Plan Szkolenia

Wprowadzenie do dostrajania NLP

  • Czym jest dostrajanie?
  • Korzyści z dostrajania wstępnie wytrenowanych modeli językowych
  • Przegląd popularnych wstępnie wytrenowanych modeli (GPT, BERT, T5)

Zrozumienie zadań NLP

  • Analiza nastrojów
  • Podsumowywanie tekstu
  • Tłumaczenie maszynowe
  • Rozpoznawanie nazwanych jednostek (NER)

Konfiguracja środowiska

  • Instalowanie i konfigurowanie Python i bibliotek
  • Używanie transformatorów Hugging Face do zadań NLP
  • Ładowanie i eksplorowanie wstępnie wytrenowanych modeli

Techniki dostrajania

  • Przygotowywanie zestawów danych dla zadań NLP
  • Tokenizacja i formatowanie danych wejściowych
  • Dostrajanie do zadań klasyfikacji, generowania i tłumaczenia

Optymalizacja wydajności modelu

  • Zrozumienie szybkości uczenia się i wielkości partii
  • Korzystanie z technik regularyzacji
  • Ocena wydajności modelu za pomocą metryk

Praktyczne laboratoria

  • Dostrajanie BERT do analizy nastrojów
  • Dostrajanie T5 do podsumowywania tekstu
  • Dostrajanie GPT do tłumaczenia maszynowego

Wdrażanie dostrojonych modeli

  • Eksportowanie i zapisywanie modeli
  • Integracja modeli z aplikacjami
  • Podstawy wdrażania modeli na platformach chmurowych

Wyzwania i najlepsze praktyki

  • Unikanie nadmiernego dopasowania podczas dostrajania
  • Obsługa niezrównoważonych zestawów danych
  • Zapewnienie powtarzalności w eksperymentach

Przyszłe trendy w dostrajaniu NLP

  • Pojawiające się wstępnie wytrenowane modele
  • Postępy w uczeniu transferowym dla NLP
  • Odkrywanie multimodalnych aplikacji NLP

Podsumowanie i kolejne kroki

Wymagania

  • Podstawowe zrozumienie koncepcji NLP
  • Doświadczenie w programowaniu Python
  • Znajomość frameworków głębokiego uczenia, takich jak TensorFlow lub PyTorch

Odbiorcy

  • Naukowcy zajmujący się danymi
  • Inżynierowie NLP
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie