Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
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
Program nauczania
Plan kursu
1
Wprowadzenie do tłumaczenia maszynowego
W tym rozdziale poznasz architekturę koder-dekoder i dowiesz się, jak jest wykorzystywana w tłumaczeniu maszynowym. Nauczysz się również, czym są jednostki GRU (Gated Recurrent Units) i jaką rolę odgrywają w tej architekturze.
- Wprowadzenie do tłumaczenia maszynowego50 XP
- Wektory one-hot — podstawy100 XP
- Część 1: Odkrywamy funkcję to_categorical()100 XP
- Część 2: Poznajemy funkcję to_categorical()100 XP
- Architektura koder-dekoder50 XP
- Część 1: Model odwracania tekstu – enkoder100 XP
- Część 2: Model odwracania tekstu – enkoder100 XP
- Kompletny model odwracania tekstu100 XP
- Zrozumieć modele sekwencyjne50 XP
- Część 1: Poznajemy modele GRU100 XP
- Część 2: Poznawanie modeli GRU100 XP
- Rozumienie wyników modelu sekwencyjnego100 XP
2
Implementacja modelu koder-dekoder z Keras
W tym rozdziale zaimplementujesz model koder-dekoder za pomocą funkcjonalnego API Keras. Przy okazji poznasz kilka przydatnych warstw Keras, takich jak RepeatVector i TimeDistributed.
3
Trenowanie i generowanie tłumaczeń
W tym rozdziale wytrenuj zdefiniowany wcześniej model, a następnie użyjesz dobrze wytrenowanego modelu do generowania tłumaczeń. Przekonasz się, że model całkiem dobrze radzi sobie z tłumaczeniem zdań.
4
Teacher Forcing i osadzenia słów
W tym rozdziale poznasz technikę zwaną Teacher Forcing, która pozwala trenować modele tłumaczenia szybciej i skuteczniej. Dowiesz się również, jak wykorzystać osadzenia słów, aby jeszcze bardziej poprawić jakość modelu.
Tłumaczenie maszynowe z Keras
Kurs
ukończony
