Natural Language Processing Specialization

Especialización en procesamiento del lenguaje natural

El procesamiento del lenguaje natural (PNL) utiliza algoritmos para comprender y manipular el lenguaje humano. Esta tecnología es una de las áreas más ampliamente aplicadas de aprendizaje automático. A medida que AI continúa expandiéndose, también lo hará la demanda de profesionales expertos en la creación de modelos que analizan el habla y el lenguaje, descubren patrones contextuales y producirán ideas de texto y audio. Esta especialización lo equipará con las técnicas de aprendizaje profundo de última generación necesarios para construir sistemas de PNL de vanguardia. Al final de esta especialización, estará listo para diseñar aplicaciones de PNL que realicen análisis de preguntas y sentimientos, creen herramientas para traducir idiomas y resumir el texto, e incluso construir chatbots.

Esta especialización es para estudiantes de aprendizaje automático o inteligencia artificial, así como ingenieros de software que buscan una comprensión más profunda de cómo funcionan los modelos de PNL y cómo aplicarlos. Los alumnos deben tener un conocimiento práctico del aprendizaje automático, la pitón intermedia, incluida la experiencia con un marco de aprendizaje profundo (por ejemplo, TensorFlow, Keras), así como la competencia en el cálculo, el álgebra lineal y las estadísticas. Si desea repasar estas habilidades, recomendamos la especialización de aprendizaje profundo, ofrecido por Deeplearning.ai y enseñado por Andrew Ng.

Esta especialización es diseñada y enseñada por dos expertos en PNL, aprendizaje automático y aprendizaje profundo. Younes Bensouda Mourri es instructora de IA en la Universidad de Stanford que también ayudó a construir la especialización de aprendizaje profundo. Łukasz Kaiser es un científico de investigación de personal en Google Brain y coautor de TensorFlow, las bibliotecas Tensor2Tensor y Trax, y el documento del transformador.

Curso 1: Clasificación y espacios vectoriales en PNL

Este es el primer curso de la especialización de procesamiento del lenguaje natural.

Semana 1: Regresión logística para el análisis de sentimientos de tweets

• Use un método simple para clasificar el sentimiento positivo o negativo en los tweets

Semana 2: Bayes ingenuos para el análisis de sentimientos de tweets

• Use un modelo más avanzado para el análisis de sentimientos

Semana 3: Vector Space Models

• Use modelos de espacio vectorial para descubrir relaciones entre palabras y usar el análisis de componentes principales (PCA) para reducir la dimensionalidad del espacio vectorial y visualizar esas relaciones

Semana 4: incrustaciones de palabras y hashing sensible a la localidad para la traducción automática

• Escriba un algoritmo de traducción simple en inglés a francés utilizando incrustaciones de palabras precomputadas y hashing sensible a la localidad para relacionar palabras a través de la búsqueda aproximada de vecinos K-nears más

Curso 2: Modelos probabilísticos en PNL

Este es el segundo curso de la especialización de procesamiento del lenguaje natural.

Semana 1: Autocorrecta con una distancia de edición mínima

• Cree un algoritmo de corrección automática simple utilizando una distancia de edición mínima y una programación dinámica

Semana 2: Etiquetado de parte de voz (POS)

• Aplicar el algoritmo Viterbi para el etiquetado POS, que es importante para la lingüística computacional

Semana 3: Modelos de idiomas N-Gram

• Escriba un algoritmo mejor-complicado de auto utilizando un modelo N-Gram (modelos similares se utilizan para la traducción, determinando el autor de un texto y el reconocimiento de voz)

Semana 4: Word2Vec y descenso de gradiente estocástico

• Escriba su propio modelo Word2Vec que utiliza una red neuronal para calcular los incrustaciones de palabras utilizando un modelo continuo de la bolsa de palabras

Curso 3: Modelos de secuencia en PNL

Este es el tercer curso en la especialización de procesamiento del lenguaje natural.

Semana 1: Sentimiento con redes neuronales

• Entrena una red neuronal con integridades de palabras de guantes para realizar el análisis de sentimientos de los tweets

Semana 2: Modelos de generación de idiomas

• Genere texto de Shakespeare sintético utilizando un modelo de lenguaje de unidad recurrente (GRU) cerrada (GRU)

Semana 3: Reconocimiento de entidad nombrado (NER)

• Entrena una red neuronal recurrente para realizar NER usando LSTM con capas lineales

Semana 4: Siameses Networks

• Use los llamados modelos LSTM 'siameses' para comparar preguntas en un corpus e identificar aquellos que están redactados de manera diferente pero tienen el mismo significado

Curso 4: Modelos de atención en PNL

Este es el cuarto curso en la especialización de procesamiento del lenguaje natural.

Semana 1: Traducción del automóvil neuronal con atención

• Traducir las oraciones inglesas completas al francés usando un modelo de atención del codificador/decodificador

Semana 2: Resumen con modelos de transformadores

• Construir un modelo de transformador para resumir el texto

Semana 3: Respuesta de preguntas con modelos Transformer

• Use modelos T5 y Bert para realizar la respuesta de las preguntas

Semana 4: Chatbots con un modelo reformador

• Construya un chatbot usando un modelo reformador

Certificado de finalización de especialización