|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/nlp-sequence-models-ko
课程评论：没有评论
课程名称：序列模型 概述：在深度学习专业化的第五门课程中，您将熟悉序列模型及其在语音识别、音乐合成、聊天机器人、机器翻译和自然语言处理（NLP）等有趣应用中的应用。完成本课程后，您将能够构建和训练循环神经网络（RNN）及其常用变体，如GRU和LSTM，应用RNN于字符级语言建模，并获得在自然语言处理和词嵌入方面的经验。此外，您还将使用HuggingFace分词器和变换器模型解决诸如命名实体识别（NER）和问题回答等各种NLP任务。 深度学习专业化课程旨在帮助您理解深度学习的功能、挑战和结果，并为参与尖端AI技术的开发做好准备。课程将助您获得在AI领域担任高管所需的知识和技能，从而为职业发展铺平道路。 课程大纲： 1. 部分：循环神经网络 描述：介绍包括LSTM、GRU和双向RNN等在时间序列数据中表现优异的模型类型及多种变体。 2. 部分：自然语言处理与词嵌入 描述：深度学习在自然语言处理中的应用是极为强大的，利用词向量表示和嵌入层训练RNN，以杰出的性能实现情感分析、命名实体识别及神经机器翻译等多种应用。 3. 部分：序列模型与注意力机制 描述：通过使用注意力机制算法，增强序列模型，其中帮助模型决定在给定输入序列时集中注意力的位置。接着研究语音识别及音频数据处理的方法。 4. 部分：变换器网络 描述：内容待补充。 此课程将为您提供丰富的知识和实践经验，在深度学习领域开拓更广阔的职业前景。
Part: 1
Title:순환 신경망
Description:LSTM, GRU 및 양방향 RNN을 포함하여 시계열 데이터에 뛰어난 성능을 보이는 모델 유형 및 여러 변형 및 순환 신경망 확인.
Part: 2
Title:자연어 처리 및 단어 임베딩
Description:자연어 처리의 딥 러닝는 가장 강력한 조합입니다. 단어 벡터 표현 및 임베딩 레이어를 사용하여 감정 분석, 명명된 엔터티 인식 및 신경망 기계 번역을 비롯한 다양한 애플리케이션에서 뛰어난 성능으로 순환 신경망을 훈련합니다.
Part: 3
Title:시퀀스 모델 및 주의 메커니즘
Description:입력 시퀀스가 주어졌을 때 모델이 주의를 집중할 위치를 결정하는 데 도움이 되는 알고리즘인 주의 메커니즘을 사용하여 시퀀스 모델을 보강합니다. 그런 다음 음성 인식과 오디오 데이터를 처리하는 방법을 살펴봅니다.
Part: 4
Title:트랜스포머 네트워크
Description:
딥 러닝 전문화의 다섯 번째 과정에서는 시퀀스 모델과 음성 인식, 음악 합성, 챗봇, 기계 번역, 자연어 처리(NLP) 등과 같은 흥미로운 애플리케이션에 익숙해질 것입니다. 이 과정을 이수하면 순환 신경망(RNN)과 GRU 및 LSTM과 같이 일반적으로 사용되는 변형을 구축 및 훈련하고, RNN을 문자 수준의 언어 모델링에 적용하며, 자연어 처리 및 단어 임베딩에 대한 경험을 얻을 수 있으며, HuggingFace 토크나이저 및 트랜스포머 모델을 사용하여 NER 및 질문에 답하기 같은 다양한 NLP 작업을 해결합니다. 딥 러닝 전문화 과정은 딥 러닝의 기능, 과제 및 결과를 이해하고 최첨단 AI 기술의 개발에 참여할 준비를 하는 데 도움이 되는 기본 프로그램입니다. 경력을 쌓기 위한 지식과 기술을 습득할 수 있도록 도와줌으로써 AI 세계에서 최종적인 단계를 맡을 수 있는 길을 제공합니다.
