or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ในบทนี้ จะได้เรียนรู้พื้นฐานของ Recurrent Neural Networks (RNN) โดยเริ่มจากความรู้เบื้องต้นที่จำเป็น จากนั้นทำความเข้าใจการไหลของข้อมูลผ่านโครงข่าย และสุดท้ายนำไปสร้างโมเดลด้วย Keras สำหรับงานจำแนกประเภทความรู้สึก (sentiment classification)
แบบฝึกหัดปัจจุบัน
จะได้เรียนรู้เกี่ยวกับปัญหา vanishing gradient และ exploding gradient ซึ่งมักเกิดขึ้นใน RNN รวมถึงวิธีรับมือด้วย GRU cell และ LSTM cell นอกจากนี้ ยังได้สร้าง embedding layer สำหรับ language model และกลับมาทบทวนงาน sentiment classification อีกครั้ง
ในบทนี้ จะได้เรียนรู้วิธีเตรียมข้อมูลสำหรับงานจำแนกประเภทแบบ multi-class รวมถึงความแตกต่างระหว่าง multi-class classification และ binary classification (sentiment analysis) และสุดท้ายจะได้สร้างโมเดลพร้อมวัดประสิทธิภาพด้วย Keras
บทนี้แนะนำการประยุกต์ใช้โมเดล RNN 2 รูปแบบ ได้แก่ Text Generation และ Neural Machine Translation จะได้เรียนรู้วิธีเตรียมข้อมูลข้อความให้อยู่ในรูปแบบที่โมเดลต้องการ โมเดล Text Generation ใช้สำหรับเลียนแบบสำนวนพูดของตัวละคร โดยจะได้ลองเลียนแบบ Sheldon จาก The Big Bang Theory ส่วน Neural Machine Translation เป็นเทคโนโลยีที่ Google Translate นำไปใช้ในโมเดลที่ซับซ้อนกว่ามาก ในบทนี้จะได้สร้างโมเดลที่แปลประโยคสั้น ๆ จากภาษาโปรตุเกสเป็นภาษาอังกฤษ