coursera natural language processing specialization
1.0.0
Coursera Natural Language Processing Specialization의 모든 과정에서 deeplearning.ai 가 제공하는 프로그래밍 과제.
이 repo에는이 전문화를위한 저의 작업이 포함되어 있습니다. 코드 기반, 퀴즈 질문 및 다이어그램은 달리 지정되지 않는 한 자연어 처리 전문화에서 가져옵니다.
Coursera의 자연 언어 처리 전문화에는 4 가지 과정이 있습니다.
자연어 처리 (NLP)는 알고리즘을 사용하여 인간 언어를 이해하고 조작합니다. 이 기술은 기계 학습에서 가장 광범위하게 적용되는 영역 중 하나입니다. AI가 계속 확장됨에 따라 연설 및 언어를 분석하고 상황에 맞는 패턴을 발견하며 텍스트 및 오디오에서 통찰력을 생성하는 모델을 구축하는 전문가에 대한 수요도 계속 확장됩니다.
이 전문화가 끝날 무렵, 질문 응답 및 감정 분석을 수행하고 언어를 번역하고 텍스트를 요약하는 도구를 만들고 챗봇을 구축하는 NLP 응용 프로그램을 설계 할 준비가됩니다. 이러한 NLP 애플리케이션은 다가오는 AI 기반의 미래로의 전환의 최전선에있을 것입니다.
이 전문화는 NLP의 두 전문가, 기계 학습 및 딥 러닝의 두 전문가가 설계하고 가르칩니다. Younes Bensouda Mourri는 Stanford University의 AI 강사로서 딥 러닝 전문화를 도왔습니다. 우쿠 카스 카이저는 Google Brain의 직원 연구 과학자이며 Tensorflow의 공동 저자, Tensor2tensor 및 Trax 라이브러리 및 Transformer Paper입니다.
이 전문화는 최첨단 NLP 시스템을 구축하는 데 필요한 최첨단 딥 러닝 기술을 제공합니다.
로지스틱 회귀, 순진한 베이 및 단어 벡터를 사용하여 감정 분석을 구현하고, 유사한 유사성을 완성하고, 단어를 번역하고, 근사한 이웃에 대한 지역 민감한 해싱을 사용하십시오.
동적 프로그래밍, 숨겨진 Markov 모델 및 Word Embedding을 사용하여 철자가 잘못된 단어를 자동으로 고정하고, 부분적으로 부분 문장을 자동화하고, 단어의 부품 태그를 식별하십시오.
고급 감정 분석, 텍스트 생성, 엔티티 인식이라는 이름의 고급 감정 분석, 텍스트 생성을 수행하고 중복 질문을 식별하기 위해 밀도가 높고 반복되는 신경망, LSTM, GRU 및 시암 네트워크를 사용하십시오.
인코더 디코더, 인과 및 자체 변환을 사용하여 전체 문장, 텍스트 요약, 질문 응답 및 챗봇을 구축하기 위해 고급 기계 번역을 수행하십시오. 다루는 모델에는 T5, Bert, Transformer, Reformer 등이 포함됩니다! 즐기다!
나는 사람들이 직관을 구축하고 새로운 개념을 이해하고 과제를 디버깅하는 데 어려움을 겪고 있음을 알고 있습니다. 여기에 업로드 된 솔루션은 참조 용 입니다. 당신이 어딘가에 붙어 있으면 당신을 차단 해제해야합니다. 코드의 일부를 AS-IS의 일부를 복사하지 마십시오 (지침을주의 깊게 읽으면 프로그래밍 할당이 상당히 쉽습니다). 마찬가지로 퀴즈 솔루션을 참조하기 전에 퀴즈를 직접 사용해보십시오.
