Tensorflow: کار با NLP

Tensorflow 2.0 به سرعت تبدیل به یکی از محبوب ترین چارچوب های یادگیری عمیق و مهارت های ضروری در ابزار هوش مصنوعی شما می شود. با استفاده از رویکرد دست، Jonathan Fernandes جنبه های کلیدی کار با ترانسفورماتور در پردازش زبان طبیعی را پوشش می دهد، همه در Tensorflow. او بر اساس اصول کار با داده های متنی می رود و به بررسی یادگیری انتقال، تنظیم برنگ و درک معماری مدل ترانسفورماتور می پردازد. او همچنین شامل مجموعه چالش / راه حل و سوالات ارزیابی برای کمک به بهینه سازی حفظ مواد.

عنوان اصلی : TensorFlow: Working with NLP

سرفصل های دوره :

مقدمه:
چرا tensorflow؟
آنچه شما باید بدانید
Tensorflow چیست؟
1. NLP و ترانسفورماتور:
NLP چیست؟
ترانسفورماتور، استفاده از آنها، و تاریخ
ترانسفورماتور برای NLP
چالش: اندازه مدل NLP
راه حل: اندازه مدل NLP
2. BERT و آموزش انتقال:
BIAS در BERT و GPT
چگونه Bert آموزش دیده بود؟
یادگیری انتقال
3. ترانسفورماتور و برت:
ترانسفورماتور: بررسی معماری
مدل برتر Bert و tokenization
tokenizers
خودت توجه
توجه چند سر و شبکه Feedforward
Behning Bert
نتیجه گیری:
مراحل بعدی