Programa del Curso
Introducción
- Descripción general de la PNL y sus aplicaciones
- Introducción a Hugging Face y sus características clave
Configurar un ambiente de trabajo
- Instalación y configuración Hugging Face
Comprensión de la biblioteca Hugging Face Transformers y los modelos de transformadores
- Explorando la estructura y funcionalidades de la biblioteca Transformers
- Descripción general de varios modelos de transformadores disponibles en Hugging Face
Utilizando Hugging Face transformadores
- Cargando y usando modelos previamente entrenados
- Aplicación de Transformers para diversas tareas de PNL
Ajuste fino de un modelo previamente entrenado
- Preparar un conjunto de datos para realizar ajustes
- Ajustar un modelo de Transformer en una tarea específica
Compartir modelos y tokenizadores
- Exportar y compartir modelos entrenados
- Utilizar tokenizadores para el procesamiento de textos
Explorando la biblioteca de conjuntos de datos Hugging Face
- Descripción general de la biblioteca de conjuntos de datos en Hugging Face
- Accessing y utilización de conjuntos de datos preexistentes
Explorando la biblioteca de tokenizadores Hugging Face
- Comprender las técnicas de tokenización y su importancia.
- Aprovechando los tokenizadores de Hugging Face
Realización de tareas clásicas de PNL
- Implementación de tareas comunes de PNL usando Hugging Face
- Clasificación de texto, análisis de sentimientos, reconocimiento de entidades nombradas, etc.
Aprovechamiento de modelos de transformadores para abordar tareas en el procesamiento del habla y la visión Computer
- Ampliar el uso de Transformers más allá de las tareas basadas en texto
- Aplicación de Transformers para tareas relacionadas con el habla y la imagen
Solución de problemas y depuración
- Problemas y desafíos comunes al trabajar con Hugging Face
- Técnicas de resolución de problemas y depuración.
Crear y compartir sus demostraciones de modelos
- Diseño y creación de demostraciones de modelos interactivos.
- Compartir y exhibir sus modelos de manera efectiva
Resumen y próximos pasos
- Resumen de conceptos y técnicas clave aprendidos.
- Orientación sobre exploración adicional y recursos para el aprendizaje continuo
Requerimientos
- Un buen conocimiento de Python Experiencia con aprendizaje profundo La familiaridad con PyTorch o TensorFlow es beneficiosa pero no requerida
Audiencia
- Científicos de datos Practicantes de aprendizaje automático Investigadores y entusiastas de NLP Desarrolladores interesados en implementar soluciones de NLP
Testimonios (3)
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
Office for National Statistics
Curso - Natural Language Processing with Python
Los ejemplos y la paciencia del instructor