لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پروژه نهایی هوش مصنوعی مولد برای NLP با PyTorch
- آخرین آپدیت
دانلود Generative AI for NLP with PyTorch Capstone Project
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آماده شوید تا مهارتهای خود در زمینه هوش مصنوعی مولد (Generative AI)، پردازش زبان طبیعی (NLP) و PyTorch را در این پروژه عملی و جامع از IBM به کار بگیرید.
در طول این دوره، شما با ایجاد یک گردش کار کامل NLP، از پردازش متن خام تا ارزیابی مدل، یک چالش واقعی طبقهبندی متن را حل خواهید کرد.
شما خط لولههای (pipelines) کاملی را طراحی و پیادهسازی میکنید که شامل پیشپردازش متن، توکنسازی (Tokenization)، ایجاد واژگان و آمادهسازی مجموعه داده با استفاده از PyTorch Dataset و DataLoader است. شما مدلهای RNN، LSTM و Transformer را آموزش داده و با هم مقایسه میکنید تا متوجه شوید هر معماری چگونه زبان را به طور متفاوتی پردازش میکند. علاوه بر این، مدلهای پیشآموزشدیده را با استفاده از Hugging Face Transformers و با بهکارگیری تکنیکهای مورد استفاده در سیستمهای AI صنعتی، بهینهسازی (Fine-tune) خواهید کرد.
در پایان دوره، شما یک پروژه نهایی در سطح حرفهای خواهید داشت که توانایی شما در ساخت، بهینهسازی و ارزیابی مدلهای NLP را با استفاده از معیارهایی مانند Accuracy و F1-score به نمایش میگذارد؛ پروژهای ایدهآل برای ارائه در مصاحبههای شغلی.
همین امروز ثبتنام کنید تا مهارتهای خود در هوش مصنوعی مولد و NLP را تقویت کرده و تخصص خود را با این پروژه قدرتمند و شغلی به رخ بکشید.
سرفصل ها و درس ها
آمادهسازی و پیشپردازش دادههای متنی
Text Data Preparation and Preprocessing
معرفی دوره
Course Introduction
بارگذاری دادههای متنی برای NLP
Text Data Loading for NLP
توکنسازی و ساخت واژگان با PyTorch
Tokenization and Vocabulary Building with PyTorch
افزایش دادهها (Augmentation) و دستهبندی برای NLP
Data Augmentation and Batching for NLP
طبقهبندی متون متوالی با RNNها و LSTMها
Sequential Text Classification with RNNs and LSTMs
ساخت طبقهبندیکنندههای Recurrent و LSTM در PyTorch
Building Recurrent and LSTM Classifiers in PyTorch
مرور تکلیف: طبقهبندیکننده تحلیل احساسات مبتنی بر RNN
Assignment Overview: RNN-Based Sentiment Classifier
مرور تکلیف: طبقهبندیکننده متن مبتنی بر LSTM
Assignment Overview: LSTM-Based Text Classifier
تحلیل مقایسهای مدلهای RNN و LSTM
A Comparative Analysis of RNN and LSTM Models
توسعه و بهینهسازی مدل ترنسفورمر (Transformer)
Transformer Model Development and Fine-Tuning
معماری ترنسفورمر و مکانیزمهای توجه (Attention)
Transformer Architecture and Attention Mechanisms
استراتژیهای بهینهسازی (Fine-tuning) برای وظایف NLP
Fine-Tuning Strategies for NLP Tasks
پروژه نهایی و جمعبندی دوره
Final Project and Course Wrap-Up
نمایش نظرات