Logotipo Mydra
Iniciar sessão
>Todos os cursos>Artificial Intelligence
Artificial Intelligence
DeepLearning.AI logo

DeepLearning.AI

Modelos de Embedding: Da Arquitetura à Implementação

  • até 1 hora
  • Iniciante

Participe deste curso curto para obter uma compreensão aprofundada dos modelos de embedding, desde a arquitetura até a implementação. Aprenda com Ofer Mendelevitch e explore a evolução dos modelos de embedding, incluindo Word2Vec e BERT, e suas aplicações em sistemas de busca semântica.

  • Modelos de embedding
  • Busca semântica
  • Modelos de transformadores
  • Arquitetura de codificador duplo
  • Perda contrastiva

Visão Geral

Este curso oferece uma exploração abrangente dos modelos de embedding, focando em sua arquitetura e implementação. Os participantes aprenderão sobre embeddings de palavras e sentenças, modelos de codificador duplo e o uso de perda contrastiva para aprimorar aplicações de recuperação de perguntas e respostas. O curso fornece uma abordagem prática para entender os conceitos técnicos por trás dos modelos de embedding, tornando-o ideal para cientistas de dados, engenheiros de aprendizado de máquina e entusiastas de NLP.

  • Web Streamline Icon: https://streamlinehq.com
    Online
    localização do curso
  • Layers 1 Streamline Icon: https://streamlinehq.com
    Inglês
    idioma do curso
  • Ao seu próprio ritmo
    formato do curso
  • Aulas Ao vivo
    entregue online

Para quem é este curso?

Cientistas de Dados

Profissionais que buscam aprimorar seu entendimento sobre modelos de embedding e suas aplicações em IA.

Engenheiros de Aprendizado de Máquina

Engenheiros interessados em aprender sobre a arquitetura e implementação de modelos de embedding.

Entusiastas de NLP

Indivíduos apaixonados por processamento de linguagem natural e sistemas de recuperação semântica.

Este curso oferece um mergulho profundo em modelos de embedding, cruciais para a construção de sistemas de recuperação semântica. Ideal para iniciantes e profissionais, cobre conceitos-chave como Word2Vec, BERT e modelos de codificador duplo, ajudando os alunos a avançar em suas carreiras em IA e aprendizado de máquina.

Pré-Requisitos

1 / 3

  • Conhecimento básico de Python

  • Familiaridade com aplicações de IA

  • Compreensão de sistemas de busca semântica

O que vai aprender?

Introdução
Uma visão geral do curso e seus objetivos.
Introdução aos modelos de embedding
Compreendendo os fundamentos dos modelos de embedding e suas aplicações.
Embeddings de tokens contextualizados
Explorando embeddings de tokens com exemplos de código.
Embedding de token vs. sentença
Comparando embeddings de tokens e sentenças com exemplos práticos.
Treinando um codificador duplo
Aprendendo a treinar modelos de codificador duplo usando perda contrastiva.
Usando embeddings em RAG
Implementando embeddings em um pipeline RAG com exemplos de código.
Conclusão
Resumindo os principais aprendizados do curso.
Quiz
Um pequeno quiz para testar sua compreensão do material do curso.
Apêndice – Dicas e Ajuda
Recursos adicionais e dicas para aprendizado adicional.

Próximas turmas

  • Datas

    comece agora

Gratuito