Deep Learning for NLP

Maîtriser de manière avancée la librairie Keras et Tensorflow.

Utiliser le Word Embedding pour résoudre des problèmes supervisés.

Maîtriser, implémenter et entraîner le célèbre algorithme Word2vec.

Utiliser le Word Embedding pour traduire mot à mot un texte dans un autre langage.

Maîtriser et utiliser les modèles récurrents (LSTM, GRU) pour :

• Générer du texte dans le style Shakespeare.
• Classification sur un texte : prendre en compte la séquentialité de la phrase.

Allier les méthodes de Computer Vision et NLP pour faire la reconnaissance vocale :

• Utiliser un modèle convolutionnel pour faire de l’extraction de caractéristiques.
• Maîtriser et implémenter un réseau récurrent bidirectionnel.
• Traiter les problèmes alignements de données avec la fonction CTC.

Maîtriser et utiliser les modèles Seq2Seq pour des tâches de traduction.

Allier les vecteurs d’attentions avec les modèles Seq2Seq pour améliorer les performances du modèle.

Maîtriser et implémenter un simple transformer pour une tâche de traduction.

Maîtriser et utiliser le célèbre modèle de BERT pour une tâche de “Named Entity Recognition”.