我需要什么特定的软件或工具才能顺利完成课程吗？

只需使用现代网络浏览器即可完成本课程和所有动手实验。您将免费获得完成实验所需的云环境 Accessibility。

我什么时候能看到讲座和作业？

要获得课程资料、作业和证书，您需要在注册课程时购买证书体验。您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。

订阅此证书能得到什么？

注册课程后，您就可以访问证书中的所有课程，并在完成作业后获得证书。您的电子证书将被添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。

Gen AI 用于 NLP 和语言理解的基础模型

Gen AI 用于 NLP 和语言理解的基础模型

本课程是多个项目的一部分。

位教师：Joseph Santarcangelo

29,083 人已注册

包含在中

了解更多

2个模块

深入了解一个主题并学习基础知识。

185 条评论

中级等级

推荐体验

灵活的计划

1 周在 10 小时一周

自行安排学习进度

91%

大多数学生喜欢此课程

2个模块

深入了解一个主题并学习基础知识。

185 条评论

中级等级

推荐体验

灵活的计划

1 周在 10 小时一周

自行安排学习进度

91%

大多数学生喜欢此课程

您将学到什么

解释 One-Hot Encoding、bag-of-words、embedding 和 embedding bag 如何将文本转化为 NLP 模型的数字特征
使用 CBOW 和 Skip-gram 架构实施 Word2Vec 模型，生成上下文词嵌入模型
利用统计 N-Grams 和前馈架构，开发和训练基于神经网络的语言模型
利用编码器-解码器 RNN 建立序列到序列模型，用于机器翻译和序列转换等任务

您将获得的技能

您将学习的工具

要了解的详细信息

可分享的证书

添加到您的领英档案

作业

5 项作业

授课语言：英语（English）

了解顶级公司的员工如何掌握热门技能

了解关于 Coursera for Business 的更多信息

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

积累特定领域的专业知识

此课程作为的一部分提供

在注册此课程时，您还需要选择一个特定的合作项目。

向行业专家学习新概念
获得对主题或工具的基础理解
通过实践项目培养工作相关技能
获得可共享的职业证书

该课程共有2个模块

本 IBM 课程将使您掌握使用 PyTorch 实现、培训和评估用于自然语言处理 (NLP) 的 AI 生成模型的技能。您将探索 NLP 的核心任务，如文档分类、语言模型和语言翻译，并获得构建小型和大型语言模型的基础。

您将学习如何使用 One-Hot Encoding、bag-of-words、embedding 和 embedding bag 将单词转换为 Feature，以及 Word2Vec 模型如何表示文本中的语义关系。课程内容包括训练和优化用于文档分类的 Neural Network、开发统计和神经 N-Gram 模型，以及使用编码器-解码器架构构建序列到序列模型。您还将学习使用 BLEU 等指标评估生成的文本。上机实验提供了一些任务的实践经验，如使用 PyTorch 对文档进行分类、使用语言模型生成文本，以及集成 Word2Vec 等预训练嵌入模型。您还将实现序列到序列模型，以执行语言翻译等任务。立即报名，掌握紧缺的 NLP 技能，开始使用 PyTorch 创建智能语言应用程序。

在本 Modulation 中，您将探索使机器能够理解和处理人类语言的基础技术和工具。您将学习 One-Hot Encoding、词包、嵌入和嵌入 Bagding。您将从将文本转换为数字 Feature 开始，使用 TorchText 进行文档分类，并继续使用 PyTorch 进行模型训练。该模块还将介绍使用 N-Gram 模型，通过统计和神经网络进行语言建模。上机实验将引导您使用 PyTorch 和相关库在 Python 中进行实现，从而加强您的学习效果。

涵盖的内容

7个视频4篇阅读材料3个作业3个应用程序项目1个插件

7个视频总计39分钟

课程介绍 3分钟
将单词转换为 Feature 6分钟
利用 Torchtext 进行文档分类预测 7分钟
使用 Torchtext 进行文档分类培训 8分钟
在 PyTorch 中训练模型 3分钟
用 N 符建立语言模型 8分钟
使用 PyTorch 将 N-Grams 转化为神经网络 5分钟

4篇阅读材料总计16分钟

课程概览 10分钟
专业概述 2分钟
摘要和要点 2分钟
摘要和要点 2分钟

3个作业总计39分钟

练习测验：利用神经网络理解语言 15分钟
练习测验：N 格模型 6分钟
分级测验：语言理解基础 18分钟

3个应用程序项目总计180分钟

实验室：文件分类 60分钟
实验室：利用直方图 N-格分析建立语言 Model 60分钟
实验室构建和训练用于语言模型的前馈神经网络 60分钟

1个插件总计2分钟

完成课程的有用提示 2分钟

在本 Modulation 中，您将探索用于语言表征和理解的高级神经技术。首先，您将学习 Word2Vec 模型如何使用基于上下文的 Prediction 捕捉单词语义。然后，您将通过递归神经网络 (RNN) 和编码器-解码器 Network Architecture 过渡到序列-序列模型，从而完成翻译等任务。您还将研究如何使用既定的 NLP 指标来评估生成的文本，并思考与词嵌入相关的道德问题。实验室将提供 Word2Vec 集成和 sequence-to-sequence 模型的实践练习。此外，综合小抄和词汇表将作为快速参考工具，加强您对关键模型和概念的理解。