Enable javascript in your browser for better experience. Need to know to enable it? Go here.
radar blip
radar blip

Transferencia de aprendizaje para PNL

La información en esta página no se encuentra completamente disponible en tu idioma de preferencia. Muy pronto esperamos tenerla completamente disponible en otros idiomas. Para obtener información en tu idioma de preferencia, por favor descarga el PDF aquí.
Última actualización : May 19, 2020
NO EN LA EDICIÓN ACTUAL
Este blip no está en la edición actual del Radar. Si ha aparecido en una de las últimas ediciones, es probable que siga siendo relevante. Si es más antiguo, es posible que ya no sea relevante y que nuestra valoración sea diferente hoy en día. Desgraciadamente, no tenemos el ancho de banda necesario para revisar continuamente los anuncios de ediciones anteriores del Radar. Entender más
May 2020
Trial ? Vale la pena intentarlo. Es importante entender cómo construir esta habilidad. Las empresas deberían implementar esta tecnología en un proyecto que pueda manejar el riesgo.

Anteriormente habíamos puesto esta técnica en Evaluar. Las innovaciones en el panorama de la PNL continúan a un ritmo acelerado y podemos aprovecharlas en nuestros proyectos gracias a la ubicua transferencia de aprendizaje para PNL. Se ha visto un progreso significativo en los puntajes de referencia de GLUE (un conjunto de tareas de comprensión del lenguaje) durante los últimos años, con puntajes promedio que pasaban de 70.0 en un inicio y sobrepasando los 90.0 en abril de 2020 para algunos de los líderes. Muchos de nuestros proyectos en los dominios de PNL pueden lograr un progreso significativo si empiezan con modelos preentrenados de ELMo, BERT y ERNIE, entre otros, y luego afinarlos en función de las necesidades del proyecto.

Apr 2019
Assess ? Vale la pena explorarlo con el objetivo de entender cómo afectará a tu empresa.

Transfer learning has been quite effective within the field of computer vision, speeding the time to train a model by reusing existing models. Those of us who work in machine learning are excited that the same techniques can be applied to natural language processing (NLP) with the publication of ULMFiT and open source pretrained models and code examples. We think transfer learning for NLP will significantly reduce the effort to create systems dealing with text classification.

Publicado : Apr 24, 2019

Descargar Radar Tecnológico Volumen 29

 

English | Español | Português | 中文

Mantente informado sobre la tecnología

 

Suscríbete ahora

Visita nuestro archivo para leer los volúmenes anteriores