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 diferitelor modele Transformer disponibile în Hugging Face

Utilizarea Hugging Face Transformers

  • Încărcarea și utilizarea modelelor preantrenate
  • Aplicarea Transformers pentru diverse sarcini NLP

Ajustarea unui model preantrenat

  • Pregătirea unui set de date pentru ajustare
  • Ajustarea unui model Transformer pentru o sarcină specifică

Împărtășirea modelelor și tokenizerelor

  • Exportarea și împărtășirea modelelor antrenate
  • Utilizarea tokenizerelor 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 tokenizerelor din Hugging Face

Efectuarea sarcinilor clasice NLP

  • Implementarea sarcinilor comune NLP folosind Hugging Face
  • Clasificarea textului, analiza sentimentelor, recunoașterea entităților denumite, etc.

Utilizarea modelelor Transformer pentru abordarea sarcinilor în procesarea vorbirii și a vederii computerizate

  • Extinderea utilizării Transformers dincolo de sarcinile bazate pe text
  • Aplicarea Transformers pentru sarcini legate de vorbire și imagini

Depanarea și depanarea

  • 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

  • Specialiști în știința datelor
  • Practicieni în învățarea automată
  • Cercetători și entuziaști NLP
  • Dezvoltatori interesați să implementeze soluții NLP
 14 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite