104學習精靈

RNN

RNN
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
循環神經網路(Recurrent neural network,簡稱RNN)是神經網路的一種。單純的RNN因為無法處理隨著遞歸,權重指數級爆炸或梯度消失問題,難以捕捉長期時間關聯;而結合不同的LSTM可以很好解決這個問題。
關於教室
關注人數 5 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
關於教室
關注人數 5 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
Hi~ 歡迎分享學習資源,有學習問題可匿名向Giver發問!
我要分享
我要提問

RNN 學習推薦

全部
影片
文章
緯育TibaMe

2023/09/20

錯過會後悔!AIGO補助通過,學AI影像辨識只需半價!
🎉萬眾矚目!TibaMe 再次通過AIGO補助計畫
資格符合者,政府幫你負擔💰半價學費💰
立即卡位👉https://bit.ly/48oIKM6
AI產品瑕疵檢測-應用CNN物件偵測實作班
🎯業界專業視角定義瑕疵影像分類,確認每個瑕疵影像邊緣
🎯以物件偵測找出瑕疵並標註範圍與各瑕疵類別比對
🎯AI 建模學習瑕疵類別與範圍
🎯以實際影像進行檢驗,比對模型辨識準確度與辨識位置
🎯紮實AI影像辨識建模的基本功
🎯了解各類經典AI模型、實作AI建模分析
💡提供最全面的學習服務
✅自由選擇現場或遠距離上課
✅課程全程錄影,課後無壓力複習
✅學不會?1年內免費複訓1次
✅贈送價值$3,600的 AI 線上課程
0 0 536 0

