Deep learning w przetwarzaniu języka naturalnego

LICZBA DNI: 4 (32h)

KOD KURSU: DL/NLP

POZIOM SZKOLENIA:

# nlp

# deep-learning

# neural-networks

# rnn

# lstm

# gru

# machine-learning

# artificial-intelligence

Szkolenie na zamówienie

Szkolenie dostosowane do potrzeb Twojego zespołu. Dostępne WYŁĄCZNIE na zamówienie.

  • Dostosowany program
  • Indywidualna wycena
  • Dowolny termin

Interesuje Cię ta tematyka i szukasz szkolenia tylko dla siebie?

O szkoleniu

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

Kameralne grupy - szkolenia technologiczne prowadzimy w grupach liczących do 8 osób. Pozwala to na indywidualne podejście oraz aktywizację każdego uczestnika

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

  • Model word2vec
  • GLOVE
  • FastText
  • Elmo
  • Trenowanie własnych zanurzeń
  • Sieć rekurencyjna prosta
  • Sieć LSTM
  • Sieć GRU
  • Klasyfikacja tekstu przy użyciu sieci rekurencyjnych
  • Wykrywanie nazw własnych przy użyciu sieci rekurencyjnych
  • Wielowarstwowość
  • Dwukierunkowość
  • Warstwy konwolucyjne w przetwarzaniu tekstu
  • Mechanizm uwagi (RNN with attention)
  • Modele char-RNN oraz word-RNN
  • Model seq2seq, struktury encoder-decoder
  • Generowanie tekstu na podstawie obiektów wejściowych (np. opisów obrazów)
  • Architektura sieci Transformer
  • Model BERT - transfer learning w NLP

Autor szkolenia:

Norbert Ryciak

Data Scientist w SigDelta. Od lat zajmuje się uczeniem maszynowym, a specjalizuje się w obszarze przetwarzania języka naturalnego i sztucznych sieciach neuronowych (deep learning). W 2015 roku ukończył z wyróżnieniem matematykę na Politechnice Warszawskiej o specjalizacji Statystyka Matematyczna i Analiza Danych. Kontynuował rozwój na doktoracie, w ramach którego prowadził badania nad metodami głębokiego uczenia w zastosowaniach związanych z przetwarzaniem tekstów - rozpoznawaniem wydźwięku i analizą składniową. Porzucił karierę naukową na rzecz pracy komercyjnej oraz profesjonalnej pracy dydaktycznej. Prowadzi szkolenia i zajęcia na uczelniach, ale przede wszystkim kieruje Bootcampem Data Science Kodołamacza, na którym kształci przyszłych specjalistów data science.

POLITYKA COOKIES:

Korzystamy z plików cookies, by móc jak najlepiej dostosować stronę do Twoich potrzeb oraz wyświetlać Ci przydatne i adekwatnych dla Ciebie reklamy w serwisie i poza nim. Możesz kontrolować ustawienia ciasteczek w swoich ustawieniach swojej przeglądarki. Odwiedzając tę stronę, wyrażasz zgodę na wykorzystywanie przez nas plików cookies.