Lewati ke konten utama

Kursus

Penerjemahan Mesin dengan Keras

LanjutanTingkat Keterampilan

Diperbarui 11/2024

Apakah Anda penasaran dengan cara kerja di balik model-model yang mendasari produk seperti Google Translate?

Mulai Kursus Gratis

PythonArtificial Intelligence4 jam16 videos58 Latihan4,950 XP4,988Bukti Prestasi

Buat Akun Gratis Anda

atau

Dengan melanjutkan, Anda menerima Ketentuan Penggunaan kami, Kebijakan Privasi kami dan bahwa data Anda disimpan di Amerika Serikat.

Dipercaya oleh para pelajar di ribuan perusahaan

Pelatihan untuk 2 orang atau lebih?

Coba DataCamp for Business

Deskripsi Kursus

Kebutuhan untuk membawa kamus dwibahasa saat liburan ke Eropa atau menyimpannya di meja untuk mengerjakan PR bahasa asing kini sudah ketinggalan zaman. Anda cukup mengakses internet dan menggunakan layanan terjemahan bahasa untuk cepat memahami arti rambu jalan atau mengetahui cara menyapa dan berterima kasih kepada orang asing dalam bahasa mereka. Di balik layanan terjemahan bahasa terdapat model machine translation yang kompleks. Pernahkah Anda bertanya-tanya bagaimana model ini bekerja? Kursus ini akan membantu Anda menjelajahi cara kerja internal model machine translation. Anda akan menggunakan Keras, sebuah pustaka deep learning berbasis Python yang andal, untuk mengimplementasikan model terjemahan. Anda kemudian akan melatih model tersebut untuk melakukan terjemahan dari bahasa Inggris ke bahasa Prancis, dan Anda akan mempelajari teknik-teknik untuk meningkatkan model Anda. Di akhir kursus ini, Anda akan memiliki pemahaman mendalam tentang model machine translation dan semakin mengapresiasinya!

Persyaratan

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

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

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

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

Penerjemahan Mesin dengan Keras

Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV Anda
Bagikan di media sosial dan dalam penilaian kinerja AndaDaftar Sekarang

Bergabung dengan 19 juta pelajar dan mulai Penerjemahan Mesin dengan Keras Hari Ini!

Buat Akun Gratis Anda

atau

Dengan melanjutkan, Anda menerima Ketentuan Penggunaan kami, Kebijakan Privasi kami dan bahwa data Anda disimpan di Amerika Serikat.

Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile

Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.