Modéliser le langage avec les réseaux de neurones récurrents (RNN) dans Keras
6 chapitres · 56 leçons
≈ 14 h
شهادة إتمام التكوين
قابل للتمويل من قِبل جهة عملك، حسب عرض الأسعار والفاتورة
أنشئ حسابك المجاني
13 درسًا مفتوحًا، دون الحاجة إلى بطاقة بنكية.
إنشاء حسابي
لدي حساب بالفعل
بياناتكم مستضافة في الاتحاد الأوروبي. سياسة الخصوصية
الوصف
كيف تسير الدورة التدريبية
كل درس نص منظّم، مدعَّم بأمثلة ومخططات، ويتبعه اختبار قصير يُصحَّح تلقائيًا. تتقدّم وفق وتيرتك، وتبقى ملاحظاتك مرتبطة بالدرس الذي دوّنتها فيه.
هل يناسبك هذا التنسيق؟
مشاهدة الدرس الأول13 درسًا مفتوحًا، دون بطاقة بنكية.
البرنامج التدريبي
6 chapitres, 56 leçons
- 2. Introduction et découverte des réseaux de neurones récurrentsمفتوح
- 2. Comparer la complexité des RNN et des réseaux de neurones classiquesمفتوح
- 2. Appliquer les RNN à l’analyse de sentimentمفتوح
- 2. Découvrir les modèles de séquence à séquenceمفتوح
- 2. Comprendre les principes de la modélisation du langageمفتوح
- 2. Explorer les caractéristiques des données textuellesمفتوح
- 2. Préparer les textes pour leur traitement par un modèleمفتوح
- 2. Adapter de nouveaux textes pour les utiliser avec le modèleمفتوح
- 2. Mettre en place des RNN avec Kerasمفتوح
- 2. Construire des modèles avec Kerasمفتوح
- 2. Préparer les données textuelles avec Kerasمفتوح
- 2. Construire votre premier modèle RNNمفتوح
- 3. Comprendre les phénomènes de disparition et d’explosion du gradientالمشتركون
- 3. Identifier les causes des gradients explosifsالمشتركون
- 3. Analyser le problème des gradients qui s’annulentالمشتركون
- 3. Découvrir les cellules GRU et LSTMالمشتركون
- 3. Comparer les cellules GRU aux RNN simplesالمشتركون
- 3. Combiner plusieurs couches RNNالمشتركون
- 3. Introduire la couche d’embeddingالمشتركون
- 3. Comparer les modèles selon leur nombre de paramètresالمشتركون
- 3. Exploiter le transfer learningالمشتركون
- 3. Améliorer les performances grâce aux embeddingsالمشتركون
- 3. Revenir sur la classification des sentimentsالمشتركون
- 3. Optimiser la classification des sentimentsالمشتركون
- 3. Intégrer une couche CNN aux modèles RNNالمشتركون
- 4. Préparer les données pour la classification multi-classeالمشتركون
- 4. Encoder les étiquettes sous forme de vecteursالمشتركون
- 4. Mettre en place le prétraitement des donnéesالمشتركون
- 4. Découvrir l’apprentissage par transfert appliqué aux modèles de langageالمشتركون
- 4. Préparer un modèle pour le transfert d’apprentissageالمشتركون
- 4. Exploiter Word2Vec pour représenter les motsالمشتركون
- 4. Construire des modèles de classification multi-classeالمشتركون
- 4. Explorer le jeu de données 20 Newsgroupsالمشتركون
- 4. Classer des articles de presse par catégorieالمشتركون
- 4. Mesurer les performances du modèleالمشتركون
- 4. Analyser l’équilibre entre précision et rappelالمشتركون
- 4. Choisir entre précision et rappelالمشتركون
- 4. Évaluer un modèle de classification multi-classeالمشتركون
- 5. Découvrir les modèles séquence à séquenceالمشتركون
- 5. Explorer la génération de texte avec des modèles séquence à séquenceالمشتركون
- 5. Découvrir la traduction automatique neuronaleالمشتركون
- 5. Mettre en place une fonction de génération de texteالمشتركون
- 5. Prédire le caractère suivant dans une séquenceالمشتركون
- 5. Générer du texte en tenant compte du contexteالمشتركون
- 5. Ajuster les probabilités pour contrôler la générationالمشتركون
- 5. Explorer différentes approches de génération de texteالمشتركون
- 5. Créer des représentations de phrases et prédire les caractères suivantsالمشتركون
- 5. Préparer les données nécessaires à l’entraînementالمشتركون
- 5. Construire un modèle de génération de texteالمشتركون
- 5. Appliquer la traduction automatique neuronaleالمشتركون
- 5. Préparer les séquences de texte en entréeالمشتركون
- 5. Préparer les séquences de texte en sortieالمشتركون
- 5. Traduire automatiquement du portugais vers l’anglaisالمشتركون
- 5. Terminer la mise en pratique des modèles séquence à séquenceالمشتركون
ما المشمول
كل ما يرافق الدروس
56 leçonsIllustrées d’exemples et de schémas.
اختبار قصير في كل درستصحيح فوري؛ لا يُحتسب إلا أفضل نتيجة لك.
ملاحظاتكالمدوّنة أثناء الدروس، ومتاحة حسب كل قسم.
أسئلة الدورةاطرحوها داخل الدرس: يجيب عنها الفريق والمتعلمون.
متابعة التقدمحسب كل قسم، مع نتائجكم في الاختبارات القصيرة.
شهادة قابلة للتحققشخصية، مع رمز فريد.
الوتيرة
Combien de temps, selon votre disponibilité
الوقت الذي يمكنني تخصيصه أسبوعيًا:
شهادة
ما الذي تحصلون عليه في نهاية الدورة
شهادة نجاحModéliser le langage avec les réseaux de neurones récurrents (RNN) dans Kerasصادرة باسمك
رمز فريدقابل للتحقق عبر الإنترنت
عندما ينتهي الدورة، تُسلَّم لك شهادة الحضور باسمك. ويتيح رمزها لأي مسؤول توظيف التحقق منها في بضع ثوانٍ.
هذه الشهادة ليست دبلومًا ولا شهادة مهنية معتمدة؛ بل هي دليل قابل للتحقق على أنك تابعت هذه الدورة واجتزتها بنجاح.
المؤلف
من يكتب هذه الدورة
فريق
فريق DATAGOZ
مدرّب · DATAGOZ
بيداغوجيا واضحة ومطبّقة، مع أمثلة ملموسة لتتعلّم بفعالية.
الأسئلة الشائعة
قبل أن تبدأ
لا توجد أي متطلبات مسبقة: تنطلق الدورة من الأساسيات.
طالما أن اشتراكك نشط. وإذا أوقفته، فستبقى تقدّمك وشهاداتك محفوظة.
شهادة متابعة صادرة عن DATAGOZ، باسم المتدرب، ويمكن التحقق منها عبر الإنترنت بواسطة رمزها. وهي ليست شهادة جامعية.
إمكانية الوصول. هل أنت من ذوي الإعاقة؟ اكتب إلى contact@datagoz.com: سندرس معك التعديلات الممكنة.
ابدأ هذه الدورة اليوم
13 درسًا مفتوحًا، دون بطاقة بنكية. سترى المستوى والأسلوب قبل أن تقرر.