Overview
Save Big on Coursera Plus. 7,000+ courses at $160 off. Limited Time Only!
Berm vindo ao curso de Processamento Neural de Linguagem Natural em Português I, oferecido pelo Departamento de Ciência da Computação do Instituto de Matemática e Estatistica da USP, com apoio do C4AI – USP-IBM-Fapesp Center for Artificial Intelligence e com apoio da Google.
Neste curso você irá aprender como o Machine learning (aprendizado de máquina) pode ser usado para processar textos em português. No final deste curso você já será capaz de escrever programas em Python de treinamento e execução de tarefas como classificação de textos, análise de sentimentos e traduções básicas, dentre outras aplicações de redes neurais em inteligência artificial.
O curso é ministrado em português e utiliza como exemplos o processamento de textos em português brasileiro.
O curso é dividido em 6 módulos. Os tópicos cobertos são:
Modulo 1: Introdução à linguística computacional
Modulo 2: Introdução às redes neurais
Modulo 3: Processamento Neural de Língua e Representação de palavras
Modulo 4: word2vec
Modulo 5: Redes Neurais Recorrentes e Processamento Sequência-para-sequência
Modulo 6: Redes LSTM e GRU
O curso utiliza as bibliotecas do pacote Tensor Flow para Python, que podem ser baixados gratuitamente.
Venha participar!
Prof. Marcelo Finger e equipe do IME USP
Syllabus
- Introdução ao Processamento de Língua Natural e ao Curso
- Bem-vindos! Neste módulo iremos apresentar o estudo computacional da linguagem, modelos gramaticais., modelos probabilísticos e modelos neurais. Este último será explorado nos próximos módulos. Você também será introduzido a problemas típicos de processamento de língua natural
- Introdução às Redes Neurais
- Neste modulo iremos apresentar uma visão moderna sobre redes neurais Feed-forward, também chamadas de Perscétrons Multicamadas. Iremos detalhar como esta arquitetura de rede neural funciona, como ela pode ser treinada e como ela é aplicada em tarefas de classificação.
- Procesamento Neural de Língua e Representação de Palavras
- Neste módulo você irá aprender como palavras podem ser representadas por uma sequência de valores (inserção num espaço multidimensional) e como sequências de palavras podem ser processadas com estes modelos simples.
- word2vec
- A revolução do processamento neural de linguagem começou com métodos capazes de representar palavras de forma a codificar os contextos em que elas ocorrem com mais frequência. O werd2vec foi um dos principais métodos que realizaram esta transição, e neste modulo iremos estudá-lo em detalhe.
- Modelos Neurais Recorrentes (RNNs)
- Para processar sequências cada vez maiores de palavras é necessário capturar o contexto em que elas ocorrem. As redes neurais recorrentes visam solucionar este problema. No entanto elas introduziram novos desafios os quais serão explicados neste módulo. Iremos também abordar o modelo sequência-para-sequência que se iniciou com as redes recorrentes e que é usado largamente até hoje.
- Modelos Recorrentes na Prática: LSTM e GRU
- As redes LSTM (Long Short Term Memory) são uma arquitetura recorrente que permite balancear informações de contextos recentes e distantes e assim enfrentando os desafios introduzidos pela recorrência e possibilitando o verdadeiro processamento de textos de tamanho ilimitado. As redes GRU são uma simplificação deste modelo.
Taught by
Marcelo Finger and Alan Barzilay