RNN - Recurrent neural networks

Thème : Deep Learning
20 heures
Data Scientist

Les RNN sont utiles pour traiter les données qui sont séquentielles : comme les vidéos (images les unes après les autres) ou les données textuelles (mots les uns après les autres). Les tâches typiques des RNN sont de prédire le mot (ou bien caractère ou phrase) suivant(e) en fonction d'un mot (ou d'un caractère ou d'une phrase). À la fin de ce tutoriel, vous serez familier avec Reccurent Neural Networks. L'accent sera mis sur une approche pratique avec la construction d'un modèle de langage basé sur les caractères sur le corpus de Sherlock-Holme

Compétences acquises

- Connaître l'architecture et les subtilités d'un réseau de neurone récurrent, une clé du deep learning

- Créer un modèle de langage

- Utiliser un modèle pré-entraîné et les méthode de Transfer Learning très appréciées en deep learning

Exemple de mise en pratique

- Génération automatique de texte en reprenant un style prédéfini : tweeter comme Donald Trump , écrire un paragraphe comme Shakespeare etc ...

Fermer le menu