熱門精選

104學習精靈

產品

06/14 14:17

【限時限量】千元入手「前端」大神|新手指南課,前100位再贈100點Line Points
只有100位,先搶先贏,活動辦法如下:
-
(1)凡於2024年7月9日23:59前,於104課程中心付費購買「第一次就上手,前端工程新手指南」的前100名會員,即可獲贈100元Line Points點數回饋
-
『第一次就上手,前端工程新手指南』購課連結:
預購優惠中,輸入【FF50】不到千元!
-
(2)付款完成時間須是2024年7月9日23:59前,且無申請課程退款,始符合獲贈點數回饋的資格(符合資格者不再另行通知)
-
(3)符合上述資格的前100名會員,您的回饋點數將於2024年8月8日前,寄送至您填寫的e-mail電子郵件信箱
-
若資格已額滿,會於此貼文首段文字進行通知
如您有任何疑問,歡迎來信nabiservice@104.com.tw或致電02-2912-6104 分機8934
0 0 9324 0
104學習精靈精選課程
想提升職場競爭力?專業技能課程看起來👇
AI深度學習問答系統實作
自然語言處理(Natural Language Processing,NLP)是計算機科學以及人工智慧的子領域,專注在如何讓計算機處理並分析大量(人類的)自然語言數據。 NLP常見的挑戰有語音辨識、自然語言理解、機器翻譯、聊天機器人以及自然語言的生成,是近幾年成長最迅速的AI應用。本課程將帶領學員了解NLP自然語言處理的任務與流程、中文自然語言處理及常見的文字編碼方式,並透過深度學習演算法與進階語言模型實作,進而實現AI主題專案:Telegram飯店業問答系統。課程搭配軟體套件使用,兼具理論與實作面向,讓你對NLP有完整的概念。 推薦系統應用將會介紹常見的推薦系統應用(產品/平台),再以深入淺出的方式,說明推薦系統的經典演算法,以直觀的方式理解這些演算法的原理。 學習目標 1.了解NLP自然語言處理任務與流程,熟悉相關演算法。 2.學習NLP自然語言處理任務的文字探勘、句法分析、文本分類、資訊提取等。 3.了解深度學習RNN、LSTM、GRU、BERT模型的原理與運用方法。 4.瞭解問答系統(Question Answering System)之開發流程與要領。 5.了解推薦系統應用與推薦系統的經典演算法。 6.學會使用Tensorflow/Keras進行深層神經網路(DNN)實作 7.了解深度學習的原理及各種訓練技巧-Batch Normalization, Dropout, Early Stopping,… 課程大綱 NLP自然語言處理與問答系統 1.自然語言處理(N-gram) -資訊提取、句法分析、機器翻譯、問答系統等 資料來源 NLP自然語言處理 2.中文自然語言處理(jieba斷詞、停用詞) 3.編碼方式 -Bag of Words -TF-IDF -Word2Vec 4.深度學習模型 -RNN/LSTM -SEQ2SEQ+attention -HuggingFace BERT using tensorflow -HuggingFace BERT using pytorch 5.實例 -文章評論情緒分類 -中英文文字生成 -文字描述預測商品價格 6.專案: 在Telegram上建立Q&A問答系統 Telegram上建立Q&A問答系統 推薦系統 推薦系統的原理說明與實作練習 - 基於內容的的推薦 (Content-based Recommendation) - 基於用戶的協同過濾((User-Based Collaborative Filtering) - 基於物品的協同過濾 (Item-Based Collaborative Filtering) - 矩陣分解 (Matrix Factorization) - 實作練習:以iMDB電影推薦為例
艾鍗學院
AI深度學習問答系統實作
自然語言處理(Natural Language Processing,NLP)是計算機科學以及人工智慧的子領域,專注在如何讓計算機處理並分析大量(人類的)自然語言數據。 NLP常見的挑戰有語音辨識、自然語言理解、機器翻譯、聊天機器人以及自然語言的生成,是近幾年成長最迅速的AI應用。本課程將帶領學員了解NLP自然語言處理的任務與流程、中文自然語言處理及常見的文字編碼方式,並透過深度學習演算法與進階語言模型實作,進而實現AI主題專案:Telegram飯店業問答系統。課程搭配軟體套件使用,兼具理論與實作面向,讓你對NLP有完整的概念。 推薦系統應用將會介紹常見的推薦系統應用(產品/平台),再以深入淺出的方式,說明推薦系統的經典演算法,以直觀的方式理解這些演算法的原理。 學習目標 1.了解NLP自然語言處理任務與流程,熟悉相關演算法。 2.學習NLP自然語言處理任務的文字探勘、句法分析、文本分類、資訊提取等。 3.了解深度學習RNN、LSTM、GRU、BERT模型的原理與運用方法。 4.瞭解問答系統(Question Answering System)之開發流程與要領。 5.了解推薦系統應用與推薦系統的經典演算法。 6.學會使用Tensorflow/Keras進行深層神經網路(DNN)實作 7.了解深度學習的原理及各種訓練技巧-Batch Normalization, Dropout, Early Stopping,… 課程大綱 NLP自然語言處理與問答系統 1.自然語言處理(N-gram) -資訊提取、句法分析、機器翻譯、問答系統等 資料來源 NLP自然語言處理 2.中文自然語言處理(jieba斷詞、停用詞) 3.編碼方式 -Bag of Words -TF-IDF -Word2Vec 4.深度學習模型 -RNN/LSTM -SEQ2SEQ+attention -HuggingFace BERT using tensorflow -HuggingFace BERT using pytorch 5.實例 -文章評論情緒分類 -中英文文字生成 -文字描述預測商品價格 6.專案: 在Telegram上建立Q&A問答系統 Telegram上建立Q&A問答系統 推薦系統 推薦系統的原理說明與實作練習 - 基於內容的的推薦 (Content-based Recommendation) - 基於用戶的協同過濾((User-Based Collaborative Filtering) - 基於物品的協同過濾 (Item-Based Collaborative Filtering) - 矩陣分解 (Matrix Factorization) - 實作練習:以iMDB電影推薦為例
艾鍗學院
學習精靈

