RNN para NLP: Análisis de Sentimiento y Traducción Automática | Clase 16 | Aprendizaje Profundo 2021
Ya has superado la mitad. Estás muy cerca de completar el curso.
Sobre esta lección
En la clase de hoy vamos a hablar sobre algunas aplicaciones directas que encontramos para las Redes Recurrentes en el campo del Procesamiento del Lenguaje Natural. El Análisis de Sentimiento se trata de querer predecir la intención del remitente leyendo solo el mensaje. La Traducción Automática es un problema más complejo porque recibe una secuencia de entrada en un idioma 1 se transforma en una secuencia de salida en un idioma 2 por lo que se trata de un problema de secuencia a secuencia. Esta clase es parte de un curso gratuito dictado en la Ciudad de Mendoza, Argentina en Otoño de 2021. Podés encontrar todo el material en https://datitos.github.io/curso-aprendizaje-profundo/2021/ 0:00 Introducción 1:52 Clasificación de Textos 9:21 Implementación de Análisis de Sentimiento con PyTorch 24:51 Problemas de Secuencia a Secuencia (Seq2Seq) 31:44 Arquitectura Encoder-Decoder 32:48 Traducción Automática (con RNN) 41:36 Greedy Search vs Beam Search 50:35 BLEU y las Métricas de Traducción
Sobre este curso
https://datitos.github.io/curso-aprendizaje-profundo En los últimos cinco años el aprendizaje profundo ha tomado al mundo por sorpresa, impulsando un rápido progreso en campos tan diversos como la visión por computadora, el procesamiento del lenguaje natural, el reconocimiento automático del habla, el aprendizaje por refuerzos y el modelado estadístico. Hemos elegido basar el curso en el libro Dive into Deep Learning, consideramos que ofrece un enfoque práctico, amplio y moderno, incluye matemáticas y código, y sus contenidos son actuales. Este curso representa nuestro intento de hacer que el aprendizaje profundo sea accesible, enseñándote los conceptos, el contexto y el código. Nos propusimos crear un recurso que simultáneamente pudiera: * estar disponible gratuitamente para todes; * ofrecer suficiente profundidad técnica para * proporcionar un punto de partida en el camino de convertirte en unx científicx de datos; * incluir código ejecutable, que muestre cómo resolver problemas en la práctica. El curso está dirigido a estudiantes de grado o posgrado, ingenierxs e investigadores que busquen un conocimiento sólido del aprendizaje profundo.
Lo que aprenderás en este curso:
- Comprender los fundamentos del aprendizaje automático
- Implementar algoritmos de clasificación y regresión
- Preparar y limpiar datos para modelos predictivos
- Evaluar y optimizar modelos de machine learning