Εξέλιξη Κομματιού

Εισαγωγή στη Βαθιά Μάθηση για NLP

Διάκριση ανάμεσα στους διάφορους τύπους μοντέλων ΒΛ.

Χρήση προ-εκπαιδευμένων ως και εκπαιδευμένων μοντέλων.

Χρήση λογισμικών συναρτήσεων (word embeddings) και ανάλυση τόνου για να εξαγάγουν νόημα από κείμενο.

Πώς λειτουργεί η ανεπεκπαιδευμένη (unsupervised) Βαθιά Μάθηση.

Εγκατάσταση και ρύθμιση βιβλιοθηκών Βαθιάς Μάθησης Python.

Χρήση της βιβλιοθήκης Keras σε πάνω από TensorFlow για να επιτρέψει στο Python να δημιουργήσει περιγράφους.

Εργασία με τη Theano (βιβλιοθήκη αριθμητικών υπολογισμών) και TensorFlow (γενική και γλωσσολογική βιβλιοθήκη) ως επεκταμένες βιβλιοθήκες ΒΛ για τη δημιουργία περιγράφων.

Χρήση Keras σε πάνω από TensorFlow ή Theano για να εκτελέσουν γρήγορες πειραματικές δοκιμές σε Βαθιά Μάθηση.

Δημιουργία απλής εφαρμογής Βαθιάς Μάθησης σε TensorFlow για την προσθήκη περιγράφων σε μια συλλογή φωτογραφιών.

Παρουσίαση λύσεων χαμένων και κλάδων (troubleshooting).

Μια ομιλία για άλλες (εξειδικευμένες) βιβλιοθήκες ΒΛ.

Εφαρμογή της εφαρμογής ΒЛ σε παραγωγικό περιβάλλον.

Χρήση GPU για να αυξήσουν την ταχύτητα της ΒΛ.

Τελικές σημειώσεις και επίλογος.

Απαιτήσεις

  • Σύνεση για τη γλώσσα προγραμματισμού Python
  • Σύνεση στις βιβλιοθήκες Python σε γενικές γραμμές.

Ακροατήριο

  • Προγραμματιστές με ενδιαφέρον στη γλωσσολογία.
  • Προγραμματιστές που επιθυμούν να κατανοήσουν τη NLP (Επεξεργασία Φυσικής Γλώσσας).
 28 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετοχαστή

Εφεξής Μαθήματα

Σχετικές Κατηγορίες