Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение
- Преглед на НЛП и неговите приложения
- Въведение в Hugging Face и неговите основни характеристики
Създаване на работна среда
- Инсталиране и конфигуриране Hugging Face
Разбиране на Hugging Face библиотеката Transformers и Transformer Models
- Проучване на структурата и функционалностите на библиотеката Transformers
- Преглед на различни модели трансформатори, налични в Hugging Face
Използване на Hugging Face трансформатори
- Зареждане и използване на предварително обучени модели
- Прилагане на Transformers за различни НЛП задачи
Фина настройка на предварително обучен модел
- Подготовка на набор от данни за фина настройка
- Фина настройка на модел Transformer за конкретна задача
Споделяне на модели и токенизатори
- Експортиране и споделяне на обучени модели
- Използване на токенизатори за обработка на текст
Изследване на Hugging Face библиотека с набори от данни
- Преглед на библиотеката с набори от данни в Hugging Face
- Accessизползване и използване на вече съществуващи набори от данни
Проучване на Hugging Face библиотеката на токенизатори
- Разбиране на техниките за токенизация и тяхното значение
- Използване на токенизатори от Hugging Face
Изпълнение на класически НЛП задачи
- Изпълнение на общи NLP задачи с помощта на Hugging Face
- Класификация на текст, анализ на настроението, разпознаване на именуван обект и др.
Използване на трансформаторни модели за адресиране на задачи при обработка на реч и Computer Vision
- Разширяване на използването на Transformers отвъд текстови задачи
- Прилагане на Transformers за задачи, свързани с реч и изображения
Отстраняване на неизправности и отстраняване на грешки
- Често срещани проблеми и предизвикателства при работа с Hugging Face
- Техники за отстраняване на неизправности и отстраняване на грешки
Изграждане и споделяне на вашите демонстрации на модели
- Проектиране и създаване на интерактивни демонстрации на модели
- Ефективно споделяне и представяне на вашите модели
Обобщение и следващи стъпки
- Обобщение на научените ключови концепции и техники
- Насоки за по-нататъшно проучване и ресурси за продължаващо обучение
Изисквания
- Добро познаване на Python
- Опит с дълбоко обучение
- Познаването на PyTorch или TensorFlow е от полза, но не е задължително
Публика
- Учени по данни
- Практици машинно обучение
- НЛП изследователи и ентусиасти
- Разработчици, които се интересуват от внедряване на НЛП решения
14 Часа
