Prazos flexíveis

Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificado compartilhável
Ganhe um certificado após a conclusão
100% online
Comece instantaneamente e aprenda em sua própria programação.
Curso 3 de 4 no
Deeplearning.ai Tensorflow Developer
Nível intermediário
Você deve fazer os 2 primeiros cursos da especialização do Tensorflow e se sentir confortável em codificar em Python e entender a matemática no ensino médio.
Aproximadamente. 25 horas para concluir
Inglês
Legendas: árabe, francês, português (europeu), italiano, vietnamita, coreano, alemão, russo, inglês, espanhol, japonês

Laurence Moroney
Instrutor
Advogado da IA, Googlesyllabus – O que você aprenderá com este curso
Sentimento em texto
O primeiro passo para entender o sentimento no texto e, em particular, ao treinar uma rede neural para isso é a tokenização desse texto. Este é o processo de converter o texto em valores numéricos, com um número representando uma palavra ou um caractere. Nesta semana, você aprenderá sobre as APIs do Tokenizer e Pad_Sequences no Tensorflow e como elas podem ser usadas para preparar e codificar texto e frases para prepará -las para o treinamento de redes neurais!
Incorporação de palavras
Na semana passada, você viu como usar o tokenizer para preparar seu texto para ser usado por uma rede neural convertendo palavras em tokens numéricos e sequenciando frases desses tokens. Nesta semana, você aprenderá sobre incorporações, onde esses tokens são mapeados como vetores em um espaço de alta dimensão. Com incorporações e exemplos rotulados, esses vetores podem ser ajustados para que palavras com significado semelhante tenham uma direção semelhante no espaço vetorial. Isso começará o processo de treinamento de uma rede neural para entender o sentimento no texto – e você começará analisando críticas de filmes, treinando uma rede neural em textos rotulados como ‘positivos’ ou ‘negativos’ e determinando quais palavras em um sentença dirige esses significados.
Modelos de sequência
Nas últimas duas semanas, você examinou as palavras tokenizador para obter valores numéricos deles e depois usar incorporações para agrupar palavras de significado semelhante, dependendo de como elas foram rotuladas. Isso lhe deu uma análise boa, mas áspera e de sentimentos – palavras como ‘divertido’ e ‘entretenimento’ podem aparecer em uma resenha positiva de filmes, e ‘chato’ e ‘maçante’ podem aparecer em uma negativa. Mas o sentimento também pode ser determinado pela sequência em que as palavras aparecem. Por exemplo, você pode se divertir, o que é o oposto de ‘diversão’. Nesta semana, você começará a se aprofundar em uma variedade de formatos de modelo que são usados ​​em modelos de treinamento para entender o contexto em sequência!
Modelos de sequência e literatura
Levando tudo o que você aprendeu ao treinar uma rede neural baseada na PNL, pensamos que poderia ser um pouco divertido afastar as mesas da classificação e usar seu conhecimento para previsão. Dado um corpo de palavras, você pode prever a palavra com maior probabilidade de seguir uma determinada palavra ou frase, e depois de fazer isso, para fazê -lo novamente e novamente. Com isso em mente, nesta semana você construirá um gerador de poesia. É treinado com as letras das músicas irlandesas tradicionais e pode ser usado para produzir um belo verso próprio!