"Углубленный курс по текстам (Natural Language Processing)"

старт 20 июля / стоимость 44.900 рублей


Забронируйте минимальную стоимость

Нажимая кнопку, я даю согласие на обработку персональных данных и соглашаюсь c политикой конфиденциальности и договором оферты.
Цели курса
1
Вспомнить основы и особенности работы с нейросетями в сфере NLP
Если после прохождения курса прошло несколько месяцев, и вы работали с другим направлением нейросетей, вы быстро освежите знания на первых занятиях.
2
Получить практический опыт в решении задач NLP
На каждом занятии дается мини-проект, который вы будете выполнять с поддержкой куратора.

3
Получить углубленное представление об устройстве и принципах работы нейросетей в задачах NLP
Если в будущем вы столкнетесь с нестандартной задачей, вы ее сможете решить, зная, как комбинировать уже имеющиеся у вас практические знания.
Для кого этот курс
Этот курс для тех, кто уже знаком с устройством и принципом работы нейросетей и хочет специализироваться на работе с естественным языком
Чему вы научитесь

Пройдя курс, вы сможете решать широкий спектр задач, начиная от классификации текста, заканчивая NER и переводом предложений
В каждом занятии будет рассказываться продвинутая теория, чтобы вы могли свободно изменять архитектуру и стратегию решения задачи, если она значительно отличается от типовой
Также в курсе будут даваться полезные практические советы, которые, если разбираться самому, приходят с опытом лишь через длительное время и после множества экспериментов
Программа курса
20.07 | Введение в рекуррентные сети
Содержание занятия: Введение в программу курса. Повторение основ рекуррентных сетей: предпосылки к созданию, преимущества над полносвязными сетями, базовый алгоритм работы.
Работа с переносом обучения в рекуррентных сетях. Рассмотрение популярных предобученных моделей для анализа текстов. Мини-проект: обнаружение факта сравнения машины с другими марками в отзывах.

