Verbinde Sprachaufgaben und Repräsentationen mit Transformern und verstehe ihre Grenzen.
Baue eine praktische Verbindung von Textverarbeitung und Sequenzlabels zu neuronalen Sprachmodellen und Transformer-Repräsentationen. Vergleiche Aufgaben, Datenentscheidungen und Modellausgaben und plane eine kontext- und fehlerkostenbewusste Evaluation. Die Übungen verwenden erfundene oder öffentliche Texte und betonen, dass flüssige Ausgabe weder Aufgabeneignung noch Verzerrungen ersetzt.
Beschreibe, wie Eingabe, Repräsentation und Zielausgabe einen NLP-Workflow prägen. Vergleiche Sequenzlabeling und Transformer-Ansätze, ohne einen Wert für universell zu halten. Entwirf eine Fehlerprüfung für Kontext, Datenabdeckung und Auswirkungen auf Sprachgemeinschaften.
Grundkenntnisse zu Textdaten und Machine Learning sind hilfreich; NLP-Programmierung ist nicht erforderlich. Verwende kurze öffentliche oder erfundene Beispiele, keine privaten Nachrichten, und keine Modellausgabe als endgültige Bewertung einer Person.
Lernende mit Grundkenntnissen, die praktische, selbstständige Fähigkeiten aufbauen möchten
Menschen, die am besten mit Beispielen, Anleitung und praktischen Übungen lernen
Fachleute, Kreative und unabhängige Entwickler, die wiederholbare Abläufe suchen
Lektion 1 ist kostenlos
4 lektionen · Fortgeschrittene Grundlagen · Vollständiger Kurs.
Dieser Kurs verwendet CC BY-lizenziertes Material mit Namensnennung des Inhaltsanbieters oder Uploaders. Die Wiedergabe der Lektionen ist erst nach Anmeldung und bestandener Veröffentlichungs- und Lizenzprüfung verfügbar.