InícioCursosFundamentos de LLMs com Python

Traduzir texto com um LLM

Capítulo 2 · Descobrir os grandes modelos de linguagem (LLM) · lição 7 de 36
Reservado aos subscritores — eis o seu início
A continuação desta lição é reservada aos subscritores Crie a sua conta gratuita para testar os exercícios de exemplo e, depois, passe para o acesso completo quando quiser.

Crie a sua conta gratuita

Sem cartão de crédito, em trinta segundos.
Continuar com o Google
ou
Inscrever-se com um e-mail
Já tem conta? Iniciar sessão
Ao continuar, aceita os termos de utilização e a política de privacidade. Os seus dados são alojados na União Europeia.

Acesso completo DATAGOZ

19 €/ mês — ou 190 € / ano
  • Todos os cursos publicados e os percursos profissionais
  • Exercícios e questionários corrigidos automaticamente
  • Treino, exame e certificado de frequência
  • Sem compromisso, cancelável online
Ver os planos
Esta lição faz parte do curso

Fundamentos dos LLM com Python

short_training5 capítulos · 36 aulas

Descubra os fundamentos dos LLM com Python.

  • A plataforma de formaçãosubscritores
  • Introdução aos grandes modelos de linguagem (LLM)assinantes
  • Implementar um pipeline de sumarização de textosubscritores
  • Limpar e melhorar as respostas geradassubscritores
  • Utilizar LLMs pré-treinadossubscritores
  • Gerar texto com um modelo de linguagemsubscritores
  • Traduzir texto com um LLMvocê está aqui
  • Descubra a arquitetura Transformersubscritores
  • Identificar os componentes de um Transformersubscritores
  • Escolher uma arquitetura de modelo adequadasubscritores
  • Preparar um modelo para o seu ajuste finosubscritores
  • Compreender e aplicar a tokenização de textosubscritores
  • Visualizar o processo de tokenizaçãosubscritores
  • Adaptar um LLM através do treinamentoassinantes
  • Definir os parâmetros de treinamentoassinantes
  • Configurar os parâmetros do processo de treinamentoassinantes
  • Utilizar um modelo após seu ajuste finoassinantes
  • Descobrir os diferentes métodos de ajuste finoassinantes
  • Aplicar a aprendizagem por transferência com o método one-shotassinantes
  • Comparar as abordagens de aprendizagem por transferênciaassinantes
  • Descobrir as ferramentas de avaliação dos LLMassinantes
  • Carregar métricas de avaliação com Pythonassinantes
  • Compreender os principais indicadores de desempenhoassinantes
  • Aplicar as métricas para medir os resultadosassinantes
  • Avaliar as tarefas linguísticas com a perplexidade e BLEUinscritos
  • Medir a perplexidade dos modelos de linguageminscritos
  • Avaliar a qualidade das traduções com BLEUinscritos
  • Descobrir as métricas ROUGE, METEOR e Exact Matchinscritos
  • Medir a qualidade dos textos gerados com ROUGEinscritos
  • Avaliar os resultados com a métrica METEORinscritos
  • Verificar a exatidão das respostas com Exact Matchinscritos
  • Reforçar a segurança dos LLMinscritos
  • Detectar os conteúdos tóxicos geradosinscritos
  • Avaliar a pertinência e a qualidade das respostasinscritos
  • Fazer o balanço das competências adquiridasinscritos
  • Conclusão da formaçãoassinantes
Próxima lição

Descobrir a arquitetura Transformer

Ver o programa Crie uma conta para continuar