Máster de especialista en Procesamiento del Lenguaje Natural con Python

Acceda a un cupón de descuento aquí

Datos del curso

Máster de Especialista en Procesamiento del Lenguaje Natural (NLP) con Python.

Máster en Redes neuronales profundas para Procesamiento del Lenguaje Natural con Python y Keras. De 0 a experto.

Instructor: PhD. Manuel Castillo.

Calificación: ⭐⭐⭐⭐⭐

Requisitos previos: Antes de realizar el curso se recomienda encarecidamente tener conocimientos sobre Deep Learning. Este es el curso continuación de:

• Deep Learning con Python y Keras. Redes Neuronales avanzado. Aprendizaje profundo con la librería Keras-Python. Aprende a diseñar y desarrollar redes neuronales de básico a experto; o también
• Máster de especialista en Ciencia de Datos con Python. Aprenda a desarrollar proyectos de Machine Learning y Deep Learning con Python. Data Science de básico a Experto

Descripción del Curso:

Bienvenido al curso Máster de Especialista en Procesamiento del Lenguaje Natural (NLP) con Python y Keras. En este curso trataremos la librería Keras de Python para Deep Learning y cómo usarla para desarrollar y evaluar modelos de Deep Learning para Procesamiento del Lenguaje Natural. En este curso, descubriremos las técnicas, código y habilidades de Deep Learning que luego puede llevar a sus propios proyectos de Aprendizaje profundo para Procesamiento del Lenguaje Natural con Python y Keras.

Si está interesado en Deep Learning, tenemos que comenzar por desarrollar y evaluar modelos de Deep Learning. Luego, si descubres que realmente le gusta o tienes una habilidad especial para ello, más adelante podrás profundizar más en los antecedentes y la teoría, según lo necesites para ayudarte a desarrollar mejores y más valiosos resultados.

En este contexto, para este curso se ha escogido la mejor plataforma para comenzar y desarrollar muy rápidamente modelos de Deep Learning potentes a través de la librería Keras de Python.

La librería Keras envuelve la complejidad de la computación numérica de Theano y TensorFlow proporcionando una API concisa que usaremos para desarrollar nuestra propia red neuronal y modelos Deep Learning. Además, trataremos las habilidades de Deep Learning para llevar esta nueva tecnología asombrosa a nuestros propios proyectos.

El curso  está dirigido a personas que tengan conocimientos de Deep Learning, conocimientos intermedios del lenguaje de programación y que quieran adentrarse a este apasionante mundo de dentro del campo de Deep Learning y redes neuronales.

Contenidos del Curso:

• MÓDULO I. Introducción.
  • Anaconda como nuestro gestor de trabajo.
  • Jupyter Notebook o Google Colab como nuestro entorno de Deep Learning.
  • Curso rápido de Python.
  • Introducción a la librería Keras.
• MÓDULO II. Fundamentos de Deep Learning.
  • Neurona como unidad fundamental.
  • Como trabaja una neuronal.
  • Perceptrón multicapa.
  • Cómo opera el perceptrón multicapa.
  • Curso intensivo en perceptrones multicapa.
  • Desarrolle su primera red neuronal con Keras.
  • Modelos de Keras para Machine Learning general (Clasificación/Regresión).
• MÓDULO III. Redes Neuronales Recurrentes.
  • Redes Neuronales Recurrentes.
  • Redes LSTM.
  • Desarrollar un proyecto con RNN.
  • Desarrollar un proyecto con LSTM.
  • Proyecto de Generación de texto.
• MÓDULO IV. Procesamiento de texto.
  • Limpiar, preparar y codificar (encoded) el texto.
  • Procesamiento de datos en scikit-learn y Keras.
  • Representación del vocabulario en Bolsa de palabras (BoW).
  • Proyecto: Sentiment analysis en un modelo de BoW.
• MÓDULO V. Word embeddings.
  • Word Embeddings con Gensim.
  • Word Embeddings con Keras.
  • Proyecto: Word embeddings con un modelo CNN.
  • Proyecto: Word embeddings con un modelo CNN n-gramas.
• MÓDULO VI. Modelado del lenguaje.
  • Modelo del lenguaje neuronal basado en caracteres.
  • Modelo del lenguaje neuronal basado en palabras.
  • Modelo del lenguaje neuronal para generación de texto.
  • Proyecto con modelado del lenguaje.
• MÓDULO VII. Modelos de PLN avanzados.
  • Latent Dirilecht Allocation.
  • Transformers.
  • HuggingFace para modelos preentrandos.
  • Extracción de keywords.
  • Reconocimiento de entidades.
• MÓDULO VIII. Proyectos avanzados.
  • Modelo para la traducción automática.
  • Análisis de programas electorales con NLP con modelos clásicos.
  • Análisis de programas electorales con NLP con modelos basados en transformers.
  • Proyectos avanzados con Transformers.

Acceda a un cupón de descuento aquí