Naucz się korzystać z modelowania RNN w Pythonie

W tym kursie nauczysz się, jak wykorzystywać rekurencyjne sieci neuronowe do klasyfikacji tekstu (binarnie i wieloklasowo), generowania fraz oraz tłumaczenia zdań z portugalskiego na angielski.

Modele uczenia maszynowego opierają się na wartościach liczbowych, aby tworzyć prognozy i klasyfikacje, ale jak komputery mogą radzić sobie z danymi tekstowymi? Wraz z ogromnym wzrostem dostępnych danych tekstowych możliwe stają się takie zastosowania jak automatyczna klasyfikacja dokumentów, generowanie tekstu oraz neuronowe tłumaczenie maszynowe. Tutaj dowiesz się, jak sieci RNN w uczeniu maszynowym mogą pomóc w tym procesie.

Odkryj moc rekurencyjnych sieci neuronowych

Zaczniesz ten czterogodzinny kurs od poznania podstaw rekurencyjnych sieci neuronowych. Badając, jak informacje przepływają przez rekurencyjną sieć neuronową, użyjesz modelu RNN w Keras do klasyfikacji sentymentu.

Gdy przyjrzysz się dokładniej architekturze RNN, poznasz problemy zanikającego i eksplodującego gradientu oraz dowiesz się, jak osadzać warstwy w modelu językowym.

Poznaj modele językowe na rzeczywistych danych

Bazując na tej wiedzy, odkryjesz, jak przygotować dane do zadania klasyfikacji wieloklasowej, poznając różnice między tymi zadaniami a klasyfikacją binarną.

Na koniec nauczysz się, jak wykorzystywać modele RNN do generowania tekstu i neuronowego tłumaczenia maszynowego. Wykorzystasz swoją wiedzę o rekurencyjnych sieciach neuronowych, aby odtworzyć mowę Sheldona z „Teorii wielkiego podrywu” oraz tłumaczyć portugalskie zwroty na angielski.

Ten kurs zapewnia dogłębne spojrzenie na sieci RNN w uczeniu maszynowym, dając Ci wiedzę potrzebną do rozwijania swoich umiejętności w tym obszarze.

Transfer learning w modelach językowych

Create Your Free Account