Create a Superhero Name Generator with TensorFlow

4.8
estrelas

23 classificações

oferecido por
Neste Projeto guiado gratuito, você irá:

Natural language generation with a deep learning model

Using tokenizer in TensorFlow

Mostre essa experiência prática em uma entrevista

2 hours
Intermediário
Sem necessidade de download
Vídeo em tela dividida
Inglês
Apenas em desktop

In this guided project, we are going to create a neural network and train it on a small dataset of superhero names to learn to generate similar names. The dataset has over 9000 names of superheroes, supervillains and other fictional characters from a number of different comic books, TV shows and movies. Text generation is a common natural language processing task. We will create a character level language model that will predict the next character for a given input sequence. In order to get a new predicted superhero name, we will need to give our model a seed input - this can be a single character or a sequence of characters, and the model will then generate the next character that it predicts should after the input sequence. This character is then added to the seed input to create a new input, which is then used again to generate the next character, and so on. You will need prior programming experience in Python. Some experience with TensorFlow is recommended. This is a practical, hands on guided project for learners who already have theoretical understanding of Neural Networks, Recurrent Neural Networks, and optimization algorithms like gradient descent but want to understand how to use the TensorFlow to start performing natural language processing tasks like text classification or text generation. Note: 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.

Requisitos

Prior programming experience in Python. Conceptual understanding of Neural Networks. Prior experience with TensorFlow and Keras is recommended.

Habilidades que você desenvolverá

  • Natural Language Processing

  • Deep Learning

  • Machine Learning

  • Tensorflow

  • Natural Language Generation

Aprender passo a passo

Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:

  1. Introduction

  2. Data and Tokenizer

  3. Names and Sequences

  4. Creating Examples

  5. Training and Validation Sets

  6. Creating the Model

  7. Training the Model

  8. Generating Names

Como funcionam os projetos guiados

Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download

Em um vídeo de tela dividida, seu instrutor te orientará passo a passo

Avaliações

Principais avaliações do CREATE A SUPERHERO NAME GENERATOR WITH TENSORFLOW

Visualizar todas as avaliações

Perguntas Frequentes – FAQ

Como seu espaço de trabalho tem uma área de trabalho na nuvem dimensionada para notebooks e computadores desktop, os projetos guiados não estão disponíveis para dispositivos móveis.

Os instrutores do projeto guiado são especialistas no assunto, têm experiência com a habilidade, a ferramenta ou o domínio do projeto e amam compartilhar seus conhecimentos para ajudar milhões de aprendizes do mundo todo.

Você pode baixar e manter todos os arquivos que foram criados para seu projeto guiado. Para fazer isso, você pode usar o recurso "Navegador de arquivos" enquanto acessa a área de trabalho na nuvem.

Na parte superior da página, você pode clicar no nível de experiência deste projeto guiado para visualizar os pré-requisitos de conhecimento. Em cada nível dos projetos guiados, seu instrutor o guiará passo a passo.

Sim, tudo o que você precisa para completar o projeto guiado estará disponível em uma área de trabalho na nuvem disponível no seu navegador.

Você aprenderá na prática ao completar tarefas em um ambiente com tela dividida, diretamente em seu navegador. No lado esquerdo da tela, você completa a tarefa no seu espaço de trabalho. No lado direito, você assiste a um instrutor que o guiará pelo projeto, passo a passo.