Обучаем BERT модель для классификации текста / NLP на PyTorch

В этом видео пройдем полный цикл разработки модели бинарной классификации текстовых отзывов на PyTorch. Научимся определять, является ли отзыв позитивным или негативным. По итогу задеплоим обученную RoBERTa модель в Triton Server. Что разберем: Предобработка данных и подготовка датасета Принцип работы токенизаторов Архитектура трансформеров и fine-tuning Лучшие методики для достижения высокого качества обучения Интерпретация предсказаний модели Экспорт в ONNX и деплой ансамбля в Triton Inference Server 📦 Материалы и код к видео: https://github.com/Koldim2001/text-fe... ⏱ Таймкоды из видео: 0:58 - Предобработка данных и подготовка датасета 7:07 - Как нейросети обрабатывают текст 13:24 - Изучаем работу токенизатора 19:19 - Подготовка датасета и даталоадера в PyTorch 25:35 - Загружаем модель и настраиваем ее 34:42 - Пишем код обучения модели 45:28 - Анализируем итоги обучения 48:05 - Изучаем тестовые метрики и ищем инсайты 55:19 - Инференс обученной модели через PyTorch 57:00 - Интерпретация работы модели с помощью LIME 1:00:48 - Переводим модель в ONNX 1:02:39 - Запускаем Triton Inference Server в Docker 1:04:17 - Как устроено ансамблирование моделей в Triton 1:15:18 - Выполняем инференс ансамбля Triton по gRPC 🎓 Собрал плейлист с видео по нарастающей сложности - от основ до продвинутых практик DL:    • Компьютерное зрение с нуля до профи   #NLP #PyTorch #Transformers #ONNX #TritonInferenceServer #MLOps #DeepLearning #RoBERTa #DL #BERT