Fine Tune BERT for Text Classification with TensorFlow
Build TensorFlow Input Pipelines for Text Data with the tf.data API
Tokenize and Preprocess Text for BERT
Fine-tune BERT for text classification with TensorFlow 2 and TensorFlow Hub
Mettez en valeur cette expérience pratique dans un entretien
This is a guided project on fine-tuning a Bidirectional Transformers for Language Understanding (BERT) model for text classification with TensorFlow. In this 2.5 hour long project, you will learn to preprocess and tokenize data for BERT classification, build TensorFlow input pipelines for text data with the tf.data API, and train and evaluate a fine-tuned BERT model for text classification with TensorFlow 2 and TensorFlow Hub. Prerequisites: In order to successfully complete this project, you should be competent in the Python programming language, be familiar with deep learning for Natural Language Processing (NLP), and have trained models with TensorFlow or and its Keras API. 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.
It is assumed that are competent in Python programming and have prior experience with building deep learning NLP models with TensorFlow or Keras
Les compétences que vous développerez
- natural-language-processing
- Tensorflow
- machine-learning
- deep-learning
- BERT
Apprendrez étape par étape
Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :
Introduction to the Project
Setup your TensorFlow and Colab Runtime
Download and Import the Quora Insincere Questions Dataset
Create tf.data.Datasets for Training and Evaluation
Download a Pre-trained BERT Model from TensorFlow Hub
Tokenize and Preprocess Text for BERT
Wrap a Python Function into a TensorFlow op for Eager Execution
Create a TensorFlow Input Pipeline with tf.data
Add a Classification Head to the BERT hub.KerasLayer
Fine-Tune and Evaluate BERT for Text Classification
Comment fonctionnent les Projets Guidés
Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.
Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé
Avis
Meilleurs avis pour FINE TUNE BERT FOR TEXT CLASSIFICATION WITH TENSORFLOW
The project is very clear and easy to follow. Would suggest providing some gmail account so that we don't have to log into the colab using our own google credentials.
The project was well explained and provided good understanding of bert for text classification. Also the quiz were good.
It would be helpful if the course was also offered outside of Google colab environment (standalone).
Helped me cement the basic understanding on how to use BERT for my use case.
Foire Aux Questions
Foire Aux Questions
Les Projets Guidés sont-ils disponible sur ordinateur et sur mobile ?
Qui sont les enseignants pour les Projets Guidés ?
Puis-je télécharger le travail depuis mon Projet Guidé une fois que je l'ai terminé ?
De quelle expérience ai-je besoin pour réaliser ce Projet Guidé ?
Puis-je terminer ce Projet Guidé directement avec mon navigateur web, au lieu d'installer un logiciel spécial ?
Comment se présente l'expérience d'apprentissage pour les Projets Guidés ?
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.
Coursera Footer
