Plan du cours
Introduction à Deep Learning pour la PNL
Différencier les différents types de modèles DL
Utiliser des modèles pré-entraînés ou entraînés
Utilisation de l'intégration de mots et de l'analyse des sentiments pour extraire le sens du texte
Comment fonctionne le mode non supervisé Deep Learning
Installation et configuration Python Bibliothèques Deep Learning
Utilisation de la bibliothèque Keras DL au-dessus de TensorFlow pour permettre à Python de créer des légendes
Travailler avec Theano (bibliothèque de calcul numérique) et TensorFlow (bibliothèque générale et linguistique) pour les utiliser comme bibliothèques DL étendues dans le but de créer des sous-titres.
Utiliser Keras au-dessus de TensorFlow ou Theano pour expérimenter rapidement le Deep Learning
Création d'une simple application Deep Learning dans TensorFlow pour ajouter des légendes à une collection d'images
Dépannage
Un mot sur les autres frameworks DL (spécialisés)
Déployer votre application DL
Utiliser GPUs pour accélérer DL
Remarques finales
Pré requis
- Une compréhension de la Python programmation
- Une compréhension des Python bibliothèques en général
Public
- Programmeurs intéressés par la linguistique
- Programmeurs qui cherchent à comprendre le NLP (Natural Language Processing)
Nos Clients témoignent (2)
Les exercices et les échanges lors de questions / réponses
Antoine - Physiobotic
Formation - Scaling Data Pipelines with Spark NLP
Very updated approach or api (tensorflow, kera, tflearn) to do machine learning