👨‍💻DEV [Елена Кантонистова] [Stepik] Рекуррентные сети в NLP и приложениях (2025)

[Odyvanchik]

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

Слив курса Рекуррентные сети в NLP и приложениях [stepik] [Елена Кантонистова]

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

Ваш преподаватель: Елена Кантонистова

Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)



—————————————————————————

🔗 Продажник:

📥 СКАЧАТЬ КУРС:

Для просмотра содержимого вам необходимо Войти или Зарегистрироваться.

🔐 Хотите получить доступ?

Чтобы увидеть скрытые ссылки и ставить лайки, активируйте VIP-статус.

💎 ПОЛУЧИТЬ ДОСТУП Наш Telegram канал