top of page
実践的 NLP
実践的 自然言語処理 講座
最先端の自然言語処理技術を
多岐にわたる実践タスクへの適応を習得する
自然言語処理（NLP）は、テキストデータを理解・処理するための技術で、機械翻訳や文章分類など多岐にわたるタスクに活用されます。
本講座では、NLPのみならず様々な分野でブレイクスルーを牽引しているTransformerのEncoder構造を用いたBERTやDecoder構造のGPT、Encoder・Decoder構造のT5をはじめとするNLPモデルの基礎と、実際にwrimeやJSQuADなどのデータセットを使って文章分類や読解問題、要約などのタスクに取り組みます。これらのモデル構造や学習手法を理解し、実際のタスクに落とし込むことで、実践的なNLPモデルの構築が可能となります。
Overview
実践的 自然言語処理 講座
.png)
活用事例
テキストデータの有効活用・高度な情報検索、抽出、自動化
膨大なテキストデータから意味や傾向を解析し、特定の情報の正確な抽出や類似データの検索を自動化することが可能になります。
例1）顧客満足度向上のために「不満の声」を自動抽出し分析。
例2）チャットボットによる問い合わせ対応の自動化。
例3）ユーザーに最適な商品を提案する推薦システム。
講座概要
多岐にわたるNLPタスクに対応
TransformerのEncoder（ BERT ）、Decoder（ GPT ）、Encoder・Decoder（ T5 ）をはじめとするNLPモデルの基礎を学び、wrimeやJSQuADなどのデータセットを使って分類、読解、要約などのタスクに取り組みます。
カテゴリ | エンジニアリング力 |
講座名 | 実践的 NLP 講座 |
講座時間 | 1日6時間 |
備考備考 | DL4US講座のオプションとしておすすめ |
プログラミングスキル | Pythonを実務で利用したことがある（研究、データ分析、システム開発、Web開発など） |
数学 | 大学レベルの基礎数学 / 線形代数 / 確率 |
Curriculum
実践的 自然言語処理 講座
Step 01：BERTとは
詳細：
従来の自然言語処理
変成器
事前学習
微調整
Step 02：BERTファミリーの紹介
詳細：
ロベルタ
蒸留BERT
GPT
T5
Step 03：文章分類
詳細：wrimeのセンチメントラベルを使った極性分類のFine-tuning
Step 04：選択肢問題
詳細：AI王公式配布データセ ット 第1回コンペティション 学習用データの微調整
Step 05：読解問題
詳細：JSQuADの微調整
Step 06：要約
詳細：BillSumの微調整
Step 07：文書検索
詳細：AmebaFAQサーチの微調整
Step 08：予測結果の判断根拠の可視化
詳細：
LIMEによる判断根拠の平和化
gradioによるWebUIの作成
ハンズオン内容
BERT
wrime
line-distilbert-base-japanese
JSQuAD
BillSum
AmebaFAQSearch
LIME
Gradio
bottom of page