Eine Entwicklung vom klassischen NLP-Entwurf über Repräsentationen und Klassifikation bis zu Selbstaufmerksamkeit und dem Kontext großer Sprachmodelle.
Baue schrittweise ein Denkmodell für NLP auf: Definiere die Aufgabe, ordne Vorverarbeitung und Repräsentation in eine Pipeline ein, probiere eine überwachte Textklassifikation aus und verbinde anschließend Selbstaufmerksamkeit mit der historischen Entwicklung von Sprachmodellen. Die ausgewählten CampusX-Lektionen sind Lehrmaterial und kein Versprechen eines bestimmten Modellergebnisses. Die Übungen machen Entscheidungen bei der Vorverarbeitung und Bewertungsannahmen sichtbar.
Ordne eine NLP-Aufgabe von Rohtext über Vorverarbeitung, Repräsentation und Modell bis zur Bewertung ein. Erkläre die Rolle und Zielkonflikte von Bag-of-Words, N-Grammen und TF-IDF. Formuliere Textklassifikation mit Zielwert, Aufteilung, Ausgangsbasis und Plan zur Fehlerprüfung. Beschreibe Selbstaufmerksamkeit als Mechanismus, der Token im Kontext miteinander in Beziehung setzt.
Grundkenntnisse in Python und Vertrautheit mit Listen, Zeichenketten und einfachen Begriffen der Klassifikation werden empfohlen.
Einsteiger, die eine klare, geführte Einführung ohne unnötigen Fachjargon suchen
Menschen, die am besten mit Beispielen, Anleitung und praktischen Übungen lernen
Fachleute, Kreative und unabhängige Entwickler, die wiederholbare Abläufe suchen
Lektion 1 ist kostenlos
7 lektionen · Anfänger · Vollständiger Kurs.
Dieser Kurs verwendet CC BY-lizenziertes Material mit Namensnennung des Inhaltsanbieters oder Uploaders. Die Wiedergabe der Lektionen ist erst nach Anmeldung und bestandener Veröffentlichungs- und Lizenzprüfung verfügbar.