I.             Tổng quan

Nền tảng của cuộc cách mạng công nghiệp 4.0, Trí tuệ nhân tạo (Artificial Intelligence – AI) với nhiều ứng dụng rộng rãi trong cuộc sống. Xử lý ngôn ngữ tự nhiên (Natural Language Processing) được xem là một lĩnh vực cốt lõi của AI.

Khóa học cung cấp các bạn các khái niệm, kiến thức và kỹ thuật lập trình xử lý ngôn ngữ tự nhiên và Deep learning cho xử lý ngôn ngữ tự nhiên.

Ngoài ra khóa học còn cung cấp các ứng dụng của xử lý ngôn ngữ tự nhiên: phân tích quan điểm (Sentiment Analysis), tóm tắt văn bản (Summarizing Text Data), phân loại tài liệu (Classifying Documents)...

II.         Thời lượng: 40h

III.      Mục tiêu:

Hiểu được các khái niệm và thuật ngữ xử lý ngôn ngữ tự nhiên.

Áp dụng Recurrent Neural Networks, LSTMs sử dụng TensorFlow và Pytorch để      giải quyết những bài toán thực tế về xử lý ngôn ngữ tự nhiên.

Có khả năng thiết kế ứng dụng xử lý ngôn ngữ tự nhiên

IV.      Đối tượng tham gia

-       Sinh viên từ các chuyên ngành khác nhau như công nghệ thông tin, toán tin, khoa học tự nhiên, kinh tế, tài chính, ngân hàng, ngoại thương v.v...

-       Người đi làm ở các ngành nghề khác nhau và có mong muốn chuyển sang ngành Khoa học dữ liệu, Phân tích dữ liệu, Học máy

V.          Yêu cầu:

-       Học viên có kiến thức cơ bản về: ngôn ngữ lập trình Python, đại số tuyến tính, xác suất thống kê.

-       Có kiến thức cơ bản về Machine Learning.

VI.      Nội dung khóa học:

1.      Introduction to Natural Language Processing

• Introduction to Natural Language Processing
• Introduction to Deep Learning           

2.      Neural Networks

• Neural Networks
• Word Vectors & other traditional NLP algorithms

3.      Introduction to Tensorflow

• Introduction to Tensorflow
• Recurrent Neural Networks and Language Models

4.      Long Short­-Term Memory (LSTM)

• Long Short­-Term Memory (LSTM)
• Introduction to seq2seq models & their applications.

5.      Seq2seq models

• Attention Mechanism for seq2seq
• Advances of seq2seq models

6.      Transformer Networks and CNNs 

• Transformer Networks and CNNs
• Semi-supervised Learning for NLP

7.      Transfer Learning for NLP - part 1

• Transfer Learning for NLP

8.      Transfer Learning for NLP -part 2

• Transfer Learning for NLP

9.      Building a sentiment classifier - part 1

• Building a sentiment classifier using tripadvisor dataset
• Mining reviews of reviewers on tripadvisor website
• Cleaning and labelling dataset
• Applying current widely-used classification models

10.  Building a sentiment classifier - part 1

• Building a sentiment classifier
• Cleaning and labelling dataset
• Applying current widely-used classification models

11.  Deploying into production

• Deploying into production

12.  Project Presentation