(Inggris) Recursive Neural Networks with Python: Hands-On Sequence Modeling

Data berurutan ada di sekitar kita, dari bahasa alami hingga deret waktu keuangan, namun jaringan saraf tradisional kesulitan memprosesnya. Kursus tertulis ini memandu Anda melalui dasar-dasar Jaringan Saraf Rekursif (RNN) menggunakan Python, memungkinkan Anda untuk memodelkan data yang berubah seiring waktu. Anda akan berpindah dari memahami konsep dasar jaringan saraf ke menulis kode Python yang bersih dan siap produksi untuk prediksi urutan. Dengan mempelajari penjelasan tertulis yang jelas dan mengeksekusi potongan kode langkah demi langkah, Anda akan mendapatkan kepercayaan diri untuk merancang, melatih, dan mengevaluasi model berulang. Apa yang Anda pelajari: Mengerti konsep pembelajaran mendalam dasar dan mekanik pemrosesan data berurutan; Bangun standar Recurrent Neural Networks (RNNs) dari nol untuk memahami kerja internal mereka; Implementasi jaringan Long Short-Term Memory (LSTM) dan Gated Recurrent Units (GRUs) untuk memecahkan masalah gradien menghilang; Terapkan Python modern Pembungkusan dan tip tip untuk menulis kode pembelajaran mendalam yang bersih dan dapat dipertahankan; Praktik pra-proses teks dan dataset deret waktu untuk tugas urutan-ke-urutan; Temukan bagaimana arsitektur berulang meletakkan dasar untuk model Transformer modern. Kursus ini dimulai dengan terminologi dasar, konsep matematika dasar, dan definisi dasar arsitektur sekuensial. Anda kemudian akan maju melalui pelajaran tertulis yang terstruktur, mengeksplorasi implementasi praktis menggunakan kerangka pembelajaran mendalam yang populer. Kursus ini dirancang untuk pemula dalam pembelajaran mendalam dan pemrogram Python yang ingin berspesialisasi dalam model urutan; tidak diperlukan pengalaman sebelumnya dengan jaringan saraf. Mulai membaca hari ini untuk membuka kekuatan pembelajaran mendasar berurutan dalam Python.