Building Transformer-Based Natural Language Processing Applications

Lerne im Building Transformer-Based Natural Language Processing Applications Training, wie du ein transformatorbasiertes Deep-Learning-Modell auf Aufgaben der natürlichen Sprachverarbeitung (NLP) anwendest und fein abstimmst. In diesem Kurs lernst du, wie du:

• ein neuronales Transformer-Netzwerk in PyTorch zu erstellen

• eine Anwendung zur Erkennung benannter Entitäten (NER) mit BERT zu erstellen

• die NER-Anwendung mit ONNX und TensorRT auf einem Triton Inference Server bereitstellen

Nach dem Building Transformer-Based Natural Language Processing Applications Kurs weißt du:

• Wie Transformatoren als Bausteine für moderne LLM für NLP-Anwendungen verwendet werden

• Wie Self-Supervision die Transformer-Architektur in BERT, Megatron und anderen LLM-Varianten verbessert, um bessere NLP-Ergebnisse zu erzielen

• Wie man vortrainierte moderne LLM-Modelle nutzt, um verschiedene NLP-Aufgaben wie Textklassifikation, Named Entity Recognition (NER) und Fragenbeantwortung zu lösen

• Nutzung von vortrainierten modernen NLP-Modellen zur Lösung verschiedener Aufgaben wie Textklassifikation, Named Entity Recognition (NER) und Beantwortung von Fragen

• Bewältigung von Inferencing-Herausforderungen und Bereitstellung verfeinerter Modelle für Live-Anwendungen

Am Ende des Natural Language Processing Applications Kurses  bist du in der Lage, transformatorbasierte Modelle auf agnostische Weise einzusetzen.

Einführung

• Treffen Sie den Ausbilder.

• Erstellen Sie ein Konto unter courses.nvidia.com/join

Einführung in Transformatoren

• Erkunden Sie die Funktionsweise der Transformatorarchitektur im Detail:

• Bauen Sie die Transformator-Architektur in PyTorch auf.

• Berechnen Sie die Selbstbeobachtungsmatrix.

• Übersetzen Sie Englisch nach Deutsch mit einem vortrainierten Transformationsmodell.

Selbstüberwachung, BERT und mehr

Erfahren Sie, wie Sie mit NVIDIA NeMo selbstüberwachte transformatorbasierte Modelle auf konkrete NLP-Aufgaben anwenden können:

• Erstellen Sie ein Textklassifizierungsprojekt, um Abstracts zu klassifizieren.

• Erstellen Sie ein NER-Projekt zur Identifizierung von Krankheitsnamen in Texten.

• Verbessern Sie die Projektgenauigkeit mit bereichsspezifischen Modellen.

Inferenz und Einsatz für NLP

• Erfahren Sie, wie Sie ein NLP-Projekt für Live-Inferenz auf NVIDIA Triton bereitstellen:

• Bereiten Sie das Modell für den Einsatz vor.

• Optimieren Sie das Modell mit NVIDIA® TensorRT™.

• Setzen Sie das Modell ein und testen Sie es.

Abschließende Überprüfung

• Besprechen Sie die wichtigsten Erkenntnisse und beantworten Sie Fragen.

• Schließen Sie die Bewertung ab und erhalten Sie ein Zertifikat.

• Nehmen Sie an der Workshop-Umfrage teil.

• Erfahren Sie, wie Sie Ihre eigene Umgebung einrichten können, und diskutieren Sie über zusätzliche Ressourcen und Schulungen.

Ende des Building Transformer-Based Natural Language Processing Applications Trainings

Das Training Building Transformer-Based Natural Language Processing Applications richtet sich an

• Datenbankspezialisten

• Data Engineers

• Softwareentwickler

• technische Entscheider

Für deine Teilnahme an der Building Transformer-Based Natural Language Processing Applications Schulung empfehlen wir:

• Erfahrung mit der Programmierung in Python und der Verwendung von Bibliotheksfunktionen und Parametern

• Grundlegendes Verständnis eines Deep Learning Frameworks wie TensorFlow, PyTorch oder Keras

• Grundkenntnisse über neuronale Netze