Mise à jour en mai 2025.Ce cours intègre désormais Coursera Coach ! Une façon plus intelligente d'apprendre avec des conversations interactives en temps réel qui vous aident à tester vos connaissances, à remettre en question vos hypothèses et à approfondir votre compréhension à mesure que vous progressez dans le cours.Dans ce cours, vous apprendrez à appliquer des modèles d'apprentissage profond à des tâches de traitement du langage naturel (NLP) à l'aide de Python. À la fin du cours, vous serez en mesure de comprendre et de mettre en œuvre des modèles d'apprentissage profond de pointe, y compris les réseaux neuronaux Feedforward, les réseaux neuronaux convolutifs et les réseaux neuronaux récurrents, adaptés aux applications NLP. Vous obtiendrez également une expérience pratique avec la classification de texte, les embeddings et les modèles avancés tels que CBOW, GRU et LSTM dans TensorFlow. Le cours commence par fournir un fondement solide, où vous comprendrez les concepts de base des réseaux neurones et leur rôle dans le NLP. Vous passerez ensuite à la mise en œuvre de la classification de texte à l'aide de TensorFlow, en explorant à la fois les fondements mathématiques des neurones et les aspects pratiques de la mise en œuvre. Au fur et à mesure que le cours progresse, vous plongerez plus profondément dans des modèles plus avancés tels que les réseaux neurones convolutifs et récurrents. Vous explorerez le contexte théorique et les implémentations de code pour chacun de ces modèles, en veillant à acquérir à la fois des connaissances et des compétences pratiques. La deuxième moitié du cours se concentre sur des sujets avancés tels que les embeddings, CBOW et les réseaux neuronaux récurrents (RNN). Vous explorerez comment les RNN sont utilisés pour le traitement des données séquentielles, en mettant en œuvre des tâches telles que la reconnaissance des entités nommées (NER) et l'étiquetage des parties de la parole (POS). En outre, vous aborderez des exercices pratiques qui vous mettront au défi d'appliquer vos connaissances des réseaux neuronaux convolutifs et récurrents à des tâches NLP réelles, améliorant encore votre ensemble de compétences. Ce cours est conçu pour les personnes qui cherchent à approfondir leur compréhension du NLP en utilisant des modèles d'apprentissage profond. Il convient à toute personne intéressée par l'intersection de la programmation Python, de l'apprentissage profond et du traitement du langage naturel. Bien qu'une compréhension de base de Python soit recommandée, aucune expérience préalable de l'apprentissage profond n'est requise. Le cours progressera à un rythme régulier, offrant à la fois des aperçus théoriques et des exercices pratiques de codage.