Break into the NLP space. Master cutting-edge NLP techniques through four hands-on courses!

4.6

Sterne

3,584 Bewertungen

Younes Bensouda Mourri +2 weitere Dozenten

63.332 bereits angemeldet

von

Spezialisierung Natural Language Processing (NPL)deeplearning.ai

Was Sie lernen werden

Use logistic regression, naïve Bayes, and word vectors to implement sentiment analysis, complete analogies & translate words

Use dynamic programming, hidden Markov models, and word embeddings to implement autocorrect, autocomplete & identify part-of-speech tags for words

Use recurrent neural networks, LSTMs, GRUs & Siamese network in TensorFlow & Trax for sentiment analysis, text generation & named entity recognition

Use encoder-decoder, causal, & self-attention to machine translate complete sentences, summarize text, build chatbots & question-answering

Kompetenzen, die Sie erwerben

Sentiment AnalysisSiamese NetworksHidden Markov ModelTransformersAttention ModelsMachine TranslationWord EmbeddingsLocality-Sensitive HashingVector Space ModelsWord2vecParts-of-Speech TaggingN-gram Language Models

Über dieses Spezialisierung

57.485 kürzliche Aufrufe

Natural Language Processing (NLP) uses algorithms to understand and manipulate human language. This technology is one of the most broadly applied areas of machine learning. As AI continues to expand, so will the demand for professionals skilled at building models that analyze speech and language, uncover contextual patterns, and produce insights from text and audio. By the end of this Specialization, you will be ready to design NLP applications that perform question-answering and sentiment analysis, create tools to translate languages and summarize text, and even build chatbots. These and other NLP applications are going to be at the forefront of the coming transformation to an AI-powered future. This Specialization is designed and taught by two experts in NLP, machine learning, and deep learning. Younes Bensouda Mourri is an Instructor of AI at Stanford University who also helped build the Deep Learning Specialization. Łukasz Kaiser is a Staff Research Scientist at Google Brain and the co-author of Tensorflow, the Tensor2Tensor and Trax libraries, and the Transformer paper.

Praktisches Lernprojekt

This Specialization will equip you with the state-of-the-art deep learning techniques needed to build cutting-edge NLP systems:

• Use logistic regression, naïve Bayes, and word vectors to implement sentiment analysis, complete analogies, and translate words, and use locality sensitive hashing for approximate nearest neighbors.

• Use dynamic programming, hidden Markov models, and word embeddings to autocorrect misspelled words, autocomplete partial sentences, and identify part-of-speech tags for words.

• Use dense and recurrent neural networks, LSTMs, GRUs, and Siamese networks in TensorFlow and Trax to perform advanced sentiment analysis, text generation, named entity recognition, and to identify duplicate questions.

• Use encoder-decoder, causal, and self-attention to perform advanced machine translation of complete sentences, text summarization, question-answering and to build chatbots. Models covered include T5, BERT, transformer, reformer, and more!

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

Kurse, die komplett online stattfinden

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexibler Zeitplan

Festlegen und Einhalten flexibler Termine.

Stufe „Mittel“

Working knowledge of machine learning, intermediate Python experience including DL frameworks & proficiency in calculus, linear algebra, & statistics

Etwa 4 Monate bis zum Abschluss

Empfohlenes Lerntempo: 7 Stunden/Woche

Englisch

Untertitel: Englisch, Chinesisch (traditionell), Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Deutsch, Russisch, Spanisch, Japanisch

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

Kurse, die komplett online stattfinden

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexibler Zeitplan

Festlegen und Einhalten flexibler Termine.

Stufe „Mittel“

Working knowledge of machine learning, intermediate Python experience including DL frameworks & proficiency in calculus, linear algebra, & statistics

Etwa 4 Monate bis zum Abschluss

Empfohlenes Lerntempo: 7 Stunden/Woche

Englisch

Untertitel: Englisch, Chinesisch (traditionell), Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Deutsch, Russisch, Spanisch, Japanisch

So funktioniert die Spezialisierung

Kurse absolvieren

Eine Coursera-Spezialisierung ist eine Reihe von Kursen, in denen Sie eine Kompetenz erwerben. Um zu beginnen, melden Sie sich direkt für die Spezialisierung an oder überprüfen Sie deren Kurse und wählen Sie denjenigen Kurs aus, mit dem Sie beginnen möchten. Wenn Sie einen Kurs abonnieren, der Bestandteil einer Spezialisierung ist, abonnieren Sie automatisch die gesamte Spezialisierung Es ist in Ordnung, wenn Sie nur einen Kurs absolvieren möchten — Sie können Ihren Lernprozess jederzeit unterbrechen oder Ihr Abonnement kündigen. Gehen Sie zu Ihrem Kursteilnehmer-Dashboard, um Ihre Kursanmeldungen und Ihren Fortschritt zu verfolgen.

Praxisprojekt

Jede Spezialisierung umfasst ein Praxisprojekt. Sie müssen das Projekt/die Projekte erfolgreich abschließen, um die Spezialisierung abzuschließen und Ihr Zertifikat zu erwerben. Wenn die Spezialisierung einen separaten Kurs für das Praxisprojekt umfasst, müssen Sie zunächst alle anderen Kurse abschließen, bevor Sie damit beginnen können.

