恭喜！

使用 Keras 建立語言模型的循環神經網路（RNN）

David Cecchini

Data Scientist

總結

• 語言任務導論：
  • 情感分類
  • 多類別分類
  • 文字生成
  • 神經機器翻譯
• 序列對序列模型
• 在 Keras 中實作

RNN 的陷阱與不同單元類型

• 梯度消失與爆炸問題
• GRU 與 LSTM 單元
• 詞向量與 Embedding 層
• 更佳的情感分析

多類別分類

• 資料準備
• 遷移學習
• Keras 模型
• 模型效能

文字生成與 NMT

• 文字生成
  • 以字元為權標
  • 資料準備
  • 生成模仿 Sheldon 的句子
• 神經機器翻譯
  • 以單詞為權標
  • 資料準備：編碼器與解碼器
  • 將葡萄牙文翻成英文

恭喜！！！

使用 Keras 建立語言模型的循環神經網路（RNN）