شبکه‌های عصبی بازگشتی (RNN) برای مدل‌سازی زبان با Keras

یادگیری چگونگی استفاده از مدل‌سازی RNN در پایتون

در این دوره، شما یاد خواهید گرفت که چگونه از شبکه‌های عصبی بازگشتی برای طبقه‌بندی متن (باینری و چندکلاسه)، تولید عبارت‌ها و ترجمه جملات پرتغالی به انگلیسی استفاده کنید.

مدل‌های یادگیری ماشین بر اساس مقادیر عددی برای انجام پیش‌بینی‌ها و طبقه‌بندی‌ها هستند، اما کامپیوترها چگونه می‌توانند با داده‌ متنی کار کنند؟ با افزایش عظیم داده‌ متنی در دسترس، کاربردهایی مانند طبقه‌بندی خودکار اسناد، تولید متن و ترجمه ماشینی عصبی امکان‌پذیر شده‌اند. در اینجا، شما یاد خواهید گرفت که چگونه RNNها در یادگیری ماشین می‌توانند به این فرآیند کمک کنند.

کشف قدرت شبکه‌های عصبی بازگشتی

شما این دوره چهار ساعته را با نگاه به مبانی شبکه‌های عصبی بازگشتی شروع خواهید کرد. با بررسی در چگونگی جریان اطلاعات از طریق یک شبکه عصبی بازگشتی، شما از یک مدل RNN در Keras برای انجام طبقه‌بندی احساسات استفاده خواهید کرد.

همانطور که معماری RNN را با جزئیات بیشتر مرور می‌کنید، در مورد مشکلات گرادیان محو شونده و منفجر شونده و چگونگی تعبیه لایه‌ها در یک مدل زبانی یاد خواهید گرفت.

بررسی مدل‌های زبانی با داده‌ دنیای واقعی

با ساخت بر این دانش، شما کشف خواهید کرد که چگونه می‌توانید داده را برای یک کار طبقه‌بندی چندکلاسه آماده کنید و بررسی کنید که این کارها چگونه با طبقه‌بندی دودویی متفاوت هستند.

در نهایت، شما یاد خواهید گرفت که چگونه از مدل‌های RNN برای تولید متن و ترجمه ماشینی عصبی استفاده کنید. شما از دانش خود در مورد شبکه‌های عصبی بازگشتی برای بازتولید گفتار شلدون از سریال The Big Bang Theory و برای ترجمه عبارت‌های پرتغالی به انگلیسی استفاده خواهید کرد.

این دوره نگاهی عمیق به RNNها در یادگیری ماشین ارائه می‌دهد و دانش لازم برای ساختن مهارت‌های خود در این حوزه را به شما می‌دهد.