Sentiment Analysis with Deep Learning using BERT

4.5
별점
297개의 평가
제공자:
Coursera Project Network
9,788명이 이미 등록했습니다.
학습자는 이 안내 프로젝트에서 다음을 수행하게 됩니다.

Preprocess and clean data for BERT Classification

Load in pretrained BERT with custom output layer

Train and evaluate finetuned BERT architecture on your own problem statement

Clock120 minutes
Intermediate중급
Cloud다운로드 필요 없음
Video분할 화면 동영상
Comment Dots영어
Laptop데스크톱 전용

In this 2-hour long project, you will learn how to analyze a dataset for sentiment analysis. You will learn how to read in a PyTorch BERT model, and adjust the architecture for multi-class classification. You will learn how to adjust an optimizer and scheduler for ideal training and performance. In fine-tuning this model, you will learn how to design a train and evaluate loop to monitor model performance as it trains, including saving and loading models. Finally, you will build a Sentiment Analysis model that leverages BERT's large-scale language knowledge. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

개발할 기술

Natural Language ProcessingDeep LearningMachine LearningSentiment AnalysisBERT

단계별 학습

작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.

  1. Introduction to BERT and the problem at hand

  2. Exploratory Data Analysis and Preprocessing

  3. Training/Validation Split

  4. Loading Tokenizer and Encoding our Data

  5. Setting up BERT Pretrained Model

  6. Creating Data Loaders

  7. Setting Up Optimizer and Scheduler

  8. Defining our Performance Metrics

  9. Creating our Training Loop

  10. Loading and Evaluating our Model

안내형 프로젝트 진행 방식

작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.

분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.

강사

검토

SENTIMENT ANALYSIS WITH DEEP LEARNING USING BERT의 최상위 리뷰

모든 리뷰 보기

자주 묻는 질문

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.