Door een land te kiezen zie je de cursussen in jouw regio.
⏱ 2 u 42 min📚 27 lessen
Een Transformer LLM vanaf nul bouwen met behulp van PyTorch op laag niveau
Leer de kernmechanismen van Large Language Models beheersen door de volledige Transformer-architectuur te implementeren, inclusief BPE-tokenisatie en zelfaandacht, met behulp van pure Python en PyTorch.
💬AI-instructeur Stel vragen over elke les en krijg altijd meteen een duidelijk antwoord.
🕐Begin wanneer je wilt Geen roosters of deadlines — leer in je eigen tempo, wanneer het jou uitkomt.
🌐In het Nederlands Lessen, opdrachten en certificaat — alles volledig in jouw taal.
Over deze cursus
De complexiteit van moderne Large Language Models (LLM's) kan aanvoelen als een zwarte doos, waardoor het moeilijk is om echt te begrijpen hoe ze functioneren.Deze cursus verwijdert de kaders op hoog niveau om de fundamentele mechanismen te onthullen die modellen zoals GPT aandrijven.
Aan het einde van deze cursus hebt u de volledige kernarchitectuur van Transformer vanaf nul geïmplementeerd en een diepgaand, praktisch begrip van elke laag verkregen, van ruwe tekstinvoer tot gegenereerde output.Deze hands-on, low-level aanpak zorgt ervoor dat u de architecturale kennis opdoet die nodig is om toekomstige modellen te debuggen, optimaliseren en innoveren.
Wat je leert:
* Begrijp de wiskundige grondslagen van het zelf-aandachtsmechanisme, multi-head aandacht, en positionele codering.
* Implementeer Byte Pair Encoding (BPE) voor efficiënte teksttokenisatie en vocabulairebeheer vanuit ruwe gegevens.
* Bouw de volledige Decoder-only Transformer stack (zoals GPT) met alleen low-level PyTorch primitieven en modules.
* Oefen moderne Python- en PyTorch-conventies, inclusief effectief apparaatbeheer en robuuste implementatie met behulp van statische type-hints.
* Pas technieken toe voor het genereren van tekst, inclusief sampling en greed decoding, om inferentie uit te voeren met uw aangepaste model.
* Configureer basistrainingslussen en begrijp de cruciale gradiëntstroom die nodig is voor het optimaliseren van grote taalmodellen.
De cursus begint met fundamentele concepten van sequence modeling en aandacht, en begeleidt u vervolgens systematisch door het implementeren van elk onderdeel van de Transformer laag voor laag in Python en PyTorch.U verbindt deze onderdelen om een functionele, trainbare LLM-architectuur te vormen die klaar is voor experimenten.
Deze cursus is bedoeld voor beginnende en gevorderde ontwikkelaars die bekend zijn met de basissyntaxis van Python en die willen overstappen naar Geen eerdere ervaring met PyTorch of neurale netwerkarchitecturen is vereist.
Begin vandaag nog met het opbouwen van uw fundamentele kennis in generatieve AI.
Wat je krijgt
📜Voltooiingscertificaat Voeg toe aan je LinkedIn-profiel
💬Persoonlijke AI-tutor Vastgelopen bij een les? Vraag je ingebouwde tutor op elk moment van alles.
♾️Levenslange toegang Kom altijd terug, geen einddatum
📱Telefoon of computer Werkt overal, op elk apparaat
💸14 dagen retour Geen vragen
⚡Kort en gericht 2 u 42 min praktische inhoud
Voltooiingscertificaat
Elke cursus die je op PickAClass afrondt geeft zo'n certificaat — origineel, met eigen code, verifieerbaar via URL en gedetailleerd over wat echt is aangetoond.
P
PickAClass
Vaardighedenprofiel · verifieerbaar
Document
Certificaat van Meesterschap
Dit verklaart dat
Voornaam Achternaam
heeft met succes beheersing aangetoond van
Een Transformer LLM vanaf nul bouwen met behulp van PyTorch op laag niveau
Aangetoonde vaardigheden
✓
Analyse van gedragspatronen
Fundamenteel
1.2 u
✓
Besluitvormingsarchitectuur-frameworks
Vaardig
1.4 u
✓
A/B-testontwerp
Vaardig
1.7 u
✓
Gedragsgeoriënteerd copywriting
Gevorderd
1.9 u
P
PickAClass — Voornaam Achternaam
Een Transformer LLM vanaf nul bouwen met behulp van PyTorch op laag niveau
