Modèles de séquence
About this course
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.
79/100
CourseAsk score
- What the provider tells you
- 32/45
- Who stands behind it
- 35/35
- How complete the listing is
- 12/20
Scores how much the provider publishes and who stands behind it — not how well it is taught.
What you'll learn
- Understand how to build and train recurrent neural networks (RNNs)
- Apply sequence models to natural language processing problems, including text synthesis
- Utilize sequence models for audio applications such as speech recognition and music synthesis
Price shown by Coursera — confirm on their site.
Enroll on CourseraYou'll be redirected to Coursera to complete enrollment.
- Listed & compared by CourseAsk
- English · 0
Coursera
Udemy
