Programa do Curso
Introdução
- Visão geral da PNL e suas aplicações
- Introdução a Hugging Face e seus principais recursos
Configurando um ambiente de trabalho
- Instalando e configurando Hugging Face
Compreendendo a Hugging Face biblioteca de transformadores e modelos de transformadores
- Explorando a estrutura e funcionalidades da biblioteca Transformers
- Visão geral de vários modelos de transformadores disponíveis em Hugging Face
Utilizando Hugging Face Transformadores
- Carregando e usando modelos pré-treinados
- Aplicando Transformers para várias tarefas de PNL
Ajustando um modelo pré-treinado
- Preparando um conjunto de dados para ajuste fino
- Ajustando um modelo do Transformer em uma tarefa específica
Compartilhando modelos e tokenizadores
- Exportando e compartilhando modelos treinados
- Utilizando tokenizadores para processamento de texto
Explorando Hugging Face Biblioteca de conjuntos de dados
- Visão geral da biblioteca Datasets em Hugging Face
- Accessing e utilização de conjuntos de dados pré-existentes
Explorando Hugging Face Biblioteca de Tokenizers
- Compreender as técnicas de tokenização e sua importância
- Aproveitando tokenizadores de Hugging Face
Executando tarefas clássicas de PNL
- Implementando tarefas comuns de PNL usando Hugging Face
- Classificação de texto, análise de sentimento, reconhecimento de entidade nomeada, etc.
Aproveitando modelos de transformadores para abordar tarefas em processamento de fala e Computer visão
- Estendendo o uso de Transformers além de tarefas baseadas em texto
- Aplicando Transformers para tarefas relacionadas a fala e imagem
Solução de problemas e depuração
- Problemas e desafios comuns ao trabalhar com Hugging Face
- Técnicas para solução de problemas e depuração
Construindo e compartilhando suas demonstrações de modelo
- Projetando e criando demonstrações de modelos interativos
- Compartilhando e exibindo seus modelos de forma eficaz
Resumo e próximas etapas
- Recapitulação dos principais conceitos e técnicas aprendidas
- Orientação sobre exploração adicional e recursos para aprendizagem contínua
Requisitos
- Um bom conhecimento de Python Experiência com aprendizado profundo Familiaridade com PyTorch ou TensorFlow é benéfico, mas não obrigatório
Público
- Cientistas de dados Praticantes de aprendizado de máquina Pesquisadores e entusiastas de PNL Desenvolvedores interessados em implementar soluções de PNL
Declaração de Clientes (2)
This is one of the best hands-on with exercises programming courses I have ever taken.
Laura Kahn
Curso - Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
I did like the exercises