DeepLearning.AI
Este curso proporciona una comprensión integral del mecanismo de atención en transformadores, un componente clave en modelos de lenguaje grande como ChatGPT. Aprende a codificar mecanismos de atención en PyTorch y mejora tus habilidades en el desarrollo de aplicaciones de IA.
Profundiza en el mecanismo de atención que revolucionó la IA con los transformadores. Este curso, impartido por Josh Starmer, cubre la evolución de la atención, el papel de las matrices de Consulta, Clave y Valor, y las diferencias entre la autoatención y la autoatención enmascarada. Obtén experiencia práctica codificando estos conceptos en PyTorch y comprende cómo contribuyen a construir aplicaciones de IA escalables.
Entusiastas de Python
Individuos con conocimientos básicos de Python interesados en aprender sobre el mecanismo de atención en LLMs como ChatGPT.
Desarrolladores de IA
Desarrolladores que buscan mejorar su comprensión de los transformadores y mecanismos de atención en aplicaciones de IA.
Científicos de Datos
Científicos de datos que desean mejorar sus habilidades en la construcción de modelos de IA escalables usando PyTorch.
Desbloquea el poder de los transformadores dominando el mecanismo de atención, un componente crucial en modelos de IA como ChatGPT. Este curso es perfecto para principiantes y profesionales que buscan mejorar sus habilidades de desarrollo de IA usando PyTorch.
1 / 3
Conocimientos básicos de Python
Comprensión de conceptos de aprendizaje automático
Familiaridad con redes neuronales
Costo
Libre
Duración
Fechas
Ubicación