Máster de especialista en Procesamiento del Lenguaje Natural con Python
Date:
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.