در حال حاضر محصولی در سبد خرید شما وجود ندارد.
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
TensorFlow: Working with NLP
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.
آموزش مبتنی بر مثال یادگیری ماشینی در AWS
آموزش پیاده سازی هوش مصنوعی عکس ها با PyTorch
Apache Spark Deep Learning Essential Training
آموزش انجام پروژه های Deep Learning با OpenCV
طبقه بندی متن برای NLP با استفاده از BERT
Level Up: Advanced Python
8 چیزی که باید در Python بدانید
ترانسفورماتورها: طبقه بندی متن برای NLP با استفاده از BERT
یادگیری پایتون از طریق حل چالش های معمول این زبان
آموزش استفاده از Docker در پروژه های Data Science
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
مشاهده پلن ها