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。
✅ 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。
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
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。
