¿Qué son Word EMBEDDINGS? ¡Explorando Embeddings con GloVe y Python!

Рет қаралды 2,779

9 ай бұрын

Bienvenidos a este nuevo video en el que vamos a explorar el emocionante mundo de los "Word Embeddings" o incrustaciones de palabras. Pero no nos detendremos en la teoría; ¡Vamos a llevarlo a la práctica utilizando GloVe!
Puntos Clave:
Introducción a los "Word Embeddings" y su importancia en el Procesamiento del Lenguaje Natural (PLN) O Natural Language Processing.
Implementación de funciones Python para resolver analogías, encontrar palabras similares y visualizar mapas de palabras.
Tecnologías Utilizadas:
GloVe (Global Vectors for Word Representation) como modelo de incrustación de palabras preentrenado.
Python para la implementación de funciones de análisis y visualización.
Lo Que Aprenderás:
Cómo cargar y utilizar embeddings preentrenados con GloVe.
Cómo implementar funciones Python para responder preguntas como "hombre es a mujer como rey es a...?".
Cómo visualizar las relaciones semánticas entre palabras en un mapa.

Пікірлер: 18

@andreamoreno4290 9 ай бұрын

Gracias profe!! No desistas nunca de realizar estas explicaciones de manera tan sencilla y práctica y en español. Siempre muy agradecida.

@matiasasses9841 6 ай бұрын

Excelente como siempre Pepe! Ojalá continúes con esta serie de NLP hasta llegar a los grandes modelos de lenguaje!! Muchas gracias!! Abrazo

@PepeCantoralPhD 4 ай бұрын

Hola @matiasasses9841 , muchas gracias por tu comentario! Mi intención es en la próximas semanas, precisamente llegar a cubrir e implementar en código al menos versiones miniatura de transformers. Un abrazo!

@exulonk7517 9 ай бұрын

Pepe. Quiero que siempre recomiendo tu canal. Sobre todo los chicos que entran en la carrera de Ingeniería Informática y que sienten interés por Deep Learning o Inteligencia Artificial en general. Muy buenos vídeos, me estas inspirando mucho a hacer algo parecido en un futuro.

@mauespinola 3 ай бұрын

muy claro, gracias hay pocas explicaciones tan sencillas de entender

@Neo_SF 8 ай бұрын

Muy buen video. Entender qué es un embeddings fue algo que me costó algo de trabajo asimilar, pero tu explicación me parece muy clara. Sigue así profe.

@leadnauta 2 ай бұрын

Gracias

@PepeCantoralPhD Ай бұрын

Muchas gracias por tu comentario!

@DragonBZeta 9 ай бұрын

Genial!

@PepeCantoralPhD 9 ай бұрын

Muchas gracias!

@anonimomccn 9 ай бұрын

Excelente el video pepe, muy buena la explicación.

@LeonardoEnriqueMorenoFlores 9 ай бұрын

Que impresionante! Muchas gracias Pepe.

@PepeCantoralPhD 9 ай бұрын

Como siempre Leonardo, agradezco enormemente tu apoyo al canal desde su inicio! Muchos saludos!

@ChristianESL 9 ай бұрын

arriba MNA!!

@LeonardoEnriqueMorenoFlores Ай бұрын

Hola Pepe una consulta en la función los más similares estoy utilizando para la distancia del coseno un valor mayor 0.5 cuál sería el valor apropiado?

@israelaaronpino6843 4 ай бұрын

Una pregunta la unidad de medida que representa la cercanía de una palabra hacia otra está dado por el universo de los datos o por otra cosa?, que hace que una palabra esté más cerca de la otra? en el fondo como se construye esta unidad de medida de la distancia?

@javier2luna 4 ай бұрын

representar 200 dimensiones en SOLO dos dimensiones parece muy realista

@lagrangianomodeloestandar2724 9 ай бұрын

Hicieron el paper Meta Learning for Compositionally,MLC en Nature,básicamente dicen que han encontrado una forma de modificar un Seq2Seq y crear un modelo que supera incluso a los humanos(25 que hicieron el experimento) en generalizar predicciones....Si puede explicarlo mejor aquí....😂