Python and PyTorch: Hands-On AI for Language Models (S-IT0068)

Combien de temps dure la formation ?

16,00 heure(s)

2 days

Dans quelle(s) langue(s) la formation est-elle donnée ?

Quand a lieu la prochaine session ?

Qui organise cette formation ?

Le Luxembourg Lifelong Learning Centre (LLLC), le centre de formation continue de la Chambre des salariés, dispose d'une large gamme de formations continues qui s’adressent à tout un chacun. Son offre de formation a pour objet de doter les apprenants pour autant que possible du savoir-faire approprié pour maîtriser un environnement de travail, des processus et des technologies, voire des aptitudes sociales, en constante évolution, et ce pour sécuriser au maximum leurs parcours professionnels. Le LLLC propose une panoplie importante de formations: des cours du soir; des séminaires, qui peuvent être adaptés sur mesure selon les besoins des entreprises; des formations universitaires; des formations spécialisées; des formations pour seniors; des certifications professionnelles.

Le contenu de cette page n'est pas disponible en français

À qui s’adresse la formation ?

This seminar is designed for intermediate Python programmers and AI practitioners who are comfortable with Python, have basic machine learning knowledge, and are eager to deepen their skills in NLP and PyTorch-based model development.

Quels sont les prérequis ?

Basic programming experience with Python and confidence in writing Python code are required.

Quels sont les objectifs poursuivis ou les compétences visées ?

Understand the Basics of Language Models
Build and Fine-Tune Custom Models
Apply Techniques to Solve Real-World NLP Problems

Quel est le contenu de la formation ?

Introduction to Language Models and Transformers
- Fundamentals of NLP and language models (LMs), covering key concepts like tokenization, embeddings, and attention mechanisms.
- Overview of Transformer architectures and popular models like BERT and GPT.
Building a Language Model from Scratch with Python and PyTorch
- Step-by-step guide to implementing a simple language model in PyTorch, covering layers, tokenization, and loss functions.
- Training and evaluating the model on a small dataset to understand performance and limitations.
Fine-Tuning Pre-trained Models with Python and PyTorch
- Introduction to Hugging Face Transformers and PyTorch Lightning.
- Hands-on exercise: fine-tuning a pre-trained model for a specific task, such as sentiment analysis or text classification.