【Udemy中英字幕】Natural Language Processing: NLP With Transformers in Python

自然语言处理：使用 Python 中的 Transformer 进行 NLP

使用 Transformer 学习下一代 NLP，用于情绪分析、问答、相似性搜索、NER 等

讲师：James Briggs

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 使用变换器模型的行业标准 NLP
• 构建全栈问答转换器模型
• 使用 PyTorch 和 TensorFlow 中的 transformers 模型执行情绪分析
• Elasticsearch 和 Facebook AI 相似性搜索 (FAISS) 等高级搜索技术
• 为专门的用例创建微调的变压器模型
• 使用 ROUGE 等高级指标衡量语言模型的性能
• BM25 或密集通道检索器 (DPR) 等向量构建技术
• NLP 最新发展概述
• 了解变压器的注意事项和其他关键部件
• 了解 BERT 等关键 Transformer 模型
• 为 NLP 预处理文本数据
• 使用 spaCy 和 transformers 进行命名实体识别 (NER)
• 微调语言分类模型

探索相关主题

• 自然语言处理 (NLP)
• 数据科学
• 发展

要求

• Python 知识
• 具有数据科学经验者优先
• 具有 NLP 经验者优先

描述

Transformer 模型是现代 NLP 中事实上的标准。它们已经证明自己是语言领域最具表现力、最强大的模型，并且一次又一次地击败了所有主要的语言基准测试。

在本课程中，我们涵盖了使用转换器模型（如 Google AI 的BERT或 Facebook AI 的DPR ）构建尖端性能 NLP 应用程序所需的一切。

我们涵盖了几个关键的 NLP 框架，包括：

• HuggingFace 的变形金刚

• TensorFlow 2

• PyTorch

• spaCy

• 神经科学知识库

• 天赋

并学习如何将变换器应用于一些最流行的 NLP 用例：

• 语言分类/情感分析

• 命名实体识别 (NER)

• 问答

• 相似性/比较学习

在每个用例中，我们都通过各种示例来确保变压器的重要性、使用方法和原因。除了这些部分，我们还研究了两个完整的 NLP 项目，一个用于金融 Reddit 数据的情绪分析，另一个涵盖了一个成熟的开放域问答应用程序。

所有这些都得到了其他几个部分的支持，这些部分鼓励我们学习如何更好地设计、实施和衡量模型的性能，例如：

• NLP 的历史以及 transformers 的来源

• NLP 的常见预处理技术

• Transformer 背后的理论

• 如何微调变压器

我们涵盖了所有这些内容以及更多内容，我期待在课程中见到您！

本课程适合哪些人：

• 对 NLP 感兴趣的有志数据科学家和 ML 工程师
• 希望提升技能的从业者
• 希望实施 NLP 解决方案的开发人员
• 数据科学家
• 机器学习工程师
• Python 开发人员