Описание:
Интенсив посвящен рекуррентным нейронным сетям, применяющимся для решения широкого класса задач в области NLP, а также их приложениям в других областях.
Курс является вторым в линейке курсов по Natural Language Processing после
курса "Основы нейронных сетей и NLP".
Чему вы научитесь
- Узнаете как работают рекуррентные нейронные сети
- Научитесь работать с фреймворком PyTorch
- Сможете решать задачи генерации текстов при помощи RNN
- Узнаете, как RNN используются в других областях
- Создадите итоговый проект, оформленный в виде FastAPI-сервиса
- Слушатели курса освоят следующие темы:
- Повторят основы NLP (ML-подходы, w2v, fasttext)
- Освоят продвинутые методы Python и познакомятся с фреймворком PyTorch
- Узнают как работают рекуррентные нейронные сети
- Применят RNN на практике
- Освоят фреймворк FastAPI
- Сделают итоговый проект с использованием RNN и FastAPI
- Узнают о приложениях RNN в других областях
Для кого этот курс
Курс подойдет всем, кто интересуется областью автоматической обработки текстов (Natural Language Processing) и в особенности Deep Learning-подходами для решения задач из области NLP.
Программа курса
- Организация курса
- Основы NLP: recap
- Рекуррентные нейронные сети
- Введение в PyTorch
- Рекуррентные сети: практика — 1
- Рекуррентные сети: практика — 2
- Приложения RNN
- Ванильный веб-сервис на FastAPI
- Итоговый проект
Начальные требования
Для успешного освоения курса участники должны уметь писать код на языке Python и быть знакомыми с базовыми NLP-подходами. Рекомендуется к прохождению первый курс из линейки: "Основы нейронных сетей и NLP".
Ваш преподаватель:
Елена Кантонистова
Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)