12/05 00:00

5 0
緯育TibaMe

2022/08/24

成為YOLO深度學習物件偵測魔法師
#成為YOLO深度學習物件偵測魔法師
7折預購 ➡️ https://bit.ly/3KhNNCC
在深度學習模型中,最被廣泛應用的就是物件偵測模型,其中最受歡迎的YOLO的各種衍生版本,這堂「深度學習影像辨識 | YOLO物件偵測全解析」課程,帶你完整掌握物件偵測應用與模型優化的理論與實作。
#4大學習目標
YOLO各版本優缺點解說,解析如何選擇最佳模型
運用物件偵測模型,解決特定產業應用問題
有系統地調整超參數,以提升辨識率
剖析如何修改模型,達到商業化級效能
#一次學會所有YOLO模型
🔑YOLO v1:口罩偵測
🔑YOLO v2:偵測複數個形心位置相同的物體
🔑YOLO v3:實現Muti-Label車輛偵測
🔑YOLO v4:偵測血液中的紅血球、白血球與血小板
🔑YOLO v5:偵測鳥類並運用先驗知識濾除誤判
🔑比較YOLO X與其它模型的優勢
🔑最新版YOLO v7解析與應用實作
🔑實作物件偵測最重要的量化指標(AP與mAP)
🧑‍💼AI深度學習專家-林哲聰 老師
▲ AI智慧應用新世代人才培育計畫人才解題實證
▲ 影像處理與圖形識別學會博碩士論文獎博士論文
▲ 瑞典Chalmers University of Technology博士後研究員
相關影片
0 0 635 1
學習精靈

05/26 00:00

1 0

推薦給你

知識貓星球

喵星人

2小時前

掌握日文形容詞:い形容詞與な形容詞的全攻略,讓日文自學更簡單!
日文自學中,學習形容詞是重要的一環。本文將深入探討日文的い形容詞和な形容詞,包括它們的用法、肯定與否定形式,讓你快速掌握這些知識點。
▍什麼是い形容詞和な形容詞?
在日文中,形容詞分為兩大類:い形容詞(いけいようし)和な形容詞(なけいようし)。理解這兩類形容詞的使用方法是學習日文的重要步驟。
▍い形容詞(いけいようし)
い形容詞的結尾通常是「い」,並且可以直接修飾名詞或用於句末。
▍常見的い形容詞:
● 高い(たかい,昂貴的)
● 安い(やすい,便宜的)
● 大きい(おおきい,巨大的)
● 小さい(ちいさい,小的)
● 新しい(あたらしい,新的)
▍い形容詞的用法:
● 修飾名詞:高い山(たかいやま,高山)
● 句末使用:この山は高いです。(このやまはたかいです,這座山很高。)
▍い形容詞的肯定和否定形式
【肯定形式】
● 現在肯定:形容詞 + です
例:高いです。(たかいです,這個很貴。)
● 過去肯定:形容詞(去掉い) + かったです
例:高かったです。(たかかったです,這個很貴。)
【否定形式】
● 現在否定:形容詞(去掉い) + くないです / くありません
例:高くないです。(たかくないです,這個不貴。)
● 過去否定:形容詞(去掉い) + くなかったです / くありませんでした
例:高くありませんでした。(たかくありませんでした,這個以前不貴。)
▍な形容詞(なけいようし)
な形容詞通常不以「い」結尾,而是需要加上「な」來修飾名詞。在句末時,需要用「です」或「だ」來表示斷定。
▍常見的な形容詞:
● きれい(乾淨的、美麗的)
● 静か(しずか,安靜的)
● 有名(ゆうめい,有名的)
● 便利(べんり,方便的)
● 元気(げんき,健康的、有活力的)
▍な形容詞的用法:
● 修飾名詞:きれいな花(きれいなはな,美麗的花)
● 句末使用:この花はきれいです。(このはなはきれいです,這朵花很美。)
▍な形容詞的肯定和否定形式
【肯定形式】
● 現在肯定:形容詞 + です / だ
例:静かです。(しずかです,這裡很安靜。)
● 過去肯定:形容詞 + でした / だった
例:静かでした。(しずかでした,這裡以前很安靜。)
【否定形式】
● 現在否定:形容詞 + ではありません / じゃありません / ではない / じゃない
例:静かではありません。(しずかではありません,這裡不安靜。)
過去否定:形容詞 + ではありませんでした / じゃありませんでした / ではなかった / じゃなかった
● 例:静かじゃなかった。(しずかじゃなかった,這裡以前不安靜。)
掌握日文的い形容詞和な形容詞是日文學習中的基礎且重要的一步。希望本文能幫助你理解和運用這兩類形容詞,讓你的日文自學之路更加順暢。如果有更多問題,歡迎留言討論!
➤ 歡迎在104學習精靈關注【自學日語之路,一起考過日檢吧 🌱】讓你的日語學習之路更加順利!
0 0 51 0
你可能感興趣的教室