coursera natural language processing specialization
1.0.0
Programmieraufgaben aller Kurse in der von deeplearning.ai angebotenen Spezialisierung natürlicher Sprache.
Dieses Repo enthält meine Arbeit für diese Spezialisierung. Die Codebasis, die Quizfragen und die Diagramme stammen aus der Spezialisierung der natürlichen Sprachverarbeitung, sofern nicht anders angegeben.
Die Spezialisierung natürlicher Sprache auf Coursera enthält vier Kurse:
Die natürliche Sprachverarbeitung (NLP) verwendet Algorithmen, um die menschliche Sprache zu verstehen und zu manipulieren. Diese Technologie ist einer der am weitesten verbreiteten Bereiche des maschinellen Lernens. Wenn die KI weiter expandiert, wird die Nachfrage nach Fachleuten, die dazu geeignet sind, Modelle zu bauen, die Sprache und Sprache analysieren, kontextbezogene Muster aufdecken und Einblicke aus Text und Audio ergeben.
Am Ende dieser Spezialisierung sind Sie bereit, NLP-Anwendungen zu entwerfen, mit denen Fragen und Stimmungsanalysen durchgeführt werden, Tools erstellt werden, um Sprachen zu übersetzen und Text zusammenzufassen und sogar Chatbots zu erstellen. Diese und andere NLP-Anwendungen werden an der Spitze der kommenden Transformation in eine kI-betriebene Zukunft stehen.
Diese Spezialisierung wurde von zwei Experten in NLP, maschinellem Lernen und Deep Learning entworfen und unterrichtet. Younes Bensouda Mourri ist Ausbilder der AI an der Stanford University, die auch dazu beigetragen hat, die Spezialisierung von Deep Learning aufzubauen. Łukasz kaiser ist stabforschungswissenschaftler bei Google brain und Co-Autor von Tensorflow, Tensor2tensor und Trax-Bibliotheken sowie des Transformatorpapiers.
Diese Spezialisierung räumt Sie mit den hochmodernen Deep-Lern-Techniken aus, die zum Aufbau modernster NLP-Systeme erforderlich sind:
Verwenden Sie die logistische Regression, naive Bayes und Wortvektoren, um die Stimmungsanalyse, die vollständigen Analogien und die Wörter umzusetzen und verwenden sensible Hashing für ungefähr nächste Nachbarn.
Verwenden Sie dynamische Programmierung, versteckte Markov-Modelle und Wortbettendings, um falsch geschriebene Wörter, automatische Teilsätze zu vervollständigen, und identifizieren Sie Teil der Sprache für Wörter.
Verwenden Sie dichte und wiederkehrende neuronale Netzwerke, LSTMs, Grus und siamesische Netzwerke in TensorFlow und Trax, um eine fortgeschrittene Stimmungsanalyse, die Textgenerierung, die Erkennung von Entität durchzuführen und doppelte Fragen zu identifizieren.
Verwenden Sie Encoder-Decoder, Kausalzusammenzug und Selbstbekämpfung, um eine erweiterte maschinelle Übersetzung vollständiger Sätze, die Summarisierung der Text, die Fragen zu beantworten und Chatbots zu erstellen. Zu den abgedeckten Modellen gehören T5, Bert, Transformator, Reformer und mehr! Genießen!
Ich erkenne die schwere Zeit, die Menschen für den Aufbau von Intuition, das Verständnis neuer Konzepte und das Debuggen von Aufgaben verbringen. Die hier hochgeladenen Lösungen dienen nur als Referenz . Sie sollen Sie entsperren, wenn Sie irgendwo stecken bleiben. Bitte kopieren Sie keinen Teil des Codes als IS (die Programmierzuweisungen sind ziemlich einfach, wenn Sie die Anweisungen sorgfältig lesen). Probieren Sie die Quiz selbst aus, bevor Sie sich auf die Quiz -Lösungen beziehen.
