课程介绍：
Transformer 模型是现代 NLP 中的事实标准。它们已经在很大程度上证明了自己是最具表现力、最强大的语言模型，一次又一次地击败了所有主要的基于语言的基准。
在本课程中，我们将学习您开始使用 Google AI 的 BERT 或 Facebook AI 的 DPR 等转换器模型构建尖端性能 NLP 应用程序所需的所有知识。
我们涵盖了几个关键的 NLP 框架，包括：
HuggingFace 的Transformers
TensorFlow 2
PyTorch
spaCy
NLTK
Flair
并了解如何将Transformers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
在所有这些用例中，我们都通过各种示例来确保Transformers是什么、如何以及为什么如此重要。除了这些部分，我们还完成了两个完整的 NLP 项目，一个用于金融 Reddit 数据的情感分析，另一个涵盖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、实现和衡量我们模型的性能，例如：
NLP 的历史和 Transformer 的来源
NLP 常用的预处理技术
Transformer 背后的理论
如何微调Transformer
我们涵盖了所有这些以及更多内容，我期待在课程中见到您！
本课程面向的对象：
对 NLP 感兴趣的有抱负的数据科学家和 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
您将学到的内容
如何将 Transformer 模型用于 NLP
现代自然语言处理技术
NLP 近期发展概述
Python
机器学习
自然语言处理
Tensorflow
PyTorch
Transformers
情感分析
问答
命名实体识别
要求
Python
数据科学经验知识加
NLP 经验加
Duration: 11h 23m | Video: .MP4, 1280×720 30 fps | Audio: AAC, 44.1 kHz, 2ch | Size: 3.28 GB
Genre: eLearning | Language: English
Learn next-generation NLP with transformers using PyTorch, TensorFlow, and HuggingFace!
通过PyTorch、TensorFlow 和 HuggingFace 学习下一代 NLP Transformers模型！
