IA Generativa Multimodal

Habilidades abordadas neste curso:

• Definir a IA generativa e explicar como ela funciona. ​
• Descrever várias aplicações de IA generativa. ​
• Explicar os desafios e as oportunidades com a IA generativa.

Você pode fazer um destes cursos:

Habilidades abordadas nestes cursos:

• Aprimorar conjuntos de dados por meio do aumento de dados para melhorar a precisão do modelo.

• Aprender as técnicas e ferramentas fundamentais necessárias para treinar um modelo de deep learning.

• Adquira experiência com tipos de dados comuns de deep learning e arquiteturas de modelos.
Aproveite o aprendizado por transferência entre modelos para alcançar resultados eficientes com menos dados e computação. 

Você pode fazer um destes cursos:

Habilidades abordadas nestes cursos:

• Implemente a preparação de dados acelerada por GPU e a extração de recursos usando quadros de dados do cuDF e do Apache Arrow​.
Aplique um amplo espectro de tarefas de machine learning aceleradas por GPU usando o XGBoost e uma variedade de algoritmos cuML.​ Execute a análise de gráficos acelerada por GPU com o cuGraph, alcançando análise em escala massiva em pequenos períodos.​

Habilidades abordadas neste curso:

• Personalize e implante os modelos de reconhecimento automático de fala (ASR) e teste para fala (TTS) no NVIDIA® Riva.​
Crie e implante um pipeline de IA conversacional de ponta a ponta, incluindo ASR, processamento de linguagem natural (NLP) e modelos TTS, no Riva.​

• Personalize e implante os modelos ASR e TTS no Riva.​
Crie e implante um pipeline de IA conversacional de ponta a ponta, incluindo ASR, PNL e modelos TTS, no Riva.

Habilidades abordadas neste curso:

• Extraia insights significativos do conjunto de dados fornecido usando o Pandas DataFrame.​
Aplique o aprendizado por transferência a um modelo de qualificação de deep learning.​ Ajuste o modelo de deep learning e configure as métricas de avaliação.​

Habilidades abordadas neste curso:

• Prepare dados e crie, treine e avalie modelos usando o XGBoost, autocodificadores e redes adversárias generativas (GANs).​
• Detecte anomalias em conjuntos de dados com dados rotulados e não rotulados.
• Classifique anomalias em diversas categorias, com dados originais rotulados ou não rotulados.

Habilidades abordadas neste curso:

• Use dados de série temporal para prever resultados com os modelos de qualificação de machine learning baseados no XGBoost.​
Use detecção de anomalias com autocodificadores de série temporal para prever falhas quando dados de exemplo de falha limitados estiverem disponíveis.

Habilidades abordadas neste curso:

• Entenda como os LLMs baseados em transformers podem ser usados para manipular, analisar e gerar dados baseados em texto.  
Aproveite os LLMs modernos e pré-treinados para resolver várias tarefas de processamento de linguagem natural (NLP), como classificação de tokens, classificação de texto, resumos e respostas a perguntas.

• Saiba como os transformers são usados comobase dos LLMs modernos para aplicações de NLP​.
Entenda como os LLMs baseados em transformers podem ser usados para manipular, analisar e gerar dados baseados em texto.

• Aproveite os LLMs modernos e pré-treinados para resolver várias tarefas de NLP, como classificação de tokens, classificação de texto, resumos e respostas a perguntas.

• Entenda como os LLMs baseados em transformers podem ser usados para manipular, analisar e gerar dados baseados em texto.

Habilidades abordadas neste curso:

• Melhore a qualidade das imagens geradas com o processo de difusão de desdobramento.​
Controle a saída da imagem com incorporações de contexto. Teste e refine as incorporações de contexto para alcançar a saída de imagem desejada, o que requer abordagens experimentais para otimizar o desempenho.

• Gere imagens de prompts de texto em inglês usando pré-treinamento de imagem de linguagem contrastiva (CLIP).

• Gere imagens baseadas apenas em ruído.​
Gere imagens de prompts de texto em inglês usando o CLIP.

• Entenda a autenticidade do conteúdo e como criar modelos confiáveis.

Habilidades abordadas neste curso:

• Encontre, faça o upload e experimente o repositório de modelos do Hugging Face e API de transformers associados.​
Use modelos de codificador para tarefas como análise semântica, incorporação, respostas a perguntas e classificação de disparo zero.​

• Encontre, faça o upload e experimente o repositório de modelos do Hugging Face e API de transformers associados​.​
Use técnicas de gerenciamento de estados e composição para orientar os LLMs para conversas seguras, eficazes e precisas.

• Use técnicas de gerenciamento de estados e composição para orientar os LLMs para conversas seguras, eficazes e precisas.

Habilidades abordadas neste curso:

• Saiba como aplicar técnicas de ajuste fino.
Entenda como integrar e interpretar de forma eficaz diversos tipos de dados em um único framework de modelo.

• Use um único modelo pré-treinado para realizar várias tarefas personalizadas envolvendo diferentes tipos de dados (por exemplo, texto, imagens, áudio).

• Aproveite o framework NVIDIA NeMo™ para personalizar modelos como GPT, LLaMA-2 e Falcon com facilidade.

• Acompanhe o desempenho de modelos ajustados.

• Use o ajuste fino para realizar a otimização e aprimorar a precisão, a eficiência ou a eficácia de um modelo para tarefas específicas.

Habilidades abordadas neste curso:

• Implante redes neurais de uma variedade de frameworks em um servidor NVIDIA Triton™ ao vivo.​
Meça o uso da GPU e outras métricas com o Prometheus.​

• Meça o uso da GPU e outras métricas com o Prometheus​.
Envie solicitações assíncronas para maximizar o rendimento.