Curso
Modelos Transformer con PyTorch
AvanzadoNivel de habilidad
Actualizado 1/2025
PyTorchArtificial Intelligence2 h7 vídeos23 Ejercicios1,900 XP8,086Certificado de logros
Crea tu cuenta gratuita
Continuar con GoogleMostrar más opcioneso
Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.
Preferido por estudiantes en miles de empresas
¿Formando un equipo?
Prueba para empresasDescripción del curso
Profundiza en la arquitectura Transformer
Los modelos transformadores han revolucionado el modelado de texto, impulsando el auge de la IA generativa al hacer posibles los grandes modelos de lenguaje (LLM) actuales. En este curso, se estudiarán los componentes clave de esta arquitectura, incluyendo la codificación posicional, los mecanismos de atención y las subcapas de alimentación directa. Programarás estos componentes de forma modular para construir tu propio transformador paso a paso.Implementar mecanismos de atención con PyTorch
El mecanismo de atención es un avance clave que contribuyó a formalizar la arquitectura del transformador. La autoatención permite a los transformadores identificar mejor las relaciones entre los tokens, lo que mejora la calidad del texto generado. Aprende a crear una clase de mecanismo de atención multitesta que constituirá un elemento fundamental en tus modelos de transformador.Construye tus propios modelos de Transformers
Aprende a crear modelos de transformadores solo codificadores, solo decodificadores y codificadores-decodificadores. Aprende a elegir y codificar estas diferentes arquitecturas de transformadores para distintas tareas lingüísticas, como la clasificación de textos y el análisis de opiniones, la generación y finalización de textos, y la traducción secuencia a secuencia.Requisitos previos
Deep Learning for Text with PyTorch1
Los bloques fundamentales de los modelos Transformer
Descubre qué hace tan potente a la arquitectura de deep learning más popular en IA. Conoce los componentes que forman los modelos Transformer, incluidos los famosos mecanismos de self-attention descritos en el reconocido artículo "Attention is All You Need".
2
Construcción de arquitecturas Transformer
Diseña bloques transformer de encoder y decoder, y combínalos con codificación posicional, atención multihead y redes feed-forward por posición para construir tus propias arquitecturas Transformer. Por el camino, desarrollarás una comprensión profunda y apreciarás cómo funcionan los transformers por dentro.
Modelos Transformer con PyTorch
Curso completo
Obtener certificado de logros
Añade esta certificación a tu perfil de LinkedIn o a tu currículum.Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete ahora
¡Únete a 19 millones de estudiantes y empieza Modelos Transformer con PyTorch hoy mismo!
Crea tu cuenta gratuita
Continuar con GoogleMostrar más opcioneso
Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.
Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp
Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.