Przejdź do głównej treści

Strona główna Python

Kurs

Tłumaczenie maszynowe z Keras

ZaawansowanyPoziom umiejętności

Zaktualizowano 11.2024

Czy chcesz poznać działanie modeli stojących za produktami takimi jak Google Translate?

Zacznij kurs za darmo

PythonArtificial Intelligence

4 godz.

16 filmów

58 Ćwiczeń

4,950 XP

5,012

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Pakowanie słownika dwujęzycznego na wakacje albo trzymanie go na biurku podczas odrabiania lekcji z języka obcego to już przeszłość. Wystarczy wejść do internetu i skorzystać z serwisu tłumaczeniowego, żeby błyskawicznie zrozumieć, co oznacza znak uliczny, albo dowiedzieć się, jak przywitać się i podziękować komuś w jego własnym języku. Za takimi serwisami stoją złożone modele tłumaczenia maszynowego. Zastanawiałeś się kiedyś, jak one działają? Ten kurs pozwoli ci zajrzeć do wnętrza modelu tłumaczenia maszynowego. Użyjesz Keras – potężnej biblioteki do uczenia głębokiego opartej na Pythonie – żeby zaimplementować własny model tłumaczenia. Następnie wytrenuj go do tłumaczenia z angielskiego na francuski i poznasz techniki pozwalające go udoskonalić. Po ukończeniu kursu będziesz mieć gruntowną wiedzę na temat modeli tłumaczenia maszynowego i jeszcze bardziej docenisz ich możliwości!

Wymagania wstępne

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

Zacznij rozdział

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

Zacznij rozdział

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

Zacznij rozdział

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

Zacznij rozdział

Tłumaczenie maszynowe z Keras

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Tłumaczenie maszynowe z Keras już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.