सीक्वेंस-टू-सीक्वेंस मॉडल्स

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ भाषा मॉडलिंग के लिए Recurrent Neural Networks (RNNs)

SkillTag.level.advancedSkillTag.label

4.8+

पाठ्यक्रम मुफ्त में शुरू करें

इस अध्याय में, आप Recurrent Neural Networks (RNN) की बुनियादें सीखेंगे। हम कुछ पूर्व-आवश्यकताओं से शुरुआत करेंगे, फिर समझेंगे कि नेटवर्क में सूचना कैसे बहती है, और अंत में Keras के साथ ऐसे मॉडलों को सेंटिमेंट क्लासिफिकेशन टास्क पर कैसे इम्प्लीमेंट करें।

Exercise 1: कोर्स का परिचय Exercise 2: RNN और ANN के पैरामीटर्स की संख्या की तुलना Exercise 3: सेंटिमेंट एनालिसिस Exercise 4: सीक्वेंस-टू-सीक्वेंस मॉडल Exercise 5: भाषा मॉडलों का परिचय Exercise 6: टेक्स्ट डेटा से हाथ आज़माना Exercise 7: मॉडल इनपुट के लिए टेक्स्ट डेटा तैयार करना Exercise 8: नया टेक्स्ट ट्रांसफॉर्म करना Exercise 9: Keras में RNN का परिचय Exercise 10: Keras मॉडल Exercise 11: Keras प्रीप्रोसेसिंग Exercise 12: आपका पहला RNN मॉडल

आप RNNs में अक्सर आने वाली vanishing और exploding gradient समस्याओं के बारे में जानेंगे, और GRU तथा LSTM सेल्स से उनसे कैसे निपटा जाए। साथ ही, आप भाषा मॉडलों के लिए एम्बेडिंग लेयर्स बनाएँगे और सेंटिमेंट क्लासिफिकेशन टास्क को फिर से देखें گے।

Exercise 1: Vanishing और Exploding Gradients Exercise 2: Exploding gradient समस्या Exercise 3: Vanishing gradient समस्या Exercise 4: GRU और LSTM सेल्स Exercise 5: GRU सेल simpleRNN से बेहतर हैं Exercise 6: RNN लेयर्स को स्टैक करना Exercise 7: Embedding लेयर Exercise 8: पैरामीटर्स की संख्या की तुलना Exercise 9: ट्रांसफर लर्निंग Exercise 10: Embeddings से प्रदर्शन बेहतर होता है Exercise 11: Sentiment classification फिर से Exercise 12: बेहतर सेंटिमेंट क्लासिफिकेशन Exercise 13: CNN लेयर का उपयोग

इसके बाद, इस अध्याय में आप मल्टी-क्लास क्लासिफिकेशन टास्क के लिए डेटा कैसे तैयार किया जाए, यह सीखेंगे, साथ ही मल्टी-क्लास क्लासिफिकेशन और बाइनरी क्लासिफिकेशन (सेंटिमेंट एनालिसिस) के बीच के अंतर समझेंगे। अंत में, आप Keras के साथ मॉडल बनाना और उनके प्रदर्शन को मापना सीखेंगे।

Exercise 1: डेटा प्री-प्रोसेसिंग Exercise 2: लेबल वेक्टर तैयार करें Exercise 3: डेटा प्री-प्रोसेस करें Exercise 4: भाषा मॉडलों के लिए ट्रांसफर लर्निंग Exercise 5: ट्रांसफर लर्निंग: शुरुआती बिंदु Exercise 6: Word2Vec Exercise 7: मल्टी-क्लास क्लासिफिकेशन मॉडल्स Exercise 8: 20 News Groups डेटासेट की जाँच-पड़ताल Exercise 9: समाचार लेखों का वर्गीकरण Exercise 10: मॉडल के प्रदर्शन का आकलन Exercise 11: Precision-Recall ट्रेड-ऑफ Exercise 12: Precision या Recall — असली सवाल यही है Exercise 13: मल्टी-क्लास क्लासिफिकेशन पर परफॉर्मेंस

यह अध्याय आपको RNN मॉडलों के दो उपयोगों से परिचित कराता है: टेक्स्ट जनरेशन और न्यूरल मशीन ट्रांसलेशन। आप सीखेंगे कि मॉडलों द्वारा अपेक्षित फ़ॉर्मेट में टेक्स्ट डेटा कैसे तैयार किया जाए। टेक्स्ट जनरेशन मॉडल किसी किरदार की बोलने की शैली की नकल करने के लिए उपयोग होता है, और हम Sheldon (The Big Bang Theory) की नकल करके थोड़ा मज़ा भी करेंगे। न्यूरल मशीन ट्रांसलेशन, उदाहरण के लिए, Google Translate में एक कहीं अधिक जटिल मॉडल में उपयोग होता है। इस अध्याय में, आप एक ऐसा मॉडल बनाएँगे जो पुर्तगाली की छोटी उक्तियों का अंग्रेज़ी में अनुवाद करता है।

Exercise 1: सीक्वेंस-टू-सीक्वेंस मॉडल्स

वर्तमान अभ्यास

Exercise 2: टेक्स्ट जनरेशन के उदाहरण Exercise 3: NMT उदाहरण Exercise 4: टेक्स्ट जनरेट करने वाला फंक्शन Exercise 5: अगला कैरेक्टर प्रेडिक्ट करें Exercise 6: कॉन्टेक्स्ट के साथ वाक्य जनरेट करें Exercise 7: प्रोबेबिलिटी स्केल बदलें Exercise 8: टेक्स्ट जेनरेशन मॉडल्स Exercise 9: वाक्यों और अगले कैरेक्टर्स के वेक्टर बनाएँ Exercise 10: ट्रेनिंग के लिए डेटा तैयार करना Exercise 11: टेक्स्ट जनरेशन मॉडल बनाना Exercise 12: Neural Machine Translation Exercise 13: इनपुट टेक्स्ट तैयार करना Exercise 14: आउटपुट टेक्स्ट तैयार करना Exercise 15: पुर्तगाली से अंग्रेज़ी में अनुवाद करें Exercise 16: बधाई हो!