Modèles de séquence from Coursera

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.

What's inside

Syllabus

Réseaux neuronaux récurrents

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.

Traitement automatique du langage naturel et prolongements lexicaux

Le traitement du langage naturel avec l'apprentissage profond est une combinaison importante. En utilisant des représentations de vecteurs de mots et des couches de prolongements, vous pouvez former des réseaux neuronaux récurrents avec des performances exceptionnelles, dans une grande variété de secteurs. Des exemples d’applications sont l’analyse de sentiments, la reconnaissance d’entités nommées et la traduction automatique.

Modèles de séquence et mécanisme d’attention

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.

Good to know

Know what's good

, what to watch for

, and possible dealbreakers

Développe les modèles de séquence, qui sont essentiels pour traiter des données audio et linguistiques

Enseigne les réseaux neuronaux récurrents, notamment les LSTM et les GRU, qui sont très efficaces pour les données temporelles

Fournit des affectations de programmation pratique sur la traduction automatique avec l'apprentissage en profondeur

S'appuie sur des représentations de vecteurs de mots et des couches de prolongements pour optimiser le traitement du langage naturel

Intègre un mécanisme d'attention pour améliorer la compréhension des modèles de séquence

Nécessite des connaissances préalables en apprentissage profond

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in Modèles de séquence with these activities:

Suivre des tutoriels sur les réseaux neuronaux récurrents

Show steps

Les tutoriels pratiques vous aideront à approfondir votre compréhension des réseaux neuronaux récurrents et à acquérir de l'expérience pratique.

Browse courses on GRU

Show steps

Trouver des tutoriels en ligne ou des cours sur les réseaux neuronaux récurrents.
Suivre les tutoriels étape par étape et mettre en œuvre les concepts dans votre propre environnement de codage.
Expérimenter avec différents paramètres et architectures de réseau.

Participer à des sessions d'étude de groupe

Show steps

Discuter des concepts avec des pairs et partager des connaissances peut renforcer la compréhension et identifier les points faibles.

Show steps

Rejoindre ou créer un groupe d'étude avec d'autres étudiants du cours.
Participer activement aux discussions, en posant des questions et en partageant des idées.

Compiler une collection de ressources sur les modèles de séquence

Show steps

Rassembler des ressources pertinentes peut fournir une référence précieuse pour une étude plus approfondie et une révision future.

Show steps

Collecter des articles de recherche, des tutoriels, des exemples de code et d'autres ressources sur les modèles de séquence.
Organiser et documenter les ressources de manière accessible.

One other activity

Expand to see all activities and additional details

Show all four activities

Contribuer à des projets open source liés aux modèles de séquence

Show steps

Contribuer à des projets open source peut vous exposer à des pratiques industrielles, étendre vos connaissances et améliorer vos compétences de collaboration.

Show steps

Trouver des dépôts GitHub ou des projets d'apprentissage profond liés aux modèles de séquence.
Identifier les moyens de contribuer, tels que la correction de bogues, la documentation ou l'ajout de fonctionnalités.
Collaborer avec d'autres contributeurs et maintenir des normes de codage.

Career center

Learners who complete Modèles de séquence will develop knowledge and skills that may be useful to these careers:

NLP Engineer

NLP Engineers develop and maintain cutting-edge technology for natural language processing, working to improve communication between computers and humans. The course will help you build a great foundation for this career by helping you build a strong understanding of foundational concepts in NLP, such as recurrent neural networks, word vector representations, and attention mechanisms. These concepts are all essential for developing the next generation of NLP applications.

See salaries and explore the career path for NLP Engineer

Machine Learning Engineer

Machine Learning Engineers develop and maintain machine learning models, working to improve the accuracy and efficiency of these models. The course will introduce you to foundational concepts in machine learning, such as recurrent neural networks, word vector representations, and attention mechanisms. These concepts are all essential for developing the next generation of machine learning models.

