DeepLearning.AI
Este curso fornece uma explicação clara do mecanismo de atenção em transformers, uma arquitetura inovadora que alimenta grandes modelos de linguagem como o ChatGPT. Aprenda a codificar mecanismos de atenção em PyTorch e melhore sua compreensão de aplicações de IA.
Neste curso, você se aprofundará no mecanismo de atenção, um componente chave dos transformers, e aprenderá a implementá-lo usando PyTorch. Você explorará as relações entre embeddings de palavras, embeddings posicionais e atenção, e entenderá os papéis das matrizes Query, Key e Value. O curso abrange auto-atenção, auto-atenção mascarada e atenção cruzada, proporcionando uma compreensão abrangente de como esses conceitos são incorporados nos transformers. Ao final, você estará equipado com o conhecimento para construir aplicações de IA confiáveis e escaláveis.
Entusiastas de Python
Indivíduos com conhecimento básico de Python interessados em aprender sobre o mecanismo de atenção em LLMs.
Desenvolvedores de IA
Desenvolvedores que buscam entender a arquitetura fundamental dos transformers para construir aplicações de IA escaláveis.
Cientistas de Dados
Cientistas de dados que desejam aprimorar sua compreensão dos mecanismos de atenção em grandes modelos de linguagem.
Este curso oferece um mergulho profundo no mecanismo de atenção, um componente crucial dos transformers, permitindo que os alunos entendam e implementem-no usando PyTorch. Ideal para iniciantes e profissionais, fornece as habilidades necessárias para avançar em IA e aprendizado de máquina.
1 / 3
Conhecimento básico de Python
Interesse em IA e aprendizado de máquina
Compreensão de conceitos matemáticos básicos
Custo
Gratuito
Duração
Datas
Localização
