What You Need to Know Before
You Start
Starts 6 June 2025 09:06
Ends 6 June 2025

Mastering Generative AI: Model Foundations and NLP
502 Cursos
Not Specified
Optional upgrade avallable
All Levels
Progress at your own speed
Free
Optional upgrade avallable
Resumen
Se proyecta que el mercado de IA generativa crezca un 42% de CAGR para 2033 (Bloomberg). ¡Con el procesamiento del lenguaje natural siendo clave para esta revolución de IA generativa, los científicos de datos y profesionales de IA calificados están en alta demanda!
Si deseas incursionar en el campo de la IA, este curso de IBM sobre IA Generativa - Fundamentos del Modelo y PLN te equipa con las habilidades que los empleadores desean.
Aprende cómo los profesionales de la IA utilizan PLN para tareas como generación de texto, resumen, traducción e interacciones conversacionales.
Este curso te guiará para implementar, entrenar y evaluar modelos de IA generativa para PLN.
Profundizarás en clasificación de documentos, modelado de lenguaje, traducción de lenguaje, y aprenderás a construir modelos de lenguaje tanto pequeños como grandes.
Adquiere experiencia en convertir palabras en características con técnicas como codificación one-hot, bolsa de palabras, incrustación e incrustaciones de bolsas. Aprende a usar PyTorch para modelos de incrustación usando word2vec para la representación de datos de texto.
Desarrolla, entrena y optimiza redes neuronales para categorización de documentos, explora modelos de lenguaje N-gram, modelos de secuencia a secuencia, y evalúa la calidad del texto generado con métricas BLEU.
Experimenta laboratorios prácticos para implementar la clasificación de documentos con torchtext en PyTorch.
Construye y entrena un modelo de lenguaje simple usando una red neuronal para generar texto, e integra modelos preentrenados como word2vec para análisis y clasificación de texto.
Si aspiras a ser un profesional de IA o científico de datos y quieres mejorar tu currículum con habilidades de IA generativa muy buscadas, ¡INSCRÍBETE HOY y eleva tu carrera!
Requisitos previos:
Se recomienda tener conocimientos básicos de Python y familiaridad con conceptos de aprendizaje automático y redes neuronales.