1. Изучить теорию по рекуррентным нейронным сетям (РНС), включая ячейки LSTM и GRU. 2. Каждый студент группы должен самостоятельно написать 200 высказываний (100 – положительных, 100 – отрицательных). В итоге размер обучающей выборки должен составить: 200∙N наблюдений, где N – число студентов в группе. Примечание: текст ниоткуда не копировать (высказывания повторяться не должны), писать самостоятельно, используя литературный язык, подойти ответственно. 3. Каждому студенту подготовить по 50 высказываний для тестовой выборки (25 – положительных, 25 – отрицательных). Размер тестовой выборки составит: 50∙N наблюдений. 4. Реализовать РНС по модели Many to One с использованием LSTM ячейки (число нейронов в ячейках студент определяет самостоятельно) с входным Embedding слоем. На выходе последнего рекуррентного слоя должна идти полносвязная НС (структура определяется также самостоятельно) с числом выходных нейронов, равных двум (положительное или отрицательное высказывание). 5. В процессе обучения РНС на выходе должна давать оценку окраски текста (положительный или отрицательный). 6. При обучении РНС контролировать процесс переобучения и устранять его (при необходимости) путем изменения структуры сети, а также (возможно) с помощью Dropout и Batch Normalization. 7. Оценить результаты работы полученной РНС на тестовой выборке. 8. Сделать то же самое обучение РНС, но на базе ячейки GRU. Сравнить скорость обучения и качество работы с предыдущей реализацией на базе LSTM. 9. В ходе работы добиться как можно лучших результатов сентимент-анализа текстовых высказываний. Нужен код на Python, очень рассчитываю на помощь

Ответ:

Тяжело

Объяснение:

ОЧЕНЬ тяжело(

няняняняннянянчнянняняняня