О курсе
Курс «Рекуррентные сети в NLP и приложениях» от Елены Кантонистовой предназначен для изучения рекуррентных нейронных сетей и их использования в задачах обработки естественного языка. Программа начинается с повторения основ NLP, включая ML-подходы, word2vec и fastText, затем переходит к продвинутым методам Python и знакомству с фреймворком PyTorch. Основная часть курса посвящена устройству рекуррентных сетей и их практическому применению, включая генерацию текстов. Также рассматриваются приложения RNN в других областях, помимо NLP. В финале слушатели осваивают фреймворк FastAPI и выполняют итоговый проект, оформленный в виде веб-сервиса. Автор курса — кандидат физико-математических наук, выпускница Школы анализа данных Яндекса.
Что рассматривается в программе
- рассматривается устройство рекуррентных нейронных сетей
- работа с фреймворком PyTorch
- решение задач генерации текстов с помощью RNN
- применение RNN в других областях
- создание итогового проекта в виде FastAPI-сервиса
Кому может быть полезен курс
- тем, кто интересуется автоматической обработкой текстов (NLP)
- тем, кто хочет изучить Deep Learning-подходы для задач NLP
- специалистам, которым нужно ознакомиться с рекуррентными нейронными сетями и PyTorch
Вопросы о программе
Какие темы включены в программу курса?
Программа включает организацию курса, повторение основ NLP, изучение рекуррентных нейронных сетей, введение в PyTorch, практические занятия по RNN, приложения RNN, создание веб-сервиса на FastAPI и итоговый проект.
Какие предварительные знания требуются?
Курс является вторым в линейке по NLP, поэтому предполагается, что слушатели уже знакомы с основами нейронных сетей и NLP, например, из курса «Основы нейронных сетей и NLP».
Кто автор курса?
Автор курса — Елена Кантонистова, кандидат физико-математических наук, выпускница Школы анализа данных Яндекса (ШАД).