À propos de ce cours

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.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Niveau intermédiaire

Approx. 16 heures pour terminer

Français

Compétences que vous acquerrez

Machine Translation
Word Embedding
Combination
Deep Learning

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Niveau intermédiaire

Approx. 16 heures pour terminer

Français

Enseignants

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

1

Semaine 1

6 heures pour terminer

Réseaux neuronaux récurrents

6 heures pour terminer

12 vidéos (Total 112 min), 2 lectures, 4 quiz

12 vidéos

Pourquoi les modèles de séquence2 min

Notation9 min

Modèle de réseau neuronal récurrent16 min

Rétro-propagation dans le temps6 min

Différents types de RNN9 min

Modèle de langage et génération de séquence12 min

Échantillonnage de nouvelles séquences8 min

Disparition de gradient dans un RNN6 min

Unité récurrente à porte (GRU)17 min

Mémoire longue à court terme (LSTM)9 min

RNN bidirectionnel8 min

RNN profonds5 min

2 lectures

Unité récurrente à porte (GRU) *CORRECTION*1 min

Mémoire longue à court terme (LSTM) *CORRECTION*1 min

1 exercice pour s'entraîner

Réseaux neuronaux récurrents30 min

Semaine

2

Semaine 2

4 heures pour terminer

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.

4 heures pour terminer

10 vidéos (Total 102 min), 1 lecture, 3 quiz

10 vidéos

Représentation de mots10 min

Utilisation des prolongements lexicaux9 min

Propriétés des prolongements lexicaux11 min

Matrice de prolongement5 min

Apprendre les prolongements lexicaux10 min

Word2Vec12 min

Échantillonnage négatif11 min

Vecteurs de mots GloVe11 min

Classification des sentiments7 min

Débiaiser des prolongements lexicaux11 min

1 lecture

Vecteurs de mots GloVe *CORRECTION*1 min

1 exercice pour s'entraîner

Traitement automatique du langage naturel et prolongements lexicaux30 min

5 heures pour terminer