Course Outline

NLP Fine-Tuning 소개

  • 미세조정이란 무엇인가요?
  • 사전 훈련된 언어 모델을 미세 조정하는 이점
  • 인기 있는 사전 학습 모델(GPT, BERT, T5) 개요

NLP 작업 이해

  • 감정 분석
  • 텍스트 요약
  • 기계 번역
  • 명명된 엔터티 인식(NER)

환경 설정하기

  • Python 및 라이브러리 설치 및 구성
  • NLP 작업을 위한 Hugging Face 변환기 사용
  • 사전 훈련된 모델 로딩 및 탐색

미세 조정 기술

  • NLP 작업을 위한 데이터 세트 준비
  • 토큰화 및 입력 형식 지정
  • 분류, 생성 및 변환 작업을 위한 미세 조정

모델 성능 최적화

  • 학습률과 배치 크기 이해
  • 정규화 기술 사용
  • 메트릭을 사용하여 모델 성능 평가

핸즈온 랩

  • 감정 분석을 위한 BERT 미세 조정
  • 텍스트 요약을 위한 T5 미세 조정
  • 기계 번역을 위한 GPT 미세 조정

미세 조정된 모델 배포

  • 모델 내보내기 및 저장
  • 모델을 애플리케이션에 통합
  • 클라우드 플랫폼에 모델을 배포하는 기본 사항

과제와 모범 사례

  • 미세 조정 중 과잉 맞춤 방지
  • 불균형 데이터 세트 처리
  • 실험의 재현성 보장

NLP Fine-Tuning의 미래 동향

  • 사전 훈련된 모델의 등장
  • NLP를 위한 전이 학습의 발전
  • 멀티모달 NLP 애플리케이션 탐색

요약 및 다음 단계

Requirements

  • NLP 개념에 대한 기본 이해
  • Python 프로그래밍 경험
  • TensorFlow 또는 PyTorch와 같은 딥러닝 프레임워크에 대한 익숙함

청중

  • 데이터 과학자
  • NLP 엔지니어
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories