Deep Learning

Verarbeitung Natürlicher Sprache — Lernen Sie, Systeme zu erstellen, die menschliche Sprache mithilfe von Modellen wie RNNs, LSTMs und Transformers verstehen und verarbeiten.

Deep Learning für NLP: Wort-Embeddings und Textklassifizierung in Python

Verarbeitung Natürlicher Sprache
Meistern Sie die Grundlagen der natürlichen Sprachverarbeitung, indem Sie word2vec, GloVe und rekurrente neuronale Netze implementieren, um intelligente Textklassifikatoren in Python zu erstellen.
★ 4.7 (8,585)

Rekurrente neuronale Netze und Sequenzmodellierung in Python

Verarbeitung Natürlicher Sprache
Lerne, LSTMs, GRUs und rekurrente neuronale Netze in Python zu erstellen und zu trainieren, um Zeitreihendaten vorherzusagen und natürliche Sprache zu analysieren.
★ 4.6 (6,031)

Verarbeitung natürlicher Sprache mit RNNs, Seq2Seq und Aufmerksamkeit

Verarbeitung Natürlicher Sprache
Entwickeln Sie fortschrittliche Textmodelle, Übersetzungssysteme und Frage-Antwort-Anwendungen mit Python, TensorFlow und Sequenz-zu-Sequenz-Neuronalen Netzen.
★ 4.5 (7,505)

Grundlagen großer Sprachmodelle: Von Transformatoren zur Feinabstimmung

Verarbeitung Natürlicher Sprache
Lernen Sie, wie Transformer-Architekturen funktionieren und wie Sie moderne generative KI-Modelle mithilfe parametereffizienter Methoden feinabstimmen, optimieren und einsetzen können.
★ 4.4 (8,765)

Verarbeitung natürlicher Sprache mit Python: Von Textvektoren zu agentenbasierter KI

Verarbeitung Natürlicher Sprache
Schaffen Sie sich ein solides Fundament in Textverarbeitung, Vektormodellen und Techniken des maschinellen Lernens, um intelligente Sprachanwendungen zu entwickeln und moderne KI-Systeme zu verstehen.
★ 4.7 (7,233)

Verarbeitung natürlicher Sprache mit TensorFlow

Verarbeitung Natürlicher Sprache
Lernen Sie, intelligente Textverarbeitungssysteme und Sequenzmodelle mithilfe des TensorFlow-Frameworks für moderne Anwendungen des maschinellen Lernens zu entwickeln.
★ 4.6 (6,536)

Verarbeitung natürlicher Sprache mit Python

Verarbeitung Natürlicher Sprache
Schaffen Sie sich eine solide Grundlage in Textverarbeitung, Stimmungsanalyse und modernen Transformer-Modellen mit Python, um reale Sprachaufgaben zu lösen.
★ 4.6 (6,192)

Sequenzmodelle für NLP: Erstellen von RNNs, LSTMs und GRUs

Verarbeitung Natürlicher Sprache
Lernen Sie die Grundlagen der Sequenzmodellierung kennen, um Anwendungen zur Texterzeugung, Übersetzung und Spracherkennung mit rekursiven neuronalen Netzwerken zu erstellen.
★ 4.8 (1,308)

Aufmerksamkeit Mechanismen und Transformatoren für Anfänger

Verarbeitung Natürlicher Sprache
Erfahren Sie, wie neuronale Netze Informationen priorisieren, um moderne Sprachübersetzungen, Zusammenfassungen und generative KI-Modelle zu unterstützen.
★ 4.2 (50)

Verstehen von CNNs und RNNs

Verarbeitung Natürlicher Sprache
Erfassen Sie die Grundprinzipien der neuronalen Netze, die das moderne Computersehen und die Verarbeitung natürlicher Sprache unterstützen.
★ 4.4 (40)

Deep Learning für Bildbeschriftungsmodelle

Verarbeitung Natürlicher Sprache
Beherrschen Sie die Grundlagen der Computer Vision und der Verarbeitung natürlicher Sprache, um Modelle zu erstellen, die automatisch Textbeschreibungen für Bilder generieren.
★ 4.7 (32)

Grundlagen großer Sprachmodelle: Von Grund auf mit PyTorch bauen

Verarbeitung Natürlicher Sprache
Verstehen Sie die Kernmechanik moderner KI, indem Sie lernen, wie Sie mit PyTorch Transformator-Architekturen und GPT-Modelle von Grund auf implementieren.
★ 4.8 (24)

Grundlagen der portugiesischen NLP mit Python

Verarbeitung Natürlicher Sprache
Bauen Sie eine starke Grundlage für die Analyse portugiesischer Texte mit Python, modernen maschinellen Lerntechniken und neuronalen Netzen auf, um reale Sprachaufgaben zu lösen.
★ 4.5 (22)

Transformatoren von Grund auf mit PyTorch

Verarbeitung Natürlicher Sprache
Meistern Sie den Selbstaufmerksamkeitsmechanismus und bauen Sie Schritt für Schritt die grundlegende Architektur für moderne KI auf.
★ 5.0 (19)