or
Este ejercicio forma parte del curso
Este capítulo te introduce al deep learning para texto y sus aplicaciones. Aprende a usar PyTorch para el procesamiento de texto y practica con técnicas como tokenización, stemming, eliminación de stopwords y más. Comprende la importancia de codificar los datos de texto e implementa técnicas de codificación con PyTorch. Para terminar, consolida lo aprendido construyendo una canalización de procesamiento de texto que combine estas técnicas.
Explora la clasificación de texto y su papel en el Procesamiento de Lenguaje Natural (NLP). Pon en práctica tus habilidades para implementar word embeddings y desarrollar tanto redes neuronales convolucionales (CNN) como redes neuronales recurrentes (RNN) para la clasificación de texto con PyTorch, y entiende cómo evaluar tus modelos usando métricas adecuadas.
Adéntrate en el emocionante mundo de la generación de texto y sus aplicaciones en NLP. Comprende cómo aprovechar redes neuronales recurrentes (RNN), redes generativas antagónicas (GAN) y modelos preentrenados para tareas de generación de texto con PyTorch. Además, aprenderás a evaluar el rendimiento de tus modelos usando métricas pertinentes.
Comprende el concepto de transfer learning y su aplicación en la clasificación de texto. Explora los Transformers, su arquitectura y cómo usarlos en tareas de clasificación y generación de texto. También profundizarás en los mecanismos de atención y su papel en el procesamiento de texto. Por último, entiende los posibles impactos de los ataques adversarios en modelos de clasificación de texto y aprende a proteger tus modelos.
Ejercicio actual