Course Outline

Εισαγωγή στο Deep Learning για το NLP

Διαφοροποίηση μεταξύ των διαφόρων τύπων μοντέλων DL

Χρήση προεκπαιδευμένων έναντι εκπαιδευμένων μοντέλων

Χρήση ενσωματώσεων λέξεων και ανάλυση συναισθημάτων για την εξαγωγή νοήματος από το κείμενο

Πώς λειτουργεί το Unsupervised Deep Learning

Εγκατάσταση και ρύθμιση Python Βιβλιοθηκών Deep Learning

Χρησιμοποιώντας τη βιβλιοθήκη Keras DL πάνω από το TensorFlow για να επιτρέψετε στην Python να δημιουργεί υπότιτλους

Συνεργασία με Theano (βιβλιοθήκη αριθμητικών υπολογισμών) και TensorFlow (γενική και γλωσσολογική βιβλιοθήκη) για χρήση ως εκτεταμένες βιβλιοθήκες DL για τη δημιουργία λεζάντες.

Χρησιμοποιώντας το Keras πάνω από το TensorFlow ή το Theano για να πειραματιστείτε γρήγορα στο Deep Learning

Δημιουργία μιας απλής εφαρμογής Deep Learning στο TensorFlow για να προσθέσετε λεζάντες σε μια συλλογή εικόνων

Αντιμετώπιση προβλημάτων

Λίγα λόγια για άλλα (εξειδικευμένα) πλαίσια DL

Ανάπτυξη της εφαρμογής DL

Χρήση GPUs για επιτάχυνση DL

Τελευταία σχόλια

Requirements

  • Κατανόηση του προγραμματισμού Python
  • Κατανόηση των Python βιβλιοθηκών γενικά

Ακροατήριο

  • Προγραμματιστές με ενδιαφέρον για τη γλωσσολογία
  • Προγραμματιστές που αναζητούν κατανόηση του NLP (Natural Language Processing)
  28 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Testimonials (2)

Related Courses

NLP with Python and TextBlob

  14 Hours

Scaling Data Pipelines with Spark NLP

  14 Hours

Deep Learning with TensorFlow

  21 Hours

Natural Language Processing (NLP) with TensorFlow

  35 Hours

Embedding Projector: Visualizing Your Training Data

  14 Hours

Understanding Deep Neural Networks

  35 Hours

Related Categories