Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Czas trwania 21 godzin
Plan Szkolenia
Wprowadzenie do dostrajania w NLP
- Czym jest dostrajanie?
- Korzyści z dostrajania wstępnie wytrenowanych modeli językowych
- Przegląd popularnych wstępnie wytrenowanych modeli (GPT, BERT, T5)
Zrozumienie zadań NLP
- Analiza sentymentu
- Podsumowywanie tekstu
- Tłumaczenie maszynowe
- Rozpoznawanie nazwanych encji (NER)
Konfiguracja środowiska
- Instalacja i konfiguracja Pythona oraz bibliotek
- Wykorzystanie Hugging Face Transformers do zadań NLP
- Ładowanie i eksploracja wstępnie wytrenowanych modeli
Techniki dostrajania
- Przygotowywanie zbiorów danych do zadań NLP
- Tokenizacja i formatowanie danych wejściowych
- Dostrajanie do zadań klasyfikacji, generowania i tłumaczenia
Optymalizacja wydajności modelu
- Zrozumienie współczynników uczenia się i rozmiarów partii
- Stosowanie technik regularyzacji
- Ocena wydajności modelu za pomocą metryk
Praktyczne laboratoria
- Dostrajanie BERT do analizy sentymentu
- 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 przeuczenia podczas dostrajania
- Radzenie sobie z niezrównoważonymi zbiorami danych
- Zapewnianie powtarzalności eksperymentów
Przyszłe trendy w dostrajaniu NLP
- Nowe wstępnie wytrenowane modele
- Postępy w uczeniu transferowym dla NLP
- Eksploracja wielomodalnych zastosowań NLP
Podsumowanie i kolejne kroki
Wymagania
- Podstawowa znajomość koncepcji NLP
- Doświadczenie w programowaniu w Pythonie
- Znajomość frameworków do uczenia głębokiego, takich jak TensorFlow lub PyTorch
Grupa docelowa
- Naukowcy zajmujący się danymi
- Inżynierowie NLP
