DATAGOZ
الكتالوج
المسار التعليمي
الأسعار
تسجيل الدخول
ابدأ مجانًا
Accueil
Cours
Modéliser le langage avec les réseaux de neurones récurrents (RNN) dans Keras
Préparer les données textuelles avec Keras
Chapitre 2 · Concevoir des modèles de langage avec les réseaux de neurones récurrents et Keras · leçon 12 sur 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
و
سياسة 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
Modéliser le langage avec les réseaux de neurones récurrents (RNN) dans Keras
short_training
6 chapitres · 56 leçons
ابدأ الدورة مجاناً
1. رسالة الترحيب
درس واحد
منصة التدريب
مشتركون
2. Concevoir des modèles de langage avec les réseaux de neurones récurrents et Keras
12 leçons
Introduction et découverte des réseaux de neurones récurrents
abonnés
Comparer la complexité des RNN et des réseaux de neurones classiques
abonnés
Appliquer les RNN à l’analyse de sentiment
abonnés
Découvrir les modèles de séquence à séquence
abonnés
Comprendre les principes de la modélisation du langage
abonnés
Explorer les caractéristiques des données textuelles
abonnés
Préparer les textes pour leur traitement par un modèle
abonnés
Adapter de nouveaux textes pour les utiliser avec le modèle
abonnés
Mettre en place des RNN avec Keras
abonnés
Construire des modèles avec Keras
abonnés
Préparer les données textuelles avec Keras
vous êtes ici
Construire votre premier modèle RNN
abonnés
3. Architecture et fonctionnement des réseaux de neurones récurrents
13 leçons
Comprendre les phénomènes de disparition et d’explosion du gradient
abonnés
Identifier les causes des gradients explosifs
abonnés
Analyser le problème des gradients qui s’annulent
abonnés
Découvrir les cellules GRU et LSTM
abonnés
Comparer les cellules GRU aux RNN simples
abonnés
Combiner plusieurs couches RNN
abonnés
Introduire la couche d’embedding
abonnés
Comparer les modèles selon leur nombre de paramètres
abonnés
Exploiter le transfer learning
abonnés
Améliorer les performances grâce aux embeddings
abonnés
Revenir sur la classification des sentiments
abonnés
Optimiser la classification des sentiments
abonnés
Intégrer une couche CNN aux modèles RNN
abonnés
4. Mettre en œuvre la classification multi-classe avec les RNN
13 leçons
Préparer les données pour la classification multi-classe
abonnés
Encoder les étiquettes sous forme de vecteurs
abonnés
Mettre en place le prétraitement des données
abonnés
Découvrir l’apprentissage par transfert appliqué aux modèles de langage
abonnés
Préparer un modèle pour le transfert d’apprentissage
abonnés
Exploiter Word2Vec pour représenter les mots
abonnés
Construire des modèles de classification multi-classe
abonnés
Explorer le jeu de données 20 Newsgroups
abonnés
Classer des articles de presse par catégorie
abonnés
Mesurer les performances du modèle
abonnés
Analyser l’équilibre entre précision et rappel
abonnés
Choisir entre précision et rappel
abonnés
Évaluer un modèle de classification multi-classe
abonnés
5. Construire des modèles séquence à séquence pour traiter le langage
16 leçons
Découvrir les modèles séquence à séquence
abonnés
Explorer la génération de texte avec des modèles séquence à séquence
abonnés
Découvrir la traduction automatique neuronale
abonnés
Mettre en place une fonction de génération de texte
abonnés
Prédire le caractère suivant dans une séquence
abonnés
Générer du texte en tenant compte du contexte
abonnés
Ajuster les probabilités pour contrôler la génération
abonnés
Explorer différentes approches de génération de texte
abonnés
Créer des représentations de phrases et prédire les caractères suivants
abonnés
Préparer les données nécessaires à l’entraînement
abonnés
Construire un modèle de génération de texte
abonnés
Appliquer la traduction automatique neuronale
abonnés
Préparer les séquences de texte en entrée
abonnés
Préparer les séquences de texte en sortie
abonnés
Traduire automatiquement du portugais vers l’anglais
abonnés
Terminer la mise en pratique des modèles séquence à séquence
abonnés
6. الخاتمة
1 درس
خاتمة الدورة التدريبية
مشترِكون
الدرس التالي
Construire votre premier modèle RNN
عرض البرنامج
أنشئ حسابًا للمتابعة