Natural Language Processing Specialization

ความเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติ

การประมวลผลภาษาธรรมชาติ (NLP) ใช้อัลกอริทึมเพื่อทำความเข้าใจและจัดการภาษามนุษย์ เทคโนโลยีนี้เป็นหนึ่งในพื้นที่ที่ใช้ในวงกว้างที่สุดของการเรียนรู้ของเครื่อง ในขณะที่ AI ยังคงขยายตัวต่อไปความต้องการมืออาชีพที่มีทักษะในการสร้างแบบจำลองที่วิเคราะห์คำพูดและภาษาเปิดเผยรูปแบบตามบริบทและสร้างข้อมูลเชิงลึกจากข้อความและเสียง ความเชี่ยวชาญนี้จะช่วยให้คุณมีเทคนิคการเรียนรู้ลึกที่ล้ำสมัยที่จำเป็นในการสร้างระบบ NLP ที่ทันสมัย ในตอนท้ายของความเชี่ยวชาญนี้คุณจะพร้อมที่จะออกแบบแอปพลิเคชัน NLP ที่ดำเนินการวิเคราะห์คำถามและการวิเคราะห์ความเชื่อมั่นสร้างเครื่องมือในการแปลภาษาและสรุปข้อความและแม้แต่สร้างแชทบอท

ความเชี่ยวชาญนี้มีไว้สำหรับนักเรียนของการเรียนรู้ของเครื่องจักรหรือปัญญาประดิษฐ์รวมถึงวิศวกรซอฟต์แวร์ที่กำลังมองหาความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับวิธีการทำงานของโมเดล NLP และวิธีการใช้งาน ผู้เรียนควรมีความรู้ในการทำงานเกี่ยวกับการเรียนรู้ของเครื่องงูหลามระดับกลางรวมถึงประสบการณ์กับกรอบการเรียนรู้อย่างลึกซึ้ง (เช่น tensorflow, keras) รวมถึงความสามารถในแคลคูลัสพีชคณิตเชิงเส้นและสถิติ หากคุณต้องการแปรงทักษะเหล่านี้เราขอแนะนำความเชี่ยวชาญในการเรียนรู้อย่างลึกซึ้งซึ่งนำเสนอโดย deeplearning.ai และสอนโดย Andrew NG

ความเชี่ยวชาญนี้ได้รับการออกแบบและสอนโดยผู้เชี่ยวชาญสองคนใน NLP การเรียนรู้ของเครื่องและการเรียนรู้อย่างลึกซึ้ง Younes Bensouda Mourri เป็นผู้สอนของ AI ที่ Stanford University ซึ่งช่วยสร้างความเชี่ยวชาญในการเรียนรู้อย่างลึกซึ้ง łukasz Kaiser เป็นนักวิทยาศาสตร์การวิจัยของพนักงานที่ Google Brain และผู้เขียนร่วมของ Tensorflow, ห้องสมุด Tensor2tensor และ Trax และกระดาษหม้อแปลง

หลักสูตรที่ 1: การจำแนกประเภทและพื้นที่เวกเตอร์ใน NLP

นี่เป็นหลักสูตรแรกของความเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติ

สัปดาห์ที่ 1: การถดถอยโลจิสติกสำหรับการวิเคราะห์ความเชื่อมั่นของทวีต

• ใช้วิธีง่ายๆในการจำแนกความเชื่อมั่นในเชิงบวกหรือเชิงลบในทวีต

สัปดาห์ที่ 2: Naïve Bayes สำหรับการวิเคราะห์ความเชื่อมั่นของทวีต

• ใช้แบบจำลองขั้นสูงมากขึ้นสำหรับการวิเคราะห์ความเชื่อมั่น

สัปดาห์ที่ 3: โมเดลพื้นที่เวกเตอร์

• ใช้แบบจำลองเวคเตอร์พื้นที่เพื่อค้นหาความสัมพันธ์ระหว่างคำและใช้การวิเคราะห์องค์ประกอบหลัก (PCA) เพื่อลดมิติของพื้นที่เวกเตอร์และแสดงให้เห็นถึงความสัมพันธ์เหล่านั้น

สัปดาห์ที่ 4: การฝังคำและการแฮชที่ไวต่อท้องถิ่นสำหรับการแปลเครื่องจักร

• เขียนอัลกอริทึมการแปลภาษาอังกฤษเป็นภาษาฝรั่งเศสอย่างง่ายโดยใช้การฝังคำที่ใช้ล่วงหน้าและการแฮชที่ไวต่อท้องถิ่นเพื่อเชื่อมโยงคำผ่านการค้นหาเพื่อนบ้าน K-Nearest โดยประมาณ

หลักสูตร 2: โมเดลความน่าจะเป็นใน NLP

นี่เป็นหลักสูตรที่สองของความเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติ

สัปดาห์ที่ 1: แก้ไขอัตโนมัติโดยใช้ระยะการแก้ไขขั้นต่ำ

• สร้างอัลกอริทึมการแก้ไขอัตโนมัติอย่างง่ายโดยใช้ระยะทางแก้ไขขั้นต่ำและการเขียนโปรแกรมแบบไดนามิก

สัปดาห์ที่ 2: การติดแท็กส่วนหนึ่งของคำพูด (POS)

• ใช้อัลกอริทึม Viterbi สำหรับการติดแท็ก POS ซึ่งเป็นสิ่งสำคัญสำหรับการคำนวณภาษาศาสตร์

สัปดาห์ที่ 3: รูปแบบภาษา N-Gram

• เขียนอัลกอริทึมการเติมอัตโนมัติที่ดีกว่าโดยใช้โมเดล N-GRAM (รุ่นที่คล้ายกันใช้สำหรับการแปลโดยกำหนดผู้เขียนข้อความและการรู้จำเสียงพูด)

สัปดาห์ที่ 4: Descent การไล่ระดับสีของ Word2vec และ Stochastic

• เขียนโมเดล Word2Vec ของคุณเองที่ใช้เครือข่ายประสาท

หลักสูตร 3: รุ่นลำดับใน NLP

นี่เป็นหลักสูตรที่สามในความเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติ

สัปดาห์ที่ 1: ความเชื่อมั่นกับอวนประสาท

• ฝึกอบรมเครือข่ายประสาทด้วยการฝังคำศัพท์ถุงมือเพื่อทำการวิเคราะห์ความเชื่อมั่นของทวีต

สัปดาห์ที่ 2: โมเดลการสร้างภาษา

• สร้างข้อความ Shakespeare สังเคราะห์โดยใช้แบบจำลองภาษาที่มีรั้วรอบขอบชิด (GRU)

สัปดาห์ที่ 3: การจดจำเอนทิตีชื่อ (NER)

• ฝึกอบรมเครือข่ายประสาทที่เกิดขึ้นซ้ำเพื่อดำเนินการโดยใช้ LSTM ด้วยเลเยอร์เชิงเส้น

สัปดาห์ที่ 4: เครือข่ายสยาม

• ใช้โมเดล LSTM 'Siamese' ที่เรียกว่าการเปรียบเทียบคำถามในคลังข้อมูลและระบุรุ่นที่แตกต่างกัน แต่มีความหมายเหมือนกัน

หลักสูตร 4: โมเดลความสนใจใน NLP

นี่เป็นหลักสูตรที่สี่ในความเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติ

สัปดาห์ที่ 1: การแปลเครื่องประสาทด้วยความสนใจ

• แปลประโยคภาษาอังกฤษที่สมบูรณ์เป็นภาษาฝรั่งเศสโดยใช้โมเดลความสนใจของตัวเข้ารหัส/ตัวถอดรหัส

สัปดาห์ที่ 2: การสรุปด้วยโมเดลหม้อแปลง

• สร้างโมเดลหม้อแปลงเพื่อสรุปข้อความ

สัปดาห์ที่ 3: การตอบคำถามด้วยโมเดลหม้อแปลง

• ใช้โมเดล T5 และ Bert เพื่อตอบคำถาม

สัปดาห์ที่ 4: แชทบอทกับโมเดลนักปฏิรูป

• สร้าง chatbot โดยใช้โมเดลนักปฏิรูป

ใบรับรองการเสร็จสิ้นความเชี่ยวชาญ