Impara le tecniche di elaborazione del testo

Ti immergerai nei principi base dell'elaborazione del testo, imparando come pre-elaborare e codificare i dati testuali per i modelli di deep learning. Imparerai tecniche come la tokenizzazione, lo stemming, la lemmatizzazione e metodi di codifica come la codifica one-hot, Bag-of-Words e TF-IDF, e li userai con le reti neurali convoluzionali (CNN) e le reti neurali ricorrenti (RNN) per classificare i testi.

Dai sfogo alla tua creatività con la generazione di testo e le RNN

Il viaggio continua mentre scopri come le reti neurali ricorrenti (RNN) permettono di generare testi ed esplori il mondo affascinante delle reti generative avversarie (GAN) per la generazione di testi. In più, troverai modelli già pronti che possono creare testi in modo fluido e creativo.

Crea modelli efficaci per la classificazione dei testi

Infine, ti immergerai in argomenti avanzati sul deep learning per il testo, comprese le tecniche di transfer learning per la classificazione del testo e l'utilizzo della potenza dei modelli pre-addestrati. Imparerai cos'è l'architettura Transformer e il meccanismo di attenzione e capirai come si usano nell'elaborazione dei testi. Alla fine di questo corso, avrai acquisito esperienza pratica e le competenze necessarie per gestire dati testuali complessi e creare modelli di deep learning efficaci.

Categorizzare i task di text classification

Deep Learning per il testo con PyTorch

Esercizio pratico interattivo