:

    • Use logistic regression, naïve Bayes, and word vectors to implement sentiment analysis, complete analogies, and translate words, and use locality sensitive hashing for approximate nearest neighbors.

    • Use dynamic programming, hidden Markov models, and word embeddings to autocorrect misspelled words, autocomplete partial sentences, and identify part-of-speech tags for words.

    • Use dense and recurrent neural networks, LSTMs, GRUs, and Siamese networks in TensorFlow and Trax to perform advanced sentiment analysis, text generation, named entity recognition, and to identify duplicate questions. 

    • Use encoder-decoder, causal, and self-attention to perform advanced machine translation of complete sentences, text summarization, question-answering and to build chatbots. Models covered include T5, BERT, transformer, reformer, and more!

Остались вопросы? Посетите Центр поддержки учащихся.