Klasifikasi Teks
Analisis sentimen, deteksi topik, dan routing tiket — dari TF-IDF + regresi logistik sampai fine-tuning transformer.
- 4 pelajaran
- 1j 8m
- 3 simulasi
Dari one-hot ke word embedding ke embedding kontekstual — bagaimana mesin mewakili makna kata.
Ini simulasi asli dari modulnya. Tanpa akun.
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)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.
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.
Hitung kata, bobotkan dengan kelangkaannya, dan Anda punya baseline klasifikasi teks yang selesai dilatih dalam hitungan detik — dan sering sulit dikalahkan.
Analisis sentimen, deteksi topik, dan routing tiket — dari TF-IDF + regresi logistik sampai fine-tuning transformer.
Named entity recognition, ekstraksi relasi, dan mengubah dokumen bebas menjadi data terstruktur.
Encoder, decoder, BERT dan GPT — arsitektur yang mengubah NLP, dan cara memakai model pralatih.
Embedding kalimat, database vektor, dan mengevaluasi retrieval — fondasi pencarian modern dan RAG.