course duration
needed to educate
for credit at your university
Онлайн-курс «Анализ текстовых данных» посвящён обработке текстов методами машинного обучения. В ходе обучения слушатели курса узнают о различных задачах, связанных с анализом текстов, освоят методы предобработки текстовых данных, изучат основные подходы к решению задач на основе классического машинного обучения и глубоких нейронный сетей.
Целью курса является изучение подходов к решению основных задач автоматической обработки текстов на основе классического машинного обучения и глубоких нейронный сетей. В ходе курса слушатели освоят методы предобработки текстовых данных и научатся применять на практике основные методы классификации и кластеризации текстов, методы поиска и / или генерации ответа на вопрос и базовые методы машинного перевода. Слушателям будут предложены тестовые задания на понимание материала, а также практические задания на программирование.
Курс рассчитан на слушателей, имеющих базовые знания об анализе данных и машинном обучении и готовых освоить одно из наиболее перспективных и активно развивающихся направлений в этих областях. Для эффективного усвоения курса требуется базовое владение языком программирования Python и возможность проводить вычисления на графических процессорах.
Курс состоит из видеолекций, разбитых на короткие фрагменты от 8 до 15 минут длиной. Каждая лекция сопровождается оцениваемым тестом из 15-20 вопросов. В конце курса слушателей, претендующих на получение сертификата, ждет итоговый экзамен по всем материалам курса.
1. Введение в анализ текстов, базовые методы предобработки и выделения признаков
2. Неглубокие векторные представления слов
3. Классификация текстов
4. Разметка последовательности
5. Seq2seq, MT, attention, transformer
6. Предобученные языковые модели. Улица Сезам, часть 1
7. Предобученные языковые модели. Улица Сезам, часть 2
8. Синтаксис в рамках грамматики зависимостей
9. Тематическое моделирование
10. Суммаризация и симплификация текстов
11. QA-системы, чат-боты
12. Графы знаний
course duration
needed to educate
for credit at your university
Position: Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук
Кандидат технических наук, Доцент
Position: Доцент Департамента больших данных и информационного поиска, Факультет компьютерных наук
Position: Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук
Position: Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук
Position: Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук
Предусмотрен сертификат
К сожалению, мы не гарантируем корректную работу сайта в вашем браузере. Рекомендуем заменить его на один из предложенных.
Также советуем ознакомиться с полным списком рекомендаций.
