360 Bewertungen
12.520 bereits angemeldet
Preprocess and clean data for BERT Classification
Load in pretrained BERT with custom output layer
Train and evaluate finetuned BERT architecture on your own problem statement
In this 2-hour long project, you will learn how to analyze a dataset for sentiment analysis. You will learn how to read in a PyTorch BERT model, and adjust the architecture for multi-class classification. You will learn how to adjust an optimizer and scheduler for ideal training and performance. In fine-tuning this model, you will learn how to design a train and evaluate loop to monitor model performance as it trains, including saving and loading models. Finally, you will build a Sentiment Analysis model that leverages BERT's large-scale language knowledge. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Natural Language Processing
Deep Learning
Machine Learning
Sentiment Analysis
BERT
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Introduction to BERT and the problem at hand
Exploratory Data Analysis and Preprocessing
Training/Validation Split
Loading Tokenizer and Encoding our Data
Setting up BERT Pretrained Model
Creating Data Loaders
Setting Up Optimizer and Scheduler
Defining our Performance Metrics
Creating our Training Loop
Loading and Evaluating our Model
Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich
Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.
von RA
24. Sep. 2021I like this project and help me a lot to understand how to do Sentiment Analysis with BERT Model
von FR
11. Okt. 2020Clean, clear and helpful. Thanks a lot! Would also be nice to see the approaches to tune BERT for the particular task (e.g. custom tokenization, pre-processing of data, etc.)
von SN
29. Apr. 2021Thanks, Ari Anastassiou for the wonderful tutorial. Hoping you do a complete course on NLP using BERT soon.
von DB
17. Nov. 2021The course covered the material well. Helpful to do the exercises side by side. I feel the course does require prior knowledge of pyTorch and BERT also.
Mit dem Kauf eines angeleiteten Projekts erhalten Sie alles, was Sie zum Abschließen des angeleiteten Projekts benötigen, einschließlich des Zugriffs auf einen Cloud-Desktop-Arbeitsbereich über Ihren Webbrowser, der die Dateien und Software enthält, die Sie für den Start benötigen, sowie schrittweise Videoanweisungen von einem Fachexperten.
Da Ihr Arbeitsbereich einen Cloud-Desktop enthält, der für einen Laptop oder Desktop-Computer ausgelegt ist, sind angeleitete Projekte auf Ihrem Mobilgerät nicht verfügbar.
Die Dozenten bei angeleiteten Projekten sind Fachexperten, die Erfahrung in den Fähigkeiten, Werkzeugen oder Bereichen der jeweiligen Projekte haben und leidenschaftlich daran interessiert sind, ihr Wissen weiterzugeben und so Millionen von Lernenden auf der ganzen Welt zu beeinflussen.
Sie können alle von Ihnen erstellten Dateien aus dem angeleiteten Projekt herunterladen und speichern. Zu diesem Zweck können Sie die Funktion „Dateibrowser“ verwenden, wenn Sie auf Ihren Cloud-Desktop zugreifen.
Bei angeleiteten Projekten ist keine Erstattung möglich. Lesen Sie unsere komplette Rückerstattungsrichtlinie.
Für angeleitete Projekte ist keine finanzielle Unterstützung verfügbar.
Für angeleitete Projekte ist kein Auditing verfügbar.
Oben auf der Seite können Sie auf das Erfahrungsniveau für dieses angeleitete Projekt klicken, um das vorausgesetzte Wissen anzuzeigen. Auf jedem Niveau führt der Dozent Schritt für Schritt durch das angeleitete Projekt.
Ja, alles, was Sie zum Abschließen Ihres angeleiteten Projekts benötigen, finden Sie auf einem Cloud-Desktop, der in Ihrem Browser verfügbar ist.
Sie lernen durch Praxis, indem Sie Aufgaben in einer Split-Screen-Umgebung direkt in Ihrem Browser erledigen. Auf der linken Seite des Bildschirms erledigen Sie die Aufgabe in Ihrem Arbeitsbereich. Auf der rechten Seite des Bildschirms sehen Sie einen Dozenten, der Sie schrittweise durch das Projekt führt.
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.
