آموزش شروع با یادگیری عمیق NLP با استفاده از PyTorch و fastai

Getting Started with NLP Deep Learning Using PyTorch and fastai

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره به شما نحوه شروع استفاده از کتابخانه fastai و PyTorch را برای به دست آوردن نتایج پیشرفته با Deep Learning NLP برای طبقه بندی متن آموزش می دهد. این یک زمینه نظری به شما می دهد و نشان می دهد که چگونه مدل ها را به تولید برسانید. در این دوره ، شروع به کار با یادگیری عمیق NLP با استفاده از PyTorch و fastai ، نگاهی خواهیم داشت به کتابخانه شگفت انگیز fastai ، ساخته شده در بالای PyTorch Deep چارچوب یادگیری ، برای یادگیری نحوه انجام پردازش زبان طبیعی (NLP) با شبکه های عصبی عمیق و چگونگی دستیابی به آخرین نتایج پیشرفته در طبقه بندی متن. در ابتدا ، ما می آموزیم که به لطف کتابخانه fastai و آموزش انتقال ، خیلی سریع یک مدل برای طبقه بندی متن آموزش دهیم. در مرحله بعدی ، ما برخی از تئوریهای پشت روشهای عمیق یادگیری NLP و نحوه استقرار مدلهای خود را برای تولید در Microsoft Azure ، بررسی خواهیم کرد. سرانجام ، ما خواهیم آموخت که چگونه یک مدل زبان سفارشی را از ابتدا آموزش دهیم. بعد از اتمام این دوره ، خواهید فهمید که fastai و PyTorch چارچوب های خوبی هستند ، چگونه مدل های یادگیری عمیق را برای کارهای NLP در مجموعه داده های خود آموزش دهید و چگونه آنها را به مرحله تولید برسانید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

کاوش در کتابخانه fastai Exploring the fastai Library

  • معرفی کتابخانه fastai Introducing the fastai Library

  • با کتابخانه fastai چه کار دیگری می توانید انجام دهید؟ What Else Can You Do with the fastai Library?

  • راه عالی برای یادگیری ML/DL چیست؟ What's a Great Way to Learn ML/DL?

تنظیم یک محیط توسعه Setting up a Development Environment

  • الزامات و گزینه های نصب Requirements and Install Options

  • محیط Dev را برای fastai 1.0 تنظیم کنید Set up a Dev Environment for fastai 1.0

  • سایر گزینه های محیط Dev Other Dev Environment Options

ساخت طبقه بندی متن/مبحث با یادگیری انتقالی Building a Text/Topic Classifier with Transfer Learning

  • بررسی اجمالی ماژول Module Overview

  • آماده سازی داده ها Preparing the Data

  • مقدمه ای بر مدل های زبان Introduction to Language Models

  • مدل زبان تنظیم دقیق Language Model Fine-tuning

  • نهایی کردن تنظیم و تست مدل زبان Finalizing Language Model Tuning and Testing

  • آموزش طبقه بندی اسناد با آموزش انتقال Training a Document Classifier with Transfer Learning

  • بحث در مورد نتایج و خلاصه Discussing the Results and Summary

استفاده از یادگیری عمیق برای NLP Using Deep Learning for NLP

  • مقدمه Introduction

  • آموزش انتقال و تنظیم دقیق Transfer Learning and Fine-tuning

  • مقدمه ای بر ULMFiT Introduction to ULMFiT

  • تنظیم دقیق افتراقی Discriminitive Fine-tuning

  • برنامه ریزی بیش از حد پارامترها Hyper-parameters Scheduling

  • مدل زبان AWD-LSTM AWD-LSTM Language Model

  • ترک تحصیل Dropout

  • لایه جاسازی شده Embedding Layer

  • پیش پردازش متن Text Pre-processing

  • در حال بارگیری داده های دسته ای Batch Data Loading

  • خلاصه Summary

رفتن از نمونه اولیه به تولید Going from Prototype to Production

  • مقدمه و راه اندازی محیط توسعه Introduction and Dev Environment Setup

  • آماده سازی یک مدل برای تولید Preparing a Model for Production

  • امتیازدهی اسکریپت برای آزمون محلی Scoring Script for Local Test

  • Azure ML Workspace را تنظیم کنید Set up Azure ML Workspace

  • امتیازدهی اسکریپت برای خدمات AML Scoring Script for AML Services

  • تصویر تولید را ایجاد کنید Create the Production Image

  • استفاده از تصویر تولید Deploy the Production Image

  • وب سرویس را تست کنید Test the Web Service

  • خلاصه Summary

ساخت یک مدل زبان سفارشی از Scratch Building a Custom Language Model from Scratch

  • مقدمه Introduction

  • دریافت داده ها Getting the Data

  • پیش پردازش متن Text Pre-processing

  • مدل زبان را از قبل آموزش دهید Pre-train the Language Model

  • کیفیت مدل زبان را تأیید کنید Verify the Quality of the Language Model

  • اسکریپت های آموزش مدل کامل Scripts for Training the Full Model

  • خلاصه Summary

Recapping و مراحل بعدی Recapping and Next Steps

  • خلاصه دوره Course Recap

  • مراحل بعدی Next Steps

نمایش نظرات

آموزش شروع با یادگیری عمیق NLP با استفاده از PyTorch و fastai
جزییات دوره
2h 13m
43
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
13
3.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Gianni Rosa Gallina Gianni Rosa Gallina

جیانی یک مهندس ارشد R&D در آزمایشگاه نوآوری Deltatre است ، مستقر در ایتالیا ، در حال طراحی و نمونه سازی راه حل های نسل آینده برای تجربیات و خدمات مربوط به ورزش ، از برنامه های VR/MR گرفته تا معماری لاجوردی پایان به پایان ، عبور از خدمات شناختی ، هوش مصنوعی ، و موارد دیگر. جیانی از سال 2011 مایکروسافت MVP بوده و از سال 2013 روی فناوری های نوظهور ، هوش مصنوعی و واقعیت مجازی/تقویت شده/مخلوط تمرکز کرده است. علاوه بر این ، وی عضو فعال جامعه محلی ، "Torino Technologies Group" (TTG) ، یک سازمان دهنده و مربی است. برای جلسات ماهانه Coding Gym Torino ، او مقالاتی را در وبلاگ خود منتشر می کند و در کنفرانس ها و رویدادهای فناوری ملی و بین المللی صحبت می کند.