Build your ultimate AI agent
Descrierea cursului
Învață cum să folosești modelarea RNN în Python
În acest curs, vei învăța cum să folosești Rețele Neuronale Recurente pentru a clasifica textul (binare și multiclasă), a genera fraze și a traduce propoziții din portugheză în engleză.Modelele de machine learning se bazează pe valori numerice pentru a face predicții și clasificări, dar cum pot computerele să lucreze cu date text? Odată cu creșterea uriașă a volumului de date text disponibile, devin posibile aplicații precum clasificarea automată a documentelor, generarea de text și traducerea automată neuronală. Aici vei învăța cum RNN-urile din machine learning pot ajuta în acest proces.
Descoperă puterea rețelelor neuronale recurente
Vei începe acest curs de patru ore analizând bazele Rețelelor Neuronale Recurente. Explorând modul în care informația circulă printr-o rețea neuronală recurentă, vei folosi un model RNN Keras pentru a realiza clasificarea sentimentelor.Pe măsură ce analizezi mai în detaliu arhitectura RNN, vei învăța despre problemele de gradient care dispar și explodează și despre cum să încorporezi straturi într-un model de limbaj.
Explorează modelele lingvistice cu date din viața reală
Bazându-te pe aceste cunoștințe, vei descoperi cum poți pregăti datele pentru o sarcină de clasificare multiclasă, explorând modul în care aceste sarcini diferă de clasificarea binară.În cele din urmă, vei învăța cum să folosești modelele RNN pentru generarea de text și traducerea automată neuronală. Vei folosi cunoștințele tale despre rețele neuronale recurente pentru a replica vorbirea lui Sheldon din The Big Bang Theory și pentru a traduce expresii în portugheză în engleză.
Acest curs oferă o privire aprofundată asupra RNN-urilor în machine learning, oferindu-ți cunoștințele necesare pentru a-ți dezvolta abilitățile în acest domeniu.
Cerințe prealabile
Curriculum
Structura cursului
1
Rețele Neuronale Recurente și Keras
În acest capitol, vei învăța bazele Rețelelor Neuronale Recurente (RNN). Vei parcurge noțiunile preliminare necesare, vei înțelege cum circulă informația prin rețea și, în final, vei vedea cum se implementează astfel de modele cu Keras în sarcina de clasificare a sentimentelor.
- Introducere în curs50 XP
- Compararea numărului de parametri ai RNN și ANN50 XP
- Analiza sentimentelor100 XP
- Modele sequence to sequence50 XP
- Introducere în modelele de limbaj50 XP
- Familiarizarea cu datele text100 XP
- Pregătirea datelor text pentru intrarea în model100 XP
- Transformarea unui text nou100 XP
- Introducere în RNN cu Keras50 XP
- Modele Keras100 XP
- Preprocesare în Keras100 XP
- Primul tău model RNN100 XP
2
Arhitectura RNN
Vei învăța despre problemele gradientului care dispare și ale gradientului exploziv, frecvente în RNN-uri, și cum le poți gestiona cu celulele GRU și LSTM.
În plus, vei crea straturi de embedding pentru modele de limbaj și vei reveni asupra sarcinii de clasificare a sentimentelor.
3
Clasificare Multiclasă
În continuare, vei învăța cum să pregătești datele pentru sarcina de clasificare multiclasă, care sunt diferențele față de clasificarea binară (analiza sentimentelor) și cum să creezi modele și să le evaluezi performanța cu Keras.
4
Modele Sequence to Sequence
Acest capitol îți prezintă două aplicații ale modelelor RNN: Generarea de Text și Traducerea Automată Neuronală. Vei învăța cum să pregătești datele text în formatul necesar modelelor.
Modelul de Generare de Text este folosit pentru a replica stilul de vorbire al unui personaj – te vei distra imitându-l pe Sheldon din The Big Bang Theory.
Traducerea Automată Neuronală este utilizată, de exemplu, de Google Translate, într-un model mult mai complex. În acest capitol, vei crea un model care traduce propoziții scurte din portugheză în engleză.
Rețele Neuronale Recurente (RNN) pentru Modelare a Limbajului cu Keras
Curs
finalizat
