Stepik / Елена Кантонистова - Рекуррентные сети в NLP и приложениях

Слив курса Рекуррентные сети в NLP и приложениях [stepik] [Елена Кантонистова]
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

Ваш преподаватель: Елена Кантонистова
Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)


Скачать: