CAVEDU教育團隊技術部落格 / NVIDIA DLI 深度學習學院

NVIDIA DLI 講師實作坊 [建造以 Transformer 為基礎的自然語言處理應用](2026.7.7申請截止)

✍ CAVEDU 阿吉 - 雜工📅 2025-09-08👁 1,207

課程介紹

過去十年來,自然語言處理(NLP)應用呈現爆炸性成長。隨著 AI 助理與人機體驗的普及,理解 NLP 技術如何處理、分析與產生文字資料變得至關重要。

以 Transformer 為基礎的模型(如 BERT)在問答系統、實體識別與情緒分析等基準上,已展現出與人類標準相差無幾的準確度。在本課程中,您將學習如何將這些模型運用於文字分類與命名實體識別(NER),並判斷最適合特定使用案例的模型架構。

IMPORTANT 2026/08

重要資訊:本課程將於2026年底轉為開源形式

根據 NVIDIA DLI 重大更新,本課程將於2026年底將課程相關範例程式碼與實作指南轉為開源形式後發布,意即本課程無須付費但也不會再有完課證明喔!歡迎持續關注 CAVEDU 官方技術部落格來獲取最新課程資訊!

✅ 認證資訊:完成本課程評量之後,即可取得 NVIDIA 原廠完課證明。

🌐 版本說明:本課程原文名稱為 [Building Transformer-Based NLP Applications],由 NVIDIA DLI 提供正體中文版本,相關資訊皆以原廠為準。
Building Transformer-Based NLP Applications
課程實作樣張

課程定位

  • 🟢 程度:技術 - 中級 (NVIDIA DLI LLM Level 1)
  • 🟢 主題:深度學習 / 生成式 AI / 大語言模型
  • 🟢 完課證明:有
  • 🟢 考試方式:程式實作評量
  • 🟢 課程先修:熟悉 Python 語法,對 LLM 關鍵技術有扎實理解
  • 🟢 所需軟體:Python3 / NVIDIA NIM / BERT 模型
  • 🟢 相關路徑:參考 DLI Generative AI / LLM 學習路徑
NLP 課程定位路徑圖
課程學習路徑圖

學習目標

  • 🎯 瞭解文字嵌入演進歷程(Word2Vec、RNN 到 Transformer)。
  • 🎯 掌握 Transformer 架構中的自注意力機制(Self-Attention)原理。
  • 🎯 運用自我監督技術提升 BERT、Megatron 等模型表現。
  • 🎯 利用預訓練模型處理文字分類、命名實體識別(NER)與問答系統。
  • 🎯 管理推論階段難點,並部署即時應用程式的微調模型。

課程特色

  • 🚀 核心技術深入:從文字嵌入技術談到 BERT 與 Megatron,全面理解現代 NLP 的核心技術。
  • 🚀 實作導向開發:使用 PyTorch 與 NVIDIA NeMo 動手打造文字分類與 NER 專案。
  • 🚀 部署效能優化:學習使用 Triton Inference Server 與 TensorRT 進行模型落地。
  • 🚀 雲端 GPU 環境:免安裝設定,透過瀏覽器即可在高效能環境進行實驗。
  • 🚀 原廠認證背書:完成課程評量驗證學習成效,通過即可取得完課證明。

第一天課程表:架構基礎與文字分類

時間 內容摘要
10:00 – 10:30 DLI 簡介與 NVIDIA NIM 入門 - 簡介 NVIDIA DLI 深度學習學院與主流 AI 工具 - 註冊 NVIDIA 開發者帳號 - 介紹 NVIDIA NIM:諸多立即可用的生成式AI模型
10:30 – 12:00 實作:Transformer in PyTorch - Transformer 架構核心應用探索 - 建立 Transformer 架構與計算自注意力矩陣 - 應用實例:預訓練模型進行英語德語翻譯
12:00 – 13:00 午餐時間
13:00 – 14:40 自監督學習與 BERT 基礎 - 深入了解自監督 Transformer 模型與 BERT 的核心概念
14:40 – 15:00 休息與交流時間
15:00 – 16:30 專案實作:文字分類 - 使用 NVIDIA NeMo 建立摘要分類專案
16:30 – 17:00 Q&A 與複習 - 回顧本日學習內容並解答問題

第二天課程表:實體辨識與模型部署

時間 內容摘要
10:00 – 11:00 NER 專案實作 - 建立命名實體辨識專案,精準提取文字段落中的關鍵名稱並提升準確性
11:00 – 12:00 模型部署準備 - 使用 NVIDIA TensorRT 進行最佳化,探討實務部署關鍵考量
12:00 – 13:00 午餐時間
13:00 – 15:20 NVIDIA Triton 模型部署 - 介紹 NVIDIA Triton 即時推論環境部署方式 - 部署實作:測試模型在即時環境中的推論效能
15:20 – 15:30 休息與交流
15:30 – 16:30 課程評量 - 完成課程評量並取得 NVIDIA 原廠完課證明
16:30 – 17:00 結尾與後續資源 - 講師解題分享、完成工作坊問卷調查

立即洽詢與報名

CAVEDU(翰尼斯企業)是國內執行課程經驗最豐富的 NVIDIA 教育合作夥伴。 歡迎洽詢企業包班、技術顧問與客製化課程:

我們的專業團隊(2025 全球第一白金級大使領軍)將為您提供專屬的 NVIDIA DLI 原廠認證課程 規劃。

本文發表於NVIDIA DLI 深度學習學院,並標記DLI認證。

相關文章 📎

NVIDIA DLI 講師實作坊 [為大型語言模型注入新的知識]

2026-09-14

NVIDIA DLI 講師實作坊 [建立以大語言模型為基礎的代理 AI 應用]

2026-09-14

Omniverse 工業數位孿生兩日課程:OpenUSD 實作與 NVIDIA Brev 雲端環境

2026-08-18

NVIDIA Physical AI 一日課程:SO-101 機器人模擬、VLA 訓練與部署

2026-07-01

留言 💬 (0)

還沒有留言,來當第一個。