لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مدلهای بنیادین هوش مصنوعی مولد برای NLP و درک زبان
- آخرین آپدیت
دانلود Gen AI Foundational Models for NLP & Language Understanding
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره آموزشی IBM، شما را با مهارتهای لازم برای پیادهسازی، آموزش و ارزیابی مدلهای هوش مصنوعی مولد برای پردازش زبان طبیعی (NLP) با استفاده از PyTorch مجهز میکند. شما با وظایف اصلی NLP، مانند طبقهبندی اسناد، مدلسازی زبان و ترجمه زبان، آشنا خواهید شد و پایهای قوی در ساخت مدلهای زبانی کوچک و بزرگ (LLMs) کسب میکنید.
شما خواهید آموخت که چگونه کلمات را با استفاده از روشهای one-hot encoding، bag-of-words، embeddings و embedding bags به ویژگیها تبدیل کنید و همچنین متوجه خواهید شد که چگونه مدلهای Word2Vec روابط معنایی در متن را نمایش میدهند.
این دوره شامل آموزش و بهینهسازی شبکههای عصبی برای دستهبندی اسناد، توسعه مدلهای آماری و عصبی N-Gram، و ساخت مدلهای sequence-to-sequence با استفاده از مدلهای معماری encoder-decoder است. همچنین یاد میگیرید که چگونه متون تولید شده را با استفاده از معیارهایی مانند BLEU ارزیابی کنید.
آزمایشگاههای عملی این دوره، تجربه عملی در زمینههایی مانند طبقهبندی اسناد با PyTorch، تولید متن با مدلهای زبانی و ادغام embeddings پیشآموزشدیده مانند Word2Vec را فراهم میکند. همچنین مدلهای sequence-to-sequence را برای انجام وظایفی مانند ترجمه زبان پیادهسازی خواهید کرد.
همین امروز ثبتنام کنید تا مهارتهای پرتقاضای NLP را بیاموزید و ساخت اپلیکیشنهای زبانی هوشمند با PyTorch را آغاز کنید.
سرفصل ها و درس ها
اصول درک زبان
Fundamentals of Language Understanding
معرفی دوره
Course Introduction
تبدیل کلمات به ویژگیها
Converting Words to Features
پیشبینی دستهبندی اسناد با Torchtext
Document Categorization Prediction with Torchtext
آموزش دستهبندی اسناد با Torchtext
Document Categorization Training with Torchtext
آموزش مدل در PyTorch
Training the Model in PyTorch
مدلسازی زبان با N Grams
Language Modeling with N-Grams
N Grams به عنوان شبکههای عصبی با PyTorch
N-Grams as Neural Networks with PyTorch
مدلهای Word2Vec و Sequence to Sequence
Word2Vec and Sequence-to-Sequence Models
مدل Word2Vec: معرفی و مدلهای CBOW
Word2Vec: Introduction and CBOW Models
مدل Word2Vec: مدل Skip Gram و مدلهای پیشآموزشدیده
Word2Vec: Skip-Gram and Pretrained Models
معرفی مدلهای Sequence to Sequence و شبکههای عصبی بازگشتی (RNN)
Introduction to Sequence-to-Sequence Models and Recurrent Neural Networks
مدلهای RNN Encoder-Decoder: آموزش و استنتاج
Encoder-Decoder RNN Models: Training and Inference
نمایش نظرات