Szkolenie Deep Learning natural language processing

Infoshare to największa społeczność technologiczna w CEE i organizator wiodącej konferencji tech w Gdańsku. Łączy startupy, inwestorów, korporacje i pasjonatów innowacji. Promuje przedsiębiorczość, dzielenie się wiedzą i networking. Dzięki wydarzeniom, konkursom i programom wspiera rozwój ekosystemu technologicznego w Polsce i regionie.

Natural Language Processing (NLP) jest jednym z najgorętszych obszarów sztucznej inteligencji (AI) dzięki aplikacjom takim jak generatory tekstu, chatboty oraz programy do przetwarzania tekstu na obrazy. Ostatnie lata pokazały niesamowity rozwój zdolności komputerów do rozumienia ludzkich języków, języków programowania, a nawet sekwencji biologicznych i chemicznych, takich jak struktury DNA i białek, które przypominają język. Z NLP korzysta wiele firm, nawet tacy giganci jak Google, które wykorzystuje NLP do poprawy wyników wyszukiwania, czy Facebook, który używa NLP do wykrywania i filtrowania mowy nienawiści.

• Dla programistów, analityków danych, analityków biznesowych, marketerów, designerów i wszystkich tych, którym uczenie maszynowe znacznie ułatwia pracę.
• Dla osób, które interesują się nowinkami technologicznymi i wykorzystaniem sztucznej inteligencji w codziennej pracy.

• Jak przygotowywać i analizować dane tekstowe do uczenia maszynowego (m.in. tokenizacja, analiza statystyczna, budowa zbiorów danych)
• Jak tworzyć i trenować modele językowe z wykorzystaniem sieci rekurencyjnych w TensorFlow/Keras
• Jak wykorzystać transformery i transfer learning do klasyfikacji tekstu
• Jak oceniać i ulepszać jakość modeli NLP poprzez tuningowanie i porównywanie ich wydajności

1. WSTĘP

2. DANE TEKSTOWE
    • Rodzaje modeli języka
    • Przetwarzanie danych tekstowych
    • Pozyskiwanie i przegląd zbioru
    • Budowanie zbioru danych
    • Tokenizacja
    • Analiza statystyczna zbioru
    • Przygotowanie zbioru do modelowania

3. KLASYFIKACJA TEKSTU Z SIECIAMI REKURENCYJNYMI W TF.KERAS
    • Teoria sieci rekurencyjnych
    • Projektowanie modelu
    • Modelowanie
    • Analiza jakościowa modelu
    • Tuningowanie modelu

4. TRANSFORMERY
    • Teoria transformerów
    • Transfer learning
    • Modelowanie
    • Porównywanie modeli

40 h/ 5dni