Что такое Natural Language Processing?Natural Language Processing (NLP, обработка естественного языка) – это направление, которое объединяет в себе лингвистику, компьютерные науки и искусственный интеллект. NLP применяет алгоритмы машинного обучения для анализа естественных языков.Что даст вам этот курс?Знаний, которые дают ML/DL курсы, часто оказывается недостаточно, чтобы стать специалистом в области NLP. Data Scientist'ам, которые решили заняться методами, связанными с автоматической обработкой текстов, необходимы дополнительные знания из этой области.Данный курс представляет собой уникальное сочетание глубоких знаний из области NLP и "повседневных" практических навыков. С одной стороны, программа курса по наполненности и изучаемым темам ничуть не уступает аналогичным вузовскими курсам. С другой стороны, в курсе, помимо теоретичечских знаний, особое внимание уделяется практическим навыкам, таким как работа с текстами на основе регулярных выражений, парсинг данных, создание телеграм-ботов. Эти темы практически не освещаются в большинстве NLP-курсов, так как считаются рутинными и техническами. При этом эти навыки необходимы всем специалистам в области NLP.Также на курсе изучаются современные подходы и модели, которые на данный момент являются стандартом в области, но еще не успели войти в большинство программ, так как были предложены совсем недавно. Стоит отметить, что на курсе делается акцент на особенностях работы с русскоязычными моделями и данными на русском языке.Для кого этот курс?Курс предназначен для DS/ML-специалистов, которые, либо уже какое-то время находятся в профессии, либо недавно закончили ML/DS/DL курсы и хотят углубить знания в области NLP.После завершения курса вы сможете:
работать с текстовыми данными;
парсить, собирать данные с сайтов из интернета;
создавать телеграм-ботов;
применять методы классического NLP для решения ML задач, связанных с текстами;
работать с нейросетевыми моделями архитектуры трансформер;
применять модели архитектуры трансформер для широкого спектра NLP задач;
решать задачу распознавания именованных сущностей;
создавать вопросно-ответные системы.
Отличный практический курс
На курс "Системный аналитик. Advanced" пошла по рекомендации от знакомого и не пожалела. Курсом очень довольна! Часть преподавателей знала по конференциям.Также порадовала тех поддержка - менеджеры. Помогают при надобности.
Плюсы: - хорошая адаптированая программа; - структурированная подача; - состав преподавателей практиков; - дополнительные материалы; - возможность просмотра лекций в записи; - возможность перевода другую группу.
Минусы: - иногда нудноватые преподаватели; - перенос занятий.
Источник: otzovik.com
l0idvrn
18.05.2020
10
HighLoad Architect отличный курс
Я работаю в outsourcing в роли TL/Architect/Senior Dev/Techincal PM. Хотелось структурировать знания и получить новые с фокусом на высокие нагрузки. В реальных проектах не всегда удается применить все технологии HighLoad и/или изучить новое. Курс понравился своей программой и вводным уроком от Ивана. Сразу скажу, что учиться на курсе непросто. И даже не из-за сложности конепций или материала, есть темп подачи материала и есть темп выполнения домашних работ. Даже если в теории все кажется очевидным, реализация в коде это не минутное и не часовое действие. Все это усложняется поднятием и настройкой новых систем в своем окружении (возможно огранизаторы курса как-то исправят это или начнут делиться docker-compose файлами).Если пропустить несколько deadline, потом придется включать turbo-режим и ночами наверстывать (не делайте так). Я могу только сказать, что на домашние работы в неделю явно уходило не 2-4ч, даже при условии пред. опыта.Курс однозначно требует умения программирования (если не full stack, то что-то к этому близкое) и еще большего умения искать решения и читать доки.Почти ко всем лекциям есть доп. ссылки на книги, материалы, видео.Мне удалось попробовать на практике tarantool, vitesse, разного рода репликации в postgress и т. д.В реальности, требования к проектам еще сильнее и дотошнее, так что считаю текущий уровень требовательности адекватным сложности заданий.
Плюсы: спектр тем, доп. ссылки, возможность попробовать на практике, выпускной проект
Минусы: сложность в разворачивании env, новые технологии на реальном проекте с отсутствием документации и деадлайнами