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
 21 godzin

Liczba uczestników


Cena za uczestnika

Propozycje terminów

Powiązane Kategorie