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 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