course
Transformer Models with PyTorch
विकसितकौशल स्तर
अद्यतन 01/2025कोर्स मुफ्त में शुरू करें
इसमें शामिल हैअधिमूल्य or टीमें
PyTorchArtificial Intelligence2 घंटा7 videos23 exercises1,900 एक्सपी6,446उपलब्धि का कथन
अपना निःशुल्क खाता बनाएँ
या
जारी रखने पर, आप हमारी उपयोग की शर्तें, हमारी गोपनीयता नीति को स्वीकार करते हैं और यह भी कि आपका डेटा संयुक्त राज्य अमेरिका में संग्रहीत किया जाता है।हजारों कंपनियों में कार्यरत शिक्षार्थियों द्वारा पसंद किया जाता है
दो या दो से अधिक लोगों को प्रशिक्षण देना?
DataCamp for Business को आज़माएँपाठ्यक्रम विवरण
Deep-Dive into the Transformer Architecture
Transformer models have revolutionized text modeling, kickstarting the generative AI boom by enabling today's large language models (LLMs). In this course, you'll look at the key components in this architecture, including positional encoding, attention mechanisms, and feed-forward sublayers. You'll code these components in a modular way to build your own transformer step-by-step.Implement Attention Mechanisms with PyTorch
The attention mechanism is a key development that helped formalize the transformer architecture. Self-attention allows transformers to better identify relationships between tokens, which improves the quality of generated text. Learn how to create a multi-head attention mechanism class that will form a key building block in your transformer models.Build Your Own Transformer Models
Learn to build encoder-only, decoder-only, and encoder-decoder transformer models. Learn how to choose and code these different transformer architectures for different language tasks, including text classification and sentiment analysis, text generation and completion, and sequence-to-sequence translation.आवश्यक शर्तें
Deep Learning for Text with PyTorch1
The Building Blocks of Transformer Models
Discover what makes the hottest deep learning architecture in AI tick! Learn about the components that make up Transformer models, including the famous self-attention mechanisms described in the renowned paper "Attention is All You Need."
2
Building Transformer Architectures
Design transformer encoder and decoder blocks, and combine them with positional encoding, multi-headed attention, and position-wise feed-forward networks to build your very own Transformer architectures. Along the way, you'll develop a deep understanding and appreciation for how transformers work under the hood.
Transformer Models with PyTorch
कोर्स पूरा
उपलब्धि प्रमाण पत्र अर्जित करें
इस क्रेडेंशियल को अपने लिंक्डइन प्रोफाइल, रिज्यूमे या सीवी में जोड़ें।इसे सोशल मीडिया पर और अपनी परफॉर्मेंस रिव्यू में साझा करें।
इसमें शामिल हैअधिमूल्य or टीमें
अभी दाखिला लेंजुड़ें 19 मिलियन शिक्षार्थी और आज ही Transformer Models with PyTorch शुरू करें!
अपना निःशुल्क खाता बनाएँ
या
जारी रखने पर, आप हमारी उपयोग की शर्तें, हमारी गोपनीयता नीति को स्वीकार करते हैं और यह भी कि आपका डेटा संयुक्त राज्य अमेरिका में संग्रहीत किया जाता है।