Présentation du traitement en langage naturel avec TensorFlow
Débutant
Data Scientist
Développeur
Étudiant
Azure Machine Learning
Dans ce module, nous explorons différentes architectures de réseau neuronal pour traiter les textes en langage naturel. Le traitement du langage naturel (TLN) a connu une croissance et des progrès rapides, principalement parce que les performances des modèles de langage dépendent de leur capacité globale à « comprendre » le texte et peuvent être entraînées à l'aide d'une technique non supervisée sur de grands corpus de textes. En outre, les modèles de texte préentraînés (tels que BERT) ont simplifié de nombreuses tâches de NLP et ont considérablement amélioré les performances. Nous en apprenons davantage sur ces techniques et les principes de base de NLP dans ce module d’apprentissage.
Objectifs d’apprentissage
Dans ce module, vous allez :
- Comprendre comment le texte est traité pour les tâches de traitement du langage naturel
- Découvrez les réseaux neuronaux récurrents (RNN) et les réseaux neuronaux génératifs (GNN)
- En savoir plus sur les mécanismes d’attention
- Découvrez comment créer des modèles de classification de texte
Prérequis
- Connaissance élémentaire de Python
- Notions de base sur le Machine Learning