Онлайн-курс — сертифицированная профессиональная специализация в области генеративной инженерии искусственного интеллекта с получением степени LLM от Google, IBM.

Повысьте свою карьеру в области машинного обучения с помощью Gen AI и больших языковых моделей (LLM). Изучите основы разработки искусственного интеллекта и больших языковых моделей всего за 3 месяца.

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
Онлайн-курс - сертифицированная профессиональная специализация в области генеративной инженерии искусственного интеллекта с получением степени LLM от Google, IBM.

Professional Certificate

Средний уровень

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Создание приложений с использованием таких фреймворков и моделей, как BERT, GPT и LLaMA.
  • Использование библиотеки Hugging Face Transformers.
  • Работа с библиотекой глубокого обучения PyTorch.
  • Разработка и предоставление приложений на основе НЛП.
  • Исследование токенизации, полезных данных, языковых моделей и моделей реализации.
  • Применение трансформирующих техник и механизмов внимания.
  • командная инженерия.
  • Генерация полезных данных для НЛП.
  • Разработка и обучение языковой модели с помощью нейронной сети.
  • Применение преобразователей для классификации, построения и оценки модели перевода.
  • Тюнинг моделей.
  • Приложение инструментов LangChain.
  • Создание агентов и приложений искусственного интеллекта с помощью RAG и LangChain.

What you will learn in the course

Courses for which the course is suitable

  • Генерал-инженер по искусственному интеллекту
  • специалист по данным
  • Инженер по машинному обучению
  • Разработчик искусственного интеллекта
  • Разработчик приложений НЛП
  • Инженер-программист в области искусственного интеллекта
  • Эксперт по обработке естественного языка
  • Разрабатывает широкие языковые модели (LLM)

Стажировка — серия из 7 курсов

Ожидается, что рынки искусственного интеллекта (Gen AI) будут расти примерно на 46% в год до 2030 года (источник: Statista). Инженеры поколения ИИ пользуются большим спросом. Эта программа предоставляет специалистам по данным, инженерам по машинному обучению и разработчикам искусственного интеллекта базовые навыки, необходимые в области искусственного интеллекта, широкого языкового моделирования (LLM) и обработки естественного языка (NLP), которые ищут работодатели.

Инженеры поколения ИИ разрабатывают системы, которые понимают человеческий язык. Для создания этих систем они используют LLM и машинное обучение.

Навыки, которые вы приобретете на программе

  • Создание приложений с использованием таких фреймворков и моделей, как BERT, GPT и LLaMA.
  • Использование библиотеки Hugging Face Transformers.
  • Работа с библиотекой глубокого обучения PyTorch.
  • Разработка и предоставление приложений на основе НЛП.
  • Исследование токенизации, полезных данных, языковых моделей и моделей реализации.
  • Применение трансформирующих техник и механизмов внимания.
  • командная инженерия.

Пройдя серию коротких курсов по этой специализации, вы приобретете практический опыт посредством практических занятий и проекта, который отлично подходит для собеседований.

предпосылки

Обратите внимание, что вам необходимы базовые знания Python, машинного обучения и нейронных сетей. Знакомство с PyTorch будет полезно.

Практический учебный проект

Благодаря практическим занятиям и проектам в каждом курсе вы получите практические навыки использования LLM для разработки приложений на основе НЛП. Лаборатории и проекты включают в себя:

  • Генерация полезных данных для НЛП.
  • Разработка и обучение языковой модели с помощью нейронной сети.
  • Применение преобразователей для классификации, построения и оценки модели перевода.
  • Командная инженерия и обучение в контексте.
  • Тюнинг моделей.
  • Приложение инструментов LangChain.
  • Создание агентов и приложений искусственного интеллекта с помощью RAG и LangChain.

На последнем курсе вы выполните финальный проект, в котором примените полученные знания для разработки робота, отвечающего на вопросы, посредством серии практических лабораторных работ. Вы начнете с загрузки документа из различных источников, затем примените стратегии сегментации текста, чтобы улучшить отзывчивость модели, и используете watsonx для встраивания. Вы также внедрите RAG для улучшения восстановления и настроите интерфейс Gradio для создания бота вопросов и ответов. Наконец, вы протестируете и развернете своего робота.

Details of the courses that make up the specialization

Удаление HTML-тегов для извлечения обычного текста

Вот несколько способов удалить теги HTML и сохранить только простой текст:

1. Использование регулярных выражений в Python

import re
html_content = '
This is bold text.
'
plain_text = re.sub('<[^', '', html_content)
print(plain_text)  # Output: This is bold text.

2. Использование BeautifulSoup в Python

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.

3. Использование JavaScript

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.

4. Использование PHP

$html_content = '
This is bold text.
';
$plain_text = strip_tags($html_content);
echo $plain_text;  // Output: This is bold text.

Похожие