Zertifikat erwerben

Wenn Sie alle Kurse und das Praxisprojekt abgeschlossen haben, erhalten Sie ein Zertifikat, dass Sie für potenzielle Arbeitgeber und Ihr berufliches Netzwerk freigeben können.

Es gibt 4 Kurse in dieser Spezialisierung

Kurs1

Kurs 1

Natural Language Processing with Classification and Vector Spaces

4.6

Sterne

2,946 Bewertungen

•

603 Bewertungen

In Course 1 of the Natural Language Processing Specialization, offered by deeplearning.ai, you will:

a) Perform sentiment analysis of tweets using logistic regression and then naïve Bayes, b) Use vector space models to discover relationships between words and use PCA to reduce the dimensionality of the vector space and visualize those relationships, and c) Write a simple English to French translation algorithm using pre-computed word embeddings and locality sensitive hashing to relate words via approximate k-nearest neighbor search. Please make sure that you’re comfortable programming in Python and have a basic knowledge of machine learning, matrix multiplications, and conditional probability. By the end of this Specialization, you will have designed NLP applications that perform question-answering and sentiment analysis, created tools to translate languages and summarize text, and even built a chatbot! This Specialization is designed and taught by two experts in NLP, machine learning, and deep learning. Younes Bensouda Mourri is an Instructor of AI at Stanford University who also helped build the Deep Learning Specialization. Łukasz Kaiser is a Staff Research Scientist at Google Brain and the co-author of Tensorflow, the Tensor2Tensor and Trax libraries, and the Transformer paper.

Kurs2

Kurs 2

Natural Language Processing with Probabilistic Models

4.7

Sterne

1,201 Bewertungen

•

210 Bewertungen

In Course 2 of the Natural Language Processing Specialization, offered by deeplearning.ai, you will:

a) Create a simple auto-correct algorithm using minimum edit distance and dynamic programming, b) Apply the Viterbi Algorithm for part-of-speech (POS) tagging, which is important for computational linguistics, c) Write a better auto-complete algorithm using an N-gram language model, and d) Write your own Word2Vec model that uses a neural network to compute word embeddings using a continuous bag-of-words model. Please make sure that you’re comfortable programming in Python and have a basic knowledge of machine learning, matrix multiplications, and conditional probability. By the end of this Specialization, you will have designed NLP applications that perform question-answering and sentiment analysis, created tools to translate languages and summarize text, and even built a chatbot! This Specialization is designed and taught by two experts in NLP, machine learning, and deep learning. Younes Bensouda Mourri is an Instructor of AI at Stanford University who also helped build the Deep Learning Specialization. Łukasz Kaiser is a Staff Research Scientist at Google Brain and the co-author of Tensorflow, the Tensor2Tensor and Trax libraries, and the Transformer paper.

Kurs3

Kurs 3

Natural Language Processing with Sequence Models

4.5

Sterne

781 Bewertungen

•

160 Bewertungen

In Course 3 of the Natural Language Processing Specialization, offered by deeplearning.ai, you will:

a) Train a neural network with GLoVe word embeddings to perform sentiment analysis of tweets, b) Generate synthetic Shakespeare text using a Gated Recurrent Unit (GRU) language model, c) Train a recurrent neural network to perform named entity recognition (NER) using LSTMs with linear layers, and d) Use so-called ‘Siamese’ LSTM models to compare questions in a corpus and identify those that are worded differently but have the same meaning. Please make sure that you’ve completed Course 2 and are familiar with the basics of TensorFlow. If you’d like to prepare additionally, you can take Course 1: Neural Networks and Deep Learning of the Deep Learning Specialization. By the end of this Specialization, you will have designed NLP applications that perform question-answering and sentiment analysis, created tools to translate languages and summarize text, and even built a chatbot! This Specialization is designed and taught by two experts in NLP, machine learning, and deep learning. Younes Bensouda Mourri is an Instructor of AI at Stanford University who also helped build the Deep Learning Specialization. Łukasz Kaiser is a Staff Research Scientist at Google Brain and the co-author of Tensorflow, the Tensor2Tensor and Trax libraries, and the Transformer paper.

Kurs4

Kurs 4

Natural Language Processing with Attention Models

4.4

Sterne

654 Bewertungen

•

163 Bewertungen

In Course 4 of the Natural Language Processing Specialization, offered by DeepLearning.AI, you will:

a) Translate complete English sentences into German using an encoder-decoder attention model, b) Build a Transformer model to summarize text, c) Use T5 and BERT models to perform question-answering, and d) Build a chatbot using a Reformer model. This course is for students of machine learning or artificial intelligence as well as software engineers looking for a deeper understanding of how NLP models work and how to apply them. By the end of this Specialization, you will have designed NLP applications that perform question-answering and sentiment analysis, created tools to translate languages and summarize text, and even built a chatbot! Learners should have a working knowledge of machine learning, intermediate Python including experience with a deep learning framework (e.g., TensorFlow, Keras), as well as proficiency in calculus, linear algebra, and statistics. Please make sure that you’ve completed course 3 - Natural Language Processing with Sequence Models - before starting this course. This Specialization is designed and taught by two experts in NLP, machine learning, and deep learning. Younes Bensouda Mourri is an Instructor of AI at Stanford University who also helped build the Deep Learning Specialization. Łukasz Kaiser is a Staff Research Scientist at Google Brain and the co-author of Tensorflow, the Tensor2Tensor and Trax libraries, and the Transformer paper.

