Accéder au contenu principal

Cours

Traduction automatique avec Keras

AvancéNiveau de compétence

Actualisé 11/2024

Découvrez comment fonctionnent les modèles derrière Google Translate avec Keras.

Commencer Le Cours Gratuitement

PythonArtificial Intelligence4 h16 vidéos58 Exercices4,950 XP4,988Certificat de réussite.

Créez votre compte gratuit

ou

En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.

Apprécié par des utilisateurs provenant de milliers d'entreprises

Former 2 personnes ou plus ?

Essayez DataCamp for Business

Description du cours

Il n'est plus nécessaire d'emporter un dictionnaire bilingue lors de vos vacances en Europe ou d'en garder un sur votre bureau pour faire vos devoirs de langues étrangères. Il vous suffit de vous connecter à Internet et d'utiliser un service de traduction pour comprendre rapidement la signification d'un panneau de signalisation ou pour savoir comment saluer et remercier un étranger dans sa langue. Derrière les services de traduction linguistique se cachent des modèles complexes de traduction automatique. Vous êtes-vous déjà demandé comment fonctionnent ces modèles ? Ce cours vous permettra d'explorer le fonctionnement interne d'un modèle de traduction automatique. Vous utiliserez Keras, une bibliothèque d'apprentissage profond puissante basée sur Python, pour mettre en œuvre un modèle de traduction. Vous formerez ensuite le modèle à effectuer une traduction de l'anglais vers le français, et vous découvrirez des techniques pour améliorer votre modèle. À la fin de ce cours, vous aurez acquis une compréhension approfondie des modèles de traduction automatique et vous les apprécierez encore davantage.

Prérequis

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

Commencer Le Chapitre

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

Commencer Le Chapitre

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

Commencer Le Chapitre

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

Commencer Le Chapitre

Traduction automatique avec Keras

Cours
terminé

Obtenez un certificat de réussite

Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolio
Partagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire Maintenant

Rejoignez plus de 19 millions d'utilisateurs et commencez Traduction automatique avec Keras dès aujourd'hui !

Créez votre compte gratuit

ou

En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.