Natural Language Processing

Kód kurzu: MLNLP

Kurz je zaměřen na analýzu a zpracování textů. Předpokládá se znalost principů strojového učení, ale ty nejdůležitější koncepty budou stručně zopakovány. Specifikem zpracování textů je způsob předzpracování dat a jejich vektorizace. Tomu bude věnována první část. Vše bude prakticky vyzkoušeno na úloze, jejíž cílem je klasifikace textových dokumentů. Dále se účastníci dozvědí, co jsou to jazykové modely a jak je použít pro detekci jazyka dokumentu nebo generování textů.

Termíny kurzu

Počáteční datum: 07.04.2025

Forma: Prezenční/Virtuální

Délka kurzu: 1 den

Jazyk: cz/sk

Cena bez DPH: 4 990 Kč

Registrovat

Počáteční datum: Na vyžádání

Forma: Prezenční/Virtuální

Délka kurzu: 1 den

Jazyk: en/cz

Cena bez DPH: 4 990 Kč

Registrovat

	Počáteční datum	Forma	Délka kurzu	Jazyk	Cena bez DPH
	07.04.2025	Prezenční/Virtuální	1 den	cz/sk	4 990 Kč	Registrovat

	Na vyžádání	Prezenční/Virtuální	1 den	en/cz	4 990 Kč	Registrovat
G	Garantovaný kurz

Počáteční
datum

Místo
konání

Forma

Délka
kurzu

Jazyk

Cena bez DPH

07.04.2025

Prezenční/Virtuální

1 den

cz/sk

4 990 Kč

Registrovat

Na vyžádání

Prezenční/Virtuální

1 den

en/cz

4 990 Kč

Registrovat

Garantovaný kurz

Struktura kurzu

Úvod do zpracování přirozeného jazyka
Vybrané kapitoly z komputační ligvistiky (korpusy, tokenizace, morfologická, syntaktická a sémantická analýza, entropie, mutual information, perplexita)
Vektorizace textových dokumentů (bag of words, one-hot encoding, TF-IDF)
Word embedding (word2vec)
Praktická úloha na klasifikaci textů
Word embedding (vytvoření word2vec modelů a experimenty s vektorovými reprezentacemi slov)
Úvod do jazykových modelů (n-gramové modely, vyhlazování, modely založené na neuronových sítích)
Praktická úloha na jazykové modelování (implementace jazykových modelů a jejich využití pro detekci jazyka textu)
Úprava algoritmu pro generování textů

Předpokládané znalosti

Základní znalost programování v Pythonu

Středoškolské znalosti lineární algebry, matematické analýzy a teorie pravděpodobnosti. Bude předpokládáno základní porozumění pojmům jako vektor, matice, vektorový prostor, pravděpodobnost, podmíněná pravděpodobnost, nezávislost náhodných jevů a znalost násobení matic a derivace funkcí.

Znalosti strojového učení na úrovni kurzu Úvod do strojového učení.

Navazující kurzy