Як користуватись. Теми йдуть у логічному порядку — кожна спирається на попередні.
Якщо тільки починаєш, іди підряд. Якщо шукаєш конкретне — кожна тема самодостатня
й пояснює все з нуля.
Блок 1Текст як дані
- 01Чому текст складніший за таблицюготується
- 02Токенізаціяготується
- 03Нормалізаціяготується
- 04Мішок слівготується
- 05TF-IDFготується
Блок 2Класичний NLP
- 06Класифікація текстівготується
- 07Метрики для текстуготується
- 08Тематичне моделюванняготується
- 09Пошук і схожістьготується
- 10Правила й регулярні виразиготується
Блок 3Векторні представлення
- 11Дистрибутивна семантикаготується
- 12Word2Vecготується
- 13GloVe і FastTextготується
- 14Арифметика векторівготується
- 15Оцінка й упередженість ембедингівготується
Блок 4Послідовні моделі
- 16RNN для текстуготується
- 17LSTM і GRUготується
- 18seq2seqготується
- 19Механізм увагиготується
- 20Межі RNNготується
Блок 5Трансформер
- 21Архітектура цілкомготується
- 22Self-attention покроковоготується
- 23Multi-head і позиційне кодуванняготується
- 24Енкодер, декодер, маскуванняготується
- 25Навчання трансформераготується
- 26Чому трансформер витіснив RNNготується
Блок 6Передтреновані моделі
- 27Ідея передтренуванняготується
- 28BERTготується
- 29BERT у роботіготується
- 30GPT-родинаготується
- 31T5 і BARTготується
- 32Багатомовність і українськаготується
Блок 7Прикладні задачі
- 33NERготується
- 34Question answeringготується
- 35Сумаризаціяготується
- 36Аналіз тональності в боюготується
- 37Векторні бази й семантичний пошукготується
Блок 8Дорога до LLM
- 38Що змінює масштабготується
- 39Instruction tuning і RLHFготується
- 40Межі мовних моделейготується