Curso OCW Procesamiento de Lenguaje Natural con Aprendizaje Profundo
5.0
(4)
39 learners
What you'll learn
This course includes
- 4.3 hours of video
- Certificate of completion
- Access on mobile and TV
Course content
1 modules • 38 lessons • 4.3 hours of video
Curso OCW Procesamiento de Lenguaje Natural con Aprendizaje Profundo
38 lessons
• 4.3 hours
Curso OCW Procesamiento de Lenguaje Natural con Aprendizaje Profundo
38 lessons
• 4.3 hours
- Procesamiento de Lenguaje Natural con Aprendizaje Profundo. Presentación del curso 06:07
- 1.1. Introducción: Procesamiento de Lenguaje Natural y Aprendizaje Profundo 04:54
- 1.2. ¿Qué es Google Colaboratory? 05:27
- 1.3. ¿Cómo montar nuestra unidad de Google Drive en Google Colab? 04:41
- 1.4. Cómo cargar un dataset (Google Drive) 08:06
- 1.5. NLTK: una librería para PLN (parte 1) 07:25
- 1.6. Lematización 05:05
- 1.7. Stemming 10:40
- 1.8. Stopwords 09:06
- 1.9. Spacy: una librería para PLN (parte 1: instalación) 05:30
- 1.10. Spacy: una librería para PLN (parte 2: tokenización) 07:40
- 1.11. Spacy: una librería para PLN (parte 3: análisis sintáctico) 02:57
- 1.12. Spacy: una librería para PLN (parte 4: reconocimiento de entidades) 04:53
- 2.1. Redes convolucionales para Procesamiento de Lenguaje Natural. Parte 1 06:28
- 2.2. Redes convolucionales para Procesamiento de Lenguaje Natural. Parte 2 08:07
- 3.1. Cómo usar BiLSTM para clasificación de texto. Parte 1. 06:50
- 3.2. Cómo usar BiLSTM para clasificación de texto. Parte 2. 09:48
- 4.1. Cómo usar los embeddings de Spacy. Parte 1. 06:18
- 4.2. Cómo usar los embeddings de Spacy. Parte 2. 05:53
- 4.3. Cómo entrenar nuestro propio modelo de word embeddings. 06:16
- 5.1. Cargar un dataset desde Hugging Face 09:28
- 5.2. Cargar un dataset (desde local o remoto) en un objeto Dataset (Hugging Face) 07:16
- 5.3. Cómo crear un nuevo split en un dataset (train_test_split) 05:50
- 5.4. Tokenización en transformers 06:48
- 5.5. Wordpiece tokenization 05:50
- 5.6. Tokenizador de BERT: el campo input_ids 03:34
- 5.7. Tokenizador de BERT: el campo token_input_ids 06:33
- 5.8. Padding y truncation. Parte 1: tokenizar una colección de textos 07:07
- 5.9. Padding y truncation. Parte 2 07:06
- 5.10. Fases de un transformer: pre-training y fine-tuning 03:57
- 5.11. Cómo hacer fine-tuning de un transformer (parte 1) 06:46
- 5.12. Cómo hacer fine-tuning de un transformer (parte 2) 09:23
- 5.13. Evaluación de un transformer 08:25
- 5.14. Cómo usar un Transformer para inferir (pipelines) 05:24
- 5.15. Zero-shot classification 06:21
- 6.1. Data Augmentation 07:23
- 7.1. Cómo ajustar un transformer para la tarea de regresión en textos 09:54
- 7.2. Reconocimiento de entidades (Named Entity Recognition) 12:13
Take this course with you
Download the app to continue lessons from your phone anytime.
