Course description

Kursus ini bertujuan untuk memperdalam pemahaman peserta tentang teknik dan model lanjutan dalam Natural Language Processing (NLP). Peserta akan belajar bagaimana menggunakan model BERT untuk klasifikasi teks yang lebih akurat, serta teknik text summarization menggunakan transformer. Selain itu, kursus ini mencakup Named Entity Recognition (NER) menggunakan SpaCy untuk mengidentifikasi entitas penting dalam teks, dan machine translation dengan model Seq2Seq. Peserta juga akan mengeksplorasi text generation menggunakan GPT-2, salah satu model paling kuat dalam pengolahan bahasa alami. Dengan kombinasi teori, praktik, dan proyek, peserta akan mendapatkan keterampilan yang diperlukan untuk menangani tugas NLP yang lebih kompleks.

What will i learn?

  • Mampu menggunakan BERT untuk klasifikasi teks secara efektif.
  • Mengimplementasikan teknik text summarization dengan model transformer.
  • Menggunakan SpaCy untuk Named Entity Recognition (NER).
  • Menghasilkan teks menggunakan model GPT-2.

Requirements

  • Pengetahuan dasar tentang pemrograman Python.
  • Familiaritas dengan konsep dasar NLP.
  • Akses ke perangkat komputer dengan kemampuan pemrosesan yang memadai.

Frequently asked question

BERT (Bidirectional Encoder Representations from Transformers) adalah model deep learning yang digunakan untuk memahami konteks kata dalam kalimat dengan cara yang lebih mendalam, yang memungkinkan klasifikasi teks yang lebih akurat.

Ya, kursus ini dirancang untuk peserta yang telah memiliki pemahaman dasar tentang NLP dan ingin mengeksplorasi topik yang lebih kompleks.

Kursus ini berlangsung selama 4 minggu, dengan sesi teori dan praktik setiap minggunya.

Ya, peserta akan diberikan proyek akhir untuk menerapkan semua keterampilan yang telah dipelajari selama kursus.

Tentu! Peserta akan diberikan akses ke bahan bacaan, tutorial, dan sumber daya lainnya untuk mendukung pembelajaran.

ITS Academic

Free

Lectures

0

Skill level

Beginner

Expiry period

Lifetime

Related courses