Deeplearning.ai Natural Language Processing Specialization
1.0: Merge pull request #70 from farhan-najeeb
Cliquez sur l'image 
Ce référentiel contient mes notes personnelles sur Deeplearning.ai Cours de spécialisation NLP.
Deeplearning.ai contient quatre cours qui peuvent être suivis sur Coursera. Les quatre cours sont:
Le traitement du langage naturel (PNL) utilise des algorithmes pour comprendre et manipuler le langage humain. Cette technologie est l'un des domaines les plus largement appliqués de l'apprentissage automatique. Alors que l'IA continue de se développer, la demande de professionnels est également qualifiée pour créer des modèles qui analysent la parole et le langage, découvrent des modèles contextuels et produiront des informations à partir de texte et d'audio.
À la fin de cette spécialisation, vous serez prêt à concevoir des applications NLP qui effectuent une analyse de réponses et des sentiments, créent des outils pour traduire les langues et résumer du texte, et même créer des chatbots. Ces applications et d'autres applications PNL seront à l'avant-garde de la transformation à venir en un avenir alimenté par l'IA.
Cette spécialisation est conçue et enseignée par deux experts de la PNL, de l'apprentissage automatique et de l'apprentissage en profondeur. Younes Bensouda Mourri est un instructeur de l'IA à l'Université de Stanford qui a également aidé à construire la spécialisation en profondeur. Łukasz Kaiser est chercheur du personnel chez Google Brain et co-auteur de Tensorflow, des bibliothèques Tensor2tensor et Trax, et le papier transformateur.
Cette spécialisation vous permettra des techniques d'apprentissage en profondeur de pointe nécessaire pour construire des systèmes de PNL de pointe:
• Utilisez la régression logistique, les Bayes naïfs et les vecteurs de mots pour mettre en œuvre l'analyse des sentiments, compléter les analogies et traduire les mots et utiliser le hachage sensible à la localité pour les voisins les plus proches approximatifs.
• Utilisez une programmation dynamique, des modèles de Markov cachés et des incorporations de mots sur les mots mal orthographiés autocorrects, les phrases partielles de la saisie semi-automatique et identifiez les étiquettes de la partie de la parole pour les mots.
• Utilisez des réseaux de neurones denses et récurrents, des réseaux LSTMS, GRUS et Siamois dans Tensorflow et Trax pour effectuer une analyse avancée des sentiments, la génération de texte, la reconnaissance des entités nommée et pour identifier les questions en double.
• Utilisez le coder-décodeur, la causalité et l'attention pour effectuer une traduction machine avancée des phrases complètes, un résumé de texte, un réponses de questions et pour construire des chatbots. Les modèles couverts incluent T5, Bert, Transformateur, Reformor, et plus encore! Apprécier!
Je partage les cahiers d'affectation avec mon code préfabillé et à partir du code des contributeurs structés comme dans le cours de cours / semaine, les cahiers d'affectation sont soumis à des modifications dans le temps.
Une fois que vous vous êtes inscrit au cours, vous êtes invité à rejoindre un espace de travail Slack pour cette spécialisation: veuillez rejoindre l'espace de travail Slack en accédant au lien suivant Deeplearningai-nlp.slack.com Cet espace de travail Slack comprend tous les cours de cette spécialisation.
Ibrahim Jelliti © 2020
