وب سایت تخصصی شرکت فرین
دسته بندی دوره ها

Natural Language Processing with PyTorch

سرفصل های دوره

This course covers the use of advanced neural network constructs and architectures, such as recurrent neural networks, word embeddings, and bidirectional RNNs, to solve complex word and language modeling problems using PyTorch. 


1. Course Overview
  • 1. Course Overview

  • 2. Implementing Recurrent Neural Networks (RNNs) in PyTorch
  • 1. Version Check
  • 2. Module Overview
  • 3. Prerequisites and Course Outline
  • 4. RNNs for Natural Language Processing
  • 5. Recurrent Neurons
  • 6. Back Propagation through Time
  • 7. Coping with Vanishing and Exploding Gradients
  • 8. Long Memory Cells
  • 9. Module Summary

  • 3. Performing Binary Text Classification Using Words
  • 01. Module Overview
  • 02. Word Embeddings to Represent Text Data
  • 03. Introducing torchtext to Process Text Data
  • 04. Feeding Text Data into RNNs
  • 05. Setup and Data Cleaning
  • 06. Using Torchtext to Process Text Data
  • 07. Designing an RNN for Binary Text Classification
  • 08. Training the RNN
  • 09. Using LSTM Cells and Dropout
  • 10. Module Summary

  • 4. Performing Multi-class Text Classification Using Characters
  • 1. Module Overview
  • 2. Language Prediction Based on Names
  • 3. Loading and Cleaning Data
  • 4. Helper Functions to One Hot Encode Names
  • 5. Designing an RNN for Multiclass Text Classification
  • 6. Predicting Language from Names
  • 7. Module Summary

  • 5. Performing Sentiment Analysis Using Word Embeddings
  • 01. Module Overview
  • 02. Numeric Representations of Words
  • 03. Word Embeddings Capture Context and Meaning
  • 04. Generating Analogies Using GloVe Embeddings
  • 05. Multilayer RNNs
  • 06. Bidirectional RNNs
  • 07. Data Cleaning and Preparation
  • 08. Designing a Multilayer Bidirectional RNN
  • 09. Performing Sentiment Analysis Using an RNN
  • 10. Module Summary

  • 6. Performing Language Translation Using Sequence-to-Sequence Models
  • 01. Module Overview
  • 02. Using Sequences and Vectors with RNNs
  • 03. Language Translation Using Encoders and Decoders
  • 04. Representing Input and Target Sentences
  • 05. Teacher Forcing
  • 06. Setting up Helper Functions for Language Translation
  • 07. Preparing Sentence Pairs
  • 08. Designing the Encoder and Decoder
  • 09. Training the Sequence-2-Sequence Model Using Teacher Forcing
  • 10. Translating Sentences
  • 11. Summary and Further Study
  • 139,000 تومان
    بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
    خرید دانلودی فوری

    در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

    ایمیل شما:
    تولید کننده:
    مدرس:
    شناسه: 6395
    حجم: 344 مگابایت
    مدت زمان: 178 دقیقه
    تاریخ انتشار: 3 اسفند 1401
    طراحی سایت و خدمات سئو

    139,000 تومان
    افزودن به سبد خرید