nireEHU Gaia
Ikasketa Sakona
Gaiari buruzko datu orokorrak
- Modalitatea
- Ikasgelakoa
- Hizkuntza
- Ingelesa
Irakasgaiaren azalpena eta testuingurua
Los modelos de redes neuronales de Aprendizaje Profundo (Deep Learning) se han aplicado con éxito al procesamiento del lenguaje natural, y están cambiando radicalmente la forma en que interactuamos con las máquinas (Siri, Amazon Alexa, Google Home, el traductor de Skype, Google Translate o el motor de búsqueda de Google). Estos modelos infieran una representación continua tanto para palabras como para oraciones, en lugar de utilizar los rasgos diseñadas a mano de otros enfoques de aprendizaje automático. El curso presentará los principales modelos de aprendizaje profundo utilizados en el procesamiento del lenguaje natural, lo que permitirá a los asistentes comprender e implementar estos modelos en Tensorflow.Irakasleak
| Izena | Erakundea | Kategoria | Doktorea | Irakaskuntza-profila | Arloa | Helbide elektronikoa |
|---|---|---|---|---|---|---|
| AGIRRE BENGOA, ENEKO | Euskal Herriko Unibertsitatea | Irakaslego Osoa | Doktorea | Elebiduna | Hizkuntza eta Sistema Informatikoak | e.agirre@ehu.eus |
| AZCUNE GALPARSORO, GORKA | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebiduna | Konputazio Zientzia eta Adimen Artifiziala | gorka.azcune@ehu.eus |
| BARRENA MADINABEITIA, ANDER | Euskal Herriko Unibertsitatea | Irakaslego Atxikia (Laguntzaile Doktorea) | Doktorea | Elebiduna | Hizkuntza eta Sistema Informatikoak | ander.barrena@ehu.eus |
| LOPEZ DE LACALLE LECUONA, OIER | Euskal Herriko Unibertsitatea | Irakaslego Atxikia (Laguntzaile Doktorea) | Doktorea | Elebiduna | Hizkuntza eta Sistema Informatikoak | oier.lopezdelacalle@ehu.eus |
Gaitasunak
| Izena | Pisua |
|---|---|
| Habilidad para manejar las estrategias y herramientas basadas en conocimiento para el procesamiento del lenguaje humano. | 20.0 % |
| Habilidad para manejar las estrategias y herramientas de aprendizaje automático para el procesamiento del lenguaje humano. | 20.0 % |
| Habilidad para el manejo, adaptación y mejora de los métodos empíricos más relevantes para la investigación en las tecnologías de la lengua. | 20.0 % |
| Capacidad para gestionar representaciones multimodales. | 20.0 % |
| Capacidad para mejorar la comprensión del lenguaje con la ayuda de la información visual. | 20.0 % |
Irakaskuntza motak
| Mota | Ikasgelako orduak | Ikasgelaz kanpoko orduak | Orduak guztira |
|---|---|---|---|
| Magistrala | 20 | 30 | 50 |
| Ordenagailuko p. | 40 | 60 | 100 |
Irakaskuntza motak
| Izena | Orduak | Ikasgelako orduen ehunekoa |
|---|---|---|
| Eskola magistralak | 50.0 | 40 % |
| Ordenagailuko praktikak, irteerak, bisitak | 100.0 | 60 % |
Ebaluazio-sistemak
| Izena | Gutxieneko ponderazioa | Gehieneko ponderazioa |
|---|---|---|
| Banakako eta/edo taldeko lana, entsegua | 50.0 % | 50.0 % |
| Urrutiko ebaluazio-probak | 50.0 % | 50.0 % |
Irakasgaia ikastean lortuko diren emaitzak
* RA1 Manejar herramientas de aprendizaje profundo.* RA2 Demostrar comprensi¿obre los sistemas de aprendizaje profundo, as¿omo las arquitecturas principales usadas en el PLN.
* RA3 Desarrollar unos sistemas b¿cos de aprendizaje profundo aplicado a problemas de PLN.
* RA4 Demostrar conocimiento sobre los ¿ltimos avances del aprendizaje profundo en PLN.
Ohiko deialdia: orientazioak eta uko egitea
Sistema de Evaluación ContinuaHerramientas y porcentajes de calificación:
Prueba escrita a desarrollar (%):
Realización de prácticas (ejercicios, casos o problemas) (%): 50
Trabajos individuales (%): 50
Sistema de Evaluación Final
Herramientas y porcentajes de calificación:
Prueba escrita a desarrollar (%): 50
Trabajos individuales (%): 50
Ezohiko deialdia: orientazioak eta uko egitea
Sistema de Evaluación FinalHerramientas y porcentajes de calificación:
Prueba escrita a desarrollar (%): 50
Trabajos individuales (%): 50
Irakasgai-zerrenda
1. Introduction to machine learning and NLP with Tensorflow2. Multilayer Perceptron
3. Word embeddings and recurrent neural networks
4. Seq2seq, neural machine translation and better RNNs
5. Attention, Transformers and Natural Language Inference
6. Pre-trained transformers, BERTology
7. Bridging the gap between natural languages and the visual world
Bibliografia
Oinarrizko bibliografia
Yoav Goldberg's Primer. http://u.cs.biu.ac.il/~yogo/nnlp.pdfKyunghyun Cho's course notes. http://arxiv.org/pdf/1511.07916.pdf
The online version of the Goodfellow, Bengio, and Courville Deep Learning textbook. http://www.deeplearningbook.org/
Ezin izan da edukia sortu, beranduago saiatu. Arazoak aurrera jarraitzen badu, jarri harremanetan CAUrekin (Tlf: 946014400 / Email: cau@ehu.eus / Web: https://lagun.ehu.eus).