Hubungi Kami

Kerangka Materi

Pendahuluan mengenai Penyesuaian Model NLP

  • Apa itu penyesuaian model?
  • Manfaat penyesuaian model bahasa terlatih sebelumnya
  • Gambaran umum model-model terkenal seperti GPT, BERT, dan T5

Mengenal Tugas-Tugas NLP

  • Analisis sentimen
  • Penyusunan ringkasan teks
  • Penerjemahan mesin
  • Pengenalan Entitas Bernama (NER)

Mempersiapkan Lingkungan Kerja

  • Menginstal dan mengonfigurasi Python serta pustaka terkait
  • Memanfaatkan Hugging Face Transformers untuk tugas-tugas NLP
  • Memuat dan menjelajahi model-model bahasa yang telah terlatih<\/li>

Teknik-Teknik Penyesuaian Model

  • Mempersiapkan kumpulan data untuk tugas-tugas NLP
  • Proses tokenisasi dan penyusunan format input
  • Penyesuaian model untuk tugas-tugas klasifikasi, generasi teks, serta penerjemahan<\/li>

Mengoptimalkan Kinerja Model

  • Pemahaman mengenai laju pembelajaran dan ukuran batch
  • Pemanfaatan teknik regularisasi dalam pelatihan model
  • Evaluasi kinerja model dengan metrik yang relevan<\/li>

Latihan Praktis Langsung

  • Penyesuaian BERT untuk analisis sentimen
  • Penyesuaian T5 untuk penyusunan ringkasan teks
  • Penyesuaian GPT untuk penerjemahan mesin<\/li>

Menerapkan Model yang Telah Disesuaikan

  • Ekspor dan penyimpanan model secara efisien
  • Mengintegrasikan model ke dalam aplikasi pengguna
  • Pemahaman dasar mengenai penerapan model di platform cloud<\/li>

Tantangan serta Praktik Terbaik

  • Cara menghindari overfitting selama proses penyesuaian model
  • Mengatasi ketidakseimbangan data pelatihan
  • Memastikan hasil eksperimen dapat direproduksi secara konsisten<\/li>

Tren-Tren Baru dalam Penyesuaian Model NLP

  • Model-model terlatih baru yang berkembang saat ini
  • Kemajuan teknologi transfer learning dalam bidang NLP
  • Pengembangan aplikasi NLP multimodal di masa depan<\/li>

Penutup dan Langkah Selanjutnya<\/p>

Persyaratan

  • Pemahaman dasar mengenai konsep NLP
  • Pengalaman menggunakan bahasa pemrograman Python
  • Pengetahuan tentang kerangka kerja pembelajaran mendalam seperti TensorFlow atau PyTorch

Target Peserta

  • Para ilmuwan data
  • Insinyur NLP
 21 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait