NVIDIA : Fundamentals of NLP and Transformers Course est le troisième cours de la préparation à l'examen (NCA-GENL) : NVIDIA-Certified Generative IA LLMs - Associate Specialization. Ce cours fournit aux apprenants des connaissances fondamentales sur le traitement du langage naturel (NLP) et des compétences pratiques pour travailler avec des pipelines NLP et des modèles de transformateurs. Il combine des concepts théoriques avec des exercices pratiques pour préparer les apprenants à des applications NLP dans le monde réel. Ce cours couvre les sujets NLP clés, y compris la tokenisation, les techniques de prétraitement de texte, et les embeddings de mots, ainsi que les défis du traitement des données textuelles. Les apprenants exploreront également les modèles de séquence (RNN, LSTM, GRU) et les architectures de transformateurs, en acquérant des connaissances pratiques sur les mécanismes d'auto-attention et les modèles codeur-décodeur. Le cours est structuré en deux modules, chacun comprenant des leçons et des cours magistraux vidéo. Les apprenants suivront environ 3 heures à 3 heures 30 de contenu vidéo, couvrant à la fois les fondements théoriques et la pratique. Chaque module comprend des quiz pour renforcer l'apprentissage et évaluer la compréhension Modules du cours : Module 1 : Introduction à la NLP : concepts, techniques et applications Module 2 : Modèles de séquence et transformateurs À la fin de ce cours, un apprenant sera en mesure de : - Comprendre les principes fondamentaux de la NLP, les tâches clés et les applications du monde réel.

Débloquez l'accès à plus de 10 000 cours avec Coursera Plus. Essai gratuit de 7 jours.


NVIDIA : Principes fondamentaux de la NLP et des transformateurs
Ce cours fait partie de Spécialisation Préparation à l'examen (NCA-GENL) : Les MFR de l'IA générative certifiés par NVIDIA

Instructeur : Whizlabs Instructor
Inclus avec
Expérience recommandée
Ce que vous apprendrez
Comprendre les principes fondamentaux de la NLP, les tâches clés et les applications dans le monde réel.
Mettre en œuvre des techniques NLP, notamment la tokenisation, l'intégration de mots et les modèles séquence à séquence.
Explorer l'architecture des transformateurs, les mécanismes d'auto-attention et les modèles de codeurs-décodeurs.
Compétences que vous acquerrez
- Catégorie : Données non structurées
- Catégorie : Apprentissage automatique
- Catégorie : Deep learning
- Catégorie : Traitement des données
- Catégorie : Apprentissage automatique
- Catégorie : Réseaux neuronaux artificiels
- Catégorie : Traitement du langage naturel (NLP)
- Catégorie : Pipelines de données
- Catégorie : Intelligence artificielle et apprentissage automatique (IA/ML)
- Catégorie : Exploration de texte
Détails à connaître

Ajouter à votre profil LinkedIn
4 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable

Il y a 2 modules dans ce cours
Bienvenue à la semaine 1 du cours NVIDIA : Principes de base de la NLP et des transformateurs. Cette semaine, nous allons aborder les bases du NLP, en commençant par son importance et ses tâches clés. Vous découvrirez la tokenisation, le prétraitement du texte et les défis liés au traitement des données textuelles. Nous aborderons également la construction d'un pipeline NLP, avec une démo sur la classification du pipeline NLP à l'aide d'un ensemble de données de vol, y compris l'ajustement et l'évaluation du modèle. Enfin, nous explorerons les Word Embeddings et comparerons CBOW et Skipgram. A la fin de la semaine, vous aurez une base solide dans les concepts et les techniques du NLP.
Inclus
10 vidéos2 lectures2 devoirs1 sujet de discussion
Bienvenue à la deuxième semaine du cours NVIDIA : Principes de base du NLP et des transformateurs. Cette semaine, nous aborderons les bases des modèles à séquence, en commençant par une introduction aux RNN et aux défis posés par les gradients d'évanouissement et d'explosion. Nous explorerons les architectures LSTM et GRU et leur rôle dans l'amélioration des RNN. Ensuite, nous nous plongerons dans les Transformers en NLP, en nous concentrant sur les caractéristiques clés de l'architecture des Transformers, l'encodage positionnel, l'auto-attention et l'attention multi-têtes. Enfin, nous aborderons l'architecture encodeur-décodeur et les différents types de modèles transformateurs. À la fin de cette semaine, vous aurez acquis une solide compréhension des modèles de séquence et des transformateurs.
Inclus
11 vidéos3 lectures2 devoirs
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeur

Offert par
En savoir plus sur Développement de logiciels
Statut : Essai gratuit
Statut : Essai gratuit
Statut : Essai gratuit
Statut : PrévisualisationBoard Infinity
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?





Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Pour accéder aux supports de cours, aux devoirs et pour obtenir un certificat, vous devez acheter l'expérience de certificat lorsque vous vous inscrivez à un cours. Vous pouvez essayer un essai gratuit ou demander une aide financière. Le cours peut proposer l'option "Cours complet, pas de certificat". Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la spécialisation et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.
Oui, pour certains programmes de formation, vous pouvez demander une aide financière ou une bourse si vous n'avez pas les moyens de payer les frais d'inscription. Si une aide financière ou une bourse est disponible pour votre programme de formation, vous trouverez un lien de demande sur la page de description.
Plus de questions
Aide financière disponible,

