Об этом курсе

Cette formation vous apprendra à construire des modèles pour le langage naturel, l’audio et les autres données de séquence. Grâce à l’apprentissage profond, les algorithmes de séquence fonctionnent beaucoup mieux qu’il y a deux ans ; nous disposons donc de nombreuses applications très intéressantes en matière de reconnaissance vocale, de synthèse musicale, de chatbots, de traduction automatique, de compréhension naturelle du langage, etc.
Vous allez:
- Comprendre comment construire et former des réseaux neuronaux récurrents (RNN) et des variantes couramment utilisées telles que les GRU et les LSTM.
-  Être capable d’appliquer des modèles de séquence à des problèmes de langage naturel, y compris la synthèse de texte.
-  Pouvoir appliquer des modèles de séquence à des applications audio, incluant la reconnaissance vocale et la synthèse musicale.

C’est le cinquième et dernier cours de la spécialisation Apprentissage profond.

deeplearning.ai travaille également en partenariat avec le NVIDIA Deep Learning Institute (DLI) dans le cours 5, Modèles de séquence, afin de fournir une affectation de programmation sur la traduction automatique avec l’apprentissage en profondeur. Vous aurez la possibilité de construire un projet d’apprentissage en profondeur avec un contenu de pointe, pertinent pour l’industrie.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Средний уровень

Прибл. 16 часов на выполнение

Французский

Приобретаемые навыки

Machine Translation
Word Embedding
Combination
Deep Learning

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Средний уровень

Прибл. 16 часов на выполнение

Французский

Преподаватели

Программа курса: что вы изучите

Неделя

1

Неделя 1

6 ч. на завершение

Réseaux neuronaux récurrents

6 ч. на завершение

12 видео ((всего 112 мин.)), 2 материалов для самостоятельного изучения, 4 тестов

12 видео

Pourquoi les modèles de séquence2мин

Notation9мин

Modèle de réseau neuronal récurrent16мин

Rétro-propagation dans le temps6мин

Différents types de RNN9мин

Modèle de langage et génération de séquence12мин

Échantillonnage de nouvelles séquences8мин

Disparition de gradient dans un RNN6мин

Unité récurrente à porte (GRU)17мин

Mémoire longue à court terme (LSTM)9мин

RNN bidirectionnel8мин

RNN profonds5мин

2 материала для самостоятельного изучения

Unité récurrente à porte (GRU) *CORRECTION*1мин

Mémoire longue à court terme (LSTM) *CORRECTION*1мин

1 практическое упражнение

Réseaux neuronaux récurrents30мин

Неделя

2

Неделя 2

4 ч. на завершение

Traitement automatique du langage naturel et prolongements lexicaux

Le traitement du langage naturel avec l'apprentissage profond est une combinaison importante. En utilisant des représentations de vecteurs de mots et des couches de prolongements, vous pouvez former des réseaux neuronaux récurrents avec des performances exceptionnelles, dans une grande variété de secteurs. Des exemples d’applications sont l’analyse de sentiments, la reconnaissance d’entités nommées et la traduction automatique.

4 ч. на завершение

10 видео ((всего 102 мин.)), 1 материал для самостоятельного изучения, 3 тестов

10 видео

Représentation de mots10мин

Utilisation des prolongements lexicaux9мин

Propriétés des prolongements lexicaux11мин

Matrice de prolongement5мин

Apprendre les prolongements lexicaux10мин

Word2Vec12мин

Échantillonnage négatif11мин

Vecteurs de mots GloVe11мин

Classification des sentiments7мин

Débiaiser des prolongements lexicaux11мин

1 материал для самостоятельного изучения

Vecteurs de mots GloVe *CORRECTION*1мин

1 практическое упражнение

Traitement automatique du langage naturel et prolongements lexicaux30мин

5 ч. на завершение