Обработка на естествен език
Токенизация, TF-IDF, класификация на текст, word2vec, RNN и LSTM, превод, NER, настроения, търсене и българският език.
15 урока · около 345 минНОИИIOAIНужно: Основи на Python, Линейна алгебра, Вероятности и статистика, scikit-learn, Невронни мрежи от нулата
Първо завърши: scikit-learn: първи модел, Низове
- 1
Текстът като данни
Токенизация, bag of words, TF-IDF и класификация на текст
30 мин Заключен
- 2
Токенизация и нормализация
Думи, изречения, стоп думи и основи на думите
20 мин Заключен
- 3
TF-IDF отблизо
Формулата, n-грами и n-грами от букви
20 мин Заключен
- 4
Класификация на текст
Линейни модели, тълкуване на теглата и честна валидация
20 мин Заключен
- 5
Векторни представяния на думи
Embeddings, косинусово сходство и аналогии
30 мин Заключен
- 6
word2vec
Думите, които се срещат в еднакъв контекст, имат близки вектори
20 мин Заключен
- 7
Езикови модели и n-грами
Вероятност на следващата дума, генериране и температура
30 мин Заключен
- 8
Рекурентни мрежи (RNN)
Памет за последователности
20 мин Заключен
- 9
LSTM и GRU
Врати, които решават какво да запомнят и какво да забравят
20 мин Заключен
- 10
Seq2seq и машинен превод
Енкодер, декодер, вниманието и метриката BLEU
20 мин Заключен
- 11
Разпознаване на имена (NER)
Класификация на всяка дума и BIO етикети
20 мин Заключен
- 12
Анализ на настроения
Речник, отрицание и модел
20 мин Заключен
- 13
Търсене на подобни документи
Косинусово сходство, BM25 и малка търсачка
20 мин Заключен
- 14
Особености на българския текст
Кирилица, богата морфология, латиница и инструменти
20 мин Заключен
- 15
Проект: теми на новини
От суров текст до модел, грешки и обяснение
35 мин Заключен
Изпит на курса
Отключва се, когато завършиш всички уроци.