Struttura del corso
introduzione
- Panoramica della PNL e delle sue applicazioni
- Introduzione a Hugging Face e alle sue caratteristiche principali
Creazione di un ambiente di lavoro
- Installazione e configurazione Hugging Face
Comprensione della Hugging Face libreria Transformers e dei modelli Transformer
- Esplorazione della struttura e delle funzionalità della libreria Transformers
- Panoramica dei vari modelli di Transformer disponibili in Hugging Face
Utilizzando Hugging Face Trasformatori
- Caricamento e utilizzo di modelli preaddestrati
- Applicazione di Transformers per vari compiti di PNL
Ottimizzazione di un modello preaddestrato
- Preparazione di un set di dati per la messa a punto
- Messa a punto di un modello Transformer su un'attività specifica
Condivisione di modelli e tokenizzatori
- Esportazione e condivisione di modelli addestrati
- Utilizzo di tokenizzatori per l'elaborazione del testo
Esplorazione Hugging Face Libreria di set di dati
- Panoramica della libreria Dataset in Hugging Face
- Accessing e utilizzando set di dati preesistenti
Esplorando Hugging Face Libreria di tokenizzatori
- Comprendere le tecniche di tokenizzazione e la loro importanza
- Sfruttare i tokenizzatori da Hugging Face
Svolgimento dei compiti classici della PNL
- Implementazione di attività comuni di PNL utilizzando Hugging Face
- Classificazione del testo, analisi del sentiment, riconoscimento di entità denominate, ecc.
Sfruttare modelli di trasformatori per affrontare compiti nell'elaborazione del parlato e Computer visione
- Estendere l'uso di Transformers oltre le attività basate su testo
- Applicazione di Transformers per attività relative al parlato e alle immagini
Risoluzione dei problemi e debug
- Problemi e sfide comuni nel lavorare con Hugging Face
- Tecniche per la risoluzione dei problemi e il debug
Costruisci e condividi le demo del tuo modello
- Progettazione e creazione di demo di modelli interattivi
- Condividere e mostrare i tuoi modelli in modo efficace
Riepilogo e passaggi successivi
- Riepilogo dei concetti chiave e delle tecniche apprese
- Guida per ulteriori esplorazioni e risorse per l'apprendimento continuo
Requisiti
- Una buona conoscenza di Python Esperienza con il deep learning La familiarità con PyTorch o TensorFlow è vantaggiosa ma non richiesta
Pubblico
- Scienziati dei dati Professionisti del machine learning Ricercatori e appassionati di PNL Sviluppatori interessati a implementare soluzioni di PNL
Recensioni (2)
This is one of the best hands-on with exercises programming courses I have ever taken.
Laura Kahn
Corso - Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
I did like the exercises