Si vous êtes un développeur de logiciels qui veut construire des algorithmes évolutifs alimentés par l'IA, vous devez comprendre comment utiliser les outils pour les construire. Cette spécialisation vous enseignera les meilleures pratiques pour utiliser TensorFlow, un framework open-source populaire pour l'apprentissage automatique. Dans le cours 3 de la spécialisation DeepLearning.IA TensorFlow Developer, vous construirez des systèmes de traitement du langage naturel à l'aide de TensorFlow. Vous apprendrez à traiter le texte, y compris la tokenisation et la représentation des phrases en tant que vecteurs, afin qu'elles puissent être introduites dans un réseau neurones. Vous apprendrez également à appliquer les RNN, les GRU et les LSTM dans TensorFlow. Enfin, vous aurez l'occasion d'entraîner un LSTM sur un texte existant pour créer une poésie originale ! Le cours Apprentissage automatique et la spécialisation Deep learning d'Andrew Ng enseignent les principes les plus importants et les plus fondamentaux de l'apprentissage automatique et de l'apprentissage profond. Cette nouvelle spécialisation DeepLearning.IA TensorFlow Developer vous apprend à utiliser TensorFlow pour mettre en œuvre ces principes afin que vous puissiez commencer à construire et à appliquer des modèles évolutifs à des problèmes du monde réel. Pour développer une compréhension plus approfondie du fonctionnement des réseaux de neurones, nous vous recommandons de suivre la spécialisation Deep learning.
Traitement automatique du langage naturel dans TensorFlow
Ce cours fait partie de Développeur DeepLearning.AI TensorFlow Certificat Professionnel
Instructeur : Laurence Moroney
145 529 déjà inscrits
(6,477 avis)
Expérience recommandée
Ce que vous apprendrez
Construire des systèmes de traitement du langage naturel avec TensorFlow
Traiter le texte, y compris la tokenisation et la représentation des phrases sous forme de vecteurs
Appliquer les RNN, GRU et LSTM dans TensorFlow
Entraînez des LSTM sur des textes existants pour créer des poèmes originaux et plus encore
Compétences que vous acquerrez
- Catégorie : RNN
- Catégorie : Tensorflow
- Catégorie : Apprentissage automatique
- Catégorie : Traitement du langage naturel (NLP)
- Catégorie : Vectorisation du texte
Détails à connaître
Ajouter à votre profil LinkedIn
4 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise en Apprentissage automatique
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable auprès de DeepLearning.AI
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 4 modules dans ce cours
La première étape de la compréhension des sentiments dans un texte, et en particulier de l'entraînement d'un réseau neuronal à cette fin, est la tokenisation de ce texte. Il s'agit de convertir le texte en valeurs numériques, un nombre représentant un mot ou un caractère. Cette semaine, vous découvrirez les API Tokenizer et pad_sequences dans TensorFlow et la manière dont elles peuvent être utilisées pour préparer et encoder du texte et des phrases afin de les préparer à l'entraînement de réseaux neuronaux !
Inclus
13 vidéos7 lectures1 devoir1 devoir de programmation3 laboratoires non notés
La semaine dernière, vous avez vu comment utiliser le tokenizer pour préparer votre texte à être utilisé par un réseau neuronal en convertissant les mots en jetons numériques et en séquençant les phrases à partir de ces jetons. Cette semaine, vous découvrirez les Embeddings, où ces jetons sont représentés sous forme de vecteurs dans un espace à haute dimension. Grâce aux Embeddings et aux exemples étiquetés, ces vecteurs peuvent être ajustés de manière à ce que les mots ayant une signification similaire aient une direction similaire dans l'espace vectoriel. Vous commencerez par étudier des critiques de films, en entraînant un réseau neuronal sur des textes étiquetés "positifs" ou "négatifs" et en déterminant quels mots d'une phrase sont porteurs de ces significations.
Inclus
12 vidéos4 lectures1 devoir1 devoir de programmation3 laboratoires non notés
Au cours des deux dernières semaines, vous avez commencé par étudier la tokenisation des mots pour en tirer des valeurs numériques, puis vous avez utilisé les emboîtements pour regrouper les mots de même sens en fonction de la façon dont ils ont été étiquetés. Cela vous a permis d'obtenir une analyse de sentiment satisfaisante, mais approximative : des mots tels que "amusant" et "divertissant" peuvent apparaître dans une critique de film positive, tandis que "ennuyeux" et "terne" peuvent apparaître dans une critique négative. Mais le sentiment peut également être déterminé par l'ordre d'apparition des mots. Par exemple, vous pourriez avoir "pas amusant", qui est bien sûr le contraire de "amusant". Cette semaine, vous allez commencer à creuser dans une variété de formats de modèles qui sont utilisés dans les modèles de formation pour comprendre le contexte dans la séquence !
Inclus
10 vidéos4 lectures1 devoir1 devoir de programmation6 laboratoires non notés
À partir de tout ce que vous avez appris en formant un réseau neuronal basé sur la PNL, nous avons pensé qu'il serait amusant de détourner la classification et d'utiliser vos connaissances pour la prédiction. À partir d'un corpus de mots, vous pourriez prédire le mot le plus susceptible de suivre un mot ou une phrase donné(e) et, une fois que vous y êtes parvenu(e), recommencer encore et encore. C'est dans cet esprit que vous allez construire cette semaine un générateur de poésie. Il a été formé avec les paroles de chansons traditionnelles irlandaises et peut être utilisé pour produire lui-même de beaux vers !
Inclus
14 vidéos5 lectures1 devoir1 devoir de programmation3 laboratoires non notés
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
DeepLearning.AI
DeepLearning.AI
Google Cloud
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 6477
6 477 avis
- 5 stars
72,88 %
- 4 stars
18,90 %
- 3 stars
5,60 %
- 2 stars
1,55 %
- 1 star
1,04 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours du certificat et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations. De là, vous pourrez l'imprimer ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.