Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion till NLP Fine-Tuning
- Vad är finjustering?
- Fördelar med att finjustera förtränade språkmodeller
- Översikt över populära förtränade modeller (GPT, BERT, T5)
Förstå NLP-uppgifter
- Analys av sentiment
- Sammanfattning av text
- Maskinöversättning
- Igenkänning av namngiven entitet (NER)
Ställa in miljön
- Installera och konfigurera Python och bibliotek
- Använda Hugging Face transformatorer för NLP-uppgifter
- Läsa in och utforska förtränade modeller
Finjustering av tekniker
- Förbereda datauppsättningar för NLP-uppgifter
- Tokenisering och formatering av indata
- Finjustering för klassificerings-, genererings- och översättningsuppgifter
Optimera modellens prestanda
- Förstå inlärningshastigheter och batchstorlekar
- Använda regulariseringstekniker
- Utvärdera modellens prestanda med mått
Praktiska labbövningar
- Finjustera BERT för sentimentanalys
- Finjustering av T5 för textsammanfattning
- Finjustera GPT för maskinöversättning
Distribuera finjusterade modeller
- Exportera och spara modeller
- Integrera modeller i applikationer
- Grunderna för att distribuera modeller på molnplattformar
Utmaningar och bästa praxis
- Undvika överanpassning vid finjustering
- Hantera obalanserade datamängder
- Säkerställande av reproducerbarhet i experiment
Framtida trender inom NLP-finjustering
- Nya förtränade modeller
- Framsteg inom överföringsinlärning för NLP
- Utforska multimodala NLP-applikationer
Sammanfattning och nästa steg
Krav
- Grundläggande förståelse för NLP-begrepp
- Erfarenhet av Python programmering
- Kunskaper om ramverk för djupinlärning som TensorFlow eller PyTorch
Publik
- Datavetare
- NLP-ingenjörer
21 Timmar
