Kursplan

Introduksjon til NLP Fine-Tuning

  • Hva er finjustering?
  • Fordeler med å finjustere ferdigtrente språkmodeller
  • Oversikt over populære forhåndstrente modeller (GPT, BERT, T5)

Forstå NLP-oppgaver

  • Sentimentanalyse
  • Tekstoppsummering
  • Maskinoversettelse
  • Navngitt enhetsgjenkjenning (NER)

Sette opp miljøet

  • Installere og konfigurere Python og biblioteker
  • Bruke Hugging Face Transformers for NLP-oppgaver
  • Laster og utforsker ferdigtrente modeller

Finjusteringsteknikker

  • Utarbeide datasett for NLP-oppgaver
  • Tokenisering og inndataformatering
  • Finjustering for klassifisering, generering og oversettelsesoppgaver

Optimalisering av modellytelse

  • Forstå læringshastigheter og batchstørrelser
  • Bruke regulariseringsteknikker
  • Evaluering av modellytelse med beregninger

Praktiske laboratorier

  • Finjustering av BERT for sentimentanalyse
  • Finjustering av T5 for tekstoppsummering
  • Finjustering av GPT for maskinoversettelse

Utplassering av finjusterte modeller

  • Eksportere og lagre modeller
  • Integrering av modeller i applikasjoner
  • Grunnleggende om distribusjon av modeller på skyplattformer

Utfordringer og beste praksis

  • Unngå overtilpasning under finjustering
  • Håndtering av ubalanserte datasett
  • Sikre reproduserbarhet i eksperimenter

Fremtidige trender innen NLP-finjustering

  • Nye forhåndstrente modeller
  • Fremskritt innen overføringslæring for NLP
  • Utforske multimodale NLP-applikasjoner

Sammendrag og neste trinn

Krav

  • Grunnleggende forståelse av NLP-begreper
  • Erfaring med Python programmering
  • Kjennskap til rammeverk for dyp læring som TensorFlow eller PyTorch

Publikum

  • Dataforskere
  • NLP ingeniører
 21 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories