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

Najbliższy termin:

14 czerwca 2021

3550 PLN netto + 23% VAT

  • stacjonarne
  • zdalne

STACJONARNE

W CENIE

  • 4 dni pracy z trenerem
  • Materiały szkoleniowe
  • Lunch
  • Certyfikat ukończenia szkolenia

ZDALNE

W CENIE

  • 4 dni pracy z trenerem na żywo online
  • Materiały szkoleniowe
  • Certyfikat ukończenia szkolenia

Czy wiesz, że możesz uzyskać nawet do 100% DOFINANSOWANIA na szkolenie? Napisz do nas »

Oferta dla firm

Dostosuj zakres, czas i miejsce szkolenia do potrzeb Twojego zespołu. Uzyskaj indywidualną wycenę szkolenia dla grupy.

Weź udział w szkoleniu

Termin

Lokalizacja

Cena / os

14

czerwca

Zdalne,

Warszawa,

3550 PLN netto
+ 23% VAT

Termin

14

czerwca

Lokalizacja

Zdalne,

Warszawa,

Cena / os

3550 PLNnetto
+ 23% VAT

Powiadom
o kolejnych terminach

O szkoleniu

DLA KOGO?

Szkolenie 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

Cele szkolenia

Zdobycie specjalistycznej wiedzy o sieciach neuronowych, stosowanych w przetwarzaniu języka naturalnego (NLP)

Zdobycie 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.