In diesem IBM Kurs lernen Sie, wie man generative KI-Modelle für die Verarbeitung natürlicher Sprache (NLP) implementiert, trainiert und evaluiert. Der Kurs hilft Ihnen, Kenntnisse über NLP-Anwendungen zu erwerben, einschließlich Dokumentenklassifikation, Sprachmodellierung, Sprachübersetzung und Grundlagen für den Aufbau kleiner und großer Sprachmodelle. Sie lernen, wie man Wörter in Features konvertiert. Sie werden One-Hot-Encoding, Bag-of-Words, Embedding und Embedding Bags verstehen. Sie werden auch lernen, wie Word2Vec-Einbettungsmodelle für die Merkmalsdarstellung in Textdaten verwendet werden. Sie werden diese Fähigkeiten mit PyTorch implementieren. Der Kurs wird Ihnen beibringen, wie Sie neuronale Netze für die Dokumentenkategorisierung erstellen, trainieren und optimieren können. Darüber hinaus lernen Sie das N-Gramm-Sprachmodell und Sequenz-zu-Sequenz-Modelle kennen. Dieser Kurs hilft Ihnen, die Qualität des generierten Textes mit Hilfe von Metriken wie BLEU zu bewerten. Sie werden das Gelernte in praktischen Übungen anwenden und Aufgaben wie die Implementierung der Dokumentenklassifikation mit torchtext in PyTorch durchführen. Sie erwerben die Fähigkeit, ein einfaches Sprachmodell mit einem neuronalen Netzwerk zu erstellen und zu trainieren, um Text zu generieren und vortrainierte Einbettungsmodelle wie word2vec für die Textanalyse und -klassifizierung zu integrieren. Darüber hinaus werden Sie Ihre neuen Fähigkeiten anwenden, um Sequenz-zu-Sequenz-Modelle in PyTorch zu entwickeln und Aufgaben wie die Sprachübersetzung durchzuführen.