|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/nlp-sequence-models-fr
课程评论：没有评论
课程名称：序列模型 课程概述：本课程将教您如何构建自然语言、音频及其他序列数据的模型。随着深度学习的发展，序列算法的表现显著提高，应用范围广泛，包括语音识别、音乐合成、聊天机器人、机器翻译、自然语言理解等。 您将能够： - 理解如何构建和训练递归神经网络（RNN）及其常用变种，如门控循环单元（GRU）和长短期记忆网络（LSTM）。 - 将序列模型应用于自然语言处理问题，包括文本合成。 - 将序列模型应用于音频应用，包括语音识别和音乐合成。 本课程是深度学习专项的第五门也是最后一门课程。deeplearning.ai与NVIDIA深度学习学院（DLI）合作，提供针对深度学习的机器翻译编程任务。学员将有机会构建一个行业相关的前沿深度学习项目。 课程大纲： 第一部分：递归神经网络 描述：了解递归神经网络，这种模型在时间序列数据上表现优异。您将探索多种变体，包括LSTM、GRU和双向RNN。 第二部分：序列模型与注意力机制 描述：通过注意力机制提升序列模型的性能。该算法将帮助模型理解在给定输入序列时应集中注意力的部分。此外，您还将学习语音识别和音频数据的处理方法。
Part: 1
Title:Réseaux neuronaux récurrents
Description:Découvrez les réseaux neuronaux récurrents. Ce type de modèle s’est avéré extrêmement performant sur les données temporelles. Il comporte plusieurs variantes, y compris les LSTM, les GRU et les RNN bidirectionnels, que vous allez découvrir dans cette section.
Part: 2
Title:Modèles de séquence et mécanisme d’attention
Description:Les modèles de séquence peuvent être améliorés à l’aide d’un mécanisme d’attention. Cet algorithme aidera votre modèle à comprendre où celui-ci doit focaliser son attention, compte tenu d’une séquence d’entrées. Cette semaine, vous apprendrez également à reconnaître la parole et à gérer les données audio.
Cette formation vous apprendra à construire des modèles pour le langage naturel, l’audio et les autres données de séquence. Grâce à l’apprentissage profond, les algorithmes de séquence fonctionnent beaucoup mieux qu’il y a deux ans ; nous disposons donc de nombreuses applications très intéressantes en matière de reconnaissance vocale, de synthèse musicale, de chatbots, de traduction automatique, de compréhension naturelle du langage, etc. Vous allez: - Comprendre comment construire et former des réseaux neuronaux récurrents (RNN) et des variantes couramment utilisées telles que les GRU et les LSTM. - Être capable d’appliquer des modèles de séquence à des problèmes de langage naturel, y compris la synthèse de texte. - Pouvoir appliquer des modèles de séquence à des applications audio, incluant la reconnaissance vocale et la synthèse musicale. C’est le cinquième et dernier cours de la spécialisation Apprentissage profond. deeplearning.ai travaille également en partenariat avec le NVIDIA Deep Learning Institute (DLI) dans le cours 5, Modèles de séquence, afin de fournir une affectation de programmation sur la traduction automatique avec l’apprentissage en profondeur. Vous aurez la possibilité de construire un projet d’apprentissage en profondeur avec un contenu de pointe, pertinent pour l’industrie.
