Einführung
Es ist nicht einfach, neuronale Netze zu erstellen. Selbst mithilfe verbreiteter Bibliotheken wie dem Microsoft Cognitive Toolkit und TensorFlow sind häufig Hunderte Codezeilen nötig, um ein einsatzbereites neuronales Netz zu entwickeln. Das ist einer der Gründe, aus denen Keras in der Deep Learning-Community immer beliebter wurde. Keras ist eine Open Source-Bibliothek auf Python-Basis, die das Erstellen neuronaler Netz erheblich vereinfacht. Im Hintergrund verwendet Keras hauptsächlich das Microsoft Cognitive Toolkit, TensorFlow oder Theano. Mit Keras können Sie komplexe neuronale Netze mit nur wenigen Dutzend Codezeilen erstellen und diese für das Klassifizieren von Bildern, das Analysieren der Stimmung in Texten, die Verarbeitung natürlicher Sprache und andere Tasks einsetzen, für die Deep Learning optimal geeignet ist.
In diesem Modul verwenden Sie Keras, um ein neuronales Netz zu erstellen, das die Stimmung von Texten bewertet. Eine Eingabe wie „Great service, and some of the best sushi I've ever tasted“ (Hervorragendes Sushi, mit das beste Sushi, das ich je gegessen habe) wird eine Bewertung von fast 1.0 erhalten, die eine positive Stimmung angibt. Eine Eingabe wie „The food was bland and the service was terrible“ (Das Essen war fad und der Service unterirdisch) wird jedoch eine Bewertung von fast 0.0 erhalten. Solche Systeme werden heute häufig verwendet, um in Twitter, Yelp und anderen sozialen Netzwerken die Stimmung in Bezug auf Unternehmen und Anwärter auf politische Ämter zu überwachen. Sie können Keras in einem Jupyter-Notebook einsetzen, das in Azure Notebooks gehostet wird. So können Sie die Einrichtung und Konfiguration auf ein Minimum reduzieren, da Keras, TensorFlow und andere benötigte Bibliotheken bereits vorinstalliert ist.
Lernziele
In diesem Modul lernen Sie Folgendes:
- Das Erstellen eines Jupyter-Notebooks in Azure Notebooks
- Wie Sie Keras einsetzen können, um ein neuronales Netz für die Analyse von Stimmungen zu erstellen und zu trainieren
- Wie Sie das neuronale Netz für die Analyse der Stimmung eines Texts einsetzen können