Weiter zum Inhalt

Startseite Python

Kurs

Maschinelle Übersetzung mit Keras

ExperteSchwierigkeitsgrad

Aktualisiert 11/2024

In diesem Kurs lernst du, wie die Modelle funktionieren, die hinter Produkten wie Google Translate stecken.

Kurs kostenlos starten

PythonArtificial Intelligence4 Std.16 Videos58 Übungen4,950 XP4,988Leistungsnachweis

Kostenloses Konto erstellen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

Beliebt bei Lernenden in Tausenden Unternehmen

Training für 2 oder mehr Personen?

Probiere es mit DataCamp for Business

Kursbeschreibung

Ein zweisprachiges Wörterbuch für den Urlaub in Europa einzupacken oder eins auf dem Schreibtisch zu haben, um deine Fremdsprachen-Hausaufgaben zu machen, ist jetzt echt passé. Du gehst einfach ins Internet und nutzt einen Übersetzungsdienst, um schnell zu verstehen, was ein Straßenschild bedeutet, oder um herauszufinden, wie man einen Ausländer in seiner Sprache begrüßt und sich bedankt. Hinter den Sprachübersetzungsdiensten stecken komplexe maschinelle Übersetzungsmodelle. Hast du dich schon mal gefragt, wie diese Modelle funktionieren? In diesem Kurs kannst du die inneren Abläufe eines maschinellen Übersetzungsmodells erkunden. Du wirst Keras, eine leistungsstarke Deep-Learning-Bibliothek auf Python-Basis, verwenden, um ein Übersetzungsmodell zu implementieren. Danach trainierst du das Modell für die Übersetzung vom Englischen ins Französische und lernst Techniken, um dein Modell zu verbessern. Am Ende dieses Kurses wirst du ein tiefes Verständnis für maschinelle Übersetzungsmodelle haben und sie noch mehr schätzen!

Voraussetzungen

Introduction to Deep Learning with Keras

1

Introduction to Machine Translation

In this chapter, you'll understand what the encoder-decoder architecture is and how it is used for machine translation. You will also learn about Gated Recurrent Units (GRUs) and how they are used in the encoder-decoder architecture.

Introduction to machine translation

Understanding one-hot vectors

Part 1: Exploring the to_categorical() function

Part 2: Exploring the to_categorical() function

Encoder decoder architecture

Part 1: Text reversing model - Encoder

Part 2: Text reversing model - Encoder

Complete text reversing model

Understanding sequential models

Part 1: Understanding GRU models

Part 2: Understanding GRU models

Understanding sequential model output

Kapitel starten

2

Implementing an Encoder-Decoder Model with Keras

In this chapter, you will implement the encoder-decoder model with the Keras functional API. While doing so, you will learn several useful Keras layers such as RepeatVector and TimeDistributed layers.

Implementing the encoder

Part 1: Exploring the dataset

Part 2: Exploring the dataset

Defining the encoder

Implementing the decoder

Understanding the RepeatVector layer

The shape of a RepeatVector layer output

Defining the decoder

Dense and TimeDistributed layers

Part 1: Enter to win amazing prizes

Part 2: Let's play a few more games

Implementing the full encoder decoder model

Part 1: Defining the full model

Part 2: Defining the full model

Kapitel starten

3

Training and Generating Translations

In this chapter, you will train the previously defined model and then use a well-trained model to generate translations. You will see that our model does a good job when translating sentences.

Part 1: Preprocessing the Data

Tokenizing sentences with Keras

Controlling the vocabulary with the Tokenizer

Part 2: Preprocessing the Data

Adding special tokens

Padding sentences

Reversing sentences

Training the NMT model

Training the model

Splitting data to training and validation sets

Training the model with validation

Generating translations with the NMT

Part 1: Treasure hunt

Part 2: Treasure hunt

Generating English-French translations

Kapitel starten

4

Teacher Forcing and Word Embeddings

In this chapter, you will learn about a technique known as Teacher Forcing, which enables translation models to be trained better and faster. Then you will learn how you can use word embeddings to make the model even better.

Introduction to Teacher Forcing

Defining the Teacher Forcing model layers

Defining the Teacher Forcing model

Preprocessing data

Training the model with Teacher Forcing

Training the model

Splitting training and validation data

Training the model with validation

Generating translations from the model

Defining the decoder of the inference model

Link between the trained and inference model

Generating translations

Using word embedding for machine translation

Measuring word vector similarity

Defining the embedding model

Training the word embedding based model

Wrap-up and the final showdown

Kapitel starten

Maschinelle Übersetzung mit Keras

Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu Deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in Deiner LeistungsbeurteilungJetzt anmelden

Schließe dich 19 Millionen Lernenden an und starte Maschinelle Übersetzung mit Keras heute!

Kostenloses Konto erstellen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.

DataCamp gibt es auch für Mobilgeräte

Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.