Build your ultimate AI agent
课程介绍
学习如何在 Python 中使用 RNN 建模
在本课程中，你将学习如何使用循环神经网络对文本进行分类（二分类和多分类）、生成短语，并将葡萄牙语句子翻译成英语。机器学习模型基于数值来进行预测和分类，但计算机如何处理文本数据呢？随着可用文本数据的大幅增加，自动文档分类、文本生成和神经机器翻译等应用成为可能。 在这里，你将学习机器学习中的 RNN 如何帮助完成这一过程。
探索循环神经网络的强大力量
你将从这门四小时的课程开始，了解循环神经网络的基础。 探索信息如何在循环神经网络中流动时，你将使用 Keras RNN 模型进行情感分类。随着你更深入地学习 RNN 架构，你将了解梯度消失和梯度爆炸问题，以及如何在语言模型中嵌入层。
通过真实数据探索语言模型
在此基础上，你将了解如何为多分类任务准备数据，并探索这类任务与二分类的区别。最后，你将学习如何使用 RNN 模型进行文本生成和神经机器翻译。 你将运用循环神经网络的知识，模仿《生活大爆炸》中谢尔顿的说话方式，并将葡萄牙语短语翻译成英语。
本课程深入讲解机器学习中的 RNN，帮助你掌握这一领域的技能。
先修要求
课程大纲
课程大纲
1
循环神经网络与 Keras
在本章中，您将学习循环神经网络（RNN）的基础知识。先回顾一些前置知识，再理解信息如何在网络中流动，最后在情感分类任务中，使用 Keras 实现此类模型。
2
RNN 架构
您将学习 RNN 中常见的梯度消失与梯度爆炸问题，以及如何使用 GRU 和 LSTM 单元来处理它们。
此外，您还将为语言模型创建嵌入层，并重新审视情感分类任务。
3
多分类
接下来，在本章中您将学习如何为多分类任务准备数据，并了解多分类与二分类（情感分析）的区别。最后，您将学习如何使用 Keras 构建模型并评估其性能。
4
序列到序列模型
本章将向您介绍 RNN 模型的两种应用：文本生成与神经机器翻译。您将学习如何将文本数据准备成模型所需的格式。
文本生成模型用于复刻某个角色的说话方式，我们将体验模仿 The Big Bang Theory 中 Sheldon 的乐趣。
神经机器翻译在更复杂的模型中（例如 Google Translate）得到应用。在本章中，您将创建一个将简短的葡萄牙语短语翻译成英语的模型。
使用 Keras 构建语言建模的循环神经网络（RNN）
课程完成
