After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Impara a usare la modellazione RNN in Python
In questo corso imparerai a usare le reti neurali ricorrenti per classificare il testo (binario e multiclasse), creare frasi e tradurre frasi dal portoghese all'inglese.I modelli di apprendimento automatico si basano su valori numerici per fare previsioni e classificazioni, ma come fanno i computer a gestire i dati testuali? Con l'enorme aumento dei dati testuali disponibili, sono possibili applicazioni come la classificazione automatica dei documenti, la generazione di testi e la traduzione automatica neurale. Qui scoprirai come le RNN nell'apprendimento automatico possono aiutarti in questo processo.
Scopri la potenza delle reti neurali ricorrenti
Inizierai questo corso di quattro ore dando un'occhiata alle basi delle reti neurali ricorrenti. Esplorando come le informazioni passano attraverso una rete neurale ricorrente, userai un modello RNN Keras per classificare il sentiment.Mentre dai un'occhiata più da vicino all'architettura RNN, scoprirai i problemi di gradiente che si riduce o esplode e come integrare i livelli in un modello linguistico.
Scopri i modelli linguistici con dati reali
Partendo da queste conoscenze, scoprirai come preparare i dati per un compito di classificazione multi-classe, vedendo come questi compiti sono diversi dalla classificazione binaria.Infine, imparerai come usare i modelli RNN per la generazione di testi e la traduzione automatica neurale. Userai quello che sai sulle reti neurali ricorrenti per imitare il modo di parlare di Sheldon da The Big Bang Theory e per tradurre frasi dal portoghese all'inglese.
Questo corso ti dà un'idea approfondita delle RNN nel machine learning, aiutandoti a capire come migliorare le tue abilità in questo campo.
Prerequisiti
Curriculum
Programma del corso
1
Reti Neurali Ricorrenti e Keras
In questo capitolo imparerai le basi delle Reti Neurali Ricorrenti (RNN). Partiremo da alcuni prerequisiti, poi capiremo come l’informazione scorre nella rete e infine vedremo come implementare questi modelli con Keras nel compito di classificazione del sentiment.
- Introduzione al corso50 XP
- Confrontare il numero di parametri di RNN e ANN50 XP
- Analisi del sentiment100 XP
- Modelli sequence to sequence50 XP
- Introduzione ai modelli di linguaggio50 XP
- Prendere confidenza con i dati testuali100 XP
- Preparare i dati di testo per l'input del modello100 XP
- Trasformare un nuovo testo100 XP
- Introduzione alle RNN in Keras50 XP
- Modelli Keras100 XP
- Preprocessing con Keras100 XP
- Il tuo primo modello RNN100 XP
2
Architettura delle RNN
Imparerai i problemi del gradiente evanescente ed esplosivo, che si presentano spesso nelle RNN, e come gestirli con le celle GRU e LSTM.
Inoltre, creerai livelli di embedding per i modelli di linguaggio e riprenderai il compito di classificazione del sentiment.
3
Classificazione multiclasse
Nel capitolo successivo imparerai a preparare i dati per il compito di classificazione multiclasse e le differenze tra classificazione multiclasse e classificazione binaria (sentiment analysis). Infine, imparerai a creare modelli e a valutarne le prestazioni con Keras.
4
Modelli Sequence to Sequence
Questo capitolo ti introduce a due applicazioni dei modelli RNN: generazione di testo e traduzione automatica neurale. Imparerai a preparare i dati testuali nel formato richiesto dai modelli.
Il modello di generazione di testo viene usato per replicare il modo di parlare di un personaggio e ci divertiremo a imitare Sheldon di The Big Bang Theory.
La traduzione automatica neurale è usata, ad esempio, da Google Translate in un modello molto più complesso. In questo capitolo creerai un modello che traduce brevi frasi in portoghese in inglese.
Reti Neurali Ricorrenti (RNN) per il Language Modeling con Keras
Corso
completato
