NLP - Przetwarzanie języka naturalnego
  1. Zajęcia 1 Elementy teorii języków formalnych
  2. Zajęcia 2 FSM jako prosty chatbot
    • Materiały
    • Zadania
      • Zaimplementować FSM dla wybranego "hasła".
      • Alternatywnie: zaimplementować prostego chatbot-a.
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Jak wykorzystać FSM do prostego przetwarzania regularnych wyrażeń.
  3. Zajęcia 3 From words to numbers. Parsing, tokenization, extract information
  4. Zajęcia 4 Przyglądamy się stworzonym chatbotom (zadanie z zajęć 2)
    • Materiały
    • Zadania
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
  5. Zajęcia 5 Working with words frequencies
    • Materiały
    • Zadania
      • Wykorzystaj TF-IDF do zaimplementowania ulepszonej wersji chatbot-a.
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Jak obliczamy wartości TF-IDF.
  6. Zajęcia 6 Math behind NLP (część I: do wektorów i wartości własnych włącznie)
    • Materiały
    • Zadania
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
  7. Zajęcia 7 Math behind NLP (część II: rozkład SVD)
    • Materiały
    • Zadania
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Czym jest SVD.
  8. Zajęcia 8 Math behind NLP (część III: PCA - analiza głównych składowych)
  9. Zajęcia 9 Semantic analysis. In the search of meaning and context in words count: meaning
  10. Zajęcia 10 Semantic analysis. In the search of meaning and context in words count: kończymy LDA + context
  11. Zajęcia 11 Krótkie wprowadzenie do sztucznych sieci neuronowych, część I
  12. Zajęcia 12 Krótkie wprowadzenie do sztucznych sieci neuronowych, część II - przykłady
  13. Zajęcia 13 word2vec
  14. Zajęcia 14 Podsumowanie
    • Materiały
      • ...

Materiały