This lesson is part of the course
Modeling Language with Recurrent Neural Networks (RNN) in Keras
short_training6 chapitres · 56 leçons
1. Welcome message1 lesson
The training platformsubscribers
2. Concevoir des modèles de langage avec les réseaux de neurones récurrents et Keras12 leçons
Introduction et découverte des réseaux de neurones récurrentsabonnés Comparer la complexité des RNN et des réseaux de neurones classiquesabonnés Appliquer les RNN à l’analyse de sentimentabonnés Découvrir les modèles de séquence à séquenceabonnés Comprendre les principes de la modélisation du langageabonnés Explorer les caractéristiques des données textuellesabonnés Préparer les textes pour leur traitement par un modèleabonnés Adapter de nouveaux textes pour les utiliser avec le modèlevous êtes ici Mettre en place des RNN avec Kerasabonnés Construire des modèles avec Kerasabonnés Préparer les données textuelles avec Kerasabonnés Construire votre premier modèle RNNabonnés
3. Architecture et fonctionnement des réseaux de neurones récurrents13 leçons
Comprendre les phénomènes de disparition et d’explosion du gradientabonnés Identifier les causes des gradients explosifsabonnés Analyser le problème des gradients qui s’annulentabonnés Découvrir les cellules GRU et LSTMabonnés Comparer les cellules GRU aux RNN simplesabonnés Combiner plusieurs couches RNNabonnés Introduire la couche d’embeddingabonnés Comparer les modèles selon leur nombre de paramètresabonnés Exploiter le transfer learningabonnés Améliorer les performances grâce aux embeddingsabonnés Revenir sur la classification des sentimentsabonnés Optimiser la classification des sentimentsabonnés Intégrer une couche CNN aux modèles RNNabonnés
4. Mettre en œuvre la classification multi-classe avec les RNN13 leçons
Préparer les données pour la classification multi-classeabonnés Encoder les étiquettes sous forme de vecteursabonnés Mettre en place le prétraitement des donnéesabonnés Découvrir l’apprentissage par transfert appliqué aux modèles de langageabonnés Préparer un modèle pour le transfert d’apprentissageabonnés Exploiter Word2Vec pour représenter les motsabonnés Construire des modèles de classification multi-classeabonnés Explorer le jeu de données 20 Newsgroupsabonnés Classer des articles de presse par catégorieabonnés Mesurer les performances du modèleabonnés Analyser l’équilibre entre précision et rappelabonnés Choisir entre précision et rappelabonnés Évaluer un modèle de classification multi-classeabonnés
5. Construire des modèles séquence à séquence pour traiter le langage16 leçons
Découvrir les modèles séquence à séquenceabonnés Explorer la génération de texte avec des modèles séquence à séquenceabonnés Découvrir la traduction automatique neuronaleabonnés Mettre en place une fonction de génération de texteabonnés Prédire le caractère suivant dans une séquenceabonnés Générer du texte en tenant compte du contexteabonnés Ajuster les probabilités pour contrôler la générationabonnés Explorer différentes approches de génération de texteabonnés Créer des représentations de phrases et prédire les caractères suivantsabonnés Préparer les données nécessaires à l’entraînementabonnés Construire un modèle de génération de texteabonnés Appliquer la traduction automatique neuronaleabonnés Préparer les séquences de texte en entréeabonnés Préparer les séquences de texte en sortieabonnés Traduire automatiquement du portugais vers l’anglaisabonnés Terminer la mise en pratique des modèles séquence à séquenceabonnés
6. Conclusion1 lesson
Course conclusionsubscribers