Aktualisiert im Mai 2025. Dieser Kurs enthält jetzt den Coursera Coach! Eine intelligentere Art zu lernen mit interaktiven Unterhaltungen in Echtzeit, die Ihnen helfen, Ihr Wissen zu testen, Annahmen zu hinterfragen und Ihr Verständnis zu vertiefen, während Sie im Kurs vorankommen. Dieser Kurs bietet einen tiefen Einblick in die Welt der Verarbeitung natürlicher Sprache (NLP) mit Hilfe der Transformermodelle von Hugging Face. Sie werden in die Lage versetzt, modernste NLP-Techniken wie Sentimentnalyse, Texterzeugung, Named Entity Recognition und vieles mehr zu implementieren. Am Ende des Kurses werden Sie in der Lage sein, diese Modelle für praktische Anwendungen in Python einzusetzen. Sie beginnen mit einer Einführung in die Kernkonzepte von Transformers, einschließlich ihrer Entwicklung von Rekurrenten Neuronalen Netzen (RNNs) zu Aufmerksamkeitsmechanismen. Der Kurs deckt ein breites Spektrum an Themen ab, wie Sentimentnalyse, Einbettungen, semantische Suche, Textzusammenfassung und neuronale maschinelle Übersetzung. Jedes Konzept wird mit einer Python-Implementierung verknüpft, so dass Sie praktische Erfahrungen sammeln und Vertrauen in reale NLP-Anwendungen gewinnen können. Während des gesamten Kurses werden Sie Schritt für Schritt durch praktische Beispiele mit der Hugging Face-Bibliothek geführt, die das Training und die Bereitstellung von Modellen vereinfacht. Am Ende des Kurses werden Sie ein solides Verständnis für verschiedene NLP-Aufgaben haben und wissen, wie man Transformers zur Lösung dieser Aufgaben einsetzt. Außerdem erhalten Sie Einblicke in fortgeschrittene Themen wie maskierte Sprachmodelle, Fragenbeantwortung und Zero-Shot-Klassifizierung. Dieser Kurs richtet sich an Lernende, die ihre NLP-Kenntnisse erweitern möchten, insbesondere an diejenigen, die über ein Grundverständnis von Python und Maschinellem Lernen verfügen. Wenn Sie gerne praktische Erfahrungen mit Hugging Face Transformers sammeln und an realen Anwendungen arbeiten möchten, ist dieser Kurs eine unschätzbare Ressource.

Verarbeitung natürlicher Sprache - Transformatoren mit umarmendem Gesicht
Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

Verarbeitung natürlicher Sprache - Transformatoren mit umarmendem Gesicht
Dieser Kurs ist Teil von Spezialisierung „Moderne natürliche Sprachverarbeitung“

Dozent: Packt - Course Instructors
Bei enthalten
Empfohlene Erfahrung
Was Sie lernen werden
Verstehen der Entwicklung neuronaler Netzwerke zu Transformers und Aufmerksamkeitsmechanismen.
Implementierung von Modellen zur Sentimentanalyse und Texterzeugung mit Hugging Face in Python.
Erforschen Sie Einbettungen, semantische Suche und wie sie NLP-Aufgaben verbessern.
Anwendung fortgeschrittener NLP-Techniken wie Fragebeantwortung, maskierte Sprachmodellierung und Zero-Shot-Klassifizierung in Python.
Kompetenzen, die Sie erwerben
- Kategorie: Modellierung großer Sprachen
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Feinabstimmung
- Kategorie: Lernen übertragen
- Kategorie: Rekurrente Neuronale Netze (RNNs)
- Kategorie: Einbettungen
Werkzeuge, die Sie lernen werden
- Kategorie: Python-Programmierung
- Kategorie: Gesicht umarmen
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
3 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 3 Module
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozent

von
Mehr von Maschinelles Lernen entdecken
Status: Kostenloser TestzeitraumBoard Infinity
Status: KostenlosDeepLearning.AI
Status: Kostenloser TestzeitraumPragmatic AI Labs
Status: VorschauSimplilearn
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,




