After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
Python에서 RNN 모델링을 사용하는 방법 배우기
이 강의에서는 순환 신경망을 사용해 텍스트를 분류하고(이진 및 다중 클래스), 구문을 생성하며, 포르투갈어 문장을 영어로 번역하는 방법을 배우게 됩니다.머신 러닝 모델은 수치 값을 기반으로 예측과 분류를 수행하지만, 컴퓨터는 텍스트 데이터를 어떻게 처리할 수 있을까요? 방대한 텍스트 데이터의 증가로 인해 자동 문서 분류, 텍스트 생성, 신경 기계 번역과 같은 애플리케이션이 가능해졌습니다. 여기서는 머신 러닝의 RNN이 이 과정을 어떻게 도울 수 있는지 배우게 됩니다.
순환 신경망의 힘을 발견하세요
이 4시간짜리 강의에서는 순환 신경망의 기초부터 살펴보게 됩니다. 순환 신경망을 통해 정보가 어떻게 흐르는지 살펴보며, Keras RNN 모델을 사용해 감성 분류를 수행하게 됩니다.RNN 아키텍처를 더 자세히 살펴보면서, 기울기 소실 및 폭주 문제와 언어 모델에 레이어를 임베드하는 방법을 배우게 됩니다.
실제 데이터로 언어 모델 탐구하기
이 지식을 바탕으로, 다중 분류 작업을 위해 데이터를 준비하는 방법을 알아보고, 이러한 작업이 이진 분류와 어떻게 다른지 살펴보게 됩니다.마지막으로, RNN 모델을 텍스트 생성과 신경망 기계 번역에 활용하는 방법을 배우게 됩니다. 재귀 신경망에 대한 지식을 활용해 《빅뱅 이론》의 셸던의 말을 재현하고, 포르투갈어 구문을 영어로 번역하게 됩니다.
이 강의는 머신 러닝에서 RNN을 심도 있게 살펴보며, 이 분야에서 실력을 쌓을 수 있는 지식을 제공합니다.
사전 요구 사항
커리큘럼
코스 개요
1
순환 신경망과 Keras
이 챕터에서는 순환 신경망(RNN)의 기초를 학습합니다. 사전 지식부터 시작해, 네트워크에서 정보가 흐르는 방식과 감성 분류 과제에 Keras로 이러한 모델을 구현하는 방법까지 살펴봅니다.
2
RNN 아키텍처
RNN에서 자주 발생하는 기울기 소실과 폭주 문제를 배우고, 이를 GRU와 LSTM 셀로 어떻게 다루는지 알아봅니다.
또한 언어 모델을 위한 임베딩 레이어를 만들고, 감성 분류 과제를 다시 다뤄 보겠습니다.
3
다중 클래스 분류
이어서, 본 챕터에서는 다중 클래스 분류 과제를 위한 데이터 준비 방법과 다중 클래스 분류와 이진 분류(감성 분석)의 차이를 배웁니다. 마지막으로, Keras로 모델을 구성하고 성능을 측정하는 방법을 학습합니다.
4
시퀀스-투-시퀀스 모델
이 챕터에서는 RNN 모델의 두 가지 응용인 텍스트 생성과 신경 기계 번역을 소개합니다. 모델이 필요로 하는 형식에 맞게 텍스트 데이터를 준비하는 방법을 배웁니다.
텍스트 생성 모델은 특정 인물의 말투를 재현하는 데 사용되며, The Big Bang Theory의 Sheldon을 재미있게 모방해 볼 것입니다.
신경 기계 번역은 Google Translate 같은 서비스에서 훨씬 복잡한 모델로 사용됩니다. 이 챕터에서는 짧은 포르투갈어 문장을 영어로 번역하는 모델을 만들어 봅니다.
Keras로 배우는 언어 모델링을 위한 순환 신경망(RNN)
코스
완료
