Über diesen Kurs
139,866 kürzliche Aufrufe

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Fortgeschritten“

Ca. 34 Stunden zum Abschließen

Empfohlen: 5 weeks of study, 4-5 hours per week...

Englisch

Untertitel: Englisch

Kompetenzen, die Sie erwerben

ChatterbotTensorflowDeep LearningNatural Language Processing
Kursteilnehmer, die sich für Course entscheiden, sind
  • Data Scientists
  • Machine Learning Engineers
  • Data Analysts
  • Data Engineers
  • Software Engineers

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Fortgeschritten“

Ca. 34 Stunden zum Abschließen

Empfohlen: 5 weeks of study, 4-5 hours per week...

Englisch

Untertitel: Englisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
5 Stunden zum Abschließen

Intro and text classification

11 Videos (Gesamt 114 min), 3 Lektüren, 3 Quiz
11 Videos
Welcome video5m
Main approaches in NLP7m
Brief overview of the next weeks7m
[Optional] Linguistic knowledge in NLP10m
Text preprocessing14m
Feature extraction from text14m
Linear models for sentiment analysis10m
Hashing trick in spam filtering17m
Neural networks for words14m
Neural networks for characters8m
3 Lektüren
Prerequisites check-list2m
Hardware for the course5m
Getting started with practical assignments20m
2 praktische Übungen
Classical text mining10m
Simple neural networks for text10m
Woche
2
5 Stunden zum Abschließen

Language modeling and sequence tagging

8 Videos (Gesamt 84 min), 2 Lektüren, 3 Quiz
8 Videos
Perplexity: is our model surprised with a real text?8m
Smoothing: what if we see new n-grams?7m
Hidden Markov Models13m
Viterbi algorithm: what are the most probable tags?11m
MEMMs, CRFs and other sequential models for Named Entity Recognition11m
Neural Language Models9m
Whether you need to predict a next word or a label - LSTM is here to help!11m
2 Lektüren
Perplexity computation10m
Probabilities of tag sequences in HMMs20m
2 praktische Übungen
Language modeling15m
Sequence tagging with probabilistic models20m
Woche
3
5 Stunden zum Abschließen

Vector Space Models of Semantics

8 Videos (Gesamt 83 min), 3 Quiz
8 Videos
Explicit and implicit matrix factorization13m
Word2vec and doc2vec (and how to evaluate them)10m
Word analogies without magic: king – man + woman != queen11m
Why words? From character to sentence embeddings11m
Topic modeling: a way to navigate through text collections7m
How to train PLSA?6m
The zoo of topic models13m
2 praktische Übungen
Word and sentence embeddings15m
Topic Models10m
Woche
4
5 Stunden zum Abschließen

Sequence to sequence tasks

9 Videos (Gesamt 98 min), 4 Quiz
9 Videos
Noisy channel: said in English, received in French6m
Word Alignment Models12m
Encoder-decoder architecture6m
Attention mechanism9m
How to deal with a vocabulary?12m
How to implement a conversational chat-bot?11m
Sequence to sequence learning: one-size fits all?10m
Get to the point! Summarization with pointer-generator networks12m
3 praktische Übungen
Introduction to machine translation10m
Encoder-decoder architectures20m
Summarization and simplification15m
4.6
105 BewertungenChevron Right

38%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

36%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

33%

erhalten Sie eine Gehaltserhöhung oder Beförderung

Top-Bewertungen von Natural Language Processing (NPL)

von GYMar 24th 2018

Great thanks to this amazing course! I learned a lot on state-to-art natural language processing techniques! Really like your awesome programming assignments! See you HSE guys in next class!

von YYJan 2nd 2019

I like this course very much. It is a good introduction for NLP. But if you want to know more about the NLP, you need to search and read a lot of posts during the learning process.

Dozenten

Avatar

Anna Potapenko

Researcher
HSE Faculty of Computer Science
Avatar

Alexey Zobnin

Accosiate professor
HSE Faculty of Computer Science
Avatar

Anna Kozlova

Team Lead
Yandex
Avatar

Sergey Yudin

Analyst-developer
Yandex
Avatar

Andrei Zimovnov

Senior Lecturer
HSE Faculty of Computer Science

Über National Research University Higher School of Economics

National Research University - Higher School of Economics (HSE) is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more. Learn more on www.hse.ru...

Über den Spezialisierung Erweiterte maschinelles Lernen

This specialization gives an introduction to deep learning, reinforcement learning, natural language understanding, computer vision and Bayesian methods. Top Kaggle machine learning practitioners and CERN scientists will share their experience of solving real-world problems and help you to fill the gaps between theory and practice. Upon completion of 7 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings....
Erweiterte maschinelles Lernen

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..