Natural Language Processing Blended 2020 module4 — различия между версиями
(→Темы занятий) |
|||
Строка 19: | Строка 19: | ||
'''[https://colab.research.google.com/github/shestakoff/hse-nlp-poly/blob/master/seminar2/seminar-week2.ipynb Week2. LSTMs]''' <br/> | '''[https://colab.research.google.com/github/shestakoff/hse-nlp-poly/blob/master/seminar2/seminar-week2.ipynb Week2. LSTMs]''' <br/> | ||
'''[https://colab.research.google.com/github/shestakoff/hse-nlp-poly/blob/master/seminar3/seminar-week3.ipynb Week3. Word Embeddings and Topic Modelling]''' <br/> | '''[https://colab.research.google.com/github/shestakoff/hse-nlp-poly/blob/master/seminar3/seminar-week3.ipynb Week3. Word Embeddings and Topic Modelling]''' <br/> | ||
+ | '''[https://colab.research.google.com/github/shestakoff/hse-nlp-poly/blob/master/seminar4/nmt_with_attention_ru_eng.ipynb Week4. Sequence to sequence tasks] ''', [https://github.com/huggingface/transformers transformers library] < <br/> |
Текущая версия на 17:45, 5 мая 2020
Преподаватель - Шестаков Андрей
Форма обратной связи здесь
Оценки
Course repo
Описание курса
Коллосальный рост доступной текстовой информации ускорил развитие научной области, известной как автоматическая обработка естественного языка (англ. Natural Language Processing). В рамках данного курса студенты ознакомятся к задачами, которые решает NLP как с помощью классических, так и с помощью нейросетевых методов. В частности будут разобраны задачи классификации текстов, выявления именованный сущностей, поиск дубликатов и генерация текстов. В качестве выпускного проекта студентам будет предложено разработать бота-ассистента для поиска по порталу StackOverflow.
Курс основан на онлайн курсе “Natural Language Processing” - https://www.coursera.org/learn/language-processing (платформа - Coursera, разработки – ВШЭ)
Предполагается, что слушатели прошли вводный курс по языку Python, имеют базовые знания по высшей математике (линейная алгебра, мат. анализ) и методам машинного обучения
Темы занятий
Week1. Intro and text classification (tf2 version ), little nlp introduction
Week2. LSTMs
Week3. Word Embeddings and Topic Modelling
Week4. Sequence to sequence tasks , transformers library <