Resumen
Se proyecta que la demanda de IA generativa crecerá más del 46% anualmente para 2030, lo que hace de este un momento propicio para que ingenieros de IA, desarrolladores, científicos de datos y profesionales del aprendizaje automático mejoren sus habilidades. Este curso se centra en la arquitectura de modelos de lenguaje grande (LLM) y la preparación de datos, proporcionando la experiencia codiciada que los empleadores demandan.
Este curso ofrece perspectivas sobre las aplicaciones prácticas de la IA generativa y cubre arquitecturas clave como redes neuronales recurrentes (RNNs), transformers, redes generativas antagónicas (GANs), autoencoders variacionales (VAEs) y modelos de difusión. Los participantes explorarán diversas metodologías de entrenamiento para estos modelos y profundizarán en modelos de lenguaje grande como transformadores generativos preentrenados (GPT) y representaciones de codificador bidireccional de transformers (BERT).
Además, el curso cubre el proceso de tokenización, incluyendo diferentes métodos y el uso de tokenizadores para la tokenización basada en palabras, caracteres y subpalabras. Los estudiantes obtendrán experiencia práctica con cargadores de datos para entrenar modelos de IA generativa, utilizando bibliotecas de PyTorch y recursos de Hugging Face, e implementarán la tokenización creando un cargador de datos NLP.
Si estás listo para dominar la arquitectura de LLM de IA generativa y la preparación de datos, inscríbete hoy para mejorar tu currículum con habilidades demandadas. Los requisitos previos incluyen conocimientos básicos de Python y PyTorch y una comprensión general del aprendizaje automático y redes neuronales, aunque estos no son estrictamente necesarios.
Ofrecido por edX, este curso se encuentra en categorías como Cursos de Redes Neuronales, Cursos de IA Generativa, Cursos de PyTorch, Cursos de Hugging Face y Cursos de Transformers.
