Ce cours IBM vous apprendra à implémenter, former et évaluer des modèles IA génératifs pour le traitement du langage naturel (NLP). Le cours vous aidera à acquérir des connaissances sur les applications NLP, y compris la classification des documents, la modélisation du langage, la traduction des langues, et les principes fondamentaux de la construction de modèles de langage de petite et grande taille. Vous apprendrez à convertir les mots en caractéristiques. Vous comprendrez l'encodage one-hot, le bag-of-words, l'embedding et l'embedding bags. Vous apprendrez également comment les modèles d'encastrement Word2Vec sont utilisés pour la représentation des caractéristiques dans les données textuelles. Vous mettrez en œuvre ces capacités à l'aide de PyTorch. Le cours vous apprendra à construire, entraîner et optimiser des réseaux neurones pour la catégorisation de documents. En outre, vous apprendrez à connaître le modèle de langage N-gram et les modèles séquence à séquence. Ce cours vous aidera à évaluer la qualité du texte généré en utilisant des métriques, telles que BLEU. Vous pratiquerez ce que vous apprenez à l'aide de laboratoires pratiques et effectuerez des tâches telles que la mise en œuvre de la classification de documents à l'aide de torchtext dans PyTorch. Vous acquerrez les compétences nécessaires pour construire et entraîner un modèle de langage simple avec un réseau neurones pour générer du texte et intégrer des modèles d'intégration pré-entraînés, tels que word2vec, pour l'analyse et la classification de texte. En outre, vous appliquerez vos nouvelles compétences pour développer des modèles séquence à séquence dans PyTorch et effectuer des tâches telles que la traduction linguistique.