50% off DataCamp Premium. 700+ courses, half price. Start learning today.
Cursusbeschrijving
Leer hoe je RNN-modellering in Python kunt gebruiken
In deze cursus leer je hoe je Recurrent Neural Networks kunt gebruiken om tekst te classificeren (binair en multiclass), zinnen te genereren en Portugese zinnen naar het Engels te vertalen.Machine learning-modellen gebruiken getallen om voorspellingen en classificaties te doen, maar hoe kunnen computers omgaan met tekstgegevens? Met de enorme toename van beschikbare tekstgegevens zijn toepassingen zoals automatische documentclassificatie, tekstgeneratie en neurale machinevertaling mogelijk. Hier leer je hoe RNN's in machine learning je kunnen helpen bij dit proces.
Ontdek de kracht van terugkerende neurale netwerken
Je begint deze vier uur durende cursus met een blik op de basisprincipes van Recurrent Neural Networks. Je gaat kijken hoe informatie door een recurrent neuraal netwerk gaat en gebruikt een Keras RNN-model om sentimentclassificatie te doen.Als je de RNN-architectuur wat beter bekijkt, leer je over verdwijnende en exploderende gradiëntproblemen en hoe je lagen in een taalmodel kunt inbouwen.
Ontdek taalmodellen met echte gegevens
Met deze kennis ga je ontdekken hoe je data kunt klaarmaken voor een multi-class classificatie-taak, en je kijkt hoe deze taken verschillen van binaire classificatie.Tot slot leer je hoe je RNN-modellen kunt gebruiken voor het genereren van tekst en neurale machinevertaling. Je gaat je kennis van terugkerende neurale netwerken gebruiken om de spraak van Sheldon uit The Big Bang Theory na te maken en Portugese zinnen naar het Engels te vertalen.
Deze cursus gaat diep in op RNN's in machine learning en geeft je de kennis om je vaardigheden op dit gebied te verbeteren.
Vereisten
Lesprogramma
Cursusoverzicht
1
Recurrent Neural Networks en Keras
In dit hoofdstuk leer je de basis van Recurrent Neural Networks (RNN). We beginnen met enkele vereisten, bekijken hoe informatie door het netwerk stroomt en laten tot slot zien hoe je zulke modellen met Keras implementeert voor een taak in sentimentclassificatie.
- Introductie van de cursus50 XP
- Het aantal parameters van RNN en ANN vergelijken50 XP
- Sentimentanalyse100 XP
- Sequence-to-sequence-modellen50 XP
- Introductie tot taalmodellen50 XP
- Wennen aan tekstdata100 XP
- Tekstgegevens voorbereiden voor modelinvoer100 XP
- Nieuwe tekst transformeren100 XP
- Introductie tot RNN in Keras50 XP
- Keras-modellen100 XP
- Keras-preprocessing100 XP
- Je eerste RNN-model100 XP
2
RNN-architectuur
Je leert over het vanishing- en exploding-gradient-probleem, dat vaak voorkomt bij RNN's, en hoe je dit aanpakt met GRU- en LSTM-cellen.
Verder maak je embedding-lagen voor taalmodellen en pak je de taak van sentimentclassificatie opnieuw op.
3
Multiclass-classificatie
Vervolgens leer je in dit hoofdstuk hoe je data voorbereidt voor een multiclass-classificatietaak, en wat de verschillen zijn tussen multiclass-classificatie en binaire classificatie (sentimentanalyse). Tot slot leer je hoe je modellen bouwt en hun prestaties meet met Keras.
4
Sequence-to-Sequence-modellen
Dit hoofdstuk introduceert twee toepassingen van RNN-modellen: tekstgeneratie en Neural Machine Translation. Je leert hoe je de tekstdata voorbereidt in het formaat dat de modellen nodig hebben.
Het tekstgeneratiemodel wordt gebruikt om de manier van spreken van een personage na te bootsen en we hebben wat lol met het imiteren van Sheldon uit The Big Bang Theory.
Neural Machine Translation wordt bijvoorbeeld door Google Translate gebruikt in een veel complexer model. In dit hoofdstuk maak je een model dat korte Portugese zinnen naar het Engels vertaalt.
Recurrent Neural Networks (RNN's) voor taalmodellen met Keras
Cursus
voltooid
