Training Pelatihan Kursus Jasa Deep Learning Dan NLP A-Z : Cara Membuat ChatBot

Pelajari Teori dan Cara menerapkan model Natural Language Processing di Tensorflow dan Python

Apa yang akan Anda pelajari :

• Mengapa ini penting?
• Jenis Pemrosesan Bahasa Alami
• Model Pembelajaran Klasik vs. Mendalam
• Model Pembelajaran dari ujung ke ujung
• Arsitektur & Pelatihan Seq2Seq
• Decoding Pencarian Balok

Untuk siapa kursus ini:

• Setiap siswa di perguruan tinggi yang ingin memulai karir di Ilmu Data
• Setiap penggemar Ilmu Data
• Siapa pun yang tertarik untuk membuat ChatBot mereka sendiri
• Siapa pun yang tertarik dengan Kecerdasan Buatan, Pembelajaran Mesin atau Pembelajaran Dalam dan aplikasinya

Persyaratan :

• Instal Numpy, Matplotlib, Sci-Kit Learn, Theano, dan TensorFlow
• Pahami backpropagation dan gradient descent, dapatkan turunan dan beri kode sendiri
• Kode jaringan saraf berulang dari primitif dasar di Theano (atau Tensorflow), terutama fungsi pemindaian
• Kode jaringan feedforward neural di Theano (atau Tensorflow)
• Bermanfaat untuk memiliki pengalaman dengan algoritma pohon

Kurikulum :

1. Garis Besar, Ulasan, dan Hal-hal Logistik
2. Pendahuluan, Garis Besar, dan Tinjauan
3. Di mana mendapatkan kode / data untuk kursus ini
4. Cara Sukses dalam Kursus ini
5. Tensorflow atau Theano – Pilihan Anda!
6. Pemula: Bekerja dengan Vektor Kata
7. Apa itu vektor?
8. Apa itu analogi kata?
9. Mencoba menemukan dan menilai vektor kata menggunakan TF-IDF dan t-SNE
10. Vektor kata pretrained dari GloVe
11. Vektor kata pretrained dari word2vec
12. Klasifikasi Teks dengan vektor kata
13. Klasifikasi Teks dalam Kode
14. Menggunakan vektor pra-pelatihan
15. Tinjauan Pemodelan Bahasa dan Jaringan Saraf Tiruan
16. Bigrams dan Model Bahasa
17. BigRams dalam Kode
18. Model Bigram Neural
19. Model Neural Bigram dalam Kode
20. Model Bigram Jaringan Saraf Tiruan
21. Model Bigram Jaringan Saraf Tiruan dalam Kode
22. Meningkatkan Efisiensi
23. Meningkatkan Efisiensi dalam Kode
24. Tinjau Ringkasan Bagian
25. Word Embeddings dan Word2Vec
26. Kembalinya Bigram
27. CBOW
28. Lewati-Gram
29. Softmax Hierarkis
30. Pengambilan Sampel Negatif
31. Pengambilan Sampel Negatif – Detail Penting
32. Mengapa saya memiliki 2 kata matriks penyisipan dan apa yang harus saya lakukan dengan mereka?
33. Trik implementasi Word2Vec
34. Garis besar implementasi Word2Vec
35. Word2Vec dalam Kode dengan Numpy
36. Detail Implementasi Word2Vec Tensorflow
37. Tensorflow Word2Vec dalam Kode
38. Cara memperbarui hanya bagian dari variabel bersama Theano
39. Word2Vec dalam Kode dengan Theano
40. Alternatif untuk Data Wikipedia: Brown Corpus
41. Word Embeddings menggunakan GloVe
42. Bagian Pendahuluan GloVe
43. Factorisasi Matriks untuk Sistem Rekomendasi – Konsep Dasar
44. Pelatihan Matriks Faktorisasi
45. Memperluas Model Faktorisasi Matriks
46. Regularisasi untuk Factorisasi Matriks
47. GloVe – Vektor Global untuk Representasi Kata
48. Rekap cara untuk melatih GloVe
49. GloVe dalam Code – Descent Gradient Numpy
50. GloVe dalam Code – Alternating Least Squares
51. GloVe dalam Code – Theano Gradient Descent
52. GloVe di Tensorflow dengan Gradient Descent
53. Memvisualisasikan analogi negara dengan t-SNE
54. Tantangan Hyperparameter
55. Melatih GloVe dengan SVD (Dekomposisi Nilai Singular)
56. Menyatukan Word2Vec dan GloVe
57. Informasi Mutlak Pointwise – Word2Vec sebagai Matriks Factorization
58. PMI dalam Kode
59. Menggunakan Jaringan Saraf Tiruan untuk Memecahkan Masalah NLP
60. Penandaan Parts-of-Speech (POS)
61. Bagaimana jaringan saraf dapat digunakan untuk menyelesaikan penandaan POS?
62. Baseline Tagging Bagian-of-Speech
63. Bagian-of-Speech Tagging Jaringan Syaraf Berulang di Theano
64. Bagian-of-Speech Tagging Jaringan Syaraf Berulang di Tensorflow
65. Bagaimana cara HMM mengatasi penandaan POS?
66. Model Markov Tersembunyi dari Pidato Tersembunyi Model (HMM)
67. Named Entity Recognition (NER)
68. Membandingkan penandaan NER dan POS
69. Baseline Pengakuan Entitas Entitas
70. Dinamakan Pengakuan Entitas RNN di Theano
71. Dinamakan Pengakuan Entitas RNN di Tensorflow
72. Hyperparameter Challenge II
73. Jaringan Syaraf Rekursif (Tree Neural Networks)
74. Pengantar Bagian Jaringan Syaraf Tiruan Rekursif
75. Kalimat sebagai Pohon
76. Deskripsi Data untuk Jaringan Syaraf Rekursif
77. Apa itu Jaringan Syaraf Tiruan / Jaringan Syaraf Tiruan (TNN) Rekursif?
78. Membangun TNN dengan Rekursi
79. Jaringan Syaraf Rekursif di Theano
80. Jaringan Tensor Neural Rekursif
81. RNTN dalam Tensorflow (Tips)
82. RNTN dalam Tensorflow (Kode)
83. Jaringan Syaraf Rekursif di TensorFlow dengan Rekursi
84. Ulasan Theano and Tensorflow Basics
85. Dasar-Dasar Theano
86. Theano Neural Network dalam Kode
87. Dasar-dasar Tensorflow
88.  Jaringan Saraf Tensorflow dalam Kode
89. Legacy Word2vec
90. Apa itu embedding kata?
91. Menggunakan embeddings kata yang sudah dilatih sebelumnya
92. Analogi kata menggunakan embedding kata
93. TF-IDF dan percobaan t-SNE
94. Pengantar Word2Vec
95. Apa itu Apendiks?
96. Cara menginstal wp2txt atau WikiExtractor.py
97. Pengaturan Lingkungan Berfokus Windows 2018
98. Cara memasang Numpy, Scipy, Matplotlib, Pandas, IPython, Theano, dan TensorFlow
99. Cara Membuat Kode Sendiri (bagian 1)
100. Cara Membuat Kode Sendiri (bagian 2)
101. Apakah ini untuk Pemula atau Ahli? Akademik atau Praktis? Cepat atau lambat?
102. Bukti bahwa menggunakan Notebook Jupyter sama dengan tidak menggunakannya
103. Selesai