EAS-028
Машинное обучение для анализа естественного языка (NLP)
Научитесь применять машинное обучение для анализа текстов и решения реальных задач NLP. Курс сочетает теорию и практику: от предобработки текстов до работы с BERT и GPT. Освойте современные методы обработки естественного языка (NLP) и научитесь применять их в проектах. Уникальность — акцент на практику с использованием Python и предобученных моделей. Тренинг по обработке естественного языка с помощью машинного обучения предназначен для тех, кто хочет познакомиться со сложными методами обработки текстовых данных. Он включает в себя необходимый минимум теории и большой объем практических занятий, позволяющих участникам овладеть необходимыми навыками для работы в области анализа данных. К каждому модулю предлагаются задания для самостоятельного выполнения - домашние работы. В рамках тренинга участники изучат методы преобразования текстовых данных, такие как стемминг, лемматизация и векторизация, а также базовые задачи, которые могут быть решены с помощью методов машинного обучения, такие как классификация, суммаризация текстов, выделение имен и другие. Будет уделено особое внимание практическому применению методов машинного обучения на языке Python с использованием современных нейросетей, таких как FastText, BERT и GPT-2.
Удостоверение о прохождении
Смотреть пример
24 академ. часов
Онлайн
Подробнее
Улучшаемые навыки
Machine Learning
ML
Natural Language Processing
Data Science
Машинное Обучение
Анализ текстов
Обработка текстов
Языковые модели
Эмбеддинги
Нейронные сети
Инструменты
Python
Scikit-learn
TensorFlow
Чему вы научитесь
01
Применять основы машинного обучения и обработки текстов на практике.
02
Использовать методы предобработки текстов и извлечения признаков для анализа текстовых данных.
03
Научитесь использовать популярные библиотеки для обработки естественного языка
04
Оценивать качество алгоритмов с помощью методов валидации данных.
05
Реализовывать методы классификации и разметки текстов, включая сверточные (CNN) и рекуррентные (RNN) нейронные сети.
06
Снижать размерность данных и применять эти методы для извлечения ключевых слов, суммаризации текстов и тематического моделирования.
07
Работать с предобученными языковыми моделями (BERT, GPT и др.) для решения задач обработки текстов.
08
Применять библиотеки машинного обучения (Scikit-learn, NLTK, gensim) в реальных проектах.
09
Анализировать текстовые данные с использованием современных методов машинного обучения.
10
Готовиться к работе с коммерческими и исследовательскими проектами в области NLP.
Программа курса
01
Основы машинного обучения
02
Основы обработки текстов
03
Эмбеддинги в обработке текстов
04
Методы классификации и разметки текстов
05
Методы снижения размерности
06
Предобученные языковые модели
07
Всего: теория — 7 часов (30%), демо и практика — 17 часов (70%). Домашние задания — 9 часов (+ 38%)
Для кого
Дата-аналитик
Разработчик
Архитектор ПО
Проектировщик
ML Engineer
Предварительная подготовка
Умение читать простой код на Python и писать на любом скриптовом языке.
Расписание курсов
Курс проводят
Аксёнов Сергей
Специалист в области разработки ПО
О тренере
Специалист в области разработки высокопроизводительных систем искусственного интеллекта в прикладных областях с опытом работы более 20 лет, кандидат технических наук, работает в области аналитики данных, искусственного интеллекта и высокопроизводительных вычислений с 2002 года.
Доцент Томского политехнического университета (ТПУ, специализация: Технологии Больших данных), Томского государственного университета (ТГУ, специализация: Интеллектуальный анализ Больших данных), Томского государственного университета систем управления и радиоэлектроники (ТУСУР, специализация: Программная инженерия), Сибирского государственного медицинского университета (СибГМУ, специализация: Медицинская кибернетика). Является преподавателем вышеперечисленных университетов, преподает дисциплины, связанные с ключевыми областями своих знаний.
С 2018 года проводит курсы по профессиональной переподготовке. Занимается разработкой и актуализацией образовательных материалов.
Доцент Томского политехнического университета (ТПУ, специализация: Технологии Больших данных), Томского государственного университета (ТГУ, специализация: Интеллектуальный анализ Больших данных), Томского государственного университета систем управления и радиоэлектроники (ТУСУР, специализация: Программная инженерия), Сибирского государственного медицинского университета (СибГМУ, специализация: Медицинская кибернетика). Является преподавателем вышеперечисленных университетов, преподает дисциплины, связанные с ключевыми областями своих знаний.
С 2018 года проводит курсы по профессиональной переподготовке. Занимается разработкой и актуализацией образовательных материалов.
Записаться на курс
41 900 ₽
37 710 ₽ — для физ. лиц
Юр. лицо — 41 900 ₽
Физ. лицо — 37 710 ₽
11.12.2025, Онлайн
11.12.2025, Онлайн
Открытая дата
Наши ученики работают в:
Наши клиенты
Связанные курсы
EAS-020
24 часа
Основы машинного обучения
Основы машинного обучения: классификация, регрессия, кластеризация, ансамбли, нейронные сети. Курс дает представление об основных группах методов машинного обучения и их применении для решения задач анализа текстов, прогнозирования цены и выдачи рекомендаций. В практической части курса участники будут работать с признаками, перебирать параметры моделей и строить ансамбли, используя язык Python.
от Middle
33 600 ₽
EAS-025
24 часа
Машинное обучение на практике
Практический курс по машинному обучению для аналитиков и разработчиков. Освоите полный цикл создания ML-моделей от подготовки данных до презентации результатов. Уникальность: курс построен на реальных кейсах, что позволяет сразу применять знания на практике. Ценность: научитесь решать реальные бизнес-задачи с помощью машинного обучения, повышая эффективность и точность решений.
от Middle
40 900 ₽
