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