Программирование [Елена Кантонистова] [Stepik] Рекуррентные сети в NLP и приложениях (2025)

[RoBot]

Описание [Елена Кантонистова] [Stepik] Рекуррентные сети в NLP и приложениях (2025):

Интенсив по рекуррентным нейронным сетям в NLP и их применению
Курс посвящен рекуррентным нейронным сетям (RNN), которые находят широкое применение в обработке естественного языка (NLP), а также их использованию в других областях. Это второй курс в серии по NLP после "Основ нейронных сетей и NLP".
Что вы узнаете:

• Принципы работы рекуррентных нейронных сетей.
• Основы работы с фреймворком PyTorch.
• Применение RNN для генерации текстов.
• Использование RNN в различных сферах.
• Разработка итогового проекта в формате FastAPI-сервиса.

Темы курса:

• Повторение основ NLP: ML-подходы, word2vec, fasttext.
• Изучение продвинутых методов Python и знакомство с PyTorch.
• Принципы работы рекуррентных нейронных сетей.
• Практическое применение RNN.
• Основы фреймворка FastAPI.
• Создание итогового проекта с использованием RNN и FastAPI.
• Применение рекуррентных сетей в других областях.

Для кого курс: Курс предназначен для тех, кто интересуется автоматической обработкой текстов (NLP) и, в частности, применением методов глубокого обучения (Deep Learning) для решения задач в этой области.
Программа курса:

• Введение в курс.
• Повторение основ NLP.
• Основы рекуррентных нейронных сетей.
• Знакомство с PyTorch.
• Практическая работа с рекуррентными сетями — часть 1.
• Практическая работа с рекуррентными сетями — часть 2.
• Применение RNN.
• Разработка простого веб-сервиса на FastAPI.
• Итоговый проект.

Преподаватель курса: Елена Кантонистова — кандидат физико-математических наук, выпускница Школы анализа данных Яндекса (ШАД).

Подробнее:

Скачать курс [Елена Кантонистова] [Stepik] Рекуррентные сети в NLP и приложениях (2025):