Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Lerne, wie man RNN-Modellierung in Python nutzt
In diesem Kurs lernst du, wie du mit Hilfe von rekurrenten neuronalen Netzen Texte klassifizieren (binär und multiklassisch), Phrasen generieren und portugiesische Sätze ins Englische übersetzen kannst.Machine-Learning-Modelle nutzen Zahlen, um Vorhersagen und Klassifizierungen zu machen, aber wie können Computer mit Textdaten umgehen? Mit der riesigen Menge an verfügbaren Textdaten sind jetzt Sachen wie automatische Dokumentklassifizierung, Textgenerierung und maschinelle Übersetzung mit künstlicher Intelligenz möglich. Hier erfährst du, wie RNNs im maschinellen Lernen dabei helfen können.
Entdecke die Power von rekurrenten neuronalen Netzen
In diesem vierstündigen Kurs lernst du erst mal die Grundlagen von Recurrent Neural Networks kennen. Du schaust dir an, wie Infos durch ein rekurrentes neuronales Netzwerk fließen, und verwendest ein Keras-RNN-Modell, um eine Sentiment-Klassifizierung durchzuführen.Wenn du dich näher mit der RNN-Architektur beschäftigst, lernst du mehr über Probleme mit verschwindenden und explodierenden Gradienten und wie man Schichten in ein Sprachmodell einbettet.
Entdecke Sprachmodelle mit echten Daten
Mit diesem Wissen wirst du lernen, wie du Daten für eine Klassifizierungsaufgabe mit mehreren Klassen vorbereiten kannst, und dabei entdecken, wie sich diese Aufgaben von der binären Klassifizierung unterscheiden.Zum Schluss lernst du, wie du RNN-Modelle für die Textgenerierung und neuronale maschinelle Übersetzung einsetzen kannst. Du wirst dein Wissen über rekurrenten neuronalen Netzen nutzen, um die Sprache von Sheldon aus „The Big Bang Theory“ nachzumachen und portugiesische Sätze ins Englische zu übersetzen.
Dieser Kurs gibt dir einen tiefen Einblick in RNNs im maschinellen Lernen und hilft dir dabei, deine Fähigkeiten in diesem Bereich auszubauen.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Rekursive neuronale Netze und Keras
In diesem Kapitel lernst du die Grundlagen von rekurrenten neuronalen Netzen (RNN) kennen. Wir starten mit ein paar Voraussetzungen, schauen uns dann an, wie Infos im Netzwerk fließen, und zeigen schließlich, wie man solche Modelle mit Keras bei der Sentiment-Klassifizierung umsetzt.
- Einführung in den Kurs50 XP
- Vergleich der Anzahl der Parameter von RNN und ANN50 XP
- Stimmungsanalyse100 XP
- Sequenz-zu-Sequenz-Modelle50 XP
- Einführung in Sprachmodelle50 XP
- Sich an Textdaten gewöhnen100 XP
- Textdaten für die Modelleingabe vorbereiten100 XP
- Neuen Text umwandeln100 XP
- Einführung in RNN in Keras50 XP
- Keras-Modelle100 XP
- Keras-Vorverarbeitung100 XP
- Dein erstes RNN-Modell100 XP
2
RNN-Architektur
Du lernst die Probleme des Gradientenverlusts und der Gradientenexplosion kennen, die oft bei RNNs auftreten, und wie du mit GRU- und LSTM-Zellen damit umgehen kannst.
Außerdem wirst du Einbettungsebenen für Sprachmodelle erstellen und dich nochmal mit der Sentimentklassifizierung beschäftigen.
3
Mehrklassenklassifizierung
Als Nächstes lernst du in diesem Kapitel, wie du Daten für die Mehrklassenklassifizierung aufbereitest und was der Unterschied zwischen Mehrklassenklassifizierung und binärer Klassifizierung (Sentimentanalyse) ist. Zum Schluss lernst du, wie du mit Keras Modelle erstellen und deren Leistung messen kannst.
4
Sequenz-zu-Sequenz-Modelle
In diesem Kapitel lernst du zwei Anwendungen von RNN-Modellen kennen: Textgenerierung und neuronale maschinelle Übersetzung. Du lernst, wie du die Textdaten so aufbereitest, dass sie für die Modelle passen.
Das Textgenerierungsmodell wird verwendet, um die Sprechweise einer Figur nachzuahmen, und wird Spaß dabei haben, Sheldon aus „The Big Bang Theory“ zu imitieren.
Neuronale maschinelle Übersetzung wird zum Beispiel von Google Translate in einem viel komplexeren Modell verwendet. In diesem Kapitel erstellst du ein Modell, das kurze Sätze aus dem Portugiesischen ins Englische übersetzt.
Rekursive neuronale Netze (RNNs) für die Sprachmodellierung mit Keras
Kurs
abgeschlossen
