想像你是一位資料科學家,目標是保護機器學習模型免於惡意攻擊。為了做到這點,你需要了解你和你的模型可能遇到的各種攻擊。掌握這些弱點,能幫你部署適當的保護措施,讓模型更具韌性。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
本章將帶你認識文字深度學習及其應用。你會學習如何使用 PyTorch 進行文字處理,並親手實作分詞、詞幹提取、停用詞移除等技巧。理解為何需要對文字資料進行編碼,並用 PyTorch 實作各種編碼方法。最後,將這些技巧整合成一個文字處理流程(pipeline),鞏固你的理解。
探索文字分類及其在自然語言處理(NLP)中的角色。動手實作詞嵌入,並使用 PyTorch 開發用於文字分類的卷積神經網路(CNN)與循環神經網路(RNN),同時理解如何用合適的評估指標來評估你的模型。
走進文字生成的精彩世界與其在 NLP 中的應用。理解如何運用循環神經網路(RNN)、生成對抗網路(GAN)與預先訓練的模型,使用 PyTorch 完成文字生成任務。你也會學到如何使用相關指標來評估模型的表現。
理解遷移學習的概念及其在文字分類中的應用。探索 Transformer 的架構與原理,並了解如何將其用於文字分類與文字生成。你也會深入注意力機制及其在文字處理中的角色。最後,理解對抗式攻擊對文字分類模型的潛在影響,並學習如何保護你的模型。
當前練習