Visão Geral

Curso Deep Learning with Python. Os métodos de aprendizagem profunda estão alcançando resultados de última geração para problemas desafiadores de aprendizagem de máquina, como identificar e descrever fotos e traduzir texto de um idioma para outro. No Curso Deep Learning with Python, eliminaremos o excesso de matemática, trabalhos de pesquisa e descrições de retalhos para nos aprofundarmos na tecnologia para que você adquira habilidades do mundo real que podem ser aproveitadas imediatamente no trabalho.

Usando explicações claras e bibliotecas Python padrão, você explorará passo a passo o que é processamento de linguagem natural, a promessa de aprendizado profundo na área, como limpar e preparar dados de texto para modelagem e como desenvolver modelos de aprendizado profundo .

Objetivo

Ao participar do Curso Deep Learning with Python, os participantes aprenderão:

• Classificação de texto neural: Desenvolva um modelo de aprendizado profundo para classificar o sentimento das resenhas de filmes como positivo ou negativo.
• Modelagem de Linguagem Neural: Desenvolva um modelo de linguagem neural no texto de Platão para gerar novos trechos de texto com o mesmo estilo e sabor do original.
• Legendagem neural de fotos: Desenvolva um modelo para gerar automaticamente uma descrição concisa de fotografias ad hoc.
• Tradução automática neural: Desenvolva um modelo para traduzir frases de texto em alemão para inglês.
• Saco de palavras neural: Desenvolva modelos de redes neurais que modelem o texto como um saco de palavras onde a ordem das palavras é ignorada.
• Incorporação de palavras neurais: Desenvolva modelos de redes neurais que modelam texto usando uma representação distribuída.
• Incorporação + CNN: Desenvolva modelos de aprendizagem profunda que combinem representações de incorporação de palavras com redes neurais convolucionais.
• Codificador-Decodificador RNN: Desenvolva redes neurais recorrentes que usam a arquitetura codificador-decodificador.

Publico Alvo

• Desenvolvedores experientes, cientista de dados, engenheiro de dados.

Pre-Requisitos

• Fortes habilidades em Python
• Experiência anterior de trabalho com Keras é útil
• Capacidade de navegar na linha de comando do Linux
• Conhecimento básico de editores Linux (como VI/nano) para edição de código

Materiais

Conteúdo Programatico

Foundations

1. Natural Language Processing
2. Deep Learning
3. Promise of Deep Learning for Natural Language
4. How to Develop Deep Learning Models With Keras

Data Preparation

1. How to Clean Text Manually and with NLTK
2. How to Prepare Text Data with scikit-learn
3. How to Prepare Text Data With Keras

Bag-of-Words

1. The Bag-of-Words Model
2. Prepare Movie Review Data for Sentiment Analysis
3. Neural Bag-of-Words Model for Sentiment Analysis

Word Embeddings

1. The Word Embedding Model
2. How to Develop Word Embeddings with Gensim
3. How to Learn and Load Word Embeddings in Keras

Text Classification

1. Neural Models for Document Classification
2. Develop an Embedding + CNN Model
3. Develop an n-gram CNN Model for Sentiment Analysis

Language Modeling

1. Neural Language Modeling
2. Develop a Character-Based Neural Language Model
3. How to Develop a Word-Based Neural Language Model
4. Develop a Neural Language Model for Text Generation

Image Captioning

1. Neural Image Caption Generation
2. Neural Network Models for Caption Generation
3. Load and Use a Pre-Trained Object Recognition Model
4. How to Evaluate Generated Text With the BLEU Score
5. How to Prepare a Photo Caption Dataset For Modeling
6. Develop a Neural Image Caption Generation Model

Neural Machine Translation

1. Neural Machine Translation
2. Encoder-Decoder Models for NMT
3. Configure Encoder-Decoder Models for NMT
4. How to Develop a Neural Machine Translation Model