预约直播 | 基于预训练模型的自然语言处理及EasyNLP算法框架

本文涉及的产品
交互式建模 PAI-DSW,5000CU*H 3个月
模型训练 PAI-DLC,5000CU*H 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
简介: 阿里云AI技术分享会第三期《基于预训练模型的自然语言处理及EasyNLP算法框架》将在2022年08月24日晚18:00-18:30直播,精彩不容错过!


点击查看直播回放


一、分享议题:

基于预训练模型的自然语言处理及EasyNLP算法框架


二、直播时间:

2022年08月24日(周三)18:00-18:30


三、 议题介绍:

此次分享将深入介绍预训练语言模型的研究进展以及各种下游自然语言理解的应用;为了解决大模型落地难问题,重点展示多种知识蒸馏、基于Prompt的小样本学习等前沿自然语言处理技术。此外,在构建预训练语言模型基础上,我们进一步介绍融入多模态知识的预训练模型,用于各种文图理解和生成任务。基于上述内容,将会介绍开源算法框架EasyNLP,从黑盒化的AppZoo模式和白盒化的Python模式分别展现EasyNLP的使用方式和功能。


四、讲师介绍

汪诚愚,阿里巴巴高级算法工程师

在阿里云机器学习平台(PAI)从事深度学习算法的研发,主要研究兴趣包括自然语言处理、多模态信息处理、迁移学习、小样本学习等,在ACL、KDD、SIGIR、WWW、AAAI、TKDE、CIKM、SDM、EMNLP等国际会议和期刊上发表研究论文60余篇。

欢迎扫描二维码进群,预约参与观看直播,同技术大牛、同行小伙伴们一起交流分享心得!

相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
"揭秘TF-IDF算法的神奇力量:如何一招制胜,让自然语言处理焕发新生?"
【8月更文挑战第20天】自然语言处理(NLP)是AI的关键领域,旨在使计算机理解人类语言。TF-IDF是一种重要的文本特征提取方法,用于衡量词汇的重要性。算法结合词频(TF)与逆文档频(IDF),强调文档独有词汇。示例代码展示了如何利用Python的scikit-learn库实现TF-IDF,并应用于文本分类任务,通过朴素贝叶斯分类器实现高效分类。此方法广泛应用于信息检索、文本挖掘等领域。
37 0
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【自然语言处理】TF-IDF算法在人工智能方面的应用,附带代码
TF-IDF算法在人工智能领域,特别是自然语言处理(NLP)和信息检索中,被广泛用于特征提取和文本表示。以下是一个使用Python的scikit-learn库实现TF-IDF算法的简单示例,并展示如何将其应用于文本数据。
215 65
|
10天前
|
自然语言处理 算法
NLP之距离算法Levenshtein
NLP之距离算法Levenshtein
|
2月前
|
机器学习/深度学习 自然语言处理 PyTorch
PyTorch与Hugging Face Transformers:快速构建先进的NLP模型
【8月更文第27天】随着自然语言处理(NLP)技术的快速发展,深度学习模型已经成为了构建高质量NLP应用程序的关键。PyTorch 作为一种强大的深度学习框架,提供了灵活的 API 和高效的性能,非常适合于构建复杂的 NLP 模型。Hugging Face Transformers 库则是目前最流行的预训练模型库之一,它为 PyTorch 提供了大量的预训练模型和工具,极大地简化了模型训练和部署的过程。
75 2
|
2月前
|
自然语言处理
【NLP】from glove import Glove的使用、模型保存和加载
使用 from glove import Glove 进行词向量训练、保存和加载的基本示例。
39 2
【NLP】from glove import Glove的使用、模型保存和加载
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【深度学习】探讨最新的深度学习算法、模型创新以及在图像识别、自然语言处理等领域的应用进展
深度学习作为人工智能领域的重要分支,近年来在算法、模型以及应用领域都取得了显著的进展。以下将探讨最新的深度学习算法与模型创新,以及它们在图像识别、自然语言处理(NLP)等领域的应用进展。
94 6
|
2月前
|
机器学习/深度学习 自然语言处理 数据处理
|
2月前
|
自然语言处理 BI 数据处理
自然语言处理 Paddle NLP - 基于预训练模型完成实体关系抽取
自然语言处理 Paddle NLP - 基于预训练模型完成实体关系抽取
54 1
|
2月前
|
自然语言处理
【NLP】如何实现快速加载gensim word2vec的预训练的词向量模型
本文探讨了如何提高使用gensim库加载word2vec预训练词向量模型的效率,提出了三种解决方案:保存模型以便快速重新加载、仅保存和加载所需词向量、以及使用Embedding工具库代替word2vec原训练权重。
134 2
|
2月前
|
存储 自然语言处理
【NLP】gensim保存存储和加载fasttext词向量模型
【8月更文挑战第3天】如何使用Gensim库中的FastText模型来训练词向量,并演示了如何保存和加载这些训练好的模型。
62 2
下一篇
无影云桌面