- Saved searches
- Use saved searches to filter your results more quickly
- License
- sic-rus-ai/stepik-dl-nlp
- Name already in use
- Sign In Required
- Launching GitHub Desktop
- Launching GitHub Desktop
- Launching Xcode
- Launching Visual Studio Code
- Latest commit
- Git stats
- Files
- README.md
- About
- Отзывы
- Нейронные сети и обработка текста
- О курсе
- Для кого этот курс
- Начальные требования
Saved searches
Use saved searches to filter your results more quickly
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session.
Материалы мини-курса на Stepik «Нейронные сети и обработка текста»
License
sic-rus-ai/stepik-dl-nlp
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
Name already in use
A tag already exists with the provided branch name. Many Git commands accept both tag and branch names, so creating this branch may cause unexpected behavior. Are you sure you want to create this branch?
Sign In Required
Please sign in to use Codespaces.
Launching GitHub Desktop
If nothing happens, download GitHub Desktop and try again.
Launching GitHub Desktop
If nothing happens, download GitHub Desktop and try again.
Launching Xcode
If nothing happens, download Xcode and try again.
Launching Visual Studio Code
Your codespace will open once ready.
There was a problem preparing your codespace, please try again.
Latest commit
Git stats
Files
Failed to load latest commit information.
README.md
Материалы мини-курса на Stepik «Нейронные сети и обработка текста»
Современные методы автоматической обработки текста — это поиск по смыслу, машинный перевод, чат-боты, построение баз знаний. Как к этому подступиться? Больше практики! Авторы курса, эксперты Центра ИИ Samsung, доступным языком рассказывают, как начать работать с текстами при помощи нейросетей.
Мы рекомендуем наш курс всем, кто уже имеет базовые знания в машинном обучении и хочет научиться применять нейронные сети для решения задач обработки текстов на естественном языке (NLP, Natural Language Processing).
Авторы курса «Нейронные сети и обработка текста» — эксперты московского Центра искусственного интеллекта Samsung, специалисты в области машинного обучения — преподносят свои знания в доступной форме и в таком объёме, который позволит ориентироваться в современных технологиях в области NLP.
Этот онлайн-курс является частью трека по искусственному интеллекту социально-образовательной программы для ВУЗов «IT Академия Samsung», которая стартовала в 2019 году в МГУ и ЮФУ. Если Ваш ВУЗ хочет вступить в программу «IT Академия Samsung», пишите нам на электронную почту info@myitacademy.ru.
И наконец, главное! Лучших студентов курса мы пригласим на собеседование в Московский Исследовательский Центр Samsung!
Как построен наш курс? Мы начнём с разговора о языке: почему он такой удобный для людей и сложный для машин. Затем мы сформируем высокоуровневую картину предметной области, расскажем об основных понятиях и задачах. После введения мы разберём классические методы, подходящие, например, для определения тематики документа.
А затем начнутся нейросети! Мы расскажем, как подготавливать данные, извлекать «смыслы» слов из текстов, генерировать тексты, разбирать их структуру, выделять наименования объектов, и даже обучать нейросеть искать ответы на вопросы!
Кроме лекций Вас ждут практические семинары. В завершение мы предложим Вам решить сложную прикладную задачу в области NLP.
Чтобы запустить ноутбук с семинара на своем ноутбуке:
git clone https://github.com/Samsung-IT-Academy/stepik-dl-nlp.git
pip install -r requirements.txt
Чтобы запустить ноутбук на Google Colab:
- Скачайте ноутбук (вкладка Github, затем прописываете адрес репозитория.
- Запустите ноутбук.
- Чтобы выкачать на colab библиотеку dlnlputils, не забудьте выполнить команду в первой ячейке:
!git clone https://github.com/Samsung-IT-Academy/stepik-dl-nlp.git && pip install -r stepik-dl-nlp/requirements.txt import sys; sys.path.append('./stepik-dl-nlp')
- Не забудьте настроить device=’cpu’ или device=’cuda’ , а также выбрать подходящий Runtime в Google Colab (CPU/TPU/GPU).
А также следуйте комментариям касательно путей внутри ноутбуков.
Ноутбуки также работают и на Kaggle Notebooks.
Copyright (c) 2016 The New York Times Company Licensed under the Apache License, Version 2.0
About
Материалы мини-курса на Stepik «Нейронные сети и обработка текста»
Отзывы
Я чёрт его знает, почему люди ставят 5 звёзд этому курсу) Курс сделан для галочки, «у других есть и у нас будет». Спасибо, что бесплатный! Команда постаралась, но на троечку) То что мне не понравилось: 1 — Все эти математические выкладки не стоят ничего, без хорошего разжёванного объяснения. 2 — где код с применением популярных фреймворков? 3 — где объяснение алгоритмов, где примеры с кодом? 4 — в видео этого курса очень много монтажа, слушать очень тяжело. Вывод: Как и всегда, курсы на степике всегда похожи на очень плохо написанную книгу по математике) Куча определений без пояснений, «всем всё понятно», «это же элементарно», «Это же очевидно»! Если вы готовы гуглить по каждому определению, то этот курс для Вас!
Очень хороший курс для ознакомления с нейронными сетями. Лектор буквально разжевывает что и как устроено. Однако, нужно хорошо знать линал и матан, чтобы справляться с теоретическими задачами. Я бы посоветовал убрать часть этих сложных задач и добавить чисто практические на написание алгоритмов и обучение всяческих моделей. Например, добавить модуль как работать со своим набором данных и т.д.
