166件の評価
4,822人がすでに登録済みです
Build and train a bi-directional LSTM with Keras
Solve the Named Entity Recognition (NER) problem with LSTMs
In this 1-hour long project-based course, you will use the Keras API with TensorFlow as its backend to build and train a bidirectional LSTM neural network model to recognize named entities in text data. Named entity recognition models can be used to identify mentions of people, locations, organizations, etc. Named entity recognition is not only a standalone tool for information extraction, but it also an invaluable preprocessing step for many downstream natural language processing applications like machine translation, question answering, and text summarization. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and Keras pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Deep Learning
Machine Learning
Tensorflow
Long Short-Term Memory (ISTM)
keras
ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。
Project Overview and Import Modules
Load and Explore the NER Dataset
Retrieve Sentences and Corresponding Tags
Define Mappings between Sentences and Tags
Padding Input Sentences and Creating Train/Test Splits
Build and Compile a Bidirectional LSTM Model
Train the Model
Evaluate Named Entity Recognition Model
ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です
分割画面のビデオで、講師が手順ごとにガイドします
ASにより
2020年11月14日Really liked the structured approach. Helped me understand the steps involved in building a NER app
MMにより
2021年4月2日Great course! Gives you a solid understanding of NER.
YKにより
2021年6月18日End to End example of how to implement NLP NER in Keras using bi directional LSTM. Completed notebook can be found in the Coursera project resource page.
ARにより
2020年5月27日Explanations of functions and library used were a little less, otherwise a good course
ガイド付きプロジェクトを購入することによって、ガイド付きプロジェクトを完了するために必要なものすべてが得られます。これには、開始する必要のあるファイルとソフトウェアを含むWebブラウザを介したクラウドデスクトップワークスペースへのアクセスの他、専門家によるステップバイステップのビデオ講座が含まれます。
ワークスペースにはラップトップまたはデスクトップコンピューターに適したサイズのクラウドデスクトップが含まれているため、モバイル機器ではガイド付きプロジェクトを使用できません。
ガイド付きプロジェクトの講師は、プロジェクトのスキル、ツール、またはその分野での経験があり、知識を共有して世界中の何百万人もの受講生に影響を与えるたことに情熱を持つ専門家です。
ガイド付きプロジェクトから作成したファイルをダウンロードして保持できます。そのためには、クラウドデスクトップにアクセスしているときに「ファイルブラウザ」機能を使用できます。
ガイド付きプロジェクトは払い戻しの対象外です。すべての返金ポリシーを表示する。
ガイド付きプロジェクトには学費援助が利用できません。
ガイド付きプロジェクトでは監査を使用できません。
ページの上部で、このガイド付きプロジェクトの経験レベルを押して、知識の前提条件を表示できます。ガイド付きプロジェクトのすべてのレベルで、インストラクターがステップバイステップでご案内します。
はい。ガイド付きプロジェクトを完了するために必要なものはすべて、ブラウザで利用可能なクラウドデスクトップで利用できます。
分割画面環境でタスクをブラウザで直接完了することで学習できます。画面の左側で、ワークスペースでタスクを完了します。画面の右側で、講師がプロジェクトをステップごとにガイドします。
さらに質問がある場合は、受講者ヘルプセンターにアクセスしてください。
