分類タスクは、binary、multi-class、multi-label のいずれかです。
いくつかの分類事例が与えられますので、3種類のどれに当てはまるかを分類してください。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、テキストのための Deep Learning とその応用を紹介します。PyTorch を使ったテキスト処理の方法を学び、トークン化、ステミング、ストップワード除去などの手法を実践します。テキストデータをエンコードする重要性を理解し、PyTorch でエンコーディング手法を実装しましょう。最後に、これらの手法を組み合わせたテキスト処理パイプラインを構築して、学んだ内容をまとめます。
テキスト分類と、その Natural Language Processing (NLP) における役割を学びます。Word Embedding を実装し、PyTorch でテキスト分類のための Convolutional Neural Networks (CNN) と Recurrent Neural Networks (RNN) を開発します。さらに、適切な評価指標を用いてモデルを評価する方法を理解します。
現在の演習
テキスト生成とその NLP における応用の世界に踏み込みます。PyTorch を使って Recurrent Neural Networks (RNN)、Generative Adversarial Networks (GAN)、事前学習モデルをテキスト生成タスクに活用する方法を理解しましょう。あわせて、適切な評価指標を用いてモデルの性能を評価する方法も学びます。
転移学習の概念と、そのテキスト分類への応用を理解します。Transformers のアーキテクチャと仕組みを学び、テキスト分類やテキスト生成に活用する方法を探ります。さらに、Attention 機構とそのテキスト処理における役割を深く学びます。最後に、テキスト分類モデルへの敵対的攻撃の影響と、防御方法について理解します。
