After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
Модели машинного обучения опираются на числовые значения для прогнозирования и классификации — но как компьютеры справляются с текстовыми данными? Стремительный рост объёмов доступных текстов открыл возможности для автоматической классификации документов, генерации текста и нейронного машинного перевода. В этом курсе вы научитесь использовать рекуррентные нейронные сети для классификации текста (бинарной и многоклассовой), генерации фраз в стиле персонажа Шелдона из сериала «Теория большого взрыва», а также перевода предложений с португальского на английский. Готовы погрузиться в мир языковых моделей на основе Keras и Python? Начнём!
Предварительные требования
Программа
Структура курса
1
Рекуррентные нейронные сети и Keras
В этой главе вы изучите основы рекуррентных нейронных сетей (RNN). Вы начнёте с предварительных сведений, затем разберёте, как информация передаётся через сеть, и наконец реализуете подобные модели с помощью Keras для задачи классификации тональности текста.
- Введение в курс50 XP
- Сравнение количества параметров RNN и ANN50 XP
- Анализ тональности100 XP
- Модели «последовательность в последовательность»50 XP
- Введение в языковые модели50 XP
- Знакомство с текстовыми данными100 XP
- Подготовка текстовых данных для подачи в модель100 XP
- Преобразование нового текста100 XP
- Введение в RNN в Keras50 XP
- Модели Keras100 XP
- Предобработка данных в Keras100 XP
- Ваша первая модель RNN100 XP
2
Архитектура RNN
Вы познакомитесь с проблемами затухающего и взрывного градиентов, которые часто возникают в RNN, а также с тем, как с ними справляются ячейки GRU и LSTM.
Кроме того, вы создадите слои эмбеддингов для языковых моделей и вернётесь к задаче классификации тональности текста.
3
Многоклассовая классификация
В этой главе вы научитесь подготавливать данные для задачи многоклассовой классификации, а также разберёте различия между многоклассовой классификацией и бинарной (анализом тональности). В завершение вы создадите модели с помощью Keras и оцените их качество.
4
Модели «последовательность в последовательность»
В этой главе рассматриваются два практических применения RNN-моделей: генерация текста и нейронный машинный перевод. Вы научитесь подготавливать текстовые данные в формат, необходимый для работы моделей.
Модель генерации текста используется для воспроизведения манеры речи персонажа — вы с интересом попробуете имитировать стиль Шелдона из «Теории большого взрыва».
Нейронный машинный перевод лежит в основе таких сервисов, как Google Translate, где применяются значительно более сложные модели. В этой главе вы создадите модель, которая переводит короткие фразы с португальского на английский.
Рекуррентные нейронные сети (RNN) для языкового моделирования с Keras
Курс
завершён
