Natural Language Processing (NLP)

все курсы

Курс находится на модерации. Данные могут быть неактуальны.

3.5

4 месяца

Тип обучения

Курс

Сертификат

Да

Стоимость курса

бесплатно

нет рассрочки

работать с текстовыми данными;
парсить, собирать данные с сайтов из интернета;
создавать телеграм-ботов;
применять методы классического NLP для решения ML задач, связанных с текстами;
работать с нейросетевыми моделями архитектуры трансформер;
применять модели архитектуры трансформер для широкого спектра NLP задач;
решать задачу распознавания именованных сущностей;
создавать вопросно-ответные системы.

Вас будут обучать

Мария Тихонова

курса

Работает специалистом по анализу данных в команде AGI NLP в Сбере. Занимается нейросетевыми языковыми моделями и их применением в реальных задачах. Считает, что работа в области Data Science дает уникальную возможность заниматься безумно крутыми вещами on the edge of science, которые меняют мир здесь и сейчас.Преподает в Высшей Школе Экономики дисциплины по анализу данных, машинному обучению и data science.Мария закончила механико-математический факультет МГУ и школу анализа данных Яндекса. В настоящий момент Мария обучается в аспирантуре ВШЭ на факультете компьютерных наук. Среди ее научных интересов такие области data science, как natural language processing и тематическое моделирование. Руководитель программы

Антон Витвицкий

курса

Эксперт по компьютерному зрению и глубокому обучению, дипломированный инженер-программист и кандидат физ-мат наук.С 2012 по 2017 занимался распознаванием лиц в компании WalletOne, чьи решения поставлялись для бизнеса в странах Южной Африки и Европы. Участвовал в стартапе Mirror-AI, где руководил командой компьютерного зрения. В 2017 стартап прошел Y-combinator и получили инвестиции для создания приложения в котором пользователь может реконструировать свой аватар по селфи. В 2019 участвовал в британском стартапе Kazendi Ltd., в проекте HoloPortation. Цель проекта - реконструкция 3D-аватаров для очков дополненной реальности HoloLens. C 2020 руководит командой компьютерного зрения в американском стартапе Boost Inc., который занимается видеоаналитикой в баскетболе для NCAA. Руководитель программы

Никита Мартынов

курс

Закончил НИУ ВШЭ по направлению Прикладная Математика; Работал в ВТБ, Тинькофф, Лаборатории "Финансовые технологии" МФТИ, сейчас работаю NLP Engineer-ом в MTS AI; занимался приложениями NLP для решения финансовых задач, Сейчас занимаюсь разработкой и оптимизацией больших языковых моделей и гибридными диалоговыми движками; Спикер на gtc2022 и ainl2022; Преподаватель

Образовательная организация

Otus

4.2

288 отзывов

Otus.ru - высокотехнологический стартап в области образования. Наша миссия - делать образование осмысленным, реализуя связь между работодателями, специалистами и преподавателями. Приходите к нам учиться!

OTUS сегодня – это более 80 авторских курсов для IT-специалистов из разных направлений таких как программирование, тестирование, инфраструктура, информационная безопасность, управление и Data Science. И что важно, у нас есть программы для разных уровней подготовки от новичков до профессионалов, которые хотят освоить продвинутые навыки.
Наша миссия — делать обучение осмысленным, реализуя взаимосвязь между ожиданиями работодателей, компетенциями специалистов и возможностями преподавателей.

Программа курса

Python для работы с текстами
-Тема 1.Введение в NLP
-Тема 2.Работа со строками + регулярные выражения
-Тема 3.Recap python/ data analysis/ визуализации
-Тема 4.Парсинг данных
Введение в DL
-Тема 5.Введение в нейросети
-Тема 6.Градиентный спуск и backpropagation
-Тема 7.PyTorch
-Тема 8.Рекуррентные сети
Классические методы NLP
-Тема 9.Предобработка данных и понятие векторных представлений слов
-Тема 10.Векторные представления слов и работа с предобученными эмбедингами
-Тема 11.Задача NER
-Тема 12.Языковые модели (n-grammные языковые модели)
-Тема 13.Тематическое моделирование
Нейросетевые языковые модели
-Тема 14.Нейросетевые языковые модели и стратегии генерации текста
-Тема 15.Машинный перевод и seq2seq
-Тема 16.Архитектура Transformer и концепция attention mechanism
-Тема 17.Transfer learning; BERT model
-Тема 18.Практическое занятие: работа с предобученными языковыми моделями на практическом примере
-Тема 19.Генеративные языковые модели GPT3 и методы few, zero-shot learning
-Тема 20.Towards ChatGPT
-Тема 21.Q&A
Дополнительные главы NLP
-Тема 22.Оценка языковых моделей: классические NLP-бенчмарки
-Тема 23.Вопросно-ответные системы (задача question-answering)
-Тема 24.Распределенное обучение
-Тема 25.Создание телеграм-бота
-Тема 26.Бонус: занятие по заявкам
Проектный модуль
-Тема 27.Выбор темы и организация проектной работы
-Тема 28.Поиск работы в NLP DS
-Тема 29.Предзащита №1
-Тема 30.Предзащита №2
-Тема 31.Защита проектных работ