04
Modèles Transformer et modèle BERT
04
Modèles Transformer et modèle BERT
Ce cours présente l'architecture Transformer et le modèle BERT (Bidirectional Encoder Representations from Transformers). Vous découvrirez quels sont les principaux composants de l'architecture Transformer, tels que le mécanisme d'auto-attention, et comment ils sont utilisés pour créer un modèle BERT. Vous verrez également les différentes tâches pour lesquelles le modèle BERT peut être utilisé, comme la classification de texte, les questions-réponses et l'inférence en langage naturel. Ce cours dure environ 45 minutes.
Informations sur le cours
Objectifs
- Comprendre les principaux composants de l'architecture Transformer
- Apprendre comment un modèle BERT est créé à l'aide de Transformer
- Utiliser BERT pour réaliser différentes tâches de traitement du langage naturel (TLN)
Prérequis
- Niveau d'expérience intermédiaire en machine learning
- Maîtrise des représentations vectorielles continues de mots et du mécanisme d'attention
- Connaissance de Python et TensorFlow
Cible
Ce cours s'adresse aux personnes qui s'intéressent à la classification de texte, aux questions-réponses et à l'inférence en langage naturel, par exemple :
- Data scientists
- Ingénieurs en machine learning
- Ingénieurs logiciel
Langues disponibles
English, español (Latinoamérica), français, עברית, bahasa Indonesia, italiano, 日本語, 한국어, português (Brasil), 简体中文, 繁體中文, Deutsch et Türkçe
Que faire après avoir terminé ce cours ?
Après avoir terminé ce cours, vous pouvez consulter des contenus supplémentaires de votre parcours de formation ou parcourir le catalogue de formations.
Quels badges pouvez-vous gagner ?
Lorsque vous terminez un cours, vous obtenez un badge de réussite. Vos badges s'affichent sur votre profil, et vous pouvez les partager sur les réseaux sociaux.
Vous souhaitez suivre ce cours à la demande avec l'un de nos partenaires ?
Consultez les contenus Google Cloud disponibles sur Coursera et Pluralsight.
Vous préférez suivre un cours animé par un formateur ?