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.
Fine Tune BERT for Text Classification with TensorFlow
Instructeur : Snehan Kekre
17 119 déjà inscrits
Inclus avec
(200 avis)
Expérience recommandée
Ce que vous apprendrez
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
Compétences que vous pratiquerez
- Catégorie : Tensorflow
- Catégorie : deep-learning
- Catégorie : BERT
- Catégorie : machine-learning
- Catégorie : natural-language-processing
Détails à connaître
Ajouter à votre profil LinkedIn
Disponible uniquement sur ordinateur
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Apprendre, pratiquer et appliquer des compétences prêtes à l'emploi en moins de 2 heures
- Bénéficiez d’une formation par des experts du secteur
- Gagnez en expérience pratique en effectuant des tâches professionnelles du monde réel
- Renforcez votre confiance en utilisant les outils et technologies les plus récents
À propos de ce Projet Guidé
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
Expérience recommandée
It is assumed that are competent in Python programming and have prior experience with building deep learning NLP models with TensorFlow or Keras
8 images de projet
Instructeur
Offert par
Méthode d’apprentissage
Apprentissage pratique basé sur les compétences
Mettez en pratique de nouvelles compétences en effectuant des tâches professionnelles.
Conseils d’experts
Suivez les vidéos pré-enregistrées d’experts à l’aide d’une interface unique, divisée en deux.
Aucun téléchargement ou installation requis(e)
Accédez aux outils et aux ressources dont vous avez besoin dans un espace de travail cloud préconfiguré.
Disponible uniquement sur ordinateur de bureau
Ce Projet Guidé est conçu pour les ordinateurs portables ou de bureau disposant d’une connexion internet fiable, et non pour les appareils mobiles.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 200
200 avis
- 5 stars
71,28 %
- 4 stars
20,29 %
- 3 stars
4,45 %
- 2 stars
1,48 %
- 1 star
2,47 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Comme votre espace de travail contient un bureau cloud dimensionné pour un ordinateur portable ou de bureau, les Projets Guidés ne sont pas disponibles sur votre appareil mobile.
Les enseignants des Projets Guidés sont des experts en la matière qui ont de l'expérience dans les compétences, les outils ou le domaine de leur projet et qui sont passionnés par le partage de leurs connaissances avec des millions d'étudiants dans le monde.
À partir du Projet Guidé, vous pouvez télécharger et conserver tout fichier que vous avez créé. Pour ce faire, vous pouvez utiliser la fonction « Navigateur de fichiers » pendant que vous accédez à votre bureau cloud.