After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Att packa ner en tvåspråkig ordbok inför semestern i Europa – eller ha en liggandes på skrivbordet för läxorna i moderna språk – hör till det förflutna. Numera går det att hoppa på nätet och använda en översättningstjänst för att snabbt förstå vad ett gatuskylt betyder eller hur man hälsar och tackar någon på deras eget språk. Bakom dessa tjänster finns komplexa maskinöversättningsmodeller. Har du någonsin undrat hur de fungerar? I den här kursen får du utforska hur en maskinöversättningsmodell är uppbyggd och hur den arbetar. Du använder Keras – ett kraftfullt djupinlärningsbibliotek baserat på Python – för att implementera en översättningsmodell. Sedan tränar du modellen att översätta från engelska till franska och lär dig tekniker för att förbättra den ytterligare. När kursen är klar har du fått en grundlig förståelse för maskinöversättningsmodeller och ett nytt perspektiv på hur de fungerar.
Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till maskinöversättning
I det här kapitlet får du lära dig vad kodare-avkodare-arkitekturen är och hur den används för maskinöversättning. Du lär dig också om Gated Recurrent Units (GRU) och hur de används i kodare-avkodare-arkitekturen.
- Introduktion till maskinöversättning50 XP
- Förstå one-hot-vektorer100 XP
- Del 1: Utforska funktionen to_categorical()100 XP
- Del 2: Utforska funktionen to_categorical()100 XP
- Encoder-decoder-arkitektur50 XP
- Del 1: Modell för textomvändning – encoder100 XP
- Del 2: Modell för textomvändning – Encoder100 XP
- Färdigställ modellen för textomvändning100 XP
- Förstå sekventiella modeller50 XP
- Del 1: Förstå GRU-modeller100 XP
- Del 2: Förstå GRU-modeller100 XP
- Förstå utdata från sekventiella modeller100 XP
2
Implementera en kodare-avkodare-modell med Keras
I det här kapitlet implementerar du kodare-avkodare-modellen med Keras funktionella API. Under arbetets gång lär du dig flera användbara Keras-lager, till exempel RepeatVector och TimeDistributed.
3
Träna modellen och generera översättningar
I det här kapitlet tränar du den modell du tidigare definierat och använder sedan en vältränad modell för att generera översättningar. Du kommer att se att modellen presterar väl när den översätter meningar.
4
Teacher Forcing och ordinbäddningar
I det här kapitlet lär du dig om en teknik som kallas Teacher Forcing, vilken gör det möjligt att träna översättningsmodeller snabbare och med bättre resultat. Därefter lär du dig hur ordinbäddningar kan användas för att förbättra modellen ytterligare.
Maskinöversättning med Keras
Kurs
slutförd
