Kursüberblick
Lernen Sie, wie Sie ein Transformer-basiertes Deep Learning-Modell auf Aufgaben der natürlichen Sprachverarbeitung (NLP) anwenden und fein abstimmen können.
In diesem Kurs lernen Sie:
- Sie ein neuronales Transformer-Netzwerk in PyTorch zu konstruieren
- Erstellen einer Anwendung zur Erkennung benannter Personen (NER) mit BERT
- Einsatz der NER-Anwendung mit ONNX und TensorRT auf einem Triton-Inferenzserver
Nach Abschluss des Kurses sind Sie in der Lage, Transformer-basierte Modelle aufgabenunabhängig einzusetzen.
Zertifizierungen
Empfohlenes Training für die Zertifizierung zum:
Voraussetzungen
- Erfahrung mit der Programmierung in Python und der Verwendung von Bibliotheksfunktionen und Parametern
- Grundlegendes Verständnis eines Deep Learning Frameworks wie TensorFlow, PyTorch oder Keras
- Grundkenntnisse über neuronale Netze
Kursziele
- Wie Transformatoren als Grundbausteine für moderne LLMs für NLP-Anwendungen verwendet werden
- Wie die Selbstüberwachung die Transformer-Architektur in BERT, Megatron und anderen LLM-Varianten verbessert, um bessere NLP-Ergebnisse zu erzielen
- Wie man vortrainierte, moderne LLM-Modelle nutzt, um verschiedene NLP-Aufgaben zu lösen, wie z. B. Textklassifizierung, Erkennung von benannten Einheiten (NER) und Beantwortung von Fragen
- Nutzung von vortrainierten, modernen NLP-Modellen zur Lösung verschiedener Aufgaben wie Textklassifizierung, NER und Fragenbeantwortung
- Bewältigung von Inferenzherausforderungen und Bereitstellung verfeinerter Modelle für Live-Anwendungen
Kursinhalt
Einführung
- Treffen Sie den Ausbilder.
- Erstellen Sie ein Konto unter courses.nvidia.com/join
Einführung in Transformatoren
- Erkunden Sie die Funktionsweise der Transformatorarchitektur im Detail:
- Bauen Sie die Transformator-Architektur in PyTorch auf.
- Berechnen Sie die Selbstbeobachtungsmatrix.
- Übersetzen Sie Englisch nach Deutsch mit einem vortrainierten Transformationsmodell.
Selbstüberwachung, BERT und mehr
Erfahren Sie, wie Sie mit NVIDIA NeMo selbstüberwachte transformatorbasierte Modelle auf konkrete NLP-Aufgaben anwenden können:
- Erstellen Sie ein Textklassifizierungsprojekt, um Abstracts zu klassifizieren.
- Erstellen Sie ein NER-Projekt zur Identifizierung von Krankheitsnamen in Texten.
- Verbessern Sie die Projektgenauigkeit mit bereichsspezifischen Modellen.
Inferenz und Einsatz für NLP
- Erfahren Sie, wie Sie ein NLP-Projekt für Live-Inferenz auf NVIDIA Triton bereitstellen:
- Bereiten Sie das Modell für den Einsatz vor.
- Optimieren Sie das Modell mit NVIDIA® TensorRT™.
- Setzen Sie das Modell ein und testen Sie es.
Abschließende Überprüfung
- Besprechen Sie die wichtigsten Erkenntnisse und beantworten Sie Fragen.
- Schließen Sie die Bewertung ab und erhalten Sie ein Zertifikat.
- Nehmen Sie an der Workshop-Umfrage teil.
- Erfahren Sie, wie Sie Ihre eigene Umgebung einrichten können, und diskutieren Sie über zusätzliche Ressourcen und Schulungen.
Deutsch
Englisch
Französisch
Deutschland
Ägypten
Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.