|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/nlp-modelos-y-algoritmos
课程评论：没有评论
课程名称：NLP 模型与算法 课程概述：本课程将为您提供实施自然语言处理（NLP）算法所需的知识。通过使用最新和最流行的NLP算法，您将能够解决一系列该领域特有的问题。参加本课程需要具备基本到中级的编程知识，最好具备基础的Python语言知识，并建议了解Anaconda环境下的Jupyter Notebooks。 为了开发应用程序，将使用Python 3.6或更高版本。或者，您也可以使用相同版本的Anaconda环境。作为代码编辑器，示例将在Anaconda的Notebook中编辑，但学生可以使用任何识别Anaconda notebooks的文本编辑器。课程中需要安装的库包括：NLTK、Scikit-learn、Spacy和TensorFlow。 课程大纲： 1. **基础机器学习与深度学习概念** 该模块将使您能够区分NLP中使用的不同类型的算法，基于机器学习和深度学习的算法。 2. **用于自然语言处理的机器学习算法** 在该模块中，将描述一系列广泛用于自然语言处理的机器学习算法。 3. **用于自然语言处理的神经网络** 本模块将介绍一种人工神经网络模型，以解决与自然语言处理相关的问题。 4. **自然语言处理模型的集成** 在理解了各种机器学习、深度学习和神经网络模型后，将生成一个使用上述多种模型的集成模型，以更好地接近期望结果。
Part: 1
Title:Conceptos básicos de aprendizaje automático y aprendizaje profundo
Description:Este módulo te permitirá obtener los conocimientos necesarios para poder diferenciar los diversos tipos de algoritmos que se utilizan en NLP; basados en aprendizaje automático y aprendizaje profundo
Part: 2
Title:Algoritmos de aprendizaje automático para Procesamiento de Lenguaje Natural
Description:En este módulo se describen un conjunto de algoritmos de aprendizaje automático de uso extendido en Procesamiento de Lenguaje Natural.
Part: 3
Title:Redes neuronales para Procesamiento de Lenguaje Natural
Description:En este módulo se presentará un modelo de redes neuronales artificiales que permitirán abordar problemas propios del Procesamiento de Lenguaje Natural
Part: 4
Title:Ensamble de modelos de Procesamiento de Lenguaje Natural
Description:Una vez comprendidos los diversos modelos de algoritmos de aprendizaje automático, aprendizaje profundo y redes neuronales se procederá a generar un modelo que utilice varios de los modelos antes mencionados para obtener una mejor aproximación al resultado esperado.
Este curso te brindará los conocimientos necesarios para la implementación de algoritmos de NLP. Mediante el uso de los últimos algoritmos más populares en NLP se procederá a dar solución a un conjunto de problemas propios del área. Para realizar este curso es necesario contar con conocimientos de programación de nivel básico a medio, deseablemente conocimiento básico del lenguaje Python y es recomendable conocer los Jupyter Notebooks en el entorno Anaconda. Para desarrollar aplicaciones se va a utilizar Python 3.6 o superior. Alternativamente se puede utilizar el entorno de Anaconda con la misma versión de Python. Como editor de código, los ejemplos van a ser editados en el Notebook de Anaconda, pero el alumno puede utilizar cualquier editor de texto que reconozca notebooks de Anaconda. Librerías que es necesario tener instaladas para realizar el curso: NLTK, Scikit-learn, Spacy y TensorFlow.
