准备好探索令人兴奋的生成式 AI 和 Large Language Model (LLMs) 世界了吗？本 IBM 课程是 "生成式 AI 工程基础与 LLMs 专业证书 "的一部分，将为您提供利用 AI 改造各行业的实用技能。
生成式人工智能和 LLM：架构和数据准备
生成式人工智能和 LLM：架构和数据准备
本课程是多个项目的一部分。
位教师：Joseph Santarcangelo另外 1 个
39,773 人已注册
包含在 中
您将学到什么
区分生成式 AI 架构和模型，如 RNN、Transformer、VAE、GAN 和扩散模型
说明 GPT、BERT、BART 和 T5 等 LLM 如何应用于自然语言处理任务中
使用 NLP 库（如 NLTK、spaCy、BertTokenizer 和 XLNetTokenizer）实施 tokenization，对原始文本进行预处理
在 PyTorch 中创建一个 NLP 数据加载器，处理文本数据集的 tokenization、数值化和填充问题
您将获得的技能
- 类别：生成模型架构
- 类别：PyTorch（机器学习库）
- 类别：数据管道
- 类别：大型语言模型
- 类别：生成式人工智能
- 类别：自然语言处理
- 类别：人工智能
- 类别：递归神经网络 (RNN)
- 类别：数据预处理
- 类别：拥抱的脸
- 类别：生成式对抗网络（GANs）
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
4 项作业
授课语言：英语（English）
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
在本 Modulation 中，您将了解生成式 AI 的意义，以及它如何通过内容生成、代码创建和图像合成改变各个领域。您将探索关键的生成式 AI 架构，如生成对抗网络（GAN）、变异自动编码器（VAE）、扩散模型和 Transformer，并了解它们训练方法的不同之处。您还将考察生成预训练变换器（GPT）和变换器双向编码器表示（BERT）等大型语言模型（LLM）如何应用于构建基于 NLP 的应用程序。最后，通过动手实验室，您将使用 Hugging Face transformers 库创建一个简单的聊天机器人，并了解用于生成式 AI 开发的基本工具和库。
涵盖的内容
5个视频2篇阅读材料2个作业1个应用程序项目3个插件
在本 Module 中，您将学习如何通过实现标记化和构建数据加载器，为训练 Large Language Model (LLM) 准备数据。您将探索不同的标记化方法，了解标记化器如何将原始文本转换为模型就绪的输入。您将使用 NLTK、spaCy、BertTokenizer 和 XLNetTokenizer 等库实现 tokenization。此外，您还将学习数据加载器在训练管道中的作用，并使用 PyTorch 中的 DataLoader 类创建一个带有自定义整理函数的数据加载器，以处理成批的文本。这些实用技能对于为 LLM 培训建立高效的 NLP 管道至关重要。此外，小抄和词汇表等辅助材料将强化您的学习。
涵盖的内容
2个视频5篇阅读材料2个作业2个应用程序项目2个插件
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
4.3 (74个评价)Joseph Santarcangelo
IBM
36 门课程2,259,396 名学生
提供方
IBM
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.6
361 条评论
- 5 stars
76.50%
- 4 stars
15.57%
- 3 stars
5.46%
- 2 stars
1.36%
- 1 star
1.09%
显示 3/361 个
TK
5
已于 Mar 2, 2025审阅
I love the structure and the content in this course. I can't wait applying the skills I have acquired!
SK
4
已于 Jul 29, 2025审阅
I would expect more hands on and code submissions
BB
4
已于 Mar 24, 2025审阅
Too fast reading of the slides without much of explanations.
常见问题
如果每周学习两小时，只需两周时间即可完成课程。
如果您具备 Python 和 PyTorch 的基础知识，并熟悉机器学习和神经网络的概念，那就再好不过了。
本课程是专业课程的一部分。完成该专业课程后，您将具备从事 AI 工程师、NLP 工程师、机器学习工程师、深度学习工程师和数据科学家等工作所需的技能和信心。