Nvidia Building Transformer-Based Natural Language Processing Applications (BNLPA)

Ziele der Schulung

Lernen Sie, wie Sie ein Transformer-basiertes Deep Learning-Modell auf Aufgaben der natürlichen Sprachverarbeitung (NLP) anwenden und fein abstimmen können.

In diesem Kurs lernen Sie:

• Sie ein neuronales Transformer-Netzwerk in PyTorch zu konstruieren
• Erstellen einer Anwendung zur Erkennung benannter Personen (NER) mit BERT
• Einsatz der NER-Anwendung mit ONNX und TensorRT auf einem Triton-Inferenzserver

Nach Abschluss des Kurses sind Sie in der Lage, Transformer-basierte Modelle aufgabenunabhängig einzusetzen.

• Wie Transformatoren als Grundbausteine für moderne LLMs für NLP-Anwendungen verwendet werden
• Wie die Selbstüberwachung die Transformer-Architektur in BERT, Megatron und anderen LLM-Varianten verbessert, um bessere NLP-Ergebnisse zu erzielen
• Wie man vortrainierte, moderne LLM-Modelle nutzt, um verschiedene NLP-Aufgaben zu lösen, wie z. B. Textklassifizierung, Erkennung von benannten Einheiten (NER) und Beantwortung von Fragen
• Nutzung von vortrainierten, modernen NLP-Modellen zur Lösung verschiedener Aufgaben wie Textklassifizierung, NER und Fragenbeantwortung
• Bewältigung von Inferenzherausforderungen und Bereitstellung verfeinerter Modelle für Live-Anwendungen

Zielgruppe Seminar

This course is designed for AI researchers, data scientists, machine learning engineers, and NLP practitioners who want to gain a deep understanding of the transformer architecture and learn how to train, optimize, and deploy their own NLP models. It is especially suitable for professionals in the fields of artificial intelligence, natural language processing (NLP), deep learning, and software development who work with PyTorch, NVIDIA NeMo, and NVIDIA Triton or wish to strengthen their expertise in these areas.

Voraussetzungen

• Erfahrung mit der Programmierung in Python und der Verwendung von Bibliotheksfunktionen und Parametern
• Grundlegendes Verständnis eines Deep Learning Frameworks wie TensorFlow, PyTorch oder Keras
• Grundkenntnisse über neuronale Netze

Seminarinhalt

Introduction to Transformers

Explore how the transformer architecture works in detail:

• Build the transformer architecture in PyTorch.
• Calculate the self-attention matrix.
• Translate English to German with a pretrained transformer model.

Self-Supervision, BERT, and Beyond

Learn how to apply self-supervised transformer-based models to concrete NLP tasks using NVIDIA NeMo:

• Build a text classification project to classify abstracts.
• Build a NER project to identify disease names in text.
• Improve project accuracy with domain-specific models.

Inference and Deployment for NLP

Learn how to deploy an NLP project for live inference on NVIDIA Triton:

• Prepare the model for deployment.
• Optimize the model with NVIDIA® TensorRT™.
• Deploy the model and test it.

Final Review

• Review key learnings and answer questions.
• Complete the assessment and earn a certificate.
• Take the workshop survey.
• Learn how to set up your own environment and discuss additional resources and training.

Hinweise

Partner

Dieses Seminar bieten wir in Kooperation mit unserem Nvidia Learning Partner Fast Lane Institute for Knowledge Transfer GmbH an.

Open Badge für dieses Seminar - Ihr digitaler Kompetenznachweis

Durch die erfolgreiche Teilnahme an einem Kurs bei IT-Schulungen.com erhalten Sie zusätzlich zu Ihrem Teilnehmerzertifikat ein digitales Open Badge (Zertifikat) – Ihren modernen Nachweis für erworbene Kompetenzen.

Ihr Open Badge ist jederzeit in Ihrem persönlichen und kostenfreien Mein IT-Schulungen.com-Konto verfügbar. Mit wenigen Klicks können Sie diesen digitalen Nachweis in sozialen Netzwerken teilen, um Ihre Expertise sichtbar zu machen und Ihr berufliches Profil gezielt zu stärken.

Übersicht: NVIDIA Schulungen Portfolio

Mehr zu den Vorteilen von Badges