Cours
Modèles Transformer avec PyTorch
AvancéNiveau de compétence
Actualisé 01/2025
PyTorchArtificial Intelligence2 h7 vidéos23 Exercices1,900 XP8,083Certificat de formation
Créez votre compte gratuitement
Continuer avec GoogleAfficher plus d’optionsou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
Apprécié par des utilisateurs provenant de milliers d'entreprises
Former une équipe ?
Essayez pour les entreprisesDescription du cours
Approfondissez vos connaissances sur l'architecture Transformer
Les modèles de transformateurs ont révolutionné la modélisation de texte, déclenchant l'essor de l'IA générative en rendant possibles les grands modèles linguistiques (LLM) actuels. Dans ce cours, vous étudierez les composants clés de cette architecture, notamment le codage positionnel, les mécanismes d'attention et les sous-couches feed-forward. Vous coderez ces composants de manière modulaire afin de construire votre propre transformateur étape par étape.Mettre en œuvre des mécanismes d'attention avec PyTorch
Le mécanisme d'attention est une avancée majeure qui a contribué à formaliser l'architecture du transformateur. L'auto-attention permet aux transformateurs de mieux identifier les relations entre les tokens, ce qui améliore la qualité du texte généré. Découvrez comment créer une classe de mécanisme d'attention multi-têtes qui constituera un élément clé de vos modèles de transformateurs.Construisez vos propres modèles de transformateurs
Apprenez à créer des modèles de transformateurs encodeurs uniquement, décodeurs uniquement et encodeurs-décodeurs. Découvrez comment sélectionner et coder ces différentes architectures de transformateurs pour diverses tâches linguistiques, notamment la classification de texte et l'analyse des sentiments, la génération et la complétion de texte, ainsi que la traduction séquence-à-séquence.Prérequis
Deep Learning for Text with PyTorch1
Les briques des modèles Transformer
Découvrez ce qui fait battre le cœur de l’architecture de deep learning la plus en vue en IA ! Apprenez les composants qui constituent les modèles Transformer, y compris les célèbres mécanismes d’auto-attention décrits dans l’article de référence « Attention is All You Need ».
2
Construire des architectures Transformer
Concevez des blocs encodeur et décodeur, et combinez-les avec l’encodage positionnel, l’attention multi-têtes et les réseaux feed-forward positionnels pour construire vos propres architectures Transformer. Au passage, vous développerez une compréhension fine et une vraie appréciation du fonctionnement interne des transformers.
Modèles Transformer avec PyTorch
Cours terminé
Obtenez un certificat de réussite
Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolioPartagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant
Rejoignez plus de 19 millions d'utilisateurs et commencez Modèles Transformer avec PyTorch dès aujourd'hui !
Créez votre compte gratuitement
Continuer avec GoogleAfficher plus d’optionsou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
Apprenez où que vous soyez avec l'application DataCamp
Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.