Upgrade uw machine learning-carrière met Gen AI en Large Language Models (LLM’s). Leer in slechts 3 maanden de basisprincipes van Gen AI-engineering en grote taalmodellen.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
De markten voor kunstmatige intelligentie (Gen AI) zullen naar verwachting tot 2030 met ongeveer 46% per jaar groeien (bron: Statista). Er is veel vraag naar Gen AI-ingenieurs. Dit programma biedt datawetenschappers, machine learning-ingenieurs en ontwikkelaars van kunstmatige intelligentie de fundamentele vaardigheden die nodig zijn op het gebied van Gen AI, brede taalmodellering (LLM’s) en natuurlijke taalverwerking (NLP) waar werkgevers naar op zoek zijn.
Gen AI-ingenieurs ontwerpen systemen die de menselijke taal begrijpen. Ze gebruiken LLM’s en machine learning om deze systemen te bouwen.
Door de reeks korte cursussen in deze specialisatie doe je praktische ervaring op via praktijkgerichte labs en een project, wat geweldig is voor interviews.
Houd er rekening mee dat je basiskennis van Python, machine learning en neurale netwerken nodig hebt. Bekendheid met PyTorch zou nuttig zijn.
Door middel van praktijkgerichte labs en projecten in elke cursus verwerf je praktische vaardigheden in het gebruik van LLM’s om op NLP gebaseerde toepassingen te ontwikkelen. De laboratoria en projecten omvatten:
In de laatste cursus rond je een afstudeerproject af, waarin je het geleerde toepast om een vraag-antwoordrobot te ontwikkelen via een reeks praktische labs. U begint met het laden van uw document vanuit verschillende bronnen, past vervolgens tekstsegmentatiestrategieën toe om de responsiviteit van het model te verbeteren en gebruikt watsonx voor het insluiten. Je implementeert ook RAG om het herstel te verbeteren en configureert de Gradio-interface om je vraag- en antwoordbot te bouwen. Tenslotte ga je jouw robot testen en inzetten.
Hier zijn verschillende methoden om HTML-tags te verwijderen en alleen platte tekst te behouden:
import re
html_content = 'This is bold text.
'
plain_text = re.sub('<[^', '', html_content)
print(plain_text) # Output: This is bold text.
from bs4 import BeautifulSoup
html_content = 'This is bold text.
'
soup = BeautifulSoup(html_content, 'html.parser')
plain_text = soup.get_text()
print(plain_text) # Output: This is bold text.
function stripHtml(html) {
var tempDiv = document.createElement('div');
tempDiv.innerHTML = html;
return tempDiv.textContent || tempDiv.innerText || '';
}
var htmlContent = 'This is bold text.
';
var plainText = stripHtml(htmlContent);
console.log(plainText); // Output: This is bold text.
$html_content = 'This is bold text.
';
$plain_text = strip_tags($html_content);
echo $plain_text; // Output: This is bold text.