    27.07 | Embeddings и языковые модели
    Содержание занятия: Знакомство с векторной абстракцией слов. Рассмотрение математических свойств векторов, которые можно использовать при работе с embeddings. Вывод CosineDistanceLoss.
    Разбор word2vec, fasttest, glove. Сравнение языковых моделей и предобученных embeddings в переносе обучения. Мини-проект: извлечение хэштегов из текста комментария.
    03.08 | Gensim, pymorphy
    Содержание занятия: Продолжение работы с языковыми моделями. Сбор своей собственной тематической модели с помощью Gensim. Сравнение точности предсказаний нейросети при использовании embeddings, предобученных на разных темах. Разбор методов работы с текстами, написанными на отличном от английского языках. Морфологический анализ текста с помощью pymorphy2 для предобработки текста.
    10.08 | Углубление в рекуррентные сети
    Содержание занятия: Рассмотрение устройства и смысла популярных рекуррентных слоев: LSTM (и модификации), GRU. Сравнение режимов работы рекуррентных нейросетей. Изучение работы моделей на тензорном уровне. Цель занятия - научиться понимать, как движутся данные по рекурретной нейросети в keras, необходимые размерности на входе и выходе в различных режимах работы нейросети, за что отвечает каждая ось во входных и выходных тензорах. Теоретическая часть занятия в будушем позволит многократно ускорить создание проекта со своим датасетом и своей архитектурой. Рассмотрение задачи Named Entity Recognition. Мини-проект: применение NER на мировых новостях.
    17.08 | Свёрточные сети
    Содержание занятия: Разбор второго подхода для анализа текстов- сверточные сети: устройство, почему этот подход работает. Сравнение качества работы моделей на основе CNN и RNN.
    Рассмотрение сверточных нейросетей, созданных изначально для компьютерного зрения, со стороны NLP. Object detection в текстах. Мини-проект: object detection в отзывах по автомобилям.
      24.08 | Seq2Seq
      Содержание занятия: Изучение преобразования последовательность-последовательность. Рассмотрение составных частей seq2seq модели: encoder и decoder. Разбор задач seq2seq и готовых реализаций по этим задачам. Мини-проект: написание своего чат-бота, отвечающего на вопросы.
      31.08| Преобразование изображений в текст и наоборот
      Содержание занятия: Окончательное стирание грани между изображениями и текстами. Извлечение смысла из изображения и текста с последующим преобразованием: поиск изображения по тексту, создание изображения с помощью генеративной сети со смыслом текста в качестве условия, создание текстового описания по изображению.
        07.09 | Механизм attention
        Содержание занятия: Изучение понятия "внимания" в нейросетях. Разбор принципов работы attention в задачах seq2seq. Сравнение качества работы нейросетей с attention и без. Мини-проект: создание своего переводчика.
        14.09 | Transformers
        Содержание занятия: Разбор усовершенствованного механизма attention под названием transformer. Построение базовой версии трансформера. Изучение структуры и возможностей state-of-art реализаций transformer: BERT, GPT-2, T5. Мини-проект: извлечение краткого сымсла: написание abstract части по научной статье.
        21.09 | Sentence extraction
        Содержание занятия: Разбор поиска предложений с необходимым смыслом в тексте с помощью рекуррентных нейросетей. Мини-проект: выделение предложений в новости, в которых идет речь о заранее определенном человеке.
        28.09 | LeakGan
        Содержание занятия: Изучение научной статьи и написание нейросети по ней с нуля с глубоким разбором теоретической части. Решение задачи генерации текста с помощью GAN. Генерация текста, успешно проходящая тест Тьюринга.
        Разбор ансамбля CNN+RNN нейросетей для решения сложных задач обработки\генерации текста. Кастомизация работы Keras с помощью низкоуровнего кода на TensorFlow 2.0.
        Формат обучения
        11 занятий в записи
        Каждую неделю будут проходить вебинары длительностью более
        2-х часов
        11 практических заданий
        После каждого занятия вы получите практическое задание
        3 месяца поддержки куратора
        Вы сможете задавать любые вопросы касательно курса и выполнения заданий вашему куратору в общем чате
        Забронируйте
        минимальную цену
        Оставьте заявку и забронируйте минимальную цену
        Автор и ведущий курса
        Константин Слепов
        • Образование
          • Университет ИТМО, Факультет инфокоммуникационных технологий
          • Курс "Data science и нейронные сети на Python", Университет искусственного интеллекта
          • Курсы по Deep learning, University of San Francisco
        • Опыт программирования более 4 лет
        • Опыт в ИИ более 2 лет
        • Область интересов - машинное зрение, обработка текстов, генеративные модели, создание новых сложных видов нейросетей и внедрение новых модификаций в уже известные нейросети для улучшения их качества работ
        Моя фишка - преподавание тем на всех уровнях: начиная от лучших практических реализаций и заканчивая принципами устройства и работы нейросетей на низком уровне.
        Объяснения сложных низкоуровневых концептов сопровождаю интуитивно понятными примерами, так, что их сможет усвоить любой, кто хоть немного знаком с базовым устройством нейросетей.
        Константин Слепов
        Автор и ведущий курса
        Вы получите сертификат
        По итогам обучения вы получаете сертификат о повышении квалификации
        Тариф "Базовый"
        44.900 рублей
        • 11 вебинаров
        • 11 практических семинаров
        • 11 заданий
        • 3 месяца поддержки куратора
        • Сертификат
        Оплатить 44.900 руб.
        Любые вопросы по курсу задавайте менеджеру
        Артём Воронов-Гашев
        Менеджер по работе с клиентами
        Email: info@neural-university.ru
        Телефон: +7 (499) 648-67-44
        Whatsapp/viber/telegram:
        +7(918) 916-41-84
        "Углубленный курс по текстам (Natural Language Processing)"

        старт 20 июля / стоимость 44.900 рублей


        Забронируйте минимальную стоимость

        Нажимая кнопку, я даю согласие на обработку персональных данных и соглашаюсь c политикой конфиденциальности и договором оферты.