Deep learning w przetwarzaniu języka naturalnego

4750 PLN+23% VAT (5842 PLN brutto / 1 os.)

Czas trwania szkolenia:4 dni (32h)

Kod kursu:DL/NLP

Poziom zaawansowania:
deep-learningmachine-learningnlprnn

Dostępne terminy

  • Termin
  • Trener
  • Cena
  • Zapis
  • Lokalizacja

Termin:

13 grudnia
Termin gwarantowanyTrwają zapisy na szkolenieOferta specjalna
-

Cena:

4750 PLN netto+23% VAT

Lokalizacja:

Zdalne

Termin:

17 kwietnia
Trwają zapisy na szkolenie
-

Cena:

4750 PLN netto+23% VAT

Lokalizacja:

Lokalizacja:

ZdalneWarszawaŁódźPoznańKrakówWrocławGdańskKatowiceBydgoszczGdynia

Nie odpowiada Ci żaden z dostępnych terminów?

Zapytaj o szkolenie

O szkoleniu Deep learning w przetwarzaniu języka naturalnego

W cenie otrzymasz:

  • Materiały szkoleniowe
  • Certyfikat ukończenia szkolenia
  • W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki

Dla kogo?

  • Szkolenie Deep learning w przetwarzaniu języka naturalnego adresowane jest do wszystkich osób, które mają co najmniej podstawową wiedzę z obszaru uczenia maszynowego
  • Programiści, analitycy danych, programiści baz danych, statystycy, data scientists z niewielkim doświadczeniem

Wymagania

  • Od uczestników szkolenia wymagana jest dobra (pozwalająca na swobodne pisanie nieskomplikowanego kodu) znajomość języka Python, ogólna wiedza z klasycznego uczenia maszynowego (najważniejsze algorytmy regresji i klasyfikacji, ogólne zasady pracy z algorytmami uczenia maszynowego) oraz bardzo podstawowa wiedza o sieciach neuronowych (struktura i mechanizm działania sieci typu MLP, mechanizm uczenia sieci).

Zalety

  • Poznanie metod, które zrewolucjonizowały wiele obszarów biznesowych
  • Zaawansowane zagadnienia podane w przystępny sposób
  • Warsztatowy charakter zajęć
  • Dokładne zrozumienie algorytmów pozwalające na samodzielne wykorzystanie ich w przyszłości
  • Poznanie funkcjonalności biblioteki Tensorflow
  • Duża dawka praktycznej wiedzy i umiejętności, przydatnej podczas rozwiązywania rzeczywistych problemów
  • Praktyka przed teorią - wszystkie szkolenia technologiczne prowadzone są w formie warsztatowej. Konieczna teoria jest wyjaśniana na przykładzie praktycznych zadań
  • Konkretne umiejętności - w ramach każdego szkolenia rozwijamy praktyczne umiejętności związane z daną technologią i tematyką
  • Nauka z praktykami - wszyscy trenerzy na co dzień pracują w projektach, gwarantuje to dostęp do eksperckiej wiedzy i praktycznego know-how

Cele szkolenia

  • Szkolenie Deep learning w przetwarzaniu języka naturalnego umożliwia zdobycie specjalistycznej wiedzy o sieciach neuronowych, stosowanych w przetwarzaniu języka naturalnego (NLP)
  • W ramach szkolenia uczestnicy zdobędą umiejętności implementacji omawianych algorytmów z wykorzystaniem biblioteki Tensorflow w jezyku Python

Program

Zanurzenia słów - word embeddings

  • Model word2vec
  • GLOVE
  • FastText
  • Elmo
  • Trenowanie własnych zanurzeń

Rekurencyjne sieci neuronowe (recurrent neural networks - RNNs)

  • Sieć rekurencyjna prosta
  • Sieć LSTM
  • Sieć GRU
  • Klasyfikacja tekstu przy użyciu sieci rekurencyjnych
  • Wykrywanie nazw własnych przy użyciu sieci rekurencyjnych

Złożone struktury sieci w zadaniach NLP

  • Wielowarstwowość
  • Dwukierunkowość
  • Warstwy konwolucyjne w przetwarzaniu tekstu
  • Mechanizm uwagi (RNN with attention)

Generowanie tekstu przy użyciu sieci neuronowych

  • Modele char-RNN oraz word-RNN
  • Model seq2seq, struktury encoder-decoder
  • Generowanie tekstu na podstawie obiektów wejściowych (np. opisów obrazów)

Sieć neuronowa Transformer

  • Architektura sieci Transformer
  • Model BERT - transfer learning w NLP

Podobne szkolenia