الرئيسيةالدوراتنمذجة اللغة بالشبكات العصبية المتكررة (RNN) في Keras

استكشاف خصائص البيانات النصية

الفصل 2 · تصميم نماذج اللغة باستخدام الشبكات العصبونية المتكررة وKeras · الدرس 7 من أصل 56
متاحة للمشتركين فقط — إليك بدايتها
متابعة هذا الدرس متاحة للمشتركين فقط أنشئ حسابك المجاني لتجربة التمارين التوضيحية، ثم انتقل إلى الوصول الكامل متى شئت.

أنشئ حسابك المجاني

بدون بطاقة بنكية، في ثلاثين ثانية.
المتابعة باستخدام Google
أو
التسجيل بالبريد الإلكتروني
لديك حساب بالفعل؟ تسجيل الدخول
بمتابعتك، فإنك توافق على شروط الاستخدام وسياسة الخصوصية. تُستضاف بياناتك داخل الاتحاد الأوروبي.

الوصول الكامل إلى DATAGOZ

19 €/ شهريًا — أو 190 € / سنويًا
  • جميع الدورات المنشورة والمسارات المهنية
  • تمارين واختبارات قصيرة مصحَّحة تلقائيًا
  • تدريب وامتحان وشهادة متابعة
  • بدون التزام، ويمكن الإلغاء عبر الإنترنت
عرض الصيغ
هذا الدرس جزء من الدورة

نمذجة اللغة باستخدام الشبكات العصبية المتكررة (RNN) في Keras

short_training6 فصول · 56 درسًا
  • منصة التدريبمشتركون
  • مقدمة واكتشاف الشبكات العصبونية التكراريةالمشتركون
  • مقارنة تعقيد الشبكات العصبونية التكرارية والشبكات العصبونية الكلاسيكيةالمشتركون
  • تطبيق الشبكات العصبونية التكرارية على تحليل المشاعرالمشتركون
  • اكتشاف نماذج التسلسل إلى تسلسلالمشتركون
  • فهم مبادئ نمذجة اللغةالمشتركون
  • استكشاف خصائص البيانات النصيةأنت هنا
  • إعداد النصوص لمعالجتها بواسطة نموذجالمشتركون
  • تكييف نصوص جديدة لاستخدامها مع النموذجالمشتركون
  • تنفيذ الشبكات العصبونية التكرارية باستخدام Kerasالمشتركون
  • بناء النماذج باستخدام Kerasالمشتركون
  • إعداد البيانات النصية باستخدام Kerasالمشتركون
  • بناء نموذجك الأول للشبكات العصبونية التكراريةالمشتركون
  • فهم ظاهرتي تلاشي التدرّج وانفجارهمشترك
  • تحديد أسباب انفجار التدرجاتمشترك
  • تحليل مشكلة تلاشي التدرجاتمشترك
  • اكتشاف خلايا GRU وLSTMمشترك
  • مقارنة خلايا GRU بشبكات RNN البسيطةمشترك
  • دمج عدة طبقات RNNمشترك
  • التعرف على طبقة التضمين (Embedding)مشترك
  • مقارنة النماذج وفقًا لعدد معاملاتهامشترك
  • الاستفادة من نقل التعلّم (Transfer Learning)مشترك
  • تحسين الأداء بفضل التضمينات (Embeddings)مشترك
  • العودة إلى تصنيف المشاعرمشترك
  • تحسين تصنيف المشاعرمشترك
  • دمج طبقة CNN في نماذج RNNمشترك
  • تحضير البيانات لتصنيف متعدد الفئاتمشترك
  • ترميز التسميات على شكل متجهاتمشترك
  • إعداد المعالجة الأولية للبياناتمشترك
  • اكتشاف التعلم بالنقل المطبّق على نماذج اللغةمشترك
  • إعداد نموذج للتعلم بالنقلمشترك
  • الاستفادة من Word2Vec لتمثيل الكلماتمشترك
  • بناء نماذج التصنيف متعدد الفئاتمشترك
  • استكشاف مجموعة البيانات 20 Newsgroupsمشترك
  • تصنيف المقالات الصحفية حسب الفئةمشترك
  • قياس أداء النموذجمشترك
  • تحليل التوازن بين الدقة والاستدعاءمشترك
  • الاختيار بين الدقة والاستدعاءمشترك
  • تقييم نموذج تصنيف متعدد الفئاتمشترك
  • اكتشاف نماذج تسلسل إلى تسلسلمشترك
  • استكشاف توليد النصوص باستخدام نماذج تسلسل إلى تسلسلمشترك
  • اكتشاف الترجمة الآلية العصبيةمشترك
  • إنشاء دالة لتوليد النصوصمشترك
  • التنبؤ بالحرف التالي في تسلسلمشترك
  • توليد النصوص مع مراعاة السياقمشترك
  • ضبط الاحتمالات للتحكم في التوليدمشترك
  • استكشاف مناهج مختلفة لتوليد النصمشترك
  • إنشاء تمثيلات للجمل والتنبؤ بالأحرف التاليةمشترك
  • إعداد البيانات اللازمة للتدريبمشترك
  • بناء نموذج لتوليد النصمشترك
  • تطبيق الترجمة الآلية العصبيةمشترك
  • إعداد تسلسلات النص المدخلةمشترك
  • إعداد تسلسلات النص المخرجةمشترك
  • الترجمة الآلية من البرتغالية إلى الإنجليزيةمشترك
  • إنهاء التطبيق العملي لنماذج التسلسل إلى التسلسلمشترك
  • خاتمة الدورة التدريبيةمشترِكون
الدرس التالي

تحضير النصوص لمعالجتها بواسطة نموذج

عرض البرنامج أنشئ حسابًا للمتابعة