When will I have access to the lectures and assignments?

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

What will I get if I purchase the Certificate?

When you purchase a Certificate you get access to all course materials, including graded assignments. Upon completing the course, your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

النماذج المتعاقبة

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.

النماذج المتعاقبة

Instructeurs : Andrew Ng

Enseignant de premier plan

3 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

niveau Intermédiaire

Certaines connaissances prérequises

2 semaines à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

3 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

niveau Intermédiaire

Certaines connaissances prérequises

2 semaines à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

Compétences que vous acquerrez

Catégorie : Recurrent Neural Networks (RNNs)
Catégorie : Algorithms
Catégorie : Deep Learning
Catégorie : Artificial Neural Networks
Catégorie : Natural Language Processing

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

3 devoirs

Enseigné en Arabe

91%

of learners achieved a positive career outcome

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Il y a 3 modules dans ce cours

ستتعلم في هذا المساق كيفية إنشاء نماذج للغة الطبيعية والصوت وغيرها من البيانات المتعاقبة. بفضل التعلم العميق، تعمل خوارزميات التسلسل والتعاقب بشكل أفضل بكثير مما كانت عليه قبل عامين فقط مما يتيح العديد من التطبيقات المثيرة في التعرف على الكلام والتركيبات الموسيقية وروبوتات الدردشة والترجمة الآلية وفهم اللغة الطبيعية وغيرها من التطبيقات الأخرى.

سوف تتعلم كيفية: - فهم كيفية بناء وتدريب الشبكات العصبونية المتكررة (RNN) والمتغيرات الشائعة الاستخدام مثل GRUs والذاكرة طويلة المدى. - تطبيق نماذج التسلسل على المشاكل الطبيعية للغة بما في ذلك تركيب النص. - تطبيق نماذج التسلسل على التطبيقات الصوتية، بما في ذلك التعرف على الكلام والتركيبات الموسيقية. هذا هو المساق الخامس والأخير من تخصص التعلم العميق. تشاركdeeplearning.ai أيضًا مع مؤسسة نيفيديا للتعلم العميق في المساق الخامس، نماذج التسلسل، لتوفير مهمة برمجة على الترجمة الآلية مع التعلم العميق. سوف تتاح لك فرصة إنشاء مشروع تعلم عميق بمحتوى متطور وذو صلة بالعملية الصناعية.

Détails du module

تعلم المزيد حول الشبكات العصبونية المتكررة. لقد ثبت أن هذا النوع من النماذج يعمل بشكل جيد للغاية على البيانات الزمنية. تحتوي على العديد من المتغيرات بما في ذلك LSTMs وGRUs والشبكات العصبونية المتكررة ثنائية الاتجاه، والتي سنتعرف عليها في هذا الجزء.

Inclus

12 vidéos2 lectures1 devoir3 devoirs de programmation3 laboratoires non notés

12 vidéosTotal 112 minutes

لم النماذج المتعاقبة3 minutes
الرموز والتدوين9 minutes
نموذج الشبكات العصبونية المتكررة17 minutes
الانتشار الخلفي عبر الزمن6 minutes
أنواع مختلفة من الشبكات العصبونية المتكررة10 minutes
نموذج اللغة والتسلسل الناتج12 minutes
أخذ عينات روائية متعاقبة 9 minutes
إخفاء التدرجات مع الشبكات العصبونية المتكررة6 minutes
وحدة بوابة متكررة 17 minutes
الذاكرة طويلة – قصيرة الأمد10 minutes
الشبكة العصبونية المتكررة ثناية الاتجاه8 minutes
الشبكة العصبونية المتكررة العميقة5 minutes

2 lecturesTotal 2 minutes

وحدة بوابة متكررة *تصحي*1 minute
الذاكرة طويلة – قصيرة الأمد *تصحيح*1 minute

1 devoirTotal 30 minutes

الشبكات العصبونية المتكررة30 minutes

3 devoirs de programmation

بناء وتصميم شبكة عصبية متكررة – خطوة بخطوة0 minutes
قولبة مستوى لغة – الشخصية – في جزيرة الديناصورات (Dinosaur Island)0 minutes
الارتجال مع نماذج ذاكرة طويلة-قصيرة الأمد (LSTM)0 minutes

3 laboratoires non notésTotal 240 minutes

بناء وتصميم شبكة عصبية متكررة – خطوة بخطوة120 minutes
قولبة مستوى لغة – الشخصية – في جزيرة الديناصورات (Dinosaur Island)60 minutes
الارتجال مع نماذج ذاكرة طويلة-قصيرة الأمد (LSTM)60 minutes

تعتبر معالجة اللغة الطبيعية مع التعلم العميق مزيجًا مهمًا. باستخدام تمثيلات متجهات الكلمات وطبقات التضمين، يمكنك تدريب الشبكات العصبونية المتكررة بأداء متميز في مجموعة متنوعة من الصناعات. ومن أمثلة التطبيقات تحليل المشاعر والتعرف على الكيانات المسماة والترجمة الآلية

Inclus

10 vidéos1 lecture1 devoir2 devoirs de programmation2 laboratoires non notés

10 vidéosTotal 102 minutes

تمثيل الكلمات 10 minutes
استخدام كلمات التعارف9 minutes
خصائص كلمات التعارف12 minutes
مصفوفة التعارف6 minutes
تعلم كلمات التعارف10 minutes
الكلمة والمتجه13 minutes
العينات السلبية12 minutes
المتجهات العالمية لتمثيل الكلمات11 minutes
تصنيف المشاعر8 minutes
الحد من التحيز في كلمات التعارف11 minutes

1 lectureTotal 1 minute

المتجهات العالمية لتمثيل الكلمات *تصحيح*1 minute

1 devoirTotal 30 minutes

معالجة اللغة العصبونية وكلمات التعارف30 minutes

2 devoirs de programmation

المهام: العمليات على متجهات الكلمات – إزالة الحواف0 minutes
إموجيفي (Emojify)0 minutes

2 laboratoires non notésTotal 120 minutes

العمليات على متجهات الكلمات – إزالة الحواف60 minutes
إموجيفي (Emojify)60 minutes

يمكن زيادة القوالب المتتابعة باستخدام آلية الانتباه. ستساعد هذه الخوارزمية نموذجك على فهم المكان الذي يجب أن يركز فيه انتباهه في ضوء تسلسل المدخلات. ستتعرف هذا الأسبوع كذلك على التعرف على الكلام وكيفية التعامل مع البيانات الصوتية.