Natural Language Processing Hands-on (3)

Price:50,00 

Capire i transformers networks per un uso pratico e le risorse necessarie per addestrarli

Quantity:

COD: C0028 Categorie: , Tag: ,

Nel corso NLP Hands-On 3 impareremo a capire i transformer networks per un uso pratico e con un occhio di riguardo alle risorse necessarie per addestrarli. Nella prima parte ci avvicineremo alle applicazioni, approfondendo il concetto di transformer for longer sequences, in modo da poter capire quali sono i punti deboli di questa classe di modelli e come la comunità scientifica si è mossa per potervi porre rimedio. In particolare andremo a indagare applicazioni che richiedono un contesto importante e che difficilmente possono essere spezzate in sub tasks. Il passaggio successivo sarà quello di capire se veramente è sempre necessario allenare completamente un transformer sulla nostra task, e quanto beneficio ci porta l’allocazione di tutte le risorse necessarie. Una volta terminata questa prima parte del corso, ci concentreremo nell’analizzare che cosa effettivamente impara un transformer e quali giovamenti ne possiamo trarre, infatti impareremo a creare una knowledge base in modo non supervisionato solamente grazie alla capacità del language model di imparare pattern semantici in modo autonomo grazie a una grossa fonte di dati in input. Nell’ultima parte del corso, ci dedicheremo allo studio di una particolare task, fondamentale nelle pipeline di NLP, ossia la Summarization. Investigheremo una serie di modelli e ne calcoliamo le performance sul dataset TLDR. Il tutto è stato pensato per incoraggiare lo studente a essere molto critico nei confronti delle tecnologie che si decidono di utilizzare ed al contempo fornirgli degli strumenti di decision making all’interno dei propri progetti.

Calogero Zarbo

Calogero Zarbo è un ricercatore di biologia computazionale, che lavora su Medicina di precisione, Drug Discover & Relocation. Come appassionato di tecnologie all’avanguardia, ha lavorato al Quantum Computing, portando questo argomento all’attenzione degli Stati Uniti e della FDA presso NCTR Lab. Come hobby personale, lavora su una serie di applicazioni di deep learning utilizzando anche tecnologie blockchain come BigChainDB. Al momento, lavora in Docebo JSC e ha co-fondato la società Algoritmica.ai, il cui prodotto si basa sull’analisi predittiva del rischio dei portafogli di prestiti utilizzando il Deep Learning applicato al più grande database europeo.

Recensioni

Ancora non ci sono recensioni.

Solamente clienti che hanno effettuato l'accesso ed hanno acquistato questo prodotto possono lasciare una recensione.