Курс помогает понять основы, но для прохождения желательно хоть что-то понимать в матанализе, иначе не все будет понятно
Данный курс отлично подойдет людям, у которых есть уже какой-то опыт в нейронных сетях и/или в машинном обучении. Этот курс помогает структуризировать полученные данные в университете и более глубоко понять работу некоторых методов в ИИ. Курс не подойдет тем, кто только начинает свой путь в ИИ
Лучше стал понимать нейронные сети, теоретические задачи есть сложные, надо много самому материал искать. А в целом интересно, спасибо!
Для того, чтобы комфортно и результативно пройти курс, нужны базовые знания Python и линейной алгебры. Хотя знание математической статистики и машинного обучения также будет полезно, но не является обязательным. Если вы пройдете курс без базовых знаний, прохождение может затянуться, и вы не поймете материал. Поэтому рекомендую сначала изучить Python и линейную алгебру, а потом приступать к курсу. Очень понравилось, что в рамках курса было много практических заданий, которые помогли мне набраться опыта в инструментах машинного обучения и компьютерного зрения. Решение базовых задач и практическое тестирование были особенно полезны, поскольку они позволили мне применить полученные знания на практике и решить серьёзную задачу в области CV/ML. В целом, я очень доволен этим курсом и рекомендую его всем, кто хочет изучить компьютерное зрение с методами машинного обучения и применить свои знания на практике.
Курс дает довольно обширную информацию о предмете CV вкупе с нейронками, да и о самих нейронках тоже. Очень понравилась подача теории от Михаила, а также блоки с практической реализацией от Игоря. Само собой, для «комфортного», а главное результативного прохождения курса вам потребуются: 1) базовые знания питона; 2) линейной алгебры; 3) желательно какая то база по мат статистике; 4) какое-никакое знакомство с предметом ML; Первые 2 пункта считаю обязательными — иначе прохождение курса очень затянется, либо вы попросту ничего не поймете. Пункты 3 и 4 необязательны, их соблюдение даст вам несколько ускоренное понимание происходящего. Хотелось бы улучшить, разве что, пояснения перехода от читаемой теории к некоторым теоретическим задачам повышенной сложности: иногда даже понимая мат аппарат решения задачи, не совсем ясен (либо ясен, но хочется больше уточнений) характер ее связи с прослушанным материалом. В целом, курс считаю очень хорошим, авторы действительно постарались и сделали нечто очень достойное, за что выражают им огромную благодарность.
Хороший курс, узнал много нового. Наконец то понял как работают сетки. Свертки, макспулинги, фильтры, трансформеры, оптимизаторы, лосс функции, построение собственной нейросети на Торче — все это есть в этом курсе и это стало понятно. Начал делать что то свое и не бояться экспериментировать! В курсе отличная теория! Ее хорошо рассказывают и в ней все понятно. После теории реально начал намного больше понимать. Но вот практика местами вызывает вопросы. Если бы не комментарии под многими задачами, не уверен, что справился бы. Из семинаров очень запомнились (в плохом смысле) задачи по нормализациям, в которых тебе говорят что то сделать, а даже половины синтаксиса, которым нужно пользоваться, не объясняют. Курс выбирал просто по критерию бесплатности, популярности и направленности, связанной с машинным обучением. В целом курс понравился и подумываю пройти следующий ваш курс по NLP.
Нейронные сети и обработка текста
Современные методы автоматической обработки текста — это поиск по смыслу, машинный перевод, чат-боты, построение баз знаний. Как к этому подступиться? Больше практики! Авторы курса, эксперты Центра ИИ Samsung, доступным языком рассказывают, как начать работать с текстами при помощи нейросетей.
О курсе
Мы рекомендуем наш курс всем, кто уже имеет базовые знания в машинном обучении и хочет научиться применять нейронные сети для решения задач обработки текстов на естественном языке (NLP, Natural Language Processing).
Авторы курса «Нейронные сети и обработка текста» — эксперты московского Центра искусственного интеллекта Samsung, специалисты в области машинного обучения — преподносят свои знания в доступной форме и в таком объёме, который позволит ориентироваться в современных технологиях в области NLP.
Этот онлайн-курс является частью трека по искусственному интеллекту социально-образовательной программы для ВУЗов «IT Академия Samsung», которая стартовала в 2019 году в МГУ и ЮФУ. Если Ваш ВУЗ хочет вступить в программу «IT Академия Samsung», пишите нам на электронную почту info@myitacademy.ru.
Как построен наш курс? Мы начнём с разговора о языке: почему он такой удобный для людей и сложный для машин. Затем мы сформируем высокоуровневую картину предметной области, расскажем об основных понятиях и задачах. После введения мы разберём классические методы, подходящие, например, для определения тематики документа.
А затем начнутся нейросети! Мы расскажем, как подготавливать данные, извлекать «смыслы» слов из текстов, генерировать тексты, разбирать их структуру, выделять наименования объектов, и даже обучать нейросеть искать ответы на вопросы!
Кроме лекций Вас ждут практические семинары. В завершение мы предложим Вам решить сложную прикладную задачу в области NLP.
Для кого этот курс
Приглашаем продвинутых в математике старшеклассников, студентов и профессионалов. Всех, кто уже имеет базовые знания в машинном обучении и хочет научиться применять нейронные сети для решения задач обработки текстов на естественном языке.
Начальные требования
Курс рассчитан на слушателей, которые немного разбираются в области машинного обучения.
Что нужно, чтобы приступить к курсу?
1. Иметь базовые знания о работе нейронных сетей
2. Иметь базовые знания в области математической статистики
3. Быть готовым программировать на Python