Скачать 

[Stepik] Рекуррентные сети в NLP и приложениях (Елена Кантонистова)

  • Гость, подпишитесь сейчас

    📥 Адрес сайта иногда меняется, чтобы быть в курсе актуального адреса, подпишитесь на телеграм «Подписаться»

Описание складчины

[Stepik] Рекуррентные сети в NLP и приложениях (Елена Кантонистова) доступен в формате складчины для всех, кто хочет купить качественный курс по администрированию. Осваивайте работу с серверами, сетями и облачной инфраструктурой.

Организатор: ЧЁ ТАМ ЧЁ ТАМ
Скачать
ЧЁ ТАМ
ЧЁ ТАМ
Молодой организатор
Сообщения
Монеты
0.0
Оплачено
35
Купоны
0
Кешбэк
0
Баллы
0
  • @Skladchiki
  • #1

Складчина: [Stepik] Рекуррентные сети в NLP и приложениях (Елена Кантонистова)

Ссылка на картинку
изображение
Описание:
Интенсив посвящен рекуррентным нейронным сетям, применяющимся для решения широкого класса задач в области NLP, а также их приложениям в других областях. Курс является вторым в линейке курсов по Natural Language Processing после курса "Основы нейронных сетей и NLP".

Чему вы научитесь
  • Узнаете как работают рекуррентные нейронные сети
  • Научитесь работать с фреймворком PyTorch
  • Сможете решать задачи генерации текстов при помощи RNN
  • Узнаете, как RNN используются в других областях
  • Создадите итоговый проект, оформленный в виде FastAPI-сервиса
  • Слушатели курса освоят следующие темы:
  • Повторят основы NLP (ML-подходы, w2v, fasttext)
  • Освоят продвинутые методы Python и познакомятся с фреймворком PyTorch
  • Узнают как работают рекуррентные нейронные сети
  • Применят RNN на практике
  • Освоят фреймворк FastAPI
  • Сделают итоговый проект с использованием RNN и FastAPI
  • Узнают о приложениях RNN в других областях
Для кого этот курс
Курс подойдет всем, кто интересуется областью автоматической обработки текстов (Natural Language Processing) и в особенности Deep Learning-подходами для решения задач из области NLP.

Программа курса
  • Организация курса
  • Основы NLP: recap
  • Рекуррентные нейронные сети
  • Введение в PyTorch
  • Рекуррентные сети: практика — 1
  • Рекуррентные сети: практика — 2
  • Приложения RNN
  • Ванильный веб-сервис на FastAPI
  • Итоговый проект
Начальные требования
Для успешного освоения курса участники должны уметь писать код на языке Python и быть знакомыми с базовыми NLP-подходами. Рекомендуется к прохождению первый курс из линейки: "Основы нейронных сетей и NLP".

Ваш преподаватель:
Елена Кантонистова
Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)
Показать больше
 
Зарегистрируйтесь , чтобы посмотреть авторский контент.
Последнее редактирование:
Поиск по тегу:
Теги
nlp stepik приложения рекуррентные сети

Зарегистрируйтесь или войдите, чтобы обсуждать и скачивать материалы!

Зарегистрироваться

Создайте учетную запись. Это быстро!

Авторизоваться

Вы уже зарегистрированы? Войдите.

Сверху