This IBM course will teach you how to implement, train, and evaluate generative AI models for natural language processing (NLP). The course will help you acquire knowledge of NLP applications including document classification, language modeling, language translation, and fundamentals for building small and large language models.
Gen AI Foundational Models for NLP & Language Understanding
Durée limitée ! Obtenez Coursera Plus avec 30 % de réduction.
Réinitialiser. Réinventer. Atteindre de nouveaux objectifs professionnels. Profitez de votre offre maintenant.
Gen AI Foundational Models for NLP & Language Understanding
Ce cours fait partie de Spécialisation Generative AI Engineering with LLMs
Enseigné en Anglais
Instructeurs : Joseph Santarcangelo
Inclus avec 
Cours
Familiarisez-vous avec un sujet et apprenez les fondamentaux
niveau Intermédiaire
Expérience recommandée
7 heures (approximativement)
Planning flexible
Apprenez à votre propre rythme
Ce que vous apprendrez
Explain how to use one-hot encoding, bag-of-words, embedding, and embedding bags to convert words to features.
Build and use word2vec models for contextual embedding.
Build and train a simple language model with a neural network.
Utilize N-gram and sequence-to-sequence models for document classification, text analysis, and sequence transformation.
Compétences que vous acquerrez
- Catégorie : N-Gram
- Catégorie : PyTorch torchtext
- Catégorie : Generative AI for NLP
- Catégorie : Word2Vec Model
- Catégorie : Sequence-to-Sequence Model
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Récemment mis à jour !
mai 2024
Évaluations
5 devoirs
Cours
Familiarisez-vous avec un sujet et apprenez les fondamentaux
niveau Intermédiaire
Expérience recommandée
7 heures (approximativement)
Planning flexible
Apprenez à votre propre rythme
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
Ce cours fait partie de la Spécialisation Generative AI Engineering with LLMs
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
- 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
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 2 modules dans ce cours
In this module, you will learn about one-hot encoding, bag-of-words, embeddings, and embedding bags. You will also gain knowledge of neural networks and their hyperparameters, cross-entropy loss, and optimization. You will then delve into the concept of language modeling with n-grams. The module also includes hands-on labs on document classification with PyTorch and building a simple language model with a neural network.
Inclus
7 vidéos4 lectures3 devoirs2 éléments d'application1 plugin
In this module, you will learn about the word2vec embedding model and its types. You will also be introduced to sequence-to-sequence models and how they employ Recurrent neural networks (RNNs) to process variable-length input sequences and generate variable-length output sequences. You will gain insights about encoder-decoder RNN models, their architecture, and how to build them using PyTorch. The module will give you knowledge about evaluating the quality of text using perplexity, precision, and recall in text generation. In hands-on labs, you will integrate pre-trained embedding models for text analysis or classification and develop a sequence-to-sequence model for sequence transformation tasks.
Inclus
6 vidéos4 lectures2 devoirs2 éléments d'application3 plugins
Offert par
Recommandé si vous êtes intéressé(e) par Machine Learning
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, 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
It will take only two weeks to complete this course if you spend four hours of study time per week.
It will be good if you have a basic knowledge of Python and a familiarity with machine learning and neural network concepts.
PS: Data set preprocessing/cleaning is not covered in this course.
This course is part of a specialization. When you complete the specialization, you will prepare yourself with the skills and confidence to take on jobs such as AI Engineer, NLP Engineer, Machine Learning Engineer, Deep Learning Engineer, and Data Scientist.