Implementa atención y compárala con seq2seq sin atención en EN→ES
Visión general
De qué trata este proyecto.
Implementa seq2seq con y sin atención de Bahdanau en PyTorch para EN→ES y compara BLEU. Obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Implementar seq2seq con y sin atención desde cero y demostrar la mejora con interpretación de alineamientos.
Earning criteria — what you'll demonstrate
- Entender encoder-decoder y mecanismo de atención implementándolos
- Diagnosticar problemas típicos (bucles, copias, EOS prematuro)
- Visualizar e interpretar mapas de atención
- Comparar dos arquitecturas bajo presupuesto controlado
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Machine Translation
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosInvestigador/a de Machine Learning
Implementar arquitecturas desde cero y diagnosticarlas es la habilidad central de cualquier persona en investigación ML.
Este proyecto afina
- seq2seq
- attention-mechanism
- pytorch
Ingeniero/a de Procesamiento de Lenguaje Natural
Entender atención antes de usar Transformers es prerrequisito para iterar arquitecturas en NLP de producto.
Este proyecto afina
- seq2seq
- bahdanau-attention
- bleu-evaluation