|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/nlp-system-architecture-and-dev-ops
课程评论：没有评论
课程名称：NLP系统架构与Dev-Ops 概述：本课程将提供实施自然语言处理（NLP）算法所需的知识。通过使用最新的流行NLP算法，课程将帮助解决该领域的一系列问题。学员需具备基础至中级的编程知识，最好具备Python基础知识，并推荐熟悉Anaconda环境下的Jupyter Notebooks。 开发应用程序将使用Python 3.6或更高版本，或者在Anaconda环境中使用相同版本的Python。代码示例将在Anaconda的Notebook中编辑，但学员可以使用任何能够识别Anaconda笔记本的文本编辑器。课程还要求安装以下库：NLTK、Scikit-learn、Spacy和TensorFlow。 课程大纲： 1. 第一部分：NLP项目的架构与生命周期 描述：本模块将提供定义基于NLP的系统模型架构以及其投入生产的必要知识。 2. 第二部分：MLOps 描述：本模块详细介绍了NLP应用的完整循环，包括投入生产、维护及其反馈以优化应用程序。 3. 第三部分：NLP的最新进展 描述：本模块将展示一系列推动NLP边界的算法及潜在应用领域。 4. 第四部分：课程总结 描述：回顾各个模块的内容，提供对NLP项目的总体视角，以及软件工程中的范式转变。
Part: 1
Title:Arquitectura y ciclo de vida de proyectos de NLP
Description:Este módulo te permitirá obtener los conocimientos necesarios para poder definir modelos arquitectónicos de sistemas basados en NLP y su pasaje a producción.
Part: 2
Title:MLOps
Description:En este módulo se detalla el ciclo completo de las aplicaciones de NLP, pasaje a producción, mantenimiento y retroalimentación para la mejora perfectiva de las aplicaciones.
Part: 3
Title:Últimos avances en NLP
Description:En este módulo se presentará un conjunto de algoritmos que están corriendo los límites del NLP y potenciales áreas de aplicación.
Part: 4
Title:Conclusión del curso
Description:Repaso general de lo visto a lo largo de los distintos cursos, visión general de los proyectos de NLP y cambio de paradigma en la ingeniería de software.
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.
