04
Transformer-Modelle und BERT-Modell
04
Transformer-Modelle und BERT-Modell
Dieser Kurs bietet eine Einführung in die Transformer-Architektur und das BERT-Modell (Bidirectional Encoder Representations from Transformers). Sie lernen 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. Der gesamte Kurs dauert ungefähr 45 Minuten.
Kursinformationen
Ziele
- 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
Voraussetzungen
– Fortgeschrittene Kenntnisse in Machine Learning
– Fähigkeit, Worteinbettungen und Aufmerksamkeitsmechanismen zu verstehen
– Kenntnisse in Python und TensorFlow
Zielgruppe
Dieser Kurs richtet sich an alle, die mehr über Textklassifizierung, Question Answering und Natural-Language-Inferenz erfahren möchten, beispielsweise:
– Data Scientists
– Machine Learning Engineers
– Softwareentwickler
Verfügbare Sprachen
English, español (Latinoamérica), français, עברית, bahasa Indonesia, italiano, 日本語, 한국어, português (Brasil), 简体中文, 繁體中文, Deutsch und Türkçe