Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere
- Prezentare generală a NLP și a aplicațiilor sale
- Introducere în Hugging Face și caracteristicile sale cheie
Configurarea unui mediu de lucru
- Instalarea și configurarea Hugging Face
Înțelegerea bibliotecii Hugging Face Transformers și a modelelor Transformer
- Explorarea structurii și funcționalităților bibliotecii Transformers
- Prezentare generală a diverselor modele Transformer disponibile în Hugging Face
Utilizarea Hugging Face Transformers
- Încărcarea și utilizarea modelelor preantrenate
- Aplicarea modelelor Transformer pentru diverse sarcini NLP
Adaptarea unui model preantrenat
- Pregătirea unui set de date pentru adaptare
- Adaptarea unui model Transformer pentru o sarcină specifică
Împărtășirea modelelor și tokenizatorilor
- Exportarea și împărtășirea modelelor antrenate
- Utilizarea tokenizatorilor pentru procesarea textului
Explorarea bibliotecii Hugging Face Datasets
- Prezentare generală a bibliotecii Datasets în Hugging Face
- Accesarea și utilizarea seturilor de date preexistente
Explorarea bibliotecii Hugging Face Tokenizers
- Înțelegerea tehnicilor de tokenizare și a importanței lor
- Utilizarea tokenizatorilor de la Hugging Face
Efectuarea sarcinilor clasice NLP
- Implementarea sarcinilor comune NLP folosind Hugging Face
- Clasificare de text, analiză de sentiment, recunoaștere de entități numite, etc.
Utilizarea modelelor Transformer pentru sarcini în procesarea vorbirii și a vederii computerizate
- Extinderea utilizării modelelor Transformer dincolo de sarcinile bazate pe text
- Aplicarea modelelor Transformer pentru sarcini legate de vorbire și imagini
Depanare și depanare
- Probleme și provocări comune în lucrul cu Hugging Face
- Tehnici de depanare și depanare
Construirea și împărtășirea demo-urilor modelelor tale
- Proiectarea și crearea de demo-uri interactive ale modelelor
- Împărtășirea și prezentarea modelelor tale în mod eficient
Rezumat și pași următori
- Recapitularea conceptelor și tehnicilor cheie învățate
- Ghid pentru explorarea ulterioară și resurse pentru învățare continuă
Cerințe
- Cunoștințe solide de Python
- Experiență cu învățarea profundă
- Familiaritate cu PyTorch sau TensorFlow este benefică, dar nu este obligatorie
Publicul țintă
- Oameni de știință de date
- Practicieni în învățarea automată
- Cercetători și entuziaști NLP
- Dezvoltatori interesați să implementeze soluții NLP
14 Ore