Курс: Нейронные сети в компьютерной обработке текста и звука. Библиотека PyTorch

Продолжительность курса: 16 ак. ч.

Описание курса:
Нейронные сети - прочно закрепившаяся современная технология обработки контента. На сегодняшний день многие компьютерные IT корпорации используют эту технологию для создания компьютерных роботов, чат-ботов. Наиболее известные из них Alexa (Amazon), Siri (Apple), Алиса (Yandex), O'key Google, Google Translate (Google) созданы именно с использованием данной технологии.
В данном курсе будет рассмотрен ряд нейронных сетей, реализованных средствами Python с использованием библиотеки PyTorch, разработанной в 2017 году. Данные алгоритмы составляют базу для решения задач по компьютерная обработке текста и звука, поскольку область эта непрерывно развивается и совершенствуется.

Аудитория:
• Программисты Python
• ИТ-специалисты
• Специалисты в области Data Science

Необходимая подготовка:
Успешное окончание курса «Нейронные сети. Компьютерное зрение и библиотека PyTorch», или эквивалентная подготовка.

Программа курса:
Модуль 1. Введение в NLP и моделирование тематик
• Задачи, решаемые с NLP.
• Лингвистика и машинное обучение.
• Информационные ресурсы и NLP методики.
• NLP библиотеки Python и примеры приложений.
• Тематическое моделирование.
• Постановка задачи и данные из Usenet.
• Стоп-слова, стемминг, лемматизация.
• Разложение по сингулярным значениям (SVD).
• Неотрицательная матричная факторизация (NMF).
• Усеченный SVD.

Модуль 2. Классификация настроений. Языковое моделирование
• Набор данных IMDB. Матрица терминов-документов.
• Классификация средствами логистической регрессии, наивного байесовского классификатора и Ngrams.
• Использование предобработки данных и предобученных нейронных сетей fast.ai.
• Нейронная языковая модель на основе wikitext-103.
• Использование LSTM классификатора.
• Языковое моделирование средствами рекурентных нейронных сетей с использованием библиотеки fast.ai

Модуль 3. Работа со звуком
• Набор данных ESC-50.
• Обработка ESC-50 разными средствами PyTorch.
• Использование моделей ResNet и сверточных нейронных сетей.
• Расширение данных для переобучения.

Модуль 4. Тестирование нейронных сетей и применение моделей
• Использование TensorBoard.
• Использование Flame Graph.
• Тестирование работы GPU.
• Создание сервисов в Flask и Docker.
• Применение моделей в Google.
• Применение TorchScript.
• Применение libTorch.

Окончательная цена указывается в договоре на обучение. Записаться на курс