Traitement du langage naturel avec Deep Learning 2

Partner: Udemy
Affiliate Name:
Area:
Description: Bienvenue dans ce parcours captivant où vous découvrirez les secrets des réseaux de neurones avancés et leur application dans le traitement du langage naturel. Ce cours est conçu pour vous offrir une compréhension profonde des architectures modernes et de leur évolution, tout en vous fournissant des outils pratiques pour les implémenter dans vos propres projets.Semaine 1 : IntroductionNous commencerons par une introduction aux fondements des réseaux de neurones, en vous offrant les bases nécessaires pour bien comprendre le reste du cours.Semaine 2 : Manipulation du texte et algorithme BPEApprenez à manipuler efficacement les données textuelles et découvrez l'algorithme BPE (Byte Pair Encoding) qui est essentiel pour le prétraitement du texte dans les modèles de NLP modernes.Semaine 3 : La transition progressive des réseaux récurrents vers les réseaux TransformersExplorez comment les réseaux récurrents (RNN) ont évolué pour laisser place aux puissants Transformers, une avancée majeure dans le traitement du langage.Semaine 4 : La famille GPT et la notion de pré-entraînementPlongez dans l'univers des modèles GPT et découvrez le processus essentiel de pré-entraînement qui rend ces modèles si puissants et efficaces pour une multitude d'applications.Semaine 5 : Fine-tuning des modèles GPT pour vos propres applicationsApprenez à affiner les modèles GPT pour répondre spécifiquement aux besoins de vos projets, en personnalisant leur comportement et en optimisant leur performance.Semaine 6 : Des réseaux décodeurs aux encodeurs bidirectionnelsDécouvrez la transition entre les réseaux décodeurs traditionnels et les modèles bidirectionnels, qui permettent de mieux comprendre le contexte d’un texte.Semaine 7 : Utiliser les réseaux BERT dans vos applicationsBERT révolutionne la compréhension du langage. Cette semaine, vous apprendre
Category: Teaching & Academics > Engineering > Data Science
Partner ID:
Price: 199.99
Commission:
Source: Impact
Go to Course