Dozenten

von

deeplearning.ai

DeepLearning.AI is an education technology company that develops a global community of AI talent.

Häufig gestellte Fragen

What is the refund policy?
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.
Kann ich mich auch nur für einen Kurs anmelden?
Ja! Um loszulegen, klicken Sie auf die Kurskarte, die Sie interessiert, und melden Sie sich an. Sie können sich anmelden und den Kurs absolvieren, um ein teilbares Zertifikat zu erwerben, oder Sie können als Gast teilnehmen, um die Kursmaterialien gratis einzusehen. Wenn Sie einen Kurs abonnieren, der Teil einer Spezialisierung ist, abonnieren Sie automatisch die gesamte Spezialisierung. Auf Ihrem Kursteilnehmer-Dashboard können Sie Ihren Fortschritt verfolgen.
Ist finanzielle Unterstützung möglich?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren
Kann ich kostenlos an diesem Kurs teilnehmen?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse in der Spezialisierung und Sie erwerben ein Zertifikat, wenn Sie die Arbeit abschließen. Wenn Sie lediglich den Kursinhalt lesen und anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen. Wenn Sie die Gebühr nicht bezahlen können, haben Sie die Möglichkeit, finanzielle Hilfe zu beantragen.
Findet dieser Kurs wirklich ausschließlich online statt? Muss ich zu irgendwelchen Sitzungen persönlich erscheinen?
Dieser Kurs findet ausschließlich online statt, Sie müssen also zu keiner Sitzung persönlich erscheinen. Sie können jederzeit und überall über das Netz oder Ihr Mobilgerät auf Ihre Vorträge, Lektüren und Aufgaben zugreifen.
Erhalte ich akademische Leistungspunkte für den Abschluss der Spezialisierung?
Für diese Spezialisierung gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Spezialisierungszertifikate vergeben. Wenden Sie sich an Ihre Einrichtung, um mehr zu erfahren.
Erhalte ich akademische Leistungspunkte für den Abschluss der Spezialisierung?
Für diese Spezialisierung gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Spezialisierungszertifikate vergeben. Wenden Sie sich an Ihre Einrichtung, um mehr zu erfahren. Online-Abschlüsse und Mastertrack™-Zertifikate auf Coursera bieten die Möglichkeit, akademische Leistungspunkte zu erwerben.
What background knowledge is necessary?
Learners should have a working knowledge of machine learning, intermediate Python including experience with a deep learning framework (e.g., TensorFlow, Keras), as well as proficiency in calculus, linear algebra, and statistics. If you would like to brush up on these skills, we recommend the Deep Learning Specialization, offered by deeplearning.ai and taught by Andrew Ng.
Is this a standalone Course or a Specialization?
This is a Specialization made up of 4 Courses. Course 3 is scheduled for the end of July. Course 4 will launch in September.
What makes this Specialization so different?
The deeplearning.ai Natural Language Processing Specialization is one-of-a-kind.
It teaches cutting-edge techniques drawn from recent academic papers, some of which were only first published in 2019.
It covers practical methods for handling common NLP use cases (autocorrect, autocomplete), as well as advanced deep learning techniques for chatbots and question-answering.
It starts with the foundations and takes you to a stage where you can build state-of-the-art attention models that allow for parallel computing.
You will not only use packages but also learn how to build these models from scratch. We walk you through all the steps, from data processing to the finished products you can use in your own projects.
You will complete one project every week to make sure you understand the concepts for a total of 16 programming assignments.
Do I need to take the courses in a specific order?
We recommend taking the courses in the prescribed order for a logical and thorough learning experience.
How long does it take to complete the Specialization?
This Specialization consists of four Courses. At the rate of 5 hours a week, it typically takes 4 weeks to complete each Course.
Wie lange dauert es, die Spezialisierung abzuschließen?
Learn classical machine learning skills and state-of-the-art deep learning techniques and perform a number of functions:
• Use logistic regression, naïve Bayes, and word vectors to implement sentiment analysis, complete analogies, and translate words, and use locality sensitive hashing for approximate nearest neighbors.
• Use dynamic programming, hidden Markov models, and word embeddings to autocorrect misspelled words, autocomplete partial sentences, and identify part-of-speech tags for words.
• Use dense and recurrent neural networks, LSTMs, GRUs, and Siamese networks in TensorFlow and Trax to perform advanced sentiment analysis, text generation, named entity recognition, and to identify duplicate questions.
• Use encoder-decoder, causal, and self-attention to perform advanced machine translation of complete sentences, text summarization, question-answering and to build chatbots. Models covered include T5, BERT, transformer, reformer, and more!

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