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

Описание:
Интенсив посвящен рекуррентным нейронным сетям, применяющимся для решения широкого класса задач в области NLP, а также их приложениям в других областях. Курс является вторым в линейке курсов по Natural Language Processing после курса «Основы нейронных сетей и NLP».
Чему вы научитесь

• Узнаете как работают рекуррентные нейронные сети
• Научитесь работать с фреймворком PyTorch
• Сможете решать задачи генерации текстов при помощи RNN
• Узнаете, как RNN используются в других областях
• Создадите итоговый проект, оформленный в виде FastAPI-сервиса
• Слушатели курса освоят следующие темы:
• Повторят основы NLP (ML-подходы, w2v, fasttext)
• Освоят продвинутые методы Python и познакомятся с фреймворком PyTorch
• Узнают как работают рекуррентные нейронные сети
• Применят RNN на практике
• Освоят фреймворк FastAPI
• Сделают итоговый проект с использованием RNN и FastAPI
• Узнают о приложениях RNN в других областях

Для кого этот курс
Курс подойдет всем, кто интересуется областью автоматической обработки текстов (Natural Language Processing) и в особенности Deep Learning-подходами для решения задач из области NLP.
Программа курса

• Организация курса
• Основы NLP: recap
• Рекуррентные нейронные сети
• Введение в PyTorch
• Рекуррентные сети: практика — 1
• Рекуррентные сети: практика — 2
• Приложения RNN
• Ванильный веб-сервис на FastAPI
• Итоговый проект

Начальные требования
Для успешного освоения курса участники должны уметь писать код на языке Python и быть знакомыми с базовыми NLP-подходами. Рекомендуется к прохождению первый курс из линейки: «Основы нейронных сетей и NLP».
Ваш преподаватель:
Елена Кантонистова
Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)