Redes neuronales recurrentes (RNN) para el modelado del lenguaje con Keras

Aprenderás sobre los problemas de gradiente desaparecido y explosivo, que suelen producirse en las RNN, y cómo solucionarlos con las células GRU y LSTM. Además, crearás capas de incrustación para modelos de lenguaje y volverás a abordar la tarea de clasificación del sentimiento.

A continuación, en este capítulo aprenderás a preparar los datos para la tarea de clasificación multiclase, así como las diferencias entre la clasificación multiclase y la clasificación binaria (análisis de sentimientos). Por último, aprenderás a crear modelos y medir su rendimiento con Keras.

Este capítulo presenta dos aplicaciones de los modelos RNN: Generación de texto y traducción automática neuronal. Aprenderás a preparar los datos de texto en el formato que necesitan los modelos. El modelo Text Generation se utiliza para replicar la forma de hablar de un personaje y nos divertiremos imitando a Sheldon, de The Big Bang Theory. La traducción automática neuronal se utiliza, por ejemplo, en Google Translate, en un modelo mucho más complejo. En este capítulo, crearás un modelo que traduce frases cortas del portugués al inglés.