Mô tả vắn tắt học phần

1. Tên học phần:

Xử lý ngôn ngữ tự nhiên

2. Ngôn ngữ giảng dạy:

Tiếng Việt

3. Mã học phần:

M161101

4. Bộ môn phụ trách giảng dạy:

CNTK - Viện Công nghệ Thông minh và Tương tác

5. Trình độ:

Đại Học

6. Số tín chỉ:

3

7. Phân bổ thời gian:

  • Đối với hoạt động trên lớp:
  • Lý thuyết: 45 giờ TC
  • Làm việc nhóm, thảo luận:
  • Đối với hoạt động tại phòng máy tính, phòng mô phỏng, …:
  • Thực hành, làm việc nhóm, thảo luận: 20 giờ TC
  • Tự nghiên cứu, tự học: 90 giờ TC
  • Đồ án, Đề án, Dự án
  • Thực tập

8. Tính chất học phần:

Dữ liệu đang cập nhật...

9. Ngành áp dụng:

Dữ liệu đang cập nhật...

10. Điều kiện tiên quyết:

Không có môn học bắt buộc phải hoàn thành trước học phần này

11. Mục tiêu học phần:

12. Mô tả vắn tắt nội dung học phần:

Xử lý ngôn ngữ tự nhiên (NLP) là một trong những công nghệ quan trọng nhất của thời đại thông tin. Hiểu những cách nói ngôn ngữ phức tạp cũng là một phần quan trọng của trí tuệ nhân tạo. Các ứng dụng của NLP ở khắp mọi nơi vì mọi người giao tiếp hầu hết mọi thứ bằng ngôn ngữ: tìm kiếm trên web, quảng cáo, email, dịch vụ khách hàng, dịch ngôn ngữ, báo cáo X quang, v.v. Có rất nhiều nhiệm vụ cơ bản và mô hình học máy đằng sau các ứng dụng NLP. Gần đây, các phương pháp học sâu đã đạt được hiệu suất rất cao trên nhiều nhiệm vụ NLP khác nhau. Chúng có thể giải quyết các nhiệm vụ với các mô hình đầu cuối duy nhất và không yêu cầu kỹ thuật tính năng truyền thống, dành riêng cho nhiệm vụ. Trong khóa học này, sinh viên sẽ học cách triển khai, đào tạo, gỡ lỗi, trực quan hóa và phát minh ra các mô hình mạng thần kinh của riêng mình. Khóa học cung cấp phần giới thiệu kỹ lưỡng về nghiên cứu tiên tiến trong lĩnh vực học sâu áp dụng cho NLP. Về mặt mô hình, chúng tôi sẽ đề cập đến các biểu diễn vectơ từ, mạng nơ-ron dựa trên cửa sổ, mạng nơ-ron tái phát, mô hình bộ nhớ ngắn hạn dài hạn, mạng nơ-ron đệ quy, mạng nơ-ron tích chập cũng như một số mô hình gần đây liên quan đến thành phần bộ nhớ. Thông qua các bài giảng và bài tập lập trình, sinh viên sẽ học các thủ thuật kỹ thuật cần thiết để làm cho mạng nơ-ron hoạt động trên các vấn đề thực tế.