See salaries and explore the career path for Machine Learning Engineer

Data Scientist

Data Scientists use their expertise in statistics and programming to analyze data and extract meaningful insights. This course offers a strong introduction to topics like recurrent neural networks, word vector representations, and attention mechanisms, which are highly relevant to data science. Working with these topics can help you build a better foundation in data science.

See salaries and explore the career path for Data Scientist

Natural Language Processing Researcher

Natural Language Processing Researchers develop new methods for processing and understanding natural language. This course will provide you with a number of valuable skills for this career, including experience with recurrent neural networks, word vector representations, and attention mechanisms. These concepts are at the forefront of NLP research, so you'll gain an edge over other candidates by learning about them.

See salaries and explore the career path for Natural Language Processing Researcher

Speech Recognition Engineer

Speech Recognition Engineers develop and maintain speech recognition systems, working to improve the accuracy and efficiency of these systems. This course will help you build a great foundation for this career by helping you build a strong understanding of foundational concepts in speech recognition, such as recurrent neural networks, word vector representations, and attention mechanisms. These concepts are all essential for developing the next generation of speech recognition systems.

See salaries and explore the career path for Speech Recognition Engineer

Software Engineer

Software Engineers design, develop, and maintain software applications. This course will provide you with a number of valuable skills for this career, including experience with recurrent neural networks, word vector representations, and attention mechanisms. These concepts are being increasingly used in software development, so you'll gain an edge over other candidates by learning about them.

See salaries and explore the career path for Software Engineer

Computational Linguist

Computational Linguists use their expertise in linguistics and computer science to develop new methods for processing and understanding natural language. This course may be useful for this career path, as it will introduce you to a number of relevant concepts, including recurrent neural networks, word vector representations, and attention mechanisms.

See salaries and explore the career path for Computational Linguist

Machine Learning Researcher

Machine Learning Researchers develop new methods for machine learning. This course may be useful for this career path, as it will introduce you to a number of relevant concepts, including recurrent neural networks, word vector representations, and attention mechanisms.

See salaries and explore the career path for Machine Learning Researcher

Data Analyst

Data Analysts use their expertise in statistics and programming to analyze data and extract meaningful insights. This course may be useful for this career path, as it will introduce you to a number of relevant concepts, including recurrent neural networks, word vector representations, and attention mechanisms.

See salaries and explore the career path for Data Analyst

Artificial Intelligence Engineer

Artificial Intelligence Engineers develop and maintain artificial intelligence systems. This course may be useful for this career path, as it will introduce you to a number of relevant concepts, including recurrent neural networks, word vector representations, and attention mechanisms.

See salaries and explore the career path for Artificial Intelligence Engineer

Business Analyst

Business Analysts use their expertise in business and data analysis to identify and solve business problems. This course may be useful for this career path, as it will introduce you to a number of relevant concepts, including recurrent neural networks, word vector representations, and attention mechanisms.

See salaries and explore the career path for Business Analyst

Project Manager

Project Managers plan and execute projects. This course may be useful for this career path, as it will introduce you to a number of relevant concepts, including recurrent neural networks, word vector representations, and attention mechanisms.

See salaries and explore the career path for Project Manager

Product Manager

Product Managers develop and manage products. This course may be useful for this career path, as it will introduce you to a number of relevant concepts, including recurrent neural networks, word vector representations, and attention mechanisms.

See salaries and explore the career path for Product Manager

Technical Writer

Technical Writers create and maintain technical documentation. This course may be useful for this career path, as it will introduce you to a number of relevant concepts, including recurrent neural networks, word vector representations, and attention mechanisms.

See salaries and explore the career path for Technical Writer

Teacher

Teachers educate students in a variety of subjects. This course may be useful for this career path, as it will introduce you to a number of relevant concepts, including recurrent neural networks, word vector representations, and attention mechanisms.

See salaries and explore the career path for Teacher

Modèles de séquence

Three deals to help you save

What's inside

Syllabus

Good to know

Save this course

Activities

Career center

Reading list

Share

Similar courses