Lewati ke konten

Representasi Teks

Dari one-hot ke word embedding ke embedding kontekstual — bagaimana mesin mewakili makna kata.

Tingkat
Pemula
Pelajaran
3
Total waktu
50 min
Simulasi
4
1 pelajaran gratisTermasuk di Natural Language Processing (NLP) · $9
Tools yang dipakai
  • Python
  • PyTorch
Keterampilan
  • One-hot & TF-IDF
  • Word embedding
  • Embedding kontekstual
Coba sekarang — gratis

Ini simulasi asli dari modulnya. Tanpa akun.

Yang akan Anda bisa

  • Menjelaskan kenapa one-hot tidak menyimpan makna
  • Membaca kemiripan kata sebagai jarak di ruang embedding
  • Menjelaskan apa yang diperbaiki embedding kontekstual

Silabus

3 pelajaran · 50 min

Judul dan ringkasan setiap pelajaran terbuka untuk umum. Isi pelajarannya terbuka setelah Anda memiliki jalurnya. Pelajaran bertanda gratis bisa dibaca utuh sekarang juga, tanpa akun.

Semua pelajaran di Natural Language Processing (NLP)
  1. Model tidak bisa menghitung dengan kata. Cara kita mengubah kata menjadi angka menentukan apa yang bisa dipelajari model — dan apa yang tidak akan pernah bisa.

    GratisBaca gratis Simulasi
  2. Tokenisasi untuk NLP

    16 min

    Model tidak pernah melihat kata — ia melihat token. Cara teks dipotong menentukan kosakata, panjang urutan, biaya API, dan kenapa bahasa Indonesia lebih mahal dari bahasa Inggris.

    Termasuk dalam jalurnya Simulasi
  3. TF-IDF dan Fitur Teks Klasik

    16 min

    Hitung kata, bobotkan dengan kelangkaannya, dan Anda punya baseline klasifikasi teks yang selesai dilatih dalam hitungan detik — dan sering sulit dikalahkan.

    Termasuk dalam jalurnya Simulasi
Akses seumur hidup
$9
Beli jalurnya
Lainnya di Natural Language Processing (NLP)
Modul · Menengah

Klasifikasi Teks

Analisis sentimen, deteksi topik, dan routing tiket — dari TF-IDF + regresi logistik sampai fine-tuning transformer.

  • 4 pelajaran
  • 1j 8m
  • 3 simulasi
Termasuk di Natural Language Processing (NLP)· $9
Modul · Menengah

Ekstraksi Informasi

Named entity recognition, ekstraksi relasi, dan mengubah dokumen bebas menjadi data terstruktur.

  • 3 pelajaran
  • 48 min
  • 3 simulasi
Termasuk di Natural Language Processing (NLP)· $9
Modul · Menengah

Transformer untuk NLP

Encoder, decoder, BERT dan GPT — arsitektur yang mengubah NLP, dan cara memakai model pralatih.

  • 3 pelajaran
  • 48 min
  • 2 simulasi
Termasuk di Natural Language Processing (NLP)· $9
Modul · Menengah

Semantic Search dan Embedding Kalimat

Embedding kalimat, database vektor, dan mengevaluasi retrieval — fondasi pencarian modern dan RAG.

  • 3 pelajaran
  • 46 min
  • 3 simulasi
Termasuk di Natural Language Processing (NLP)· $9