Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

DeepLearning.AI

시퀀스 모델

DeepLearning.AI via Coursera

Overview

딥 러닝 전문화의 다섯 번째 과정에서는 시퀀스 모델과 음성 인식, 음악 합성, 챗봇, 기계 번역, 자연어 처리(NLP) 등과 같은 흥미로운 애플리케이션에 익숙해질 것입니다. 이 과정을 이수하면 순환 신경망(RNN)과 GRU 및 LSTM과 같이 일반적으로 사용되는 변형을 구축 및 훈련하고, RNN을 문자 수준의 언어 모델링에 적용하며, 자연어 처리 및 단어 임베딩에 대한 경험을 얻을 수 있으며, HuggingFace 토크나이저 및 트랜스포머 모델을 사용하여 NER 및 질문에 답하기 같은 다양한 NLP 작업을 해결합니다. 딥 러닝 전문화 과정은 딥 러닝의 기능, 과제 및 결과를 이해하고 최첨단 AI 기술의 개발에 참여할 준비를 하는 데 도움이 되는 기본 프로그램입니다. 경력을 쌓기 위한 지식과 기술을 습득할 수 있도록 도와줌으로써 AI 세계에서 최종적인 단계를 맡을 수 있는 길을 제공합니다.

Syllabus

  • 순환 신경망
    • LSTM, GRU 및 양방향 RNN을 포함하여 시계열 데이터에 뛰어난 성능을 보이는 모델 유형 및 여러 변형 및 순환 신경망 확인.
  • 자연어 처리 및 단어 임베딩
    • 자연어 처리의 딥 러닝는 가장 강력한 조합입니다. 단어 벡터 표현 및 임베딩 레이어를 사용하여 감정 분석, 명명된 엔터티 인식 및 신경망 기계 번역을 비롯한 다양한 애플리케이션에서 뛰어난 성능으로 순환 신경망을 훈련합니다.
  • 시퀀스 모델 및 주의 메커니즘
    • 입력 시퀀스가 주어졌을 때 모델이 주의를 집중할 위치를 결정하는 데 도움이 되는 알고리즘인 주의 메커니즘을 사용하여 시퀀스 모델을 보강합니다. 그런 다음 음성 인식과 오디오 데이터를 처리하는 방법을 살펴봅니다.
  • 트랜스포머 네트워크

Taught by

Nora Duong

Reviews

Start your review of 시퀀스 모델

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.