ประมวลผลภาษาธรรมชาติด้วย RNN, Seq2Seq และ AttentionName

ข้อมูลข้อความมีอยู่ทุกที่ แต่การแปลงภาษาดิบให้เป็นคำตอบที่ฉลาดนั้น ต้องการสถาปัตยกรรมการเรียนรู้ลึกที่เฉพาะเจาะจง ความเข้าใจว่าเครื่องจักรประมวลผลลำดับ แปลภาษา และมุ่งเน้นไปที่คำหลัก นั้นเป็นสิ่งจำเป็น ในการสร้างภาษาอัจฉริยะสมัยใหม่ ในวิชานี้ คุณจะเรียนรู้การสร้างโมเดลการแปลภาษาด้วยโปรแกรมภาษาไพธอน ด้วยการแยกความหมายและฝึกฝนการสร้างระบบการแปลภาษาด้วยโปรแกรมคอมพิวเตอร์, เครื่องมือจัดหมวดหมู่ข้อความ, และโมเดลการตอบคำถามพื้นฐาน คุณจะเรียนรู้อะไร - เข้าใจหลักการพื้นฐานของ NLP, การฝังคำ, และเทคนิคการประมวลผลข้อความก่อน - สร้างเครือข่ายประสาทแบบซ้ำ (RNNs) และเครือข่ายสองทิศทางสำหรับโมเดลลำดับ - ใช้สถาปัตยกรรม sequence-to-sequence (seq2seq) สำหรับการแปลภาษา - ใช้กลไกการสังเกตเพื่อช่วยให้โมเดลมุ่งเน้นไปที่ส่วนที่เกี่ยวข้องของข้อความที่ป้อน - สำรวจแนวคิดของการเปลี่ยนรูปแบบใหม่ และพื้นฐานของการฝังตัวของเวกเตอร์ - ปรับแต่งแบบจำลองการจัดประเภทข้อความสำหรับวิเคราะห์ความรู้สึกและตรวจจับจดหมายปลอมโดยใช้ TensorFlow และ Keras เริ่มต้นด้วยคำศัพท์พื้นฐาน พื้นฐานทางคณิตศาสตร์ของคำเวกเตอร์ และชั้นพื้นฐานที่เกิดขึ้นซ้ำๆ หลักสูตรนี้ถูกออกแบบมาสำหรับนักวิทยาศาสตร์ข้อมูล, นักพัฒนา และผู้ที่ชื่นชอบ AI ที่จะเข้าใจการทำงานภายในของโมเดลภาษา ความคุ้นเคยพื้นฐานกับภาษาโปรแกรม Python จะช่วยได้มาก แต่ไม่จำเป็นต้องมีประสบการณ์การเรียนรู้ลึกก่อนหน้านี้ เริ่มอ่านวันนี้ เพื่อปลดล็อคพลังของ โมเดลการเรียนรู้ลึก