Descripcion del Curso
Las redes neuronales de aprendizaje profundo se han aplicado con éxito al procesamiento de texto, y están cambiando radicalmente la forma en que interactuamos con las máquinas. Estos modelos son capaces de inferir representaciones de palabras y frases, no requieren rasgos diseñados manualmente utilizados por sistemas de aprendizaje previos.
Este curso es una introducción en profundidad a los principales modelos de aprendizaje profundo utilizados en procesamiento de texto con el objetivo de comprender estos modelos e implementarlos en Tensorflow/Kera.
Fecha de publicación
2018-11-21
Profesor
PhD. Raúl Ernesto Gutiérrez de Piñerez Reyes
WebSite
Prerequisitos
- Proeficiencia en Python
- Cálculo Diferencial e Integral
- Álgebra Lineal
- Probabilidad y Estadistica
- Redes Neuronales
- Machine Learning y Análisis de Datos
Temario
- Análisis de sentimientos.
- Clasificación con regresión logística
- Tensorflow y Keras.
- RN Multicapa. Retropropagación y gradientes. Tasa de aprendizaje. Regularización. Hiperparametros.
- Aprendizaje de representaciones.
- Embeddings de palabras.
- Redes Recurrentes.
- Modelos del lenguaje (codificadores de sentencias)
- Generación del lenguaje (decodificadores)
- Modelos de secuencia a secuencia
- RNN: LSTM
- Redes Convolucionales (CNN) para texto