Schulungsübersicht

Einführung in Deep Learning für NLP

Unterschiede zwischen verschiedenen DL-Modellen

Anwendung vorge训er Trainingsmodelle vs. selbst trainierte Modelle

Verwendung von Word Embeddings und Sentimentanalyse, um Bedeutung aus Texten zu extrahieren

Funktionsweise unüberwachter Deep Learning-Methoden

Installation und Einrichtung von Python-Deep-Learning-Bibliotheken

Verwendung der Keras-DL-Bibliothek auf Basis von TensorFlow, um Python zu ermöglichen, Untertitel zu erstellen

Arbeit mit Theano (numerische Berechnungsbibliothek) und TensorFlow (allgemeine und linguistische Bibliothek), um erweiterte DL-Bibliotheken für die Erstellung von Untertiteln zu nutzen

Verwendung von Keras auf Basis von TensorFlow oder Theano, um schnell Deep-Learning-Experimente durchzuführen

Erstellen einer einfachen Deep-Learning-Anwendung in TensorFlow, um Untertitel zu einer Sammlung von Bildern hinzuzufügen

Fehlerbehebung

Ausblick auf andere (spezialisierte) DL-Frameworks

Bereitstellung Ihrer DL-Anwendung

Verwendung von GPUs zur Beschleunigung des Deep Learnings

Schlussbemerkungen

Voraussetzungen

  • Grundkenntnisse in Python-Programmierung
  • Verständnis von Python-Bibliotheken im Allgemeinen

Zielgruppe

  • Programmierer mit Interesse an Linguistik
  • Programmierer, die ein Verständnis von NLP (Natural Language Processing) erlangen möchten
 28 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien