En este curso, se presentan la arquitectura de transformadores y el modelo de Bidirectional Encoder Representations from Transformers (BERT). Aprenderás sobre los componentes principales de la arquitectura de transformadores, como el mecanismo de autoatención, y cómo se usa para crear el modelo BERT. También aprenderás sobre las diferentes tareas para las que puede usarse BERT, como la clasificación de texto, la respuesta de preguntas y la inferencia de lenguaje natural. Tardarás aproximadamente 45 minutos en completar este curso.
Transformer Models and BERT Model - Deutsch
Cela se termine bientôt : Obtenez des compétences de niveau supérieur avec Coursera Plus pour 199 $ (régulièrement 399 $). Économisez maintenant.
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Avancées
Conçu pour les professionnels de ce secteur
1 heure à compléter
Planning flexible
Apprenez à votre propre rythme
Ce que vous apprendrez
Hauptkomponenten der Transformer-Architektur kennenlernen
Lernen, wie ein BERT-Modell mithilfe von Transformern erstellt wird
BERT für unterschiedliche Aufgaben im Zusammenhang mit Natural Language Processing (NLP) verwenden
Compétences que vous acquerrez
- Catégorie : Natural Language Processing
- Catégorie : Model Evaluation
- Catégorie : Large Language Modeling
- Catégorie : Transfer Learning
- Catégorie : Embeddings
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
1 devoir
Enseigné en Allemand
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Il y a un module dans ce cours
In diesem Modul lernen Sie die Hauptkomponenten der Transformer-Architektur wie den Self-Attention-Mechanismus kennen und erfahren, wie Sie diesen zum Erstellen des BERT-Modells verwenden. Darüber hinaus werden verschiedene Aufgaben behandelt, für die BERT genutzt werden kann, wie etwa Textklassifizierung, Question Answering und Natural-Language-Inferenz.
Inclus
2 vidéos1 lecture1 devoir
Instructeur
Offert par
En savoir plus sur Software Development
Statut : PrévisualisationGoogle Cloud
Statut : Prévisualisation
Google Cloud
Statut : PrévisualisationGoogle Cloud
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.’
Foire Aux Questions
Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.
If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.
Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.
Plus de questions
Aide financière disponible,