Aperçu
Ce cours IBM vous apprendra à implémenter, entraîner et évaluer des modèles d'IA générative pour le traitement du langage naturel (NLP). Le cours couvre une variété d'applications NLP incluant la classification de documents, la modélisation du langage et la traduction de langues. Apprenez les fondamentaux de la construction de modèles de langage petits et grands, et la conversion des mots en fonctionnalités.
Comprenez des techniques telles que l'encodage one-hot, les sacs de mots, les embeddings, et les sacs d'embeddings. Découvrez comment les modèles d'embedding Word2Vec peuvent être utilisés pour la représentation des caractéristiques dans les données textuelles et appliquez ces compétences en utilisant PyTorch.
Ce cours offre une expérience pratique dans la construction, l'entraînement et l'optimisation des réseaux neuronaux pour la catégorisation des documents. Explorez les modèles de langage N-gram et les modèles séquence-à-séquence. Évaluez la qualité du texte généré en utilisant des métriques comme BLEU.
Pratiquez vos compétences dans les laboratoires pratiques en implémentant la classification de documents en utilisant torchtext dans PyTorch. Acquérez de l'expertise dans la construction et l'entraînement d'un modèle de langage simple avec un réseau neuronal, en intégrant des modèles d'embedding pré-entraînés comme Word2Vec pour l’analyse et la classification de texte. Développez également des modèles séquence-à-séquence pour des tâches telles que la traduction de langues en utilisant PyTorch.
Université : IBM
Fournisseur : Coursera
Catégories : Cours sur les réseaux neuronaux, Cours sur l'IA générative, Cours sur PyTorch
