Hoppa till innehållet
AI-grafen

Bygg ett NLP-system end-to-end

Universitetsnivå. Från statistisk inlärning och transformers till ett serverat textsystem med evals, tester och dokumentation.

E· Universitet

Alla kunskaper som ingår (47) — i beroendeordning

  1. 1AMönster och kategorier
  2. 2BData från vardagen
  3. 3AInstruktioner i rätt ordning
  4. 4BAlgoritmiskt tänkande
  5. 5CFunktioner och koordinatsystem
  6. 6DDerivata och optimering
  7. 7CProgrammeringslogik — variabler, villkor, loopar
  8. 8CPython — grunderna
  9. 9CPython — listor, loopar och dictionaries
  10. 10DPython — funktioner, scope och undantag
  11. 11DPython — klasser och objekt
  12. 12EAsynkron programmering
  13. 13CPython — strängar och textbehandling
  14. 14CPython — filer, CSV och JSON
  15. 15DAPI:er och HTTP
  16. 16EBygga ett API med FastAPI
  17. 17BRegler kontra inlärning
  18. 18CStatistik — medelvärde, median och spridning
  19. 19CSannolikhet — grunderna
  20. 20DLoss-funktioner
  21. 21DTestning med pytest
  22. 22DTokenisering
  23. 23BTräningsdata, features och etiketter
  24. 24BKlassificering — så sorterar en modell
  25. 25CDin första prediktiva modell — en rät linje
  26. 26DGradient descent
  27. 27CNeuronnät — intuitionen
  28. 28DPrecision, recall, F1 och ROC
  29. 29DVektorer
  30. 30DMatriser och matrismultiplikation
  31. 31DLinjär regression med flera features
  32. 32DNeuronnät — forward pass med matriser
  33. 33DBackpropagation
  34. 34DEmbeddings — ord som vektorer
  35. 35DAttention
  36. 36DOverfitting och generalisering
  37. 37DPyTorch — tensorer och autograd
  38. 38DTräning, validering och test
  39. 39DTräna ett neuronnät i PyTorch
  40. 40DTransformers — arkitekturen
  41. 41EBERT och maskerad språkmodellering
  42. 42ESpråkmodeller — träning och generering
  43. 43EModellutvärdering
  44. 44EBygg en eval-harness
  45. 45ETextklassificering med transformers
  46. 46EProjekt E: ett NLP-system end-to-end
  47. 47EVetenskaplig metod i AI