آموزش یادگیری BERT - قدرتمندترین الگوریتم NLP توسط گوگل
Learn BERT - most powerful NLP algorithm by Google
به شهود و برنامه های BERT عمیق بروید:
مناسب برای همه: ما به تاریخچه BERT از مبدأ آن می پردازیم و هر مفهومی را به تفصیل شرح می دهیم تا هرکسی بتواند دوره را با تسلط بر این الگوریتم پیشرفته NLP دنبال کرده و به پایان برساند، حتی اگر در این زمینه تازه کار هستید. .
قدرتمند و مخرب: مفاهیم پشت یک BERT جدید را بیاموزید، از شر RNN، CNN و دیگر مدل‌های یادگیری عمیق خلاص شوید تا روشی بصری‌تر برای پردازش زبان را اجرا کنید که با طیف وسیعی از اهداف NLP، از جمله اهداف شما، مطابقت دارد!
کاربرپسند و کارآمد : ما دوره را با استفاده از جدیدترین فناوری‌ها، با استفاده از Tensorflow 2.0 و Google Colab طراحی کرده‌ایم، و اطمینان می‌دهیم که شما هیچ مشکلی در نسخه ماشین/نرم‌افزار/سازگاری محلی ندارید و بیشترین استفاده را دارید ابزارهای به روز.
معرفی Introduction
-
به دوره خوش آمدید Welcome to the course
-
برنامه درسی دوره، جعبه ابزار Colab و پیوندهای داده Course curriculum, Colab toolkit and data links
-
EXTRA: مسیر یادگیری EXTRA: Learning Path
برت - شهود BERT - Intuition
-
BERT چیست؟ What is BERT?
-
امتحان: تعریف BERT Quiz: BERT definition
-
جاسازی Embedding
-
امتحان: از متن تا اعداد Quiz: From text to numbers
-
ایده کلی General Idea
-
امتحان: ایده عمومی Quiz: General Idea
-
seq2seq قدیمی Old fashioned seq2seq
-
درک عمومی ترانسفورماتور Transformer general understanding
-
توجه Attention
-
مسابقه: ترانسفورماتورها و توجه Quiz: Transformers and attention
-
معماری Architecture
-
امتحان: ابزار BERT Quiz: BERT's utility
-
قبل از آموزش Pre-training
-
آزمون: برنامه های کاربردی BERT Quiz: BERT's applications
کاربرد: با استفاده از توکنایزر BERT Application: using BERT's tokenizer
-
توضیح CNN CNN explanation
-
مقدمه Intro
-
وابستگی ها Dependencies
-
در حال بارگذاری فایل ها Loading Files
-
پاک کردن داده ها Cleaning Data
-
توکن سازی Tokenization
-
ایجاد مجموعه داده Dataset Creation
-
ساختمان مدل Model Building
-
آموزش Training
-
ارزیابی Evaluation
کاربرد: استفاده از BERT به عنوان جاسازی Application: using BERT as an embedder
-
مهم: تصحیح برای سخنرانی بعدی Important: correction for next lecture
-
ورودی ها Inputs
-
نتایج مدل Model Results
کاربرد: تنظیم دقیق BERT برای ایجاد یک سیستم پاسخگویی به سؤال Application: fine-tuning BERT to create a question answering system
-
مقدمه Intro
-
تصحیح "وابستگی ها" با نسخه بسته جدید Correction of "Dependencies" with new package version
-
وابستگی ها Dependencies
-
پیش پردازش داده ها Data Preprocessing
-
لایه جوخه Squad Layer
-
تصحیح "کل مدل" با نسخه بسته جدید Correction of "Whole Model" with new package version
-
مدل کل Whole Model
-
هوش مصنوعی را کامپایل کنید Compile AI
-
آموزش Training
-
آماده سازی ارزیابی Evaluation Preparation
-
ایجاد ارزیابی Evaluation Creation
-
نتیجه ارزیابی Evaluation Result
-
پیش بینی خانگی Home-made prediction
تبریک می گویم!! جایزه خود را فراموش نکنید :) Congratulations!! Don't forget your Prize :)
-
پاداش: نحوه باز کردن حقوق های برتر (آموزش زنده) Bonus: How To UNLOCK Top Salaries (Live Training)
https://donyad.com/d/5d45e2
SuperDataScience Team
کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم SuperDataScience Social هستیم. هنگام انتشار دوره های جدید SDS ، هنگامی که پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و سایر موارد را منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در SuperDataScience
Ligency Team
کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم روابط عمومی و بازاریابی Ligence هستیم. هنگامی که دوره های جدید منتشر می شوند ، وقتی پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و غیره منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در معرض خطر
Martin Jocqueviel
دانشمند داده آزاد
نمایش نظرات