coursera natural language processing specialization

Coursera上的自然語言處理專業（由DeepLearning.AI提供）

coursera自然語言處理專業deeplearning.ai中所有課程的編程作業。

學分

此存儲庫包含我的專業工作。除非另有規定，否則代碼基礎，測驗問題和圖表是從自然語言處理專業方面取​​出的。

課程

Coursera上的自然語言處理專業課程包含四個課程：

• 課程1：分類和矢量空間的自然語言處理
• 課程2：具有概率模型的自然語言處理
• 課程3：使用序列模型的自然語言處理
• 課程4：通過注意模型進行自然語言處理

專業信息

• 自然語言處理（NLP）使用算法來理解和操縱人類語言。該技術是機器學習最廣泛應用的領域之一。隨著AI的不斷擴大，對熟練構建語音和語言，揭示上下文模式並產生文本和音頻的見解的專業人士的需求也將如此。

• 在此專業結束時，您將準備好設計執行提問和情感分析的NLP應用程序，創建翻譯語言並總結文本的工具，甚至構建聊天機器人。這些和其他NLP應用程序將位於即將到來的AI驅動未來的最前沿。

• 該專業化是由NLP，機器學習和深度學習的兩位專家設計和講授的。 Younes Bensouda Mourri是斯坦福大學AI的講師，他還幫助建立了深入的學習專業化。 Kasz Kaiser是Google Brain的員工研究科學家，也是Tensorflow，Tensor2Tensor和Trax庫以及Transferter Paper的合著者。

涵蓋了主題

這種專業化將使您掌握建立最先進的NLP系統所需的最新深度學習技術：

• 使用邏輯回歸，幼稚的貝葉斯和單詞向量來實現情感分析，完整的類比和翻譯單詞，並使用局部敏感的散列，以便將大約最近的鄰居使用。

• 使用動態編程，隱藏的Markov模型和單詞嵌入來自動更正拼寫錯誤的單詞，自動完整的部分句子，並確定單詞的詞性部分。

• 在Tensorflow和Trax中使用密集的和經常性的神經網絡，LSTMS，GRU和Siamese網絡執行高級情感分析，文本生成，命名實體識別，並確定重複的問題。

• 使用編碼器編碼器，因果關係和自我注意力，以執行完整句子，文本摘要，提問和構建聊天機器人的高級機器翻譯。涵蓋的模型包括T5，Bert，Transformer，Reformer等！享受！

編程作業

課程1：分類和矢量空間的自然語言處理

• 第1週
  • 任務：
    • 情感分析與邏輯回歸
  • 實驗室：
    • 自然語言預處理
    • 可視化單詞頻率
    • 可視化推文和邏輯回歸模型
• 第2週
  • 任務：
    • 天真的貝葉斯
  • 實驗室：
    • 可視化可能性和信心橢圓
• 第3週
  • 任務：
    • 單詞嵌入：你好向量
  • 實驗室：
    • 與numpy的Python中的線性代數
    • 操縱單詞嵌入
    • 關於PCA的另一個解釋
• 第4週
  • 任務：
    • 單詞翻譯
  • 實驗室：
    • R2中的旋轉矩陣
    • 哈希表

課程2：具有概率模型的自然語言處理

• 第1週
  • 任務：
    • 自動更正
  • 實驗室：
    • 構建詞彙
    • 來自編輯的候選人
• 第2週
  • 任務：
    • 語音標籤的一部分
  • 實驗室：
    • 使用文本數據
    • 使用標籤和numpy
• 第3週
  • 任務：
    • 自動完成
  • 實驗室：
    • n-gram的語料庫預處理
    • 建立語言模型
    • 語言模型概括
• 第4週
  • 任務：
    • 單詞嵌入
  • 實驗室：
    • 數據準備
    • CBOW模型介紹
    • 訓練CBOW模型
    • 單詞嵌入
    • 單詞嵌入逐步

課程3：使用序列模型的自然語言處理

• 第1週
  • 任務：
    • 深層神經網絡的情感
  • 實驗室：
    • Trax簡介
    • 課程和子類
    • 數據生成器
• 第2週
  • 任務：
    • 深n克
  • 實驗室：
    • 隱藏狀態激活
    • 使用jax numpy併計算困惑
    • 香草RNN，GRUS和掃描功能
    • 使用TRAX創建GRU模型
• 第3週
  • 任務：
    • 命名實體識別（NER）
  • 實驗室：
    • 消失的梯度
• 第4週
  • 任務：
    • 問題重複
  • 實驗室：
    • 使用Trax創建暹羅模型
    • 修改後的三重損失
    • 評估暹羅模型

課程4：通過注意模型進行自然語言處理

• 第1週
  • 任務：
    • NMT引起注意
  • 實驗室：
    • 堆棧語義
    • BLEU得分
• 第2週
  • 任務：
    • 變壓器摘要
  • 實驗室：
    • 注意力
    • 變壓器解碼器
• 第3週
  • 任務：
    • 問題回答
  • 實驗室：
    • 句子和bpe
    • 伯特損失
    • T5
• 第4週
  • 任務：
    • 聊天機器人
  • 實驗室：
    • 改革家LSH
    • Revnet

免責聲明

我認識到人們在建立直覺，了解新概念和調試任務的困難時期。這裡上傳的解決方案僅供參考。如果您被困在某個地方，它們的目的是取消阻止您。請不要復制代碼的任何部分（如果您仔細閱讀說明，則編程作業非常容易）。同樣，在參考測驗解決方案之前先嘗